LLaVA_MORE-llama_3_1-8B-siglip-finetuning
O LLaVA_MORE-llama_3_1-8B-siglip-finetuning da aimagelab concentra 8 bilhões de parâmetros em um modelo de geração de imagens. LLaVA_MORE-llama_3_1-8B-siglip-finetuning is an open-weights image model with roughly 8 billion parameters.
by aimagelab · 8B parâmetros
Ideal para
Como usar LLaVA_MORE-llama_3_1-8B-siglip-finetuning no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da aimagelab. O osFoundry descobre LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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
LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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 LLaVA_MORE-llama_3_1-8B-siglip-finetuning
LLaVA_MORE-llama_3_1-8B-siglip-finetuning roda em uma única GPU de consumo de 16GB (~5 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~20 GB).
LLaVA_MORE-llama_3_1-8B-siglip-finetuning vs modelos semelhantes
| Modelo | Organização | Parâmetros | Contexto | Preço de entrada | Auto-hospedado |
|---|
| LLaVA_MORE-llama_3_1-8B-siglip-finetuning | aimagelab | 8B | — | Free (local) | Sim |
| Huihui4-8B-A4B | huihui-ai | 8B | — | Free (local) | Sim |
| InternVL3_5-8B-GGUF | lmstudio-community | 8B | — | Free (local) | Sim |
| MolmoPoint-GUI-8B | allenai | 8B | — | Free (local) | Sim |
Licença
Não especificada — Termos de licença não especificados — verifique o model card original antes do uso comercial.
Consulte a documentação original.
Perguntas frequentes sobre LLaVA_MORE-llama_3_1-8B-siglip-finetuning
LLaVA_MORE-llama_3_1-8B-siglip-finetuning é gratuito?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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 LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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 LLaVA_MORE-llama_3_1-8B-siglip-finetuning precisa?
Aproximadamente 5 GB em quantização Q4, ou 20 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar LLaVA_MORE-llama_3_1-8B-siglip-finetuning localmente?
Sim. LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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 LLaVA_MORE-llama_3_1-8B-siglip-finetuning é melhor?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning é bem adequado para image text to text.
Como uso LLaVA_MORE-llama_3_1-8B-siglip-finetuning no osFoundry?
Cole sua chave de API da aimagelab no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua LLaVA_MORE-llama_3_1-8B-siglip-finetuning 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 aimagelab em 16 de agosto de 2024. Fonte: https://huggingface.co/aimagelab/LLaVA_MORE-llama_3_1-8B-siglip-finetuning