أمثلة على استدلال واجهة برمجة التطبيقات بدون خادم لنماذج Foundry (الكلاسيكي)

ينطبق فقط على:بوابة Foundry (كلاسيكية). هذه المقالة غير متاحة لبوابة Foundry الجديدة. تعرف على المزيد حول البوابة الجديدة.

ملحوظة

بعض الروابط في هذا المقال قد تفتح محتوى في وثائق Microsoft Foundry الجديدة بدلا من وثائق Foundry (الكلاسيكية) التي تشاهدها الآن.

يقدم كتالوج نماذج Foundry مجموعة كبيرة من نماذج Microsoft Foundry من مجموعة واسعة من المزودين. لديك خيارات مختلفة لنشر النماذج من كتالوج النموذج. تسرد هذه المقالة أمثلة الاستدلال لعمليات نشر واجهة برمجة التطبيقات بلا خادم.

مهم

يتم وضع علامة على النماذج الموجودة في المعاينة كمعاينة على بطاقات النموذج الخاصة بها في كتالوج النموذج.

لإجراء الاستدلال باستخدام النماذج، تتطلب بعض النماذج مثل TimeGEN-1 من Nixtla وإعادة ترتيب Cohere استخدام واجهات برمجة التطبيقات المخصصة من موفري النماذج. يدعم آخرون الاستدلال باستخدام واجهة برمجة تطبيقات الاستدلال Model Inference API. يمكنك العثور على مزيد من التفاصيل حول النماذج الفردية من خلال مراجعة بطاقات النماذج الخاصة بهم في كتالوج model الخاص ب Foundry portal.

Cohere

تتضمن مجموعة النماذج Cohere نماذج مختلفة محسنة لحالات الاستخدام المختلفة، بما في ذلك إعادة التشغيل وإكمال الدردشة ونماذج التضمين.

أمثلة الاستدلال: أمر Cohere وتضمينه

يوفر الجدول التالي ارتباطات لأمثلة حول كيفية استخدام نماذج Cohere.

وصف	اللغة‬	عينة
طلبات الويب	باش	Command-RCommand-R+ cohere-embed.ipynb
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link
OpenAI SDK (تجريبي)	Python	Link
LangChain	Python	Link
كوهير SDK	Python	الأمر Embed
حزمة تطوير LiteLLM	Python	Link

يستخدم الجيل المعزز الاسترجاعي (RAG) والأدوات عينات: أمر Cohere وتضمينه

وصف	الحِزم	عينة
إنشاء فهرس متجهات بحث التشابه في Facebook الذكاء الاصطناعي (FAISS)، باستخدام Cohere embeddings - Langchain	langchain، langchain_cohere	cohere_faiss_langchain_embed.ipynb
استخدام Cohere Command R/R+ للإجابة عن الأسئلة من البيانات في فهرس متجه FAISS المحلي - Langchain	langchain، langchain_cohere	command_faiss_langchain.ipynb
استخدام Cohere Command R/R+ للإجابة عن الأسئلة الواردة من البيانات في الذكاء الاصطناعي فهرس متجه البحث - Langchain	langchain، langchain_cohere	cohere-aisearch-langchain-rag.ipynb
استخدام Cohere Command R/R+ للإجابة على الأسئلة الواردة من البيانات في الذكاء الاصطناعي فهرس متجه البحث - Cohere SDK	cohere، azure_search_documents	cohere-aisearch-rag.ipynb
Command R+ tool/function calling، باستخدام LangChain	cohere، ، langchainlangchain_cohere	command_tools-langchain.ipynb

إعادة ترتيب Cohere

لإجراء الاستدلال باستخدام نماذج إعادة ترتيب Cohere، يجب عليك استخدام واجهات برمجة تطبيقات إعادة الترتيب المخصصة ل Cohere. لمزيد من المعلومات حول نموذج إعادة ترتيب كوهير وقدراته، انظر Cohere rerank.

تسعير نماذج إعادة ترتيب Cohere

الاستعلامات، التي لا يجب الخلط بينها وبين استعلام المستخدم، هي مقياس تسعير يشير إلى التكلفة المرتبطة بالرموز المميزة المستخدمة كمدخل للاستدلال على نموذج Cohere Rerank. تحسب Cohere وحدة بحث واحدة كتعلام مع ما يصل إلى 100 مستند ليتم تصنيفها. المستندات الأطول من 500 رمز مميز (ل Cohere-rerank-v3.5) أو أطول من 4096 رمزا مميزا (ل Cohere-rerank-v3-English و Cohere-rerank-v3-multilingual) عند تضمين طول استعلام البحث مقسمة إلى مجموعات متعددة، حيث يتم حساب كل مجموعة كمستند واحد.

انظر مجموعة نماذج Cohere في Foundry portal.

