Wan2.2-I2V-A14B-LowNoise-Q4_K_M
Desenvolvido pela wanabmeya, Wan2.2-I2V-A14B-LowNoise-Q4_K_M é um modelo de 14 bilhões de parâmetros de geração de imagens. Wan2.2-I2V-A14B-LowNoise-Q4_K_M is an open-weights image model with roughly 14 billion parameters.
by wanabmeya · 14B parâmetros
Ideal para
Como usar Wan2.2-I2V-A14B-LowNoise-Q4_K_M no osFoundry
Conecte com sua própria chave (BYOK)
Abra o diálogo de chaves e cole sua chave de API da wanabmeya. O osFoundry descobre Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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
Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 Wan2.2-I2V-A14B-LowNoise-Q4_K_M
Wan2.2-I2V-A14B-LowNoise-Q4_K_M roda em uma única GPU de consumo de 16GB (~9 GB de VRAM com folga para KV-cache). A inferência em precisão completa cabe em uma única H100 80GB em precisão FP16 (~34 GB).
Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 Wan2.2-I2V-A14B-LowNoise-Q4_K_M
Wan2.2-I2V-A14B-LowNoise-Q4_K_M é gratuito?
Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 Wan2.2-I2V-A14B-LowNoise-Q4_K_M precisa?
Aproximadamente 9 GB em quantização Q4, ou 34 GB em precisão FP16 completa. Cabe em uma única GPU de consumo de 24GB.
Posso rodar Wan2.2-I2V-A14B-LowNoise-Q4_K_M localmente?
Sim. Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 Wan2.2-I2V-A14B-LowNoise-Q4_K_M é melhor?
Wan2.2-I2V-A14B-LowNoise-Q4_K_M é bem adequado para image to video.
Como uso Wan2.2-I2V-A14B-LowNoise-Q4_K_M no osFoundry?
Cole sua chave de API da wanabmeya no diálogo de chaves (ou implante os pesos abertos para modelos auto-hospedáveis), atribua Wan2.2-I2V-A14B-LowNoise-Q4_K_M 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 wanabmeya em 7 de abril de 2026. Fonte: https://huggingface.co/wanabmeya/Wan2.2-I2V-A14B-LowNoise-Q4_K_M