QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epはg4meによる2億パラメータのチャットモデルです（2026年4月20日リリース）。QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep is an open-weights chat model with roughly 2 billion parameters.
by g4me · 2Bパラメータ
得意な用途
osFoundryでのQWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epの使い方
ご自身のキーで接続（BYOK）
キーダイアログを開き、g4meのAPIキーを貼り付けるだけで、osFoundryがQWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epを動かせるハードウェア
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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2 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5 GB）。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epについてのよくある質問
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epは無料で使えますか？
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epに必要なVRAMはどれくらいですか？
Q4量子化で約2 GB、フルFP16精度で約5 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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epをローカルで実行できますか？
はい。QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epが最も得意なことは何ですか？
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epはtext generationに適しています。
osFoundryでQWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5epをどう使えばよいですか？
キーダイアログでg4me 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QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep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。
g4meにより公開（2026年4月20日）。 出典: https://huggingface.co/g4me/QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep