Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k
Выпущенная HectorHe в 2025 году, Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k — это 13-миллиардная параметрическая чат модель. Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k is an open-weights chat model with roughly 13 billion parameters.
by HectorHe · 13B параметров
Лучше всего подходит для
Способы использования Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ HectorHe. osFoundry автоматически обнаружит Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k — 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
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k работает на одном потребительском GPU объёмом 16 ГБ (~8 ГБ VRAM с запасом для KV-кэша). Инференс с полной точностью помещается на одной H100 80GB при точности FP16 (~32 ГБ).
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k
Бесплатна ли Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k в использовании?
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k?
Приблизительно 8 ГБ при квантизации Q4 или 32 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k локально?
Да. Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k лучше всего?
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k хорошо подходит для text generation.
Как использовать Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k в osFoundry?
Вставьте свой API-ключ HectorHe в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано HectorHe 13 августа 2025 г.. Источник: https://huggingface.co/HectorHe/Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k