Bolehkah saya jalankan Switchyard secara tempatan atau muat turun beratnya?

Tidak. Switchyard tiada berat terbuka dan tiada repositori Hugging Face; ia berjalan sebagai lapisan penghalaan melalui API OpenRouter.

Berapa kos Switchyard sebenarnya?

NVIDIA tidak menerbitkan harga per token yang jelas; pengebilan dikendalikan oleh OpenRouter dan dikenakan pada model asas yang dipilih oleh Switchyard untuk setiap permintaan.

Bagaimana Switchyard berbeza daripada model biasa?

Ia bukan model — ia adalah penghala. Ia memeriksa permintaan anda dan menghantarnya ke salah satu daripada dua model yang anda tentukan, memilih berdasarkan data kos atau populariti dan bukannya menjana output sendiri.

Switchyard

5383°

#llm #nvidia #ejen #bajet

Jalankan model ini

Tawaran / Iklan

OpenRouter Terminal / API

Bayar setiap token

Bual dengan model ini dalam pelayar atau panggil ia dari kod anda dengan satu kunci API.

NVIDIA | konteks 1,000,000 token | $-1,000,000.00/M input, $-1,000,000.00/M output. Switchyard adalah penghala model sumber terbuka yang menukar antara pelbagai model untuk mengoptimumkan kos permintaan. Secara lalai ia menggunakan data pasaran OpenRouter untuk memilih model kos rendah dan tinggi yang paling popular. Anda boleh memasukkan dua pilihan dalam parameter models serta menentukan mana-mana algoritma penghalaan yang ditawarkan Switchyard. Butiran dalam dokumentasi SwitchyardOpens in new tab. OpenRouter kemudian menerapkan penghalaan penyedia, fallback dan pengebilan biasa untuk model yang dipilih.

Panduan untuk model ini

Berat terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya kamu dibenarkan lakukan

10 Alternatif ChatGPT Termurah pada 2026: model tempatan percuma, tahap percuma dan pelan kadar rata

Semua panduan

Nota Kapten

Ditulis oleh Captain, editor rumah

Nota dari 2026-10-13

Switchyard adalah penghala model sumber terbuka NVIDIA yang duduk di hadapan model lain dan memilih yang paling murah atau paling popular untuk setiap permintaan, menggunakan data pasaran OpenRouter secara lalai. Anda menyediakan dua model calon dan algoritma penghalaan; Switchyard memutuskan yang mana mengendalikan panggilan. Ia sesuai untuk pembangun yang mahukan pengoptimuman kos automatik merentas model tanpa menulis semula logik aplikasi mereka.

Dikenali untuk

Menghala permintaan antara dua model untuk meminimumkan kos secara automatik.
Menggunakan data pasaran OpenRouter secara langsung untuk mengutamakan pilihan kos rendah dan tinggi yang popular.
Menerima pasangan model tersuai dan algoritma penghalaan boleh tukar.
Meneruskan penghalaan penyedia, fallback dan pengebilan OpenRouter tanpa perubahan.

Berhati-hati dengan

Bukan model sendiri — kualiti output bergantung sepenuhnya pada model yang dipilih.
Data harga menunjukkan nilai negatif; kos sebenar per token tidak diterbitkan oleh NVIDIA.
Tiada berat terbuka dan tiada repositori Hugging Face; anda menggunakannya melalui API OpenRouter sahaja.

Terbaik untuk

Ejen dan penggunaan alat

Bajet

Arahan untuk cuba

Uji penghalaan berasaskan kos

Saya perlu meringkaskan tiket sokongan pelanggan secara pukal. Hantar ini ke model mampu milik yang tersedia. Ini contoh tiket: 'Pesanan saya tiba dalam keadaan rosak dan pembungkusan koyak. Saya mahu penggantian dihantar sebelum Jumaat. Nombor pesanan 48821.'

Bandingkan keputusan penghalaan

Hantar prompt yang sama kepada kedua-dua pilihan model kos rendah dan kos tinggi anda dan kembalikan setiap respons yang dilabel dengan nama model dan anggaran kosnya untuk permintaan ini: Terangkan perbezaan antara pembelajaran mesin berpenyelia dan tidak berpenyelia dalam dua ayat.

