Poznámka:
Přístup k této stránce vyžaduje autorizaci. Můžete se zkusit přihlásit nebo změnit adresáře.
Přístup k této stránce vyžaduje autorizaci. Můžete zkusit změnit adresáře.
Tento článek popisuje nejmodernější otevřené modely podporované rozhraními API modelu Databricks Foundation.
Poznámka:
Informace o dostupnosti těchto modelů a podporovaných oblastech funkcí najdete v tématu Podporované základní modely pro obsluhu modelů.
Poznámka:
Modely OpenAI a Google Gemini jsou dostupné pouze prostřednictvím služeb ADI, které poskytuje Databricks. Přístup k těmto modelům v prostředí Azure Databricks najdete v tématu ADI Services.
Žádosti o dotazy můžete těmto modelům odesílat pomocí koncových bodů pro platby za token, které jsou k dispozici v pracovním prostoru Databricks. Podívejte se na používání základních modelů a tabulku s modely podporujícími platbu za token, kde najdete názvy koncových bodů modelů, které se mají použít.
Kromě podpory modelů v režimu plateb za token nabízí rozhraní API základních modelů také režim zřízené propustnosti. Databricks doporučuje předem nastavenou propustnost pro produkční úlohy. Tento režim podporuje všechny modely rodiny architektur modelu, včetně naladěných a uživatelsky definovaných předtrénovaných modelů, které jsou podporovány v platebním režimu za token. Podrobnosti o podporovaných architekturách naleznete v části Rozhraní API pro model založený na zřízené propustnosti.
S těmito podporovanými modely můžete pracovat pomocí AI Playgroundu.
Google Gemini 3.1 Flash Lite
Důležitý
Viz Podmínky použití pro model Gemini 3.1 Flash Lite.
Tento model je hostovaný na globálním koncovém bodu a vyžaduje povolení směrování napříč geografickými oblastmi.
Název koncového bodu: databricks-gemini-3-1-flash-lite
Podporované vstupy: text, obrázek, video, zvuk
Gemini 3.1 Flash Lite je nejrychlejší a nákladově nejefektivnější model v řadě Gemini 3, vyvinutý a natrénovaný Googlem. Model je vytvořený pro inteligentní funkce ve velkém měřítku a podporuje multimodální vstupy s funkcemi obrázků, voláním funkcí a strukturovaným výstupem. Gemini 3.1 Flash Lite je optimalizovaná pro vysoce výkonná a nákladově efektivní nasazení. Přečtěte si další informace o Gemini 3.1 Flash Lite.
Stejně jako u jiných velkých jazykových modelů může výstup Gemini 3.1 Flash Lite vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Alibaba Cloud Qwen3.5 122B A10B
Důležitý
Model Qwen3.5 122B A10B je ve verzi Public Preview.
Název koncového bodu: databricks-qwen35-122b-a10b
Podporované vstupy: text
Qwen3.5 122B A10B je hybridní model založený na kombinaci expertů (MoE) vytvořený a natrénovaný cloudem Alibaba s 122 miliardami celkových parametrů a 10 miliard aktivních parametrů na odvozování. Model podporuje kontextové okno 256K a až 8 000 výstupních tokenů a poskytuje silný výkon při důvodování, kódování a agentských úlohách. Jako model pouze pro odůvodnění Qwen3.5 122B A10B vždy důvody před reagováním a odůvodnění nelze zakázat.
Stejně jako u jiných velkých jazykových modelů může výstup Qwen3.5 122B A10B vynechat některá fakta a občas vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Alibaba Cloud Qwen3-Embedding-0.6B
Důležitý
Model Qwen3-Embedding-0.6B je ve veřejném náhledu.
Název koncového bodu: databricks-qwen3-embedding-0-6b
Podporované vstupy: text
Qwen3-Embedding-0.6B je kompaktní model vkládání textu s parametry ~600M navrženými pro sémantické úlohy, jako je načítání, vyhledávání podobnosti, clustering a klasifikace. Zakóduje text do hustých vektorů, které představují význam spíše než povrchovou formu.
Model podporuje více než 100 jazyků (včetně kódu) a zpracovává dlouhé kontexty až do ~32K tokenů, takže je vhodný pro vkládání dlouhých dokumentů. Vytváří vkládání s konfigurovatelnou dimenzionalitou až 1024 a je citlivý na instrukce, což umožňuje úpravu zaměřenou na konkrétní úkoly prostřednictvím příkazů.
