Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è un modello da 7 miliardi di parametri chat di RichardErkhov, rilasciato il 19 settembre 2024. Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf is an open-weights chat model with roughly 7 billion parameters.
by RichardErkhov · 7B parametri
Ideale per
- chat e routing a bassa latenza
- instradamento e triage delle richieste
- classificazione di testo
Modi per utilizzare Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf in osFoundry
Si colleghi con la sua chiave (BYOK)
Apra la finestra delle chiavi e incolli la sua API key RichardErkhov. osFoundry scopre Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf automaticamente — lo assegni a un ruolo Maestro (router, direct, orchestrator o fallback) nella scheda Pipeline e sarà attivo in ogni chat. La sua chiave, il suo account provider — nessun ricarico sui token.
Distribuisca un endpoint dedicato
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è open-weights — lo esegua localmente in modo gratuito, oppure distribuisca un endpoint GPU dedicato nel suo workspace per ottenere capacità riservata senza limiti di rate.
Lo utilizzi in una Room App
Le Room App dichiarano le funzionalità AI nel loro manifest e le richiamano con invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Lo richiami dalle sue applicazioni
Una volta integrato un modello nel suo workspace, può esporlo come API e raggiungerlo dai suoi servizi, script o pipeline CI — al di fuori di osFoundry.
Quale hardware può eseguire Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf gira su una singola GPU consumer da 16GB (~5 GB di VRAM con margine per la KV-cache). L'inferenza a piena precisione entra in una singola H100 80GB con precisione FP16 (~17 GB).
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf a confronto con modelli simili
Licenza
Non specificata — Termini di licenza non specificati — verifichi la scheda del modello upstream prima dell'uso commerciale.
Consulti la documentazione upstream.
Domande frequenti su Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è gratuito?
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è gratuito da eseguire localmente sul suo hardware. L'accesso in hosting tramite osFoundry è a consumo (input Free (local), output Free (local)). Può passare tra esecuzione locale e in hosting in qualsiasi momento.
Posso usare Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf a scopo commerciale?
L'uso commerciale è consentito a determinate condizioni. Termini di licenza non specificati — verifichi la scheda del modello upstream prima dell'uso commerciale. Consulti la documentazione upstream.
Quanta VRAM richiede Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf?
Circa 5 GB con quantizzazione Q4, o 17 GB in piena precisione FP16. Entra in una singola GPU consumer da 24GB.
Posso eseguire Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf localmente?
Sì. Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è open-weights e si esegue localmente su una GPU da workstation. Il runtime locale di osFoundry gestisce il caricamento del modello, la quantizzazione e il routing.
In che cosa eccelle Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf?
Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf è particolarmente adatto a chat e routing a bassa latenza, instradamento e triage delle richieste, classificazione di testo.
Come utilizzo Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf in osFoundry?
Incolli la sua API key RichardErkhov nella finestra delle chiavi (oppure distribuisca i pesi aperti per i modelli auto-ospitabili), assegni Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf a un ruolo Maestro nella scheda Pipeline, quindi lo utilizzi in chat, nelle Room App tramite invokeAI o nelle sue applicazioni.
Pubblicato da RichardErkhov il 19 settembre 2024. Fonte: https://huggingface.co/RichardErkhov/Qwen_-_Qwen2.5-Coder-7B-Instruct-gguf