Fast_dLLM_v2_7B
Fast_dLLM_v2_7B — это 7-миллиардная параметрическая чат модель от Efficient-Large-Model, выпущенная 16 сентября 2025 г.. Fast_dLLM_v2_7B is an open-weights chat model with roughly 7 billion parameters.
by Efficient-Large-Model · 7B параметров
Лучше всего подходит для
- чат и маршрутизация с низкой задержкой
- маршрутизация и сортировка запросов
- классификация текста
Способы использования Fast_dLLM_v2_7B в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ Efficient-Large-Model. osFoundry автоматически обнаружит Fast_dLLM_v2_7B — 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
Fast_dLLM_v2_7B 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 Fast_dLLM_v2_7B
Fast_dLLM_v2_7B работает на одном потребительском GPU объёмом 16 ГБ (~5 ГБ VRAM с запасом для KV-кэша). Инференс с полной точностью помещается на одной H100 80GB при точности FP16 (~17 ГБ).
Fast_dLLM_v2_7B 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 Fast_dLLM_v2_7B
Бесплатна ли Fast_dLLM_v2_7B в использовании?
Fast_dLLM_v2_7B 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 Fast_dLLM_v2_7B 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 Fast_dLLM_v2_7B?
Приблизительно 5 ГБ при квантизации Q4 или 17 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить Fast_dLLM_v2_7B локально?
Да. Fast_dLLM_v2_7B имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём Fast_dLLM_v2_7B лучше всего?
Fast_dLLM_v2_7B хорошо подходит для чат и маршрутизация с низкой задержкой, маршрутизация и сортировка запросов, классификация текста.
Как использовать Fast_dLLM_v2_7B в osFoundry?
Вставьте свой API-ключ Efficient-Large-Model в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте Fast_dLLM_v2_7B на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано Efficient-Large-Model 16 сентября 2025 г.. Источник: https://huggingface.co/Efficient-Large-Model/Fast_dLLM_v2_7B