Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k
Desenvolvido pela Agnuxo, Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é um modelo de 1 bilhões de parâmetros de chat. Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k is an open-weights chat model with roughly 1 billion parameters.
by Agnuxo · 1B parâmetros
Ideal para
Como usar Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da Agnuxo. O osFoundry descobre Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k automaticamente — atribua-o a um papel do Maestro (router, direct, orchestrator ou fallback) na aba Pipeline e ele estará ativo em cada chat. Sua chave, sua conta no provedor — sem markup sobre tokens.
Implante um endpoint dedicado
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é open-weights — execute localmente sem custo, ou implante um endpoint GPU dedicado no seu workspace para capacidade reservada sem limites de taxa.
Use em um Room App
Os Room Apps declaram recursos de IA em seus manifestos e os chamam com invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Chame a partir dos seus próprios apps
Uma vez que um modelo está conectado ao seu workspace, você pode hospedá-lo como uma API e acessá-lo a partir dos seus próprios serviços, scripts ou CI — fora do osFoundry.
Quais hardwares rodam Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k roda em uma única GPU de consumo de 16GB (~1 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~3 GB).
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k vs modelos semelhantes
Licença
Não especificada — Termos de licença não especificados — verifique o model card original antes do uso comercial.
Consulte a documentação original.
Perguntas frequentes sobre Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é gratuito?
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é gratuito para rodar localmente no seu próprio hardware. O acesso hospedado via osFoundry é medido (entrada Free (local), saída Free (local)). Você pode alternar entre local e hospedado a qualquer momento.
Posso usar Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k comercialmente?
Uso comercial é permitido com condições. Termos de licença não especificados — verifique o model card original antes do uso comercial. Consulte a documentação original.
Quanta VRAM Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k precisa?
Aproximadamente 1 GB em quantização Q4, ou 3 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k localmente?
Sim. Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é open-weights e roda localmente em uma GPU de workstation. O runtime local do osFoundry cuida do carregamento, da quantização e do roteamento do modelo.
Em que Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é melhor?
Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k é bem adequado para text generation.
Como uso Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k no osFoundry?
Cole sua chave de API da Agnuxo no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k a um papel do Maestro na aba Pipeline e use-o em chats, em Room Apps via invokeAI ou nos seus próprios apps.
Publicado pela Agnuxo em 31 de agosto de 2024. Fonte: https://huggingface.co/Agnuxo/Tinytron-1B-TinyLlama-Instruct_CODE_Python-Spanish_English_GGUF_q6_k