Je postaven na kodéru transformátoru a jemně vyladěný speciálně pro generování vkládání, Qwen3-Embedding-0.6B vyrovnává kvalitu vkládání s efektivním odvozováním.
Vkládací modely jsou zvláště efektivní, když se používají společně s LLM pro případy použití generace s rozšířeným vyhledáváním (RAG). Qwen3-Embedding-0.6B lze použít k vyhledání relevantních fragmentů textu ve velkých blocích dokumentů, které lze použít v kontextu LLM.
Alibaba Cloud Qwen3-Next 80B A3B Instrukce
Důležitý
Model Qwen3-Next 80B A3B Instruct je ve verzi Public Preview.
Název koncového bodu: databricks-qwen3-next-80b-a3b-instruct
Podporované vstupy: text
Qwen3-Next-80B-A3B-Instruct je vysoce efektivní rozsáhlý jazykový model optimalizovaný pro úlohy s instrukcemi vytvořené a natrénované službou Alibaba Cloud. Tento model je navržený tak, aby zpracovával ultra dlouhé kontexty a exceluje v pracovních postupech s více kroky, generování rozšířeného načítání a podnikových aplikací, které vyžadují deterministické výstupy s vysokou propustností.
Stejně jako u jiných velkých jazykových modelů může výstup pokyn Qwen3-Next 80B A3B vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
OpenAI GPT OSS 120B
Název koncového bodu: databricks-gpt-oss-120b
Podporované vstupy: text
GPT OSS 120B je špičkový model uvažování s řetězcem myšlenkových procesů a nastavitelnými úrovněmi úsilí, vytvořený a natrénovaný společností OpenAI. Jedná se o vlajkový open-weight model OpenAI a obsahuje kontextové okno s 128K tokeny. Model je sestavený pro vysoce kvalitní úlohy zdůvodňování.
Stejně jako u jiných velkých jazykových modelů může výstup GPT OSS 120B vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
OpenAI GPT OSS 20B
Název koncového bodu: databricks-gpt-oss-20b
Podporované vstupy: text
GPT OSS 20B je nejmodernější odlehčený model pro uvažování, který byl vytvořený a natrénovaný OpenAI. Tento model má kontextové okno s kapacitou 128K tokenů a exceluje v kopilotech v reálném čase a dávkových úlohách automatického odvozování.
Stejně jako u jiných velkých jazykových modelů může výstup GPT OSS 20B vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Google Gemma 3 12B
Důležitý
Viz Platné podmínky modelu pro podmínky Gemma 3 a zásady přijatelného užívání.
Název koncového bodu: databricks-gemma-3-12b
Podporované vstupy: text, obrázek
Gemma 3 12B je 12miliardový parametr multimodálního a vizuálního jazykového modelu vyvinutého společností Google jako součást rodiny Gemma 3. Gemma 3 má až 128K tokenového kontextu a poskytuje vícejazyčnou podporu pro více než 140 jazyků. Tento model je navržený tak, aby zpracovával vstupy textu i obrázku a generoval textové výstupy a je optimalizovaný pro případy použití dialogu, generování textu a úlohy porozumění obrázkům, včetně zodpovězení otázek.
Stejně jako u jiných velkých jazykových modelů může výstup Gemma 3 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Meta Llama 4 Maverick
Důležitý
Podívejte se na platné podmínky modelu týkající se komunitní licence Llama 4 a zásad přijatelného použití.
Název koncového bodu: databricks-llama-4-maverick
Podporované vstupy: text, obrázek
Llama 4 Maverick je moderní velký jazykový model vytvořený a vytrénovaný Meta. Jedná se o první modelovou řadu Llama, která využívá kombinaci architektury odborníků pro efektivitu výpočetních prostředků. Llama 4 Maverick podporuje různé jazyky a je optimalizovaný pro přesné porozumění obrazům a textu. Přečtěte si další informace o Llama 4 Maverick.
Stejně jako u jiných velkých jazykových modelů může výstup Llama 4 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Meta Llama 3.3 70B Instrukce
Důležitý
Od 11. prosince 2024 nahrazuje Meta-Llama-3.3-70B-Instruct podporu pro Meta-Llama-3.1-70B-Instruct v rozhraních API základního modelu na koncových bodech účtovaných na základě počtu tokenů.
Viz Platné podmínky modelu pro komunitní licenci LLama 3.3 a zásady přijatelného použití.
