vit_gigantic_patch14_clip_224.metaclip_2pt5b
vit_gigantic_patch14_clip_224.metaclip_2pt5b (timm, 2024) é um modelo de 5 bilhões de parâmetros de geração de imagens. vit_gigantic_patch14_clip_224.metaclip_2pt5b is an open-weights image model with roughly 5 billion parameters.
by timm · 5B parâmetros
Ideal para
- zero shot image classification
Como usar vit_gigantic_patch14_clip_224.metaclip_2pt5b no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da timm. O osFoundry descobre vit_gigantic_patch14_clip_224.metaclip_2pt5b 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
vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 vit_gigantic_patch14_clip_224.metaclip_2pt5b
vit_gigantic_patch14_clip_224.metaclip_2pt5b roda em uma única GPU de consumo de 16GB (~3 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~12 GB).
vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 vit_gigantic_patch14_clip_224.metaclip_2pt5b
vit_gigantic_patch14_clip_224.metaclip_2pt5b é gratuito?
vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 vit_gigantic_patch14_clip_224.metaclip_2pt5b precisa?
Aproximadamente 3 GB em quantização Q4, ou 12 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar vit_gigantic_patch14_clip_224.metaclip_2pt5b localmente?
Sim. vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 vit_gigantic_patch14_clip_224.metaclip_2pt5b é melhor?
vit_gigantic_patch14_clip_224.metaclip_2pt5b é bem adequado para zero shot image classification.
Como uso vit_gigantic_patch14_clip_224.metaclip_2pt5b no osFoundry?
Cole sua chave de API da timm no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua vit_gigantic_patch14_clip_224.metaclip_2pt5b 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 timm em 23 de outubro de 2024. Fonte: https://huggingface.co/timm/vit_gigantic_patch14_clip_224.metaclip_2pt5b