ملاحظة
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تسجيل الدخول أو تغيير الدلائل.
يتطلب الوصول إلى هذه الصفحة تخويلاً. يمكنك محاولة تغيير الدلائل.
يوفر كتالوج نموذج Azure الذكاء الاصطناعي مجموعة كبيرة من النماذج من مجموعة واسعة من الموفرين. لديك خيارات مختلفة لنشر النماذج من كتالوج النموذج. تسرد هذه المقالة النماذج المميزة في كتالوج النموذج التي يمكن نشرها واستضافتها على خوادم Microsoft عبر عمليات النشر القياسية. بالنسبة لبعض هذه النماذج، يمكنك أيضا استضافتها على البنية الأساسية الخاصة بك للتوزيع عبر الحوسبة المدارة. راجع النماذج المتوفرة لخيارات النشر المدعومة للعثور على النماذج في الكتالوج المتوفرة للتوزيع عبر الحوسبة المدارة أو التوزيع القياسي.
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 استدلال نموذج Azure الذكاء الاصطناعي. يمكنك العثور على مزيد من التفاصيل حول النماذج الفردية من خلال مراجعة بطاقات النموذج الخاصة بها في كتالوج نموذج Azure الذكاء الاصطناعي.
AI21 Labs
نماذج عائلة Jamba هي نموذج لغة كبيرة (LLM) قائم على مستوى الإنتاج من AI21 يستخدم بنية Mamba-Transformer المختلطة ل AI21. إنه إصدار مضبوط من التعليمات من نموذج جامبا لمحول نموذج مساحة الحالة المهيكل المختلط (SSM) ل AI21. تم تصميم نماذج عائلة Jamba للاستخدام التجاري الموثوق به فيما يتعلق بالجودة والأداء.
النموذج | النوع | القدرات |
---|---|---|
AI21-Jamba-1.5-Mini | إكمال الدردشة |
-
الإدخال: نص (262144 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
AI21-Jamba-1.5-Large | إكمال الدردشة |
-
الإدخال: نص (262144 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
Azure OpenAI
يقدم Azure OpenAI في Azure الذكاء الاصطناعي Foundry Models مجموعة متنوعة من النماذج ذات الإمكانات المختلفة ونقاط الأسعار. وتشمل هذه النماذج ما يلي:
- أحدث النماذج المصممة لمعالجة مهام التفكير وحل المشكلات مع زيادة التركيز والقدرة
- النماذج التي يمكنها فهم وإنشاء اللغة الطبيعية والرمز
- النماذج التي يمكنها نسخ الكلام وترجمته إلى نص
النموذج | النوع | القدرات |
---|---|---|
o3-mini | إكمال الدردشة |
-
الإدخال: النص والصورة (200000 رمز مميز) - الإخراج: نص (100,000 رمز مميز) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
o1 | إكمال الدردشة (مع الصور) |
-
الإدخال: النص والصورة (200000 رمز مميز) - الإخراج: نص (100,000 رمز مميز) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
o1-preview | إكمال الدردشة |
-
الإدخال: نص (128000 رمز مميز) - الإخراج: نص (32768 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
o1-mini | إكمال الدردشة |
-
الإدخال: نص (128000 رمز مميز) - الإخراج: نص (65536 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
gpt-4o-realtime-preview | في الوقت الحقيقي |
-
الإدخال: عنصر التحكم والنص والصوت (131072 رمزا مميزا) - الإخراج: النص والصوت (16384 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
gpt-4o | إكمال الدردشة (مع محتوى الصور والصوت) |
-
الإدخال: النص والصورة والصوت (131072 رمزا مميزا) - الإخراج: نص (16384 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
gpt-4o-mini | إكمال الدردشة (مع محتوى الصور والصوت) |
-
الإدخال: النص والصورة والصوت (131072 رمزا مميزا) - الإخراج: نص (16384 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: النص، JSON، المخرجات المنظمة |
تضمين نص-3-كبير | عمليات التضمين |
-
الإدخال: نص (8191 رمزا مميزا) - الناتج: متجه (3,072 باهت.) |
text-embedding-3-small | عمليات التضمين |
-
الإدخال: نص (8191 رمزا مميزا) - الناتج: متجه (1,536 باهت.) |
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
قنينة
تتضمن مجموعة النماذج Cohere نماذج مختلفة محسنة لحالات الاستخدام المختلفة، بما في ذلك إعادة التشغيل وإكمال الدردشة ونماذج التضمين.
