NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcse
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcse（fdschmidt93, 2024）は8億パラメータのエンベディングモデルです。NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcse is an open-weights embed model with roughly 8 billion parameters.
by fdschmidt93 · 8Bパラメータ
得意な用途
osFoundryでのNLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseの使い方
ご自身のキーで接続（BYOK）
キーダイアログを開き、fdschmidt93のAPIキーを貼り付けるだけで、osFoundryがNLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseを自動的に検出します。パイプラインタブでMaestroのロール（router、direct、orchestrator、fallback）に割り当てれば、すべてのチャットですぐに利用できます。ご自身のキー・ご自身のプロバイダーアカウントで、トークン手数料は一切上乗せしません。
専用エンドポイントをデプロイ
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseはオープンウェイトです。ローカルで無料で実行することも、ワークスペースに専用GPUエンドポイントをデプロイして、レート制限のない予約済み容量を確保することもできます。
Room Appで使う
Room Appはマニフェストで AI 機能を宣言し、invokeAIで呼び出します:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
ご自身のアプリから呼び出す
モデルをワークスペースに組み込めば、APIとしてホストして、osFoundryの外側にあるご自身のサービス・スクリプト・CIから呼び出すことができます。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseを動かせるハードウェア
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseは16GBのコンシューマー向けGPU1枚で動作します（KVキャッシュの余裕を含めて約5 GBのVRAM）。フル精度推論はH100 80GB 1枚にFP16精度で収まります（約20 GB）。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseと類似モデルの比較
ライセンス
未指定 — ライセンス条件が明示されていません。商用利用の前に上流のモデルカードをご確認ください。
上流のドキュメントをご確認ください。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseについてのよくある質問
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseは無料で使えますか？
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseはご自身のハードウェアでローカル実行する場合は無料です。osFoundry経由のホスティングアクセスは従量課金（入力 Free (local)、出力 Free (local)）となります。ローカルとホスティングはいつでも切り替えられます。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseを商用利用できますか？
条件付きで商用利用が許可されています。 ライセンス条件が明示されていません。商用利用の前に上流のモデルカードをご確認ください。 上流のドキュメントをご確認ください。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseに必要なVRAMはどれくらいですか？
Q4量子化で約5 GB、フルFP16精度で約20 GBが目安です。24GBのコンシューマー向けGPU1枚で動作します。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseをローカルで実行できますか？
はい。NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseはオープンウェイトで、ワークステーション向けGPUでローカル実行できます。osFoundryのローカルランタイムがモデルのロード、量子化、ルーティングを処理します。
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseが最も得意なことは何ですか？
NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseはsentence similarityに適しています。
osFoundryでNLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseをどう使えばよいですか？
キーダイアログでfdschmidt93 APIキーを貼り付け（セルフホスト可能なモデルの場合はオープンウェイトをデプロイ）、パイプラインタブでNLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcseをMaestroのロールに割り当てれば、チャット、invokeAI経由のRoom App、ご自身のアプリから利用できます。
fdschmidt93により公開（2024年10月1日）。 出典: https://huggingface.co/fdschmidt93/NLLB-LLM2Vec-Meta-Llama-31-8B-Instruct-mntp-unsup-simcse