HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2
pqthinh232が開発したHCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2は、2億パラメータの画像生成モデルです。HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2 is an open-weights image model with roughly 2 billion parameters.
by pqthinh232 · 2Bパラメータ
得意な用途
osFoundryでのHCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2の使い方
ご自身のキーで接続（BYOK）
キーダイアログを開き、pqthinh232のAPIキーを貼り付けるだけで、osFoundryがHCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2を動かせるハードウェア
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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）。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2についてのよくある質問
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2は無料で使えますか？
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2をローカルで実行できますか？
はい。HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2が最も得意なことは何ですか？
HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2はimage text to textに適しています。
osFoundryでHCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2をどう使えばよいですか？
キーダイアログでpqthinh232 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HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2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。
pqthinh232により公開（2026年4月19日）。 出典: https://huggingface.co/pqthinh232/HCMUS-Qwen2-VL-2B-Instruct-Vietnamese-Image-Captioning-for-blind-E2