Název koncového bodu: databricks-meta-llama-3-3-70b-instruct
Podporované vstupy: text
Meta-Llama-3.3-70B-Instruct je nejmodernější rozsáhlý jazykový model s kontextem 128 000 tokenů, vytvořený a natrénovaný společností Meta. Model podporuje více jazyků a je optimalizovaný pro případy použití dialogu. Přečtěte si další informace o meta llama 3.3.
Podobně jako u jiných velkých jazykových modelů může výstup Llama-3 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Meta Llama 3.1 405B Instruktáž
Důležitý
Meta-Llama-3.1-405B-Instruct bude vyřazen,
- Od 15. února 2026 pro úlohy s platbami za tokeny.
- Od 15. května 2026 pro úlohy zřízené propustnosti.
Doporučené náhradní modely najdete v tématu Zastaralé a vyřazené modely a pokyny k migraci během vyřazení.
Důležitý
Použití tohoto modelu s rozhraními API základního modelu je ve veřejném náhledu. Pokud při používání tohoto modelu narazíte na selhání koncových bodů nebo chyby stabilizace, obraťte se na svůj tým účtu Databricks.
Podívejte se na příslušné podmínky modelu pro Licenci komunity Llama 3.1 a Zásady přijatelného použití.
Název koncového bodu: databricks-meta-llama-3-1-405b-instruct
Podporované vstupy: text
Meta-Llama-3.1-405B-Instruct je největší volně dostupný špičkový velký jazykový model, sestavený a natrénovaný společností Meta, a je distribuován pomocí Azure Machine Learning a katalogu modelů AzureML. Použití tohoto modelu umožňuje zákazníkům odemknout nové funkce, jako jsou pokročilé, vícestupňové odůvodnění a vysoce kvalitní syntetické generování dat. Tento model je konkurenceschopný s GPT-4-Turbo z hlediska kvality.
Podobně jako Meta-Llama-3.1-70B-Instruct má tento model kontext 128 000 tokenů a podporu napříč deseti jazyky. Je v souladu s lidskými preferencemi pro užitečnost a bezpečnost a je optimalizovaný pro případy použití dialogu. Přečtěte si další informace o modelech Meta Llama 3.1.
Podobně jako v jiných velkých jazykových modelech může výstup Llama-3.1 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Meta Llama 3.1 8B – pokyn
Důležitý
Viz platné podmínky modelu pro licenci LLama 3.1 Community a Zásady přijatelného použití.
Název koncového bodu: databricks-meta-llama-3-1-8b-instruct
Podporované vstupy: text
Meta-Llama-3.1-8B-Instruct je špičkový rozsáhlý jazykový model s kontextem 128 000 tokenů, který byl vytvořen a natrénován Meta. Model podporuje více jazyků a je optimalizovaný pro případy použití dialogu. Přečtěte si další informace o meta llama 3.1.
Podobně jako u jiných velkých jazykových modelů může výstup Llama-3 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Anthropic Claude Haiku 4.5
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-haiku-4-5
Podporované vstupy: text, obrázek
Claude Haiku 4.5 je nejrychlejší a nákladově nejefektivnější model Anthropic, který poskytuje kvalitu kódování téměř na hranici s výjimečnou rychlostí a efektivitou. Exceluje v aplikacích s nízkou latencí v reálném čase, včetně chatovacích asistentů, agentů zákaznických služeb, párového programování a rychlého vytváření prototypů. Tento model je ideální pro nákladově efektivní produkční nasazení a systémy s agentovou architekturou, které vyžadují interaktivní asistenci AI.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Haiku 4.5 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Sonnet 5
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-sonnet-5
Podporované vstupy: text, obrázek
Poznámka:
Claude Sonnet 5 nepodporuje temperatureparametry , top_pani top_k vzorkování. Požadavky, které obsahují tyto parametry, vrací chybu 400.
