MARTHA-73B-Qwen2-VL-i1-GGUF
MARTHA-73B-Qwen2-VL-i1-GGUF (mradermacher, 2026) é um modelo de 73 bilhões de parâmetros de chat. MARTHA-73B-Qwen2-VL-i1-GGUF is an open-weights chat model with roughly 73 billion parameters.
by mradermacher · 73B parâmetros
Ideal para
- raciocínio complexo de múltiplas etapas
- orquestração de agentes com uso de ferramentas
- análise e sumarização de documentos longos
Como usar MARTHA-73B-Qwen2-VL-i1-GGUF no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da mradermacher. O osFoundry descobre MARTHA-73B-Qwen2-VL-i1-GGUF 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
MARTHA-73B-Qwen2-VL-i1-GGUF 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 MARTHA-73B-Qwen2-VL-i1-GGUF
MARTHA-73B-Qwen2-VL-i1-GGUF roda em uma única A100 80GB ou H100 80GB em quantização Q4 (~44 GB de VRAM com folga para KV-cache). A inferência em precisão completa requer múltiplas GPUs H100/H200 em FP16 (~176 GB).
MARTHA-73B-Qwen2-VL-i1-GGUF vs modelos semelhantes
| Modelo | Organização | Parâmetros | Contexto | Preço de entrada | Auto-hospedado |
|---|
| MARTHA-73B-Qwen2-VL-i1-GGUF | mradermacher | 73B | — | Free (local) | Sim |
| Qwen-Coder-NX-73B | Jahaz | 73B | — | Free (local) | Sim |
| ZAYA1-74B-preview | Zyphra | 74B | — | Free (local) | Sim |
| Qwen 2.5 72B | Alibaba | 72B | 131K | Free (local) / $ 0.50 /1M | 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 MARTHA-73B-Qwen2-VL-i1-GGUF
MARTHA-73B-Qwen2-VL-i1-GGUF é gratuito?
MARTHA-73B-Qwen2-VL-i1-GGUF 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 MARTHA-73B-Qwen2-VL-i1-GGUF 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 MARTHA-73B-Qwen2-VL-i1-GGUF precisa?
Aproximadamente 44 GB em quantização Q4, ou 176 GB em precisão FP16 completa. Cabe em uma única A100/H100 80GB.
Posso rodar MARTHA-73B-Qwen2-VL-i1-GGUF localmente?
Sim. MARTHA-73B-Qwen2-VL-i1-GGUF 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 MARTHA-73B-Qwen2-VL-i1-GGUF é melhor?
MARTHA-73B-Qwen2-VL-i1-GGUF é bem adequado para raciocínio complexo de múltiplas etapas, orquestração de agentes com uso de ferramentas, análise e sumarização de documentos longos.
Como uso MARTHA-73B-Qwen2-VL-i1-GGUF no osFoundry?
Cole sua chave de API da mradermacher no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua MARTHA-73B-Qwen2-VL-i1-GGUF 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 mradermacher em 26 de março de 2026. Fonte: https://huggingface.co/mradermacher/MARTHA-73B-Qwen2-VL-i1-GGUF