أمر Cohere وتضمينه
يسرد الجدول التالي نماذج Cohere التي يمكنك الاستدلال عبر استدلال نموذج Azure الذكاء الاصطناعي.
النموذج | النوع | القدرات |
---|---|---|
Cohere-command-A | إكمال الدردشة |
-
الإدخال: نص (256,000 رمز مميز) - الإخراج: نص (8000 رمز مميز) - استدعاء الأداة: نعم - تنسيقات الاستجابة: نص |
Cohere-command-r-plus-08-2024 | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Cohere-command-r-08-2024 | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Cohere-command-r-plus (مهمل) |
إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Cohere-command-r (مهمل) |
إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Cohere-embed-4 |
عمليات التضمين تضمين الصور |
-
الإدخال: صورة، نص - الإخراج: صورة، نص (128000 رمز مميز) - استدعاء الأداة: نعم - تنسيقات الاستجابة: صورة، نص |
Cohere-embed-v3-english |
عمليات التضمين تضمين الصور |
-
الإدخال: نص (512 رمزا مميزا) - الناتج: متجه (1,024 باهت.) |
Cohere-embed-v3-multilingual |
عمليات التضمين تضمين الصور |
-
الإدخال: نص (512 رمزا مميزا) - الناتج: متجه (1,024 باهت.) |
أمثلة الاستدلال: أمر Cohere وتضمينه
لمزيد من الأمثلة حول كيفية استخدام نماذج Cohere، راجع الأمثلة التالية:
الوصف | اللغة | عينة |
---|---|---|
طلبات ويب | باش |
Command-RCommand-R+ cohere-embed.ipynb |
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
OpenAI SDK (تجريبي) | بايثون | رابط |
LangChain | بايثون | رابط |
Cohere SDK | بايثون |
أمر طَمَرَ |
LiteLLM SDK | بايثون | رابط |
يستخدم الجيل المعزز الاسترجاعي (RAG) والأدوات عينات: أمر Cohere وتضمينه
الوصف | 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 ، ، langchain langchain_cohere |
command_tools-langchain.ipynb |
إعادة ترتيب Cohere
يسرد الجدول التالي نماذج إعادة ترتيب Cohere. لإجراء الاستدلال باستخدام نماذج إعادة التشغيل هذه، يطلب منك استخدام واجهات برمجة تطبيقات إعادة التشغيل المخصصة الخاصة ب Cohere والمدرجة في الجدول.
النموذج | النوع | واجهة برمجة تطبيقات الاستدلال |
---|---|---|
Cohere-rerank-v3.5 | إعادة ترتيب تصنيف النص |
واجهة برمجة تطبيقات Cohere v2/rerank |
Cohere-rerank-v3-english (مهمل) |
إعادة ترتيب تصنيف النص |
واجهة برمجة تطبيقات Cohere v2/rerank واجهة برمجة تطبيقات Cohere v1/rerank |
Cohere-rerank-v3-multilingual (مهمل) |
إعادة ترتيب تصنيف النص |
واجهة برمجة تطبيقات Cohere v2/rerank واجهة برمجة تطبيقات Cohere v1/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.
راجع مجموعة نموذج Cohere في كتالوج نموذج Azure الذكاء الاصطناعي.
Core42
يتضمن Core42 أدوات LLM ذات اللغات الثنائية للعربية والإنجليزية مع أحدث القدرات باللغة العربية.
