WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16
Lançado pela Fmuaddib em 2025, WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 é um modelo de 12 bilhões de parâmetros de chat. WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 is an open-weights chat model with roughly 12 billion parameters.
by Fmuaddib · 12B parâmetros
Ideal para
Como usar WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da Fmuaddib. O osFoundry descobre WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 roda em uma única GPU de consumo de 16GB (~8 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~29 GB).
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 é gratuito?
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 precisa?
Aproximadamente 8 GB em quantização Q4, ou 29 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 localmente?
Sim. WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 é melhor?
WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 é bem adequado para text generation.
Como uso WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 no osFoundry?
Cole sua chave de API da Fmuaddib no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16 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 Fmuaddib em 25 de abril de 2025. Fonte: https://huggingface.co/Fmuaddib/WhiteRabbitNeo-2.5-Qwen-2.5-Coder-12.3B-mlx-fp16