Stärken
- Läuft auf einer CPU
- 128K Kontext
- Acht Sprachen
Ideal für
- Offline-Inferenz im selben Prozess
- Umschreiben von Anfragen und Prompts
- Kurze Zusammenfassungen
In EDDI betreiben
Der schnellste Weg führt über den Manager: Öffnen Sie den Agent-Assistenten oder den Platform Operator und wählen Sie Anbieter und Modell. Wenn Sie es selbst konfigurieren möchten, folgen Sie diesen Schritten für den gewünschten Anbieter.
Jlama (in-process) · type: "jlama"
Modell-IDs: tjake/Llama-3.2-1B-Instruct-JQ4
1. Zugangsdaten hinterlegen
Dieser Anbieter verwendet keinen API-Key: Jlama benötigt keinen Schlüssel: Das Modell läuft innerhalb der EDDI-JVM und wird bei der ersten Nutzung von Hugging Face heruntergeladen.
2. Den LLM-Task konfigurieren
Verwenden Sie dies als langchain.json im Workflow des Agenten, oder fügen Sie die Parameter in den LLM-Editor des Managers ein.
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "jlama",
"parameters": {
"modelName": "tjake/Llama-3.2-1B-Instruct-JQ4",
"modelCachePath": "/var/lib/eddi/jlama",
"maxTokens": "512",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}Hinweise für EDDI
- Jlama läuft innerhalb der EDDI-JVM. Richten Sie
modelCachePathauf ein eingebundenes Volume, damit die Gewichte Neustarts überstehen, und dimensionieren Sie den Pod für das Modell plus den Heap von EDDI. - Läuft nach dem Download des Modells vollständig offline und eignet sich daher für Air-Gapped-Umgebungen.
Verwandte Modelle
Quellen
Die Angaben auf dieser Seite stammen aus der Dokumentation des Herstellers, geprüft am 2026-09-30. Modelle ändern sich schnell, bestätigen Sie Limits daher beim Hersteller, bevor Sie sich darauf verlassen. Preise sind hier nicht aufgeführt: siehe die Preisseite des Herstellers.