Pisah tugasan berisiko tinggi vs bajet

Saya ada dua jenis tugasan: pengelasan cepat (labelkan ulasan ini sebagai positif atau negatif: 'Jangka hayat bateri teruk tetapi skrin cantik') dan tugasan analisis terperinci (tulis analisis persaingan 200 patah perkataan untuk produk yang sama). Hantar setiap satu ke tahap kos yang sesuai dan terangkan pilihan penghalaan anda.

Bandingkan dengan

NVIDIA Nemotron 3 Super 120B A12B
Model berat terbuka
konteks 262,144 token · Input $0.09/M, output $0.40/M
NVIDIA Nemotron 3.5 Lightning
Model berat terbuka
konteks 262,144 token · Input $0.06/M, output $0.16/M
Nemotron 3 Ultra
Model berat terbuka
konteks 262,144 token · Input $0.60/M, output $2.40/M
Nemotron 3.5 Lightning
Model berat terbuka
konteks 262,144 token · Input $0.07/M, output $0.20/M

Lebih banyak model teks dari nvidia

Soalan yang sering ditanya

Bolehkah saya jalankan Switchyard secara tempatan atau muat turun beratnya?: Tidak. Switchyard tiada berat terbuka dan tiada repositori Hugging Face; ia berjalan sebagai lapisan penghalaan melalui API OpenRouter.
Berapa kos Switchyard sebenarnya?: NVIDIA tidak menerbitkan harga per token yang jelas; pengebilan dikendalikan oleh OpenRouter dan dikenakan pada model asas yang dipilih oleh Switchyard untuk setiap permintaan.
Bagaimana Switchyard berbeza daripada model biasa?: Ia bukan model — ia adalah penghala. Ia memeriksa permintaan anda dan menghantarnya ke salah satu daripada dua model yang anda tentukan, memilih berdasarkan data kos atau populariti dan bukannya menjana output sendiri.

Keputusan Kapten
Lapisan perantara berguna untuk aliran kerja API yang mementingkan kos, tetapi ingat anda membeli pengawal trafik, bukan model.

Kapten menulis nota ini berdasarkan penerangan model dan kad model itu sendiri. Harga dan saiz konteks adalah dari penyedia pada masa penulisan dan boleh berubah.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Bagaimana skor ini dijumlahkan

Model ini belum ada data populariti dari mana-mana sumber lagi, jadi ia membawa nombor gantian di bawah 7,000° yang memastikan senarai lengkap. Ia tidak pernah menduduki tempat lebih tinggi daripada model yang ada data. Pecahan muncul di sini sebaik sahaja sumber melaporkannya.