Core42

يوفر الجدول التالي ارتباطات لأمثلة حول كيفية استخدام نماذج Jais.

وصف	اللغة‬	عينة
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link

DeepSeek

تتضمن عائلة DeepSeek من النماذج DeepSeek-R1، والتي تتفوق في مهام التفكير باستخدام عملية تدريب خطوة بخطوة، مثل اللغة والاستدلال العلمي ومهام الترميز و DeepSeek-V3-0324 ونموذج لغة مزيج من الخبراء (MoE) والمزيد.

يوفر الجدول التالي ارتباطات لأمثلة حول كيفية استخدام نماذج DeepSee.

وصف	اللغة‬	عينة
حزمة Azure AI Inference for Python	Python	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for Java	Java	Link

Meta

نماذج وأدوات Meta Llama هي مجموعة من نماذج إنشاء الذكاء الاصطناعي النصوص والصور المدربة مسبقا والمضبطة بدقة. نطاق نماذج التعريف هو مقياس لتضمين:

• نماذج اللغات الصغيرة (SLMs) مثل 1B و3B Base ونماذج Instruct للاستدلال على الجهاز والحافة
• نماذج لغة كبيرة متوسطة الحجم (LLMs) مثل نماذج 7B و8B و70B Base and Instruct
• نماذج عالية الأداء مثل Meta Llama 3.1-405B Instruct لإنشاء البيانات الاصطناعية وحالات استخدام التقطير.
• نماذج متعددة الوسائط عالية الأداء في الأصل، Llama 4 Scout و Llama 4 Maverick، تستفيد من بنية مزيج من الخبراء لتقديم أداء رائد في الصناعة في فهم النص والصور.

يوفر الجدول التالي روابط لأمثلة حول كيفية استخدام نماذج Meta Llama.

وصف	اللغة‬	عينة
طلب CURL	باش	Link
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link
طلبات ويب Python	Python	Link
OpenAI SDK (تجريبي)	Python	Link
LangChain	Python	Link
LiteLLM	Python	Link

Microsoft

تتضمن نماذج Microsoft مجموعات نماذج مختلفة مثل نماذج MAI ونماذج Phi ونماذج الذكاء الاصطناعي الرعاية الصحية والمزيد. لرؤية جميع نماذج مايكروسوفت المتاحة، يمكنك عرض مجموعة نماذج مايكروسوفت في بوابة Foundry.

يوفر الجدول التالي ارتباطات لأمثلة حول كيفية استخدام نماذج Microsoft.

وصف	اللغة‬	عينة
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link
LangChain	Python	Link
Llama-Index	Python	Link

انظر مجموعة نماذج مايكروسوفت في Foundry portal.

الذكاء الاصطناعي ميسترال

تقدم الذكاء الاصطناعي الميسترالية فئتين من النماذج، وهما:

• النماذج المتميزة: تشمل نماذج Mistral Large و Mistral Small و Mistral-OCR-2503 و Mistral Medium 3 (25.05) و Ministral 3B، وتتوفر كواجهات برمجة تطبيقات بلا خادم مع الفوترة المستندة إلى الرمز المميز للدفع أولا بأول.
• النماذج المفتوحة: تتضمن هذه النماذج Mistral-small-2503 و Codestral و Mistral Nemo (المتوفرة كواجهات برمجة تطبيقات بلا خادم مع فوترة قائمة على الرمز المميز للدفع أولا بأول) و Mixtral-8x7B-Instruct-v01 و Mixtral-8x7B-v01 و Mistral-7B-v01 (المتوفرة للتنزيل والتشغيل على نقاط النهاية المدارة المستضافة ذاتيا).

يوفر الجدول التالي روابط لأمثلة حول كيفية استخدام نماذج ميسترال.

وصف	اللغة‬	عينة
طلب CURL	باش	Link
حزمة Azure AI Inference for C#‎	C#‎	Link
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link
طلبات ويب Python	Python	Link
OpenAI SDK (تجريبي)	Python	Mistral - عينة OpenAI SDK
LangChain	Python	Mistral - عينة LangChain
الذكاء الاصطناعي ميسترال	Python	Mistral - نموذج الذكاء الاصطناعي mistral
LiteLLM	Python	Mistral - عينة LiteLLM

Nixtla

يعد TimeGEN-1 من Nixtla نموذجا تنبؤيا مدربا مسبقا على الإنشاء واكتشاف الحالات الشاذة لبيانات السلاسل الزمنية. يمكن أن ينتج TimeGEN-1 تنبؤات دقيقة للسلسلة الزمنية الجديدة دون تدريب، وذلك باستخدام القيم التاريخية والكوفاريات الخارجية فقط كمدخلات.