النموذج | النوع | القدرات |
---|---|---|
jais-30b-chat | إكمال الدردشة |
-
الإدخال: نص (8192 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
أمثلة الاستدلال: Core42
لمزيد من الأمثلة حول كيفية استخدام نماذج Jais، راجع الأمثلة التالية:
الوصف | اللغة | عينة |
---|---|---|
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
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.
النموذج | النوع | القدرات |
---|---|---|
DeekSeek-V3-0324 | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: (131072 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: Text, JSON |
DeepSeek-V3 (قديم) |
إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (131072 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: Text, JSON |
DeepSeek-R1 | إكمال الدردشة مع محتوى المنطق |
-
الإدخال: نص (163840 رمزا مميزا) - الإخراج: نص (163840 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص. |
للحصول على برنامج تعليمي حول DeepSeek-R1، راجع البرنامج التعليمي: بدء استخدام نموذج المنطق DeepSeek-R1 في استدلال نموذج Azure الذكاء الاصطناعي.
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
أمثلة الاستدلال: DeepSeek
لمزيد من الأمثلة حول كيفية استخدام نماذج DeepSeek، راجع الأمثلة التالية:
الوصف | اللغة | عينة |
---|---|---|
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Java | جاوة | رابط |
ميتا
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.
النموذج | النوع | القدرات |
---|---|---|
Llama-4-Scout-17B-16E-Instruct | إكمال الدردشة |
-
الإدخال: النص والصورة (128000 رمز مميز) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: نص |
Llama 4-Maverick-17B-128E-Instruct-FP8 | إكمال الدردشة |
-
الإدخال: النص والصورة (128000 رمز مميز) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: نص |
Llama-3.3-70B-Instruct | إكمال الدردشة |
-
الإدخال: نص (128000 رمز مميز) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Llama-3.2-90B-Vision-Instruct | إكمال الدردشة (مع الصور) |
-
الإدخال: النص والصورة (128000 رمز مميز) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Llama-3.2-11B-Vision-Instruct | إكمال الدردشة (مع الصور) |
-
الإدخال: النص والصورة (128000 رمز مميز) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Meta-Llama-3.1-8B-Instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Meta-Llama-3.1-405B-Instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Meta-Llama-3.1-70B-Instruct (مهمل) | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Meta-Llama-3-8B-Instruct (مهمل) | إكمال الدردشة |
-
الإدخال: نص (8192 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Meta-Llama-3-70B-Instruct (مهمل) | إكمال الدردشة |
-
الإدخال: نص (8192 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
أمثلة الاستدلال: Meta Llama
لمزيد من الأمثلة حول كيفية استخدام نماذج Meta Llama، راجع الأمثلة التالية:
الوصف | اللغة | عينة |
---|---|---|
طلب CURL | باش | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
طلبات ويب Python | بايثون | رابط |
OpenAI SDK (تجريبي) | بايثون | رابط |
LangChain | بايثون | رابط |
LiteLLM | بايثون | رابط |
Microsoft
تتضمن نماذج Microsoft مجموعات نماذج مختلفة مثل نماذج MAI ونماذج Phi ونماذج الذكاء الاصطناعي الرعاية الصحية والمزيد. لمشاهدة جميع نماذج Microsoft المتوفرة، اعرض مجموعة نماذج Microsoft في مدخل Microsoft Azure الذكاء الاصطناعي Foundry.