Glosari: istilah yang digunakan di sini

Skor heat: Satu nombor untuk seberapa banyak model digunakan dan diingini sekarang, dari 0° hingga 9,999°. Setiap senarai di laman ini yang kata paling panas disusun mengikutnya dan tiada yang lain.
Lantai: 7,000° yang setiap model dengan data sebenar bermula. Skala dari 0° hingga 9,999°; bahagian bawah lantai untuk pengganti (model tanpa data), supaya model dengan data sentiasa lebih tinggi dari yang tiada. Lantai sama untuk semua dan tidak tentukan apa-apa; darjah di atasnya adalah ukuran.
Setara muat turun: Semua yang skor anggap sebagai muat turun, dijumlahkan: muat turun sendiri, setiap torrent seeder sebagai 1,000, setiap imej AI Horde dan setiap larian di laman generasi sebagai satu.
Skala log: Mengira dengan puluhan, bukan satuan: dari 1,000 ke 10,000 muat turun tambah darjah sama seperti dari 10,000 ke 100,000. Ini elak gergasi menindas yang lain.
Suka: Jempol dan suka dari semua sumber, bernilai separuh muat turun pada skala log.
Kadar penerimaan: Berapa banyak muat turun sehari model dapat sekarang, dari beza dua bacaan sumber. Berat suku dari terma muat turun.
Diukur dan dianggarkan: Diukur bermaksud ada dua bacaan dari satu sumber dan perbezaannya adalah nyata. Dianggarkan bermaksud hanya jumlah hari ini yang diketahui dan masa lalu diagihkan sepanjang hayat model; laman web akan memberitahu yang mana satu ia tunjukkan.
Seeder: Seseorang yang menyimpan salinan berat secara dalam talian untuk dimuat turun oleh orang lain melalui torrent, atau cermin yang dihoskan melakukan perkara yang sama. Setiap satu dikira sebagai 1,000 muat turun.
AI Horde: Rangkaian sukarelawan yang menjana imej secara percuma pada komputer yang didermakan. Bilangan imej yang telah dihasilkan dengan model adalah awam, dan setiap satu dikira sebagai satu muat turun.
Laman penjanaan: Laman yang menghoskan salinan model mereka sendiri dan membenarkan orang menjana dengannya, seperti PixAI, SeaArt dan Yodayo. Muat turun mereka dikira seperti Civitai dan setiap sesi penjanaan dikira sebagai satu muat turun.
Token OpenRouter: Model teks yang disediakan melalui API, seperti Claude atau GPT, tidak mempunyai berat untuk dimuat turun, jadi penggunaannya diukur dalam token: bahagian teks yang dibaca dan ditulis melalui OpenRouter, pintu masuk yang digunakan oleh banyak aplikasi, dalam 30 hari terakhir. Setiap 10,000,000 token dikira sebagai satu muat turun. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Berat itu sendiri, fail yang menjana secara sendiri. Ia mendapat bonus kerana add-on bergantung padanya.
LoRA dan embedding: Fail add-on kecil yang mengarahkan berat orang lain ke arah gaya, watak atau konsep. Ia tidak boleh dijalankan sendiri.
Keluarga dan berat: Asas yang model dibina, seperti SD 1.5, SDXL, Flux atau Wan. Setiap model mewarisi tarikh keluaran berat keluarganya.
Umur: Darjah yang ditolak berdasarkan berapa lama berat keluarga itu dikeluarkan: 150° setahun, sehingga 750°. Ia mengekalkan muat turun lama yang mempunyai masa bertahun-tahun untuk terkumpul dengan membekukan di bahagian atas senarai.
Peningkatan keluarga: Dorongan kecil dan terhad untuk LoRA dari keluarga yang laman ini sedang galakkan sekarang, sentiasa disenaraikan dalam pecahan.
Skor gantian: Nombor stabil di bawah paras yang diberikan kepada model yang belum ada laporan sumber, supaya senarai kekal lengkap. Ia tidak pernah mendahului model yang ada data.
Baru! (tempoh kelonggaran): Model yang berumur kurang dari 7 hari menunjukkan Baru! dan tidak mempunyai skor serta tidak menduduki tempat dalam kedudukan. Skornya dikira dari hari pertama, tetapi model yang berumur satu hari berkembang lebih cepat daripada apa pun, jadi tanpa menunggu, #1 minggu ini akan sentiasa menjadi apa sahaja yang keluar semalam dan bukan yang bertahan selama seminggu.
Trend: Bagaimana pertumbuhan model dalam tempoh tertentu dibandingkan dengan pertumbuhan model biasa dalam tempoh yang sama. Lebih cepat dari biasa bermaksud naik, lebih perlahan bermaksud turun.
Model biasa: Tengah katalog: separuh model dengan angka tumbuh lebih cepat dalam tempoh itu, separuh lagi lebih perlahan.

Model serupa

Llama 3.3 Euryale 70B

TEXT / LLM

Hermes 3 70B Instruct

Model AI untuk penjanaan imej, video dan teks

Switchyard ialah model teks untuk keluarga Text / LLM yang disenaraikan di ModelTrends.ai, katalog baca sahaja untuk model AI imej, video dan teks sumber terbuka. Bandingkannya dengan model Text / LLM lain dan semak skor habanya untuk melihat trendnya.

Lagi model Text / LLM Lagi Teks / LLM Text / LLM llm nvidia ejen bajet

Layari mengikut keluarga model