لإجراء الاستدلال، يتطلب منك TimeGEN-1 استخدام واجهة برمجة تطبيقات الاستدلال المخصصة من Nixtla. لمزيد من المعلومات حول نموذج TimeGEN-1 وقدراته، راجع Nixtla.

تقدير عدد الرموز المميزة المطلوبة

قبل إنشاء توزيع TimeGEN-1، من المفيد تقدير عدد الرموز المميزة التي تخطط لاستهلاكها وفواتيرها. يتوافق رمز مميز واحد مع نقطة بيانات واحدة في مجموعة بيانات الإدخال أو مجموعة بيانات الإخراج.

لنفترض أن لديك مجموعة بيانات سلسلة وقت الإدخال التالية:

Unique_id	Timestamp	المتغير المستهدف	متغير غير متجانس 1	متغير غير متجانس 2
BE	2016-10-22 00:00:00	70.00	49593.0	57253.0
BE	2016-10-22 01:00:00	37.10	46073.0	51887.0

لتحديد عدد الرموز المميزة، اضرب عدد الصفوف (في هذا المثال، اثنان) وعدد الأعمدة المستخدمة للتنبؤ - دون حساب أعمدة unique_id والطابع الزمني (في هذا المثال، ثلاثة) للحصول على ما مجموعه ستة رموز مميزة.

نظرا لمجموعة بيانات الإخراج التالية:

Unique_id	Timestamp	المتغير الهدف المتوقع
BE	2016-10-22 02:00:00	46.57
BE	2016-10-22 03:00:00	48.57

يمكنك أيضا تحديد عدد الرموز المميزة عن طريق حساب عدد نقاط البيانات التي تم إرجاعها بعد التنبؤ بالبيانات. في هذا المثال، عدد الرموز المميزة هو اثنان.

تقدير التسعير استنادا إلى الرموز المميزة

هناك أربعة عدادات تسعير تحدد السعر الذي تدفعه. هذه العدادات هي كما يلي:

مقياس التسعير	وصف
paygo-inference-input-tokens	التكاليف المقترنة بالرموز المميزة المستخدمة كمدخل للاستدلال عند finetune_steps = 0
paygo-inference-output-tokens	التكاليف المقترنة بالرموز المميزة المستخدمة كإخراج للاستدلال عند finetune_steps = 0
paygo-finetuned-model-inference-input-tokens	التكاليف المقترنة بالرموز المميزة المستخدمة كمدخل للاستدلال عند finetune_steps> 0
paygo-finetuned-model-inference-output-tokens	التكاليف المرتبطة بالرموز المميزة المستخدمة كإخراج للاستدلال عند finetune_steps> 0

انظر مجموعة نماذج Nixtla في Foundry portal.

الذكاء الاصطناعي للاستقرار

الاستقرار الذكاء الاصطناعي النماذج الموزعة عبر نشر واجهة برمجة التطبيقات بلا خادم تنفذ واجهة برمجة تطبيقات الاستدلال النموذجي على المسار /image/generations. للحصول على أمثلة حول كيفية استخدام نماذج الذكاء الاصطناعي الاستقرار، راجع الأمثلة التالية:

• استخدم حزمة تطوير البرمجيات OpenAI مع نماذج الذكاء الاصطناعي للاستقرار لطلبات تحويل النص إلى صورة
• مكتبة طلبات استخدام النماذج الذكية للثبات لطلبات تحويل النص إلى صورة
• مكتبة طلبات الاستخدام مع Stable Diffusion 3.5 Large لطلبات الصورة إلى الصورة
• مثال على استجابة تولد صورة مشفرة بالكامل

جريتيل نافيجيتور

تستخدم Gretel Navigator بنية الذكاء الاصطناعي المركبة المصممة خصيصا للبيانات التركيبية ، من خلال الجمع بين أفضل نماذج اللغات الصغيرة مفتوحة المصدر (SLMs) المضبوطة بدقة عبر أكثر من 10 مجالات صناعية. ينشئ هذا النظام المصمم لهذا الغرض مجموعات بيانات متنوعة خاصة بالمجال على نطاقات من مئات إلى ملايين الأمثلة. كما يحافظ النظام على العلاقات الإحصائية المعقدة ويوفر زيادة السرعة والدقة مقارنة بإنشاء البيانات اليدوية.

وصف	اللغة‬	عينة
حزمة Azure AI Inference for JavaScript	JavaScript	Link
حزمة Azure AI Inference for Python	Python	Link

المحتوى ذو الصلة

• نشر النماذج كنشر لواجهة برمجة التطبيقات بلا خادم
• استكشف نماذج Foundry
• نماذج المسبك وقدراتها
• توفر المنطقة للنماذج في عمليات نشر واجهة برمجة التطبيقات بلا خادم
• سلامة المحتوى للنماذج المباعة مباشرة من قبل Azure