Claude Sonnet 5 je Anthropic nejschopnější model Sonnet, navržený pro kódování, pracovní postupy agentů a profesionální práci ve velkém měřítku. Kombinuje inteligentní funkce téměř na úrovni Opusu s nákladovou efektivitou a rychlostí sonnetu, takže je vhodná pro agenty orientované na zákazníky, pracovní postupy psaní kódu v produkčním prostředí a sofistikované úlohy generování obsahu.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Sonnetu 5 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Sonnet 4.6
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-sonnet-4-6
Podporované vstupy: text, obrázek
Claude Sonnet 4.6 je nejpokročilejší hybridní model uvažování Anthropic. Nabízí dva režimy: téměř okamžité odpovědi a rozšířené myšlení pro hlubší odůvodnění na základě složitosti úkolu. Claude Sonnet 4.6 se specializuje na aplikace, které vyžadují rovnováhu praktické propustnosti a pokročilého myšlení, jako jsou agenti orientovaný na zákazníky, pracovní postupy kódování produkce a generování obsahu ve velkém měřítku.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Sonnetu 4.6 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Sonnet 4.5
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-sonnet-4-5
Podporované vstupy: text, obrázek
Claude Sonnet 4.5 je nejpokročilejší model hybridního odůvodnění Anthropic. Nabízí dva režimy: téměř okamžité odpovědi a rozšířené myšlení pro hlubší odůvodnění na základě složitosti úkolu. Claude Sonnet 4.5 se specializuje na aplikaci, která vyžaduje rovnováhu praktické propustnosti a pokročilého myšlení, jako jsou agenti orientovaný na zákazníky, pracovní postupy psaní produkčního kódu a generování obsahu ve velkém měřítku.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Sonnetu 4.5 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Fable 5
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a případně i smlouva Databricks Business Associate Agreement.
Důležitý
Pro Clauda Fable 5 jsou výzvy a odpovědi zachovány po dobu 30 dnů pro důvěryhodné a bezpečnostní účely. Tato data jsou zpracovávána automatizovanými bezpečnostními systémy a mohou být v některých případech označena příznakem pro kontrolu člověka. Data se odstraní automaticky po 30 dnech, s výjimkou případu šetření bezpečnosti nebo právních požadavků na uchovávání dat po dobu delší než 30 dnů. Anthropic je pro tento účel uchovávání bezpečnosti omezený podprocesor.
Název koncového bodu: databricks-claude-fable-5
Podporované vstupy: text
Claude Fable 5 je model třídy Mythos z Anthropic navržený pro autonomní práci a kódování znalostí. Díky robustním ochranným opatřením, která jsou integrovaná, můžou zpracovávat dlouhotrvající, složité a asynchronní úlohy, které jsou méně potřebné pro lidské kontroly než předchozí modely, což je vhodné pro pracovní postupy agentů, které vyžadují trvalou pozornost napříč rozšířenými kontexty.
Stejně jako u jiných velkých jazykových modelů může Clauda Fable 5 výstup vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Opus 4.8
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-opus-4-8
Podporované vstupy: text, obrázek
Claude Opus 4.8 je Anthropic nejschopnější hybridní model zdůvodnění, který staví na řadě Opus s dalšími vylepšeními přesnosti, efektivity a možností odůvodnění. Tento model exceluje v komplexních úlohách extrakce a agentských důvodů s podporou obrázků, což je ideální pro podnikové aplikace, které vyžadují hloubkovou analýzu, porozumění dokumentům a sofistikované vícekrokové pracovní postupy.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Opus 4.8 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Opus 4.7
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-opus-4-7
Podporované vstupy: text, obrázek
Claude Opus 4.7 je nejschopnější hybridní model hybridního uvažování Anthropic, který vylepšuje řadu Opus s vylepšenou přesností, efektivitou a vylepšenými schopnostmi zraku. Tento model poskytuje silnější výkon u složitých úloh extrakce a zdůvodnění agentů při použití menšího počtu výstupních tokenů než jeho předchůdce. Claude Opus 4.7 nabízí 1 milion kontextových oken tokenů a vyšší podporu rozlišení obrázků, což je ideální pro podnikové aplikace, které vyžadují hloubkovou analýzu, porozumění dokumentům a sofistikované vícekrokové pracovní postupy.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Opus 4.7 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Opus 4.6
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-opus-4-6
Podporované vstupy: text, obrázek
Claude Opus 4.6 je Anthropicův nejschopnější hybridní model uvažování s adaptivními myšlenkovými schopnostmi. Tento model zavádí novou úroveň maximálního úsilí pro nejnáročnější úlohy, která je nastavená jako výchozí pro optimální výkon. Claude Opus 4.6 exceluje ve složitých důvodech, hloubkové analýze, generování kódu, výzkumu a sofistikovaných vícekrokových pracovních postupech. Obsahuje 1 milion kontextových oken tokenů, což je ideální pro podnikové aplikace, které vyžadují rozsáhlé analýzy i komplexní výstupy.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Opus 4.6 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Opus 4.5
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-opus-4-5
Podporované vstupy: text, obrázek
Claude Opus 4.5 je antropicův nejschopnější hybridní důvodový model vytvořený pro nejsložitější úkoly vyžadující hloubkovou analýzu a rozšířené myšlení. Tento model kombinuje výkonné funkce pro obecné účely s pokročilým odůvodněním, excelováním při generování kódu, výzkumem, vytvářením obsahu a sofistikovanými vícekrokovými agentickými pracovními postupy. Claude Opus 4.5 podporuje vstupy textu a obrazu s kontextovým oknem tokenu 200K, což je ideální pro podnikové aplikace, které vyžadují šířku i hloubku porozumění.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Opus 4.5 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Sonet 4
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Anthropic Claude je síť Sonnet 4 zastaralá. Podívejte se na zastaralé a vyřazené modely pro datum vyřazení, doporučené náhradní modely a pokyny k migraci během vyřazení.
