Gemma4-E2B-Function-Calling-xLAM-Unsloth
Созданная ermiaazarkhalili, Gemma4-E2B-Function-Calling-xLAM-Unsloth — это 2-миллиардная параметрическая чат модель. Gemma4-E2B-Function-Calling-xLAM-Unsloth is an open-weights chat model with roughly 2 billion parameters.
by ermiaazarkhalili · 2B параметров
Лучше всего подходит для
Способы использования Gemma4-E2B-Function-Calling-xLAM-Unsloth в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ ermiaazarkhalili. osFoundry автоматически обнаружит Gemma4-E2B-Function-Calling-xLAM-Unsloth — 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
Gemma4-E2B-Function-Calling-xLAM-Unsloth 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 Gemma4-E2B-Function-Calling-xLAM-Unsloth
Gemma4-E2B-Function-Calling-xLAM-Unsloth работает на одном потребительском GPU объёмом 16 ГБ (~2 ГБ VRAM с запасом для KV-кэша). Инференс с полной точностью помещается на одной H100 80GB при точности FP16 (~5 ГБ).
Gemma4-E2B-Function-Calling-xLAM-Unsloth 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 Gemma4-E2B-Function-Calling-xLAM-Unsloth
Бесплатна ли Gemma4-E2B-Function-Calling-xLAM-Unsloth в использовании?
Gemma4-E2B-Function-Calling-xLAM-Unsloth 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 Gemma4-E2B-Function-Calling-xLAM-Unsloth 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 Gemma4-E2B-Function-Calling-xLAM-Unsloth?
Приблизительно 2 ГБ при квантизации Q4 или 5 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить Gemma4-E2B-Function-Calling-xLAM-Unsloth локально?
Да. Gemma4-E2B-Function-Calling-xLAM-Unsloth имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём Gemma4-E2B-Function-Calling-xLAM-Unsloth лучше всего?
Gemma4-E2B-Function-Calling-xLAM-Unsloth хорошо подходит для text generation.
Как использовать Gemma4-E2B-Function-Calling-xLAM-Unsloth в osFoundry?
Вставьте свой API-ключ ermiaazarkhalili в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте Gemma4-E2B-Function-Calling-xLAM-Unsloth на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано ermiaazarkhalili 19 апреля 2026 г.. Источник: https://huggingface.co/ermiaazarkhalili/Gemma4-E2B-Function-Calling-xLAM-Unsloth