Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor — это 14-миллиардная параметрическая чат модель от alishafique, выпущенная 20 апреля 2026 г.. Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor is an open-weights chat model with roughly 14 billion parameters.
by alishafique · 14B параметров
Лучше всего подходит для
- чат и маршрутизация с низкой задержкой
- маршрутизация и сортировка запросов
- классификация текста
Способы использования Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ alishafique. osFoundry автоматически обнаружит Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor — назначьте её на роль Maestro (router, direct, orchestrator или fallback) во вкладке Pipeline, и она будет доступна в каждом чате. Ваш ключ, ваш аккаунт у провайдера — без наценки на токены.
Разверните выделенный эндпоинт
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor распространяется с открытыми весами — запускайте её локально бесплатно или разверните выделенный GPU-эндпоинт в вашем рабочем пространстве для зарезервированных мощностей без ограничений по частоте запросов.
Используйте в Room App
Room App объявляют функции ИИ в своём манифесте, а затем вызывают их через invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Вызывайте из своих приложений
После подключения модели к вашему рабочему пространству вы можете разместить её как API и обращаться к ней из своих сервисов, скриптов или CI — за пределами osFoundry.
На каком оборудовании можно запустить Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor работает на одном потребительском GPU объёмом 16 ГБ (~9 ГБ VRAM с запасом для KV-кэша). Инференс с полной точностью помещается на одной H100 80GB при точности FP16 (~34 ГБ).
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor в сравнении с похожими моделями
Лицензия
Не указано — Условия лицензии не указаны — проверьте карточку исходной модели перед коммерческим использованием.
Сверьтесь с документацией исходного проекта.
Частые вопросы о Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor
Бесплатна ли Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor в использовании?
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor можно бесплатно запускать локально на собственном оборудовании. Хостинговый доступ через osFoundry тарифицируется (ввод Free (local), вывод Free (local)). Вы можете переключаться между локальным и хостинговым режимами в любой момент.
Можно ли использовать Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor в коммерческих целях?
Коммерческое использование разрешено с условиями. Условия лицензии не указаны — проверьте карточку исходной модели перед коммерческим использованием. Сверьтесь с документацией исходного проекта.
Сколько VRAM требуется для Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor?
Приблизительно 9 ГБ при квантизации Q4 или 34 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor локально?
Да. Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor лучше всего?
Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor хорошо подходит для чат и маршрутизация с низкой задержкой, маршрутизация и сортировка запросов, классификация текста.
Как использовать Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor в osFoundry?
Вставьте свой API-ключ alishafique в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано alishafique 20 апреля 2026 г.. Источник: https://huggingface.co/alishafique/Qwen2.5-Coder-14B-Instruct-quantized.awq-w4a16-llmcompressor