Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit
Выпущенная mlx-community в 2024 году, Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit — это 14-миллиардная параметрическая чат модель. Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit is an open-weights chat model with roughly 14 billion parameters.
by mlx-community · 14B параметров
Лучше всего подходит для
Способы использования Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ mlx-community. osFoundry автоматически обнаружит Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit — 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
Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit 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 Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit
Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit 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).
Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit 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 Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit
Бесплатна ли Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit в использовании?
Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit 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 Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit 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 Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit?
Приблизительно 9 ГБ при квантизации Q4 или 34 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit локально?
Да. Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit лучше всего?
Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit хорошо подходит для text generation.
Как использовать Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit в osFoundry?
Вставьте свой API-ключ mlx-community в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано mlx-community 9 декабря 2024 г.. Источник: https://huggingface.co/mlx-community/Josiefied-Qwen2.5-14B-Instruct-abliterated-v4-8-bit