النموذج | النوع | القدرات |
---|---|---|
MAI-DS-R1 | إكمال الدردشة مع محتوى المنطق |
-
الإدخال: نص (163840 رمزا مميزا) - الإخراج: نص (163840 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص. |
Phi-4-reasoning | إكمال الدردشة مع محتوى المنطق |
-
الإدخال: نص (32768 رموز مميزة) - الإخراج: نص (32768 رموز مميزة) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-4-mini-reasoning | إكمال الدردشة مع محتوى المنطق |
-
الإدخال: نص (128000 رمز مميز) - الإخراج: نص (128000 رمز مميز) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-4-multimodal-instruct | إكمال الدردشة (مع محتوى الصور والصوت) |
-
الإدخال: النص والصور والصوت (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-4-mini-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-4 | إكمال الدردشة |
-
الإدخال: نص (16384 رمزا مميزا) - الإخراج: نص (16384 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3.5-mini-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3.5-MoE-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3.5-vision-instruct | إكمال الدردشة (مع الصور) |
-
الإدخال: النص والصورة (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-mini-128k-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-mini-4k-instruct | إكمال الدردشة |
-
الإدخال: نص (4096 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-small-128k-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-small-8k-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-medium-128k-instruct | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Phi-3-medium-4k-instruct | إكمال الدردشة |
-
الإدخال: نص (4096 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
أمثلة الاستدلال: نماذج Microsoft
لمزيد من الأمثلة حول كيفية استخدام نماذج Microsoft، راجع الأمثلة التالية:
الوصف | اللغة | عينة |
---|---|---|
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
LangChain | بايثون | رابط |
Llama-Index | بايثون | رابط |
راجع مجموعة نماذج Microsoft في كتالوج نموذج Azure الذكاء الاصطناعي.
الذكاء الاصطناعي التاجي
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: وتشمل Mistral-small-2503، Codestral و Mistral Nemo (المتوفرة كواجهات برمجة تطبيقات بلا خادم مع الفوترة المستندة إلى الرمز المميز للدفع حسب الاستخدام) و Mixtral-8x7B-Instruct-v01 و Mixtral-8x7B-v01 و Mistral-7B-Instruct-v01 و Mistral-7B-v01 (المتوفرة للتنزيل والتشغيل على نقاط النهاية المدارة المستضافة ذاتيا).
النموذج | النوع | القدرات |
---|---|---|
رموز نجمية-2501 | إكمال الدردشة |
-
الإدخال: نص (262144 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
Ministral-3B | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Mistral-Nemo | إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Mistral-Large-2411 | إكمال الدردشة |
-
الإدخال: نص (128000 رمز مميز) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Mistral-large-2407 (مهمل) |
إكمال الدردشة |
-
الإدخال: نص (131072 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
طيفي كبير (مهمل) |
إكمال الدردشة |
-
الإدخال: نص (32768 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Mistral-medium-2505 | إكمال الدردشة |
-
الإدخال: نص (128000 رمز مميز)، صورة - الإخراج: نص (128000 رمز مميز) - استدعاء الأداة: لا - تنسيقات الاستجابة: Text, JSON |
Mistral-OCR-2503 | صورة إلى نص |
-
الإدخال: صور أو صفحات PDF (1000 صفحة، بحد أقصى 50 ميغابايت ملف PDF) - الإخراج: نص - استدعاء الأداة: لا - تنسيقات الاستجابة: Text, JSON, Markdown |
Mistral-small-2503 | إكمال الدردشة (مع الصور) |
-
الإدخال: النص والصور (131072 رمزا مميزا)، الرموز المميزة المستندة إلى الصور هي 16 بكسل × 16 بكسل كتل من الصور الأصلية - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
Mistral-small | إكمال الدردشة |
-
الإدخال: نص (32768 رمزا مميزا) - الإخراج: نص (4096 رمزا مميزا) - استدعاء الأداة: نعم - تنسيقات الاستجابة: Text, JSON |
راجع مجموعة النماذج هذه في كتالوج نموذج Azure الذكاء الاصطناعي.
أمثلة الاستدلال: Mistral
لمزيد من الأمثلة حول كيفية استخدام نماذج Mistral، راجع الأمثلة والبرامج التعليمية التالية:
الوصف | اللغة | عينة |
---|---|---|
طلب CURL | باش | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل C# | C# | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل JavaScript | JavaScript | رابط |
حزمة استدلال Azure الذكاء الاصطناعي ل Python | بايثون | رابط |
طلبات ويب Python | بايثون | رابط |
OpenAI SDK (تجريبي) | بايثون | Mistral - عينة OpenAI SDK |
LangChain | بايثون | Mistral - عينة LangChain |
الذكاء الاصطناعي التاجي | بايثون | Mistral - نموذج الذكاء الاصطناعي mistral |
LiteLLM | بايثون | Mistral - عينة LiteLLM |
نيكستلا
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.
