cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf
cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf (RichardErkhov, 2024) é um modelo de 8 bilhões de parâmetros de chat. cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf is an open-weights chat model with roughly 8 billion parameters.
by RichardErkhov · 8B parâmetros
Ideal para
- chat e roteamento de baixa latência
- roteamento e triagem de requisições
- classificação de texto
Como usar cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da RichardErkhov. O osFoundry descobre cognitivecomputations_-_dolphin-2.9-llama3-8b-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
cognitivecomputations_-_dolphin-2.9-llama3-8b-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 cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf
cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf 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).
cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf 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 cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf
cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf é gratuito?
cognitivecomputations_-_dolphin-2.9-llama3-8b-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 cognitivecomputations_-_dolphin-2.9-llama3-8b-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 cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf 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 cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf localmente?
Sim. cognitivecomputations_-_dolphin-2.9-llama3-8b-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 cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf é melhor?
cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf é bem adequado para chat e roteamento de baixa latência, roteamento e triagem de requisições, classificação de texto.
Como uso cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf no osFoundry?
Cole sua chave de API da RichardErkhov no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua cognitivecomputations_-_dolphin-2.9-llama3-8b-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 RichardErkhov em 4 de novembro de 2024. Fonte: https://huggingface.co/RichardErkhov/cognitivecomputations_-_dolphin-2.9-llama3-8b-gguf