vit_large_patch14_clip_224.metaclip_2pt5b
Realizzato da timm, vit_large_patch14_clip_224.metaclip_2pt5b è un modello da 5 miliardi di parametri generazione di immagini. vit_large_patch14_clip_224.metaclip_2pt5b is an open-weights image model with roughly 5 billion parameters.
by timm · 5B parametri
Ideale per
- zero shot image classification
Modi per utilizzare vit_large_patch14_clip_224.metaclip_2pt5b in osFoundry
Si colleghi con la sua chiave (BYOK)
Apra la finestra delle chiavi e incolli la sua API key timm. osFoundry scopre vit_large_patch14_clip_224.metaclip_2pt5b 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
vit_large_patch14_clip_224.metaclip_2pt5b 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 vit_large_patch14_clip_224.metaclip_2pt5b
vit_large_patch14_clip_224.metaclip_2pt5b gira su una singola GPU consumer da 16GB (~3 GB di VRAM con margine per la KV-cache). L'inferenza a piena precisione entra in una singola H100 80GB con precisione FP16 (~12 GB).
vit_large_patch14_clip_224.metaclip_2pt5b 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 vit_large_patch14_clip_224.metaclip_2pt5b
vit_large_patch14_clip_224.metaclip_2pt5b è gratuito?
vit_large_patch14_clip_224.metaclip_2pt5b 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 vit_large_patch14_clip_224.metaclip_2pt5b 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 vit_large_patch14_clip_224.metaclip_2pt5b?
Circa 3 GB con quantizzazione Q4, o 12 GB in piena precisione FP16. Entra in una singola GPU consumer da 24GB.
Posso eseguire vit_large_patch14_clip_224.metaclip_2pt5b localmente?
Sì. vit_large_patch14_clip_224.metaclip_2pt5b 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 vit_large_patch14_clip_224.metaclip_2pt5b?
vit_large_patch14_clip_224.metaclip_2pt5b è particolarmente adatto a zero shot image classification.
Come utilizzo vit_large_patch14_clip_224.metaclip_2pt5b in osFoundry?
Incolli la sua API key timm nella finestra delle chiavi (oppure distribuisca i pesi aperti per i modelli auto-ospitabili), assegni vit_large_patch14_clip_224.metaclip_2pt5b a un ruolo Maestro nella scheda Pipeline, quindi lo utilizzi in chat, nelle Room App tramite invokeAI o nelle sue applicazioni.
Pubblicato da timm il 23 ottobre 2024. Fonte: https://huggingface.co/timm/vit_large_patch14_clip_224.metaclip_2pt5b