Název koncového bodu: databricks-claude-sonnet-4
Podporované vstupy: text, obrázek
Claude Sonnet 4 je nejmodernější, hybridní důvodový model vytvořený a natrénovaný Anthropicem. Tento model nabízí dva režimy: téměř okamžité odpovědi a rozšířené myšlení pro hlubší odůvodnění na základě složitosti úkolu. Claude Sonnet 4 je optimalizovaný pro různé úlohy, jako je vývoj kódu, rozsáhlé analýzy obsahu a vývoj aplikací agentů.
Stejně jako u jiných velkých jazykových modelů může výstup Clauda Sonnetu 4 vynechávat některá fakta a občas vytvářet mylné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Anthropic Claude Opus 4.1
Důležitý
Zákazníci zodpovídají za zajištění dodržování podmínek zásad používání Anthropic. Viz také Smlouva o hlavních cloudových službách Databricks a tam, kde je to možné, smlouvu Databricks Business Associate.
Název koncového bodu: databricks-claude-opus-4-1
Podporované vstupy: text, obrázek
Claude Opus 4.1 je nejmodernější, hybridní důvodový model vytvořený a natrénovaný Anthropicem. Tento obecný jazykový model pro obecné účely je navržený pro komplexní aplikace i aplikace z reálného světa v podnikovém měřítku. Podporuje vstup textu a obrázku s kontextovým oknem tokenu 200K a možnostmi výstupního tokenu 32K. Tento model exceluje na úkolech, jako je generování kódu, výzkum a vytváření obsahu, a pracovní postupy agentů s více kroky bez neustálého lidského zásahu.
Stejně jako u jiných velkých jazykových modelů může Výstup Clauda Opus 4.1 vynechat některá fakta a příležitostně vytvářet falešné informace. Databricks doporučuje používat načítání rozšířené generace (RAG) ve scénářích, kde je přesnost obzvláště důležitá.
Tento koncový bod je hostován společností Databricks v rámci jejího bezpečnostního perimetru.
Gte Large (En)
Název koncového bodu: databricks-gte-large-en
Podporované vstupy: text
Obecné vkládání textu (GTE) je model vkládání textu, který může mapovat jakýkoli text na vektor vkládání 1024 dimenzí a okno vkládání 8192 tokenů. Tyto vektory lze použít v indexech vektorů pro LLM a pro úlohy, jako je načítání, klasifikace, odpovídání na otázky, clustering nebo sémantické vyhledávání. Tento koncový bod slouží anglické verzi modelu a negeneruje normalizované vkládání.
Vkládací modely jsou zvláště efektivní, když se používají společně s LLM pro případy použití generace s rozšířeným vyhledáváním (RAG). GtE lze použít k vyhledání relevantních fragmentů textu ve velkých blocích dokumentů, které lze použít v kontextu LLM.
BGE Large (En)
Název koncového bodu: databricks-bge-large-en
Podporované vstupy: text
BAAI General Embedding (BGE) je model vkládání textu, který může mapovat jakýkoli text na vektor vkládání 1024 dimenzí a okno vkládání 512 tokenů. Tyto vektory lze použít v indexech vektorů pro LLM a pro úlohy, jako je načítání, klasifikace, odpovídání na otázky, clustering nebo sémantické vyhledávání. Tento koncový bod slouží anglické verzi modelu a generuje normalizované vkládání.
Vkládací modely jsou zvláště efektivní, když se používají společně s LLM pro případy použití generace s rozšířeným vyhledáváním (RAG). BGE lze použít k vyhledání relevantních fragmentů textu ve velkých blocích dokumentů, které lze použít v kontextu LLM.
V aplikacích RAG můžete zlepšit výkon systému načítání zahrnutím parametru instrukce. Autoři BGE doporučují vyzkoušet instrukce "Represent this sentence for searching relevant passages:" pro vkládání dotazů, i když jeho dopad na výkon závisí na doméně.