ft-mistral-7b-instruct-v0.2-sorry-bench-202406
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 di sorry-bench racchiude 7 miliardi di parametri in un modello chat. ft-mistral-7b-instruct-v0.2-sorry-bench-202406 is an open-weights chat model with roughly 7 billion parameters.
by sorry-bench · 7B parametri
Ideale per
Modi per utilizzare ft-mistral-7b-instruct-v0.2-sorry-bench-202406 in osFoundry
Si colleghi con la sua chiave (BYOK)
Apra la finestra delle chiavi e incolli la sua API key sorry-bench. osFoundry scopre ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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 ft-mistral-7b-instruct-v0.2-sorry-bench-202406
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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).
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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 ft-mistral-7b-instruct-v0.2-sorry-bench-202406
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 è gratuito?
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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 ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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 ft-mistral-7b-instruct-v0.2-sorry-bench-202406?
Circa 5 GB con quantizzazione Q4, o 17 GB in piena precisione FP16. Entra in una singola GPU consumer da 24GB.
Posso eseguire ft-mistral-7b-instruct-v0.2-sorry-bench-202406 localmente?
Sì. ft-mistral-7b-instruct-v0.2-sorry-bench-202406 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 ft-mistral-7b-instruct-v0.2-sorry-bench-202406?
ft-mistral-7b-instruct-v0.2-sorry-bench-202406 è particolarmente adatto a text generation.
Come utilizzo ft-mistral-7b-instruct-v0.2-sorry-bench-202406 in osFoundry?
Incolli la sua API key sorry-bench nella finestra delle chiavi (oppure distribuisca i pesi aperti per i modelli auto-ospitabili), assegni ft-mistral-7b-instruct-v0.2-sorry-bench-202406 a un ruolo Maestro nella scheda Pipeline, quindi lo utilizzi in chat, nelle Room App tramite invokeAI o nelle sue applicazioni.
Pubblicato da sorry-bench il 13 giugno 2024. Fonte: https://huggingface.co/sorry-bench/ft-mistral-7b-instruct-v0.2-sorry-bench-202406