النموذج | النوع | القدرات | واجهة برمجة تطبيقات الاستدلال |
---|---|---|---|
TimeGEN-1 | التنبؤ |
-
الادخال: بيانات السلاسل الزمنية ك JSON أو إطارات بيانات (مع دعم الإدخال متعدد المتغيرات) - الناتج: بيانات السلسلة الزمنية ك JSON - استدعاء الأداة: لا - تنسيقات الاستجابة: JSON |
توقع تفاعل العميل مع واجهة برمجة تطبيقات 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 | طابع زمني | المتغير الهدف | متغير غير متجانس 1 | متغير غير متجانس 2 |
---|---|---|---|---|
كن | 2016-10-22 00:00:00 | 70.00 | 49593.0 | 57253.0 |
كن | 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 | طابع زمني | المتغير الهدف المتوقع |
---|---|---|
كن | 2016-10-22 02:00:00 | 46.57 |
كن | 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 | الوصف |
---|---|
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 |
راجع مجموعة نماذج Nixtla في كتالوج نموذج Azure الذكاء الاصطناعي.
بيانات NTT
tsuzumi هو محول محسن للغة الانحدار التلقائي. تستخدم الإصدارات المضبطة الضبط الدقيق الخاضع للإشراف (SFT). يتعامل tsuzumi مع كل من اللغة اليابانية والإنجليزية بكفاءة عالية.
النموذج | النوع | القدرات |
---|---|---|
tsuzumi-7b | إكمال الدردشة |
-
الإدخال: نص (8192 رمزا مميزا) - الإخراج: نص (8192 رمزا مميزا) - استدعاء الأداة: لا - تنسيقات الاستجابة: نص |
الذكاء الاصطناعي الاستقرار
تتضمن مجموعة الاستقرار الذكاء الاصطناعي من نماذج إنشاء الصور صورة أساسية مستقرة وصورة ثابتة فائقة ونشر مستقر 3.5 كبير. يسمح الانتشار المستقر 3.5 كبير بإدخال صورة ونص.
النموذج | النوع | القدرات |
---|---|---|
الانتشار المستقر 3.5 كبير | إنشاء الصور |
-
الإدخال: النص والصورة (1000 رمز مميز وصورة 1) - الإخراج: صورة 1 - استدعاء الأداة: لا - تنسيقات الاستجابة: صورة (PNG وJPG) |
صورة أساسية مستقرة | إنشاء الصور |
-
الإدخال: نص (1000 رمز مميز) - الإخراج: صورة 1 - استدعاء الأداة: لا - تنسيقات الاستجابة: صورة (PNG وJPG) |
صورة ثابتة فائقة | إنشاء الصور |
-
الإدخال: نص (1000 رمز مميز) - الإخراج: صورة 1 - استدعاء الأداة: لا - تنسيقات الاستجابة: صورة (PNG وJPG) |
أمثلة الاستدلال: الذكاء الاصطناعي الاستقرار
تقوم نماذج الاستقرار الذكاء الاصطناعي الموزعة على عمليات التوزيع القياسية بتنفيذ واجهة برمجة تطبيقات استدلال نموذج Azure الذكاء الاصطناعي على المسار /image/generations
.
للحصول على أمثلة حول كيفية استخدام نماذج الذكاء الاصطناعي الاستقرار، راجع الأمثلة التالية:
- استخدام OpenAI SDK مع نماذج الذكاء الاصطناعي الاستقرار لطلبات النص إلى الصورة
- استخدام مكتبة الطلبات مع نماذج الذكاء الاصطناعي الاستقرار لطلبات النص إلى الصورة
- استخدام مكتبة الطلبات مع الانتشار المستقر 3.5 كبير لطلبات الصور
- مثال على استجابة إنشاء صور مشفرة بالكامل