llama-3.2-3b-4bit-quantized
llama-3.2-3b-4bit-quantized от RominaLopez — вмещает 3 миллиардов параметров в чат модель. llama-3.2-3b-4bit-quantized is an open-weights chat model with roughly 3 billion parameters.
by RominaLopez · 3B параметров
Лучше всего подходит для
Способы использования llama-3.2-3b-4bit-quantized в osFoundry
Подключите со своим ключом (BYOK)
Откройте диалог ключей и вставьте ваш API-ключ RominaLopez. osFoundry автоматически обнаружит llama-3.2-3b-4bit-quantized — 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
llama-3.2-3b-4bit-quantized 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 llama-3.2-3b-4bit-quantized
llama-3.2-3b-4bit-quantized 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 (~8 ГБ).
llama-3.2-3b-4bit-quantized 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 llama-3.2-3b-4bit-quantized
Бесплатна ли llama-3.2-3b-4bit-quantized в использовании?
llama-3.2-3b-4bit-quantized 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 llama-3.2-3b-4bit-quantized 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 llama-3.2-3b-4bit-quantized?
Приблизительно 2 ГБ при квантизации Q4 или 8 ГБ при полной точности FP16. Помещается на одном потребительском GPU объёмом 24 ГБ.
Можно ли запустить llama-3.2-3b-4bit-quantized локально?
Да. llama-3.2-3b-4bit-quantized имеет открытые веса и работает локально на GPU рабочей станции. Локальная среда выполнения osFoundry берёт на себя загрузку модели, квантизацию и маршрутизацию.
В чём llama-3.2-3b-4bit-quantized лучше всего?
llama-3.2-3b-4bit-quantized хорошо подходит для text generation.
Как использовать llama-3.2-3b-4bit-quantized в osFoundry?
Вставьте свой API-ключ RominaLopez в диалог ключей (или разверните открытые веса для моделей с возможностью самостоятельного хостинга), назначьте llama-3.2-3b-4bit-quantized на роль Maestro во вкладке Pipeline, а затем используйте её в чате, в Room App через invokeAI или в собственных приложениях.
Опубликовано RominaLopez 26 апреля 2026 г.. Источник: https://huggingface.co/RominaLopez/llama-3.2-3b-4bit-quantized