Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 é um modelo de 17 bilhões de parâmetros de chat da axolotl-quants, lançado em 8 de abril de 2025. Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 is an open-weights chat model with roughly 17 billion parameters.
by axolotl-quants · 17B parâmetros
Ideal para
- chat e roteamento de baixa latência
- roteamento e triagem de requisições
- classificação de texto
Como usar Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da axolotl-quants. O osFoundry descobre Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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 Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 roda em uma única GPU de consumo de 16GB (~11 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~41 GB).
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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 Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 é gratuito?
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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 Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 precisa?
Aproximadamente 11 GB em quantização Q4, ou 41 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 localmente?
Sim. Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 é melhor?
Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 é bem adequado para chat e roteamento de baixa latência, roteamento e triagem de requisições, classificação de texto.
Como uso Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 no osFoundry?
Cole sua chave de API da axolotl-quants no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16 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 axolotl-quants em 8 de abril de 2025. Fonte: https://huggingface.co/axolotl-quants/Llama-4-Maverick-17B-128E-Linearized-bnb-nf4-bf16