Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit
vanch007が2026年に公開したHuihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitは、26億パラメータの画像生成モデルです。Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit is an open-weights image model with roughly 26 billion parameters.
by vanch007 · 26Bパラメータ
得意な用途
osFoundryでのHuihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitの使い方
ご自身のキーで接続（BYOK）
キーダイアログを開き、vanch007のAPIキーを貼り付けるだけで、osFoundryがHuihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitを動かせるハードウェア
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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16 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63 GB）。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitについてのよくある質問
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitは無料で使えますか？
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitに必要なVRAMはどれくらいですか？
Q4量子化で約16 GB、フルFP16精度で約63 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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitをローカルで実行できますか？
はい。Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitが最も得意なことは何ですか？
Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitはimage text to textに適しています。
osFoundryでHuihui-gemma-4-26B-A4B-it-abliterated-mlx-8bitをどう使えばよいですか？
キーダイアログでvanch007 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Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit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。
vanch007により公開（2026年4月11日）。 出典: https://huggingface.co/vanch007/Huihui-gemma-4-26B-A4B-it-abliterated-mlx-8bit