Intern-Decision — lokalny model AI od InternLM
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Multimodalne modele decyzyjne InternLM na Qwen3.5, które odpowiadają na każde pytanie schematu w jednym przebiegu w przód.
Warianty
Najmniejszy wariant Intern-Decision potrzebuje około 4 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Intern-Decision 4B → 4B | ~3.6 GB | Not published | reference Python code |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Intern-Decision lokalnie
Zainstaluj Ollama, a potem pobierz tag.
Served by reference Python code. This model does not run in Ollama.
Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Licencja
Commercial use permitted. No usage restrictions beyond attribution.
Dotyczy: Intern-Decision 4BPolecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Intern-Decision lokalnie (min. 4 GB VRAM), to Intel Arc B570 (10 GB).
Intern-Decision — najczęściej zadawane pytania
How much VRAM does Intern-Decision need?
Intern-Decision needs about 4 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Intern-Decision 4B (4 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Intern-Decision on an RTX 4090 (24 GB)?
Yes — Intern-Decision runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.
What quantization should I use for Intern-Decision?
Q4_K_M is the best balance of quality and VRAM for Intern-Decision in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.
How do I run Intern-Decision locally?
Intern-Decision is a decision model: it is called over an HTTP endpoint (/v1/systemone), not chatted with. Where a variant is available in Ollama 0.35 or newer, pull it with `ollama pull` and send requests to the local server; the others ship their own server. Each variant page shows the exact commands for that model.