Comment utiliser les modèles de Featherless via l’API OpenRouter ?

OpenRouter propose 1 modèle Featherless via une API unique compatible avec OpenAI. Créez une clé API OpenRouter, configurez votre client pour utiliser https://openrouter.ai/api/v1 et définissez le modèle sur un identifiant tel que featherless/qwerky-72b. Le guide de démarrage rapide contient des exemples de requêtes pour chaque SDK pris en charge.

Quel modèle de Featherless possède la plus grande fenêtre de contexte ?

Qrwkv 72B possède la plus grande fenêtre de contexte de tous les modèles de Featherless sur OpenRouter, acceptant jusqu’à 32 768 jetons par requête.

Quel est le modèle de Featherless le plus récent sur OpenRouter ?

Qrwkv 72B est le modèle de Featherless le plus récemment ajouté sur OpenRouter, référencé le 20 mars 2025.

Featherless

Accédez à 1 Featherless modèle via l’API unifiée d’OpenRouter y compris Qrwkv 72B. Comparez les tarifs, les fenêtres de contexte, les évaluations et les capacités des différents modèles de Featherless .

Featherless requêtes effectuées sur OpenRouter

Pas encore assez de données à afficher.

Qrwkv 72BQrwkv 72B
Qrwkv-72B is a linear-attention RWKV variant of the Qwen 2.5 72B model, optimized to significantly reduce computational cost at scale. Leveraging linear attention, it achieves substantial inference speedups (>1000x) while retaining competitive accuracy on common benchmarks like ARC, HellaSwag, Lambada, and MMLU. It inherits knowledge and language support from Qwen 2.5, supporting approximately 30 languages, making it suitable for efficient inference in large-context applications.
par featherless20 mars 202533K de contexte

Featherless

Accédez à 1 Featherless modèle via l’API unifiée d’OpenRouter y compris Qrwkv 72B. Comparez les tarifs, les fenêtres de contexte, les évaluations et les capacités des différents modèles de Featherless .

Featherless requêtes effectuées sur OpenRouter

Pas encore assez de données à afficher.

Qrwkv 72BQrwkv 72B
Qrwkv-72B is a linear-attention RWKV variant of the Qwen 2.5 72B model, optimized to significantly reduce computational cost at scale. Leveraging linear attention, it achieves substantial inference speedups (>1000x) while retaining competitive accuracy on common benchmarks like ARC, HellaSwag, Lambada, and MMLU. It inherits knowledge and language support from Qwen 2.5, supporting approximately 30 languages, making it suitable for efficient inference in large-context applications.
par featherless20 mars 202533K de contexte

Featherless

Questions fréquentes

Featherless

Questions fréquentes