llama-tiny-fp8-quant-method
llama-tiny-fp8-quant-method é um modelo de chat da amd-quark, lançado em 7 de fevereiro de 2025. llama-tiny-fp8-quant-method is an open-weights chat model.
by amd-quark
Ideal para
- chat e roteamento de baixa latência
- roteamento e triagem de requisições
- classificação de texto
Como usar llama-tiny-fp8-quant-method no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da amd-quark. O osFoundry descobre llama-tiny-fp8-quant-method 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
llama-tiny-fp8-quant-method 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.
llama-tiny-fp8-quant-method vs modelos semelhantes
| Modelo | Organização | Parâmetros | Contexto | Preço de entrada | Auto-hospedado |
|---|
| llama-tiny-fp8-quant-method | amd-quark | — | — | Free (local) | Sim |
| stanza-en | stanfordnlp | — | — | Free (local) | Sim |
| Hebatron_base_long-i1-GGUF | mradermacher | — | — | Free (local) | Sim |
| HunyuanVideo1.5 | DeepBeepMeep | — | — | 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 llama-tiny-fp8-quant-method
llama-tiny-fp8-quant-method é gratuito?
llama-tiny-fp8-quant-method 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 llama-tiny-fp8-quant-method 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.
Posso rodar llama-tiny-fp8-quant-method localmente?
Sim. llama-tiny-fp8-quant-method 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 llama-tiny-fp8-quant-method é melhor?
llama-tiny-fp8-quant-method é bem adequado para chat e roteamento de baixa latência, roteamento e triagem de requisições, classificação de texto.
Como uso llama-tiny-fp8-quant-method no osFoundry?
Cole sua chave de API da amd-quark no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua llama-tiny-fp8-quant-method 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 amd-quark em 7 de fevereiro de 2025. Fonte: https://huggingface.co/amd-quark/llama-tiny-fp8-quant-method