Remarque
L’accès à cette page requiert une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page requiert une autorisation. Vous pouvez essayer de modifier des répertoires.
Cet article décrit les modèles ouverts de pointe pris en charge par les API Databricks Foundation Model.
Remarque
Consultez les modèles de base pris en charge sur Model Service pour la disponibilité régionale de ces modèles et les zones de fonctionnalités prises en charge.
Remarque
Les modèles OpenAI et Google Gemini sont disponibles uniquement via les services ADI, fournis par Databricks. Pour accéder à ces modèles dans votre environnement de Azure Databricks, consultez ADI Services.
Vous pouvez envoyer des requêtes à ces modèles à l’aide des points de terminaison de paiement par jeton disponibles dans votre espace de travail Databricks. Consultez Utilisation modèles de base et table de modèles pris en charge par jeton de paiement par jeton pour les noms des points de terminaison de modèle à utiliser.
Outre la prise en charge des modèles en mode paiement par jeton, les API Foundation Model offrent également un mode de débit approvisionné. Databricks recommande le débit approvisionné pour les charges de travail de production. Ce mode prend en charge tous les modèles d’une famille d’architecture de modèle, y compris les modèles affinés et personnalisés préentraînés pris en charge en mode paiement par jeton. Consultez les API Provisioned throughput Foundation Model pour obtenir la liste des architectures prises en charge.
Vous pouvez interagir avec ces modèles pris en charge à l’aide de l’AI Playground.
Google Gemini 3.1 Flash Lite
Importante
Consultez les termes du modèle applicable pour Gemini 3.1 Flash Lite.
Ce modèle est hébergé sur un point de terminaison global et nécessite l’activation du routage inter-zones géographiques.
Nom du point de terminaison : databricks-gemini-3-1-flash-lite
Entrées prises en charge : texte, image, vidéo, audio
Gemini 3.1 Flash Lite est le modèle le plus rapide et le plus économique de la série Gemini 3, développé et entraîné par Google. Conçu pour l’intelligence à grande échelle, le modèle prend en charge les entrées modales avec les fonctionnalités d’image, l’appel de fonction et la sortie structurée. Gemini 3.1 Flash Lite est optimisé pour les déploiements à débit élevé et rentables. En savoir plus sur Gemini 3.1 Flash Lite.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Alibaba Cloud Qwen3.5 122B A10B
Importante
Le modèle Qwen3.5 122B A10B est disponible en préversion publique.
Nom du point de terminaison : databricks-qwen35-122b-a10b
Entrées prises en charge : texte
Qwen3.5 122B A10B est un modèle de raisonnement hybride d’experts (MoE) conçu et formé par Alibaba Cloud, avec 122 milliards de paramètres totaux et 10 milliards de paramètres actifs par inférence. Le modèle prend en charge une fenêtre de contexte de 256 000 ko et jusqu’à 8 000 jetons de sortie et offre des performances fortes sur le raisonnement, le codage et les tâches agentiques. En tant que modèle de raisonnement uniquement, Qwen3.5 122B A10B a toujours des raisons avant de répondre, et le raisonnement ne peut pas être désactivé.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Alibaba Cloud Qwen3-Embedding-0.6B
Importante
Le modèle Qwen3-Embedding-0.6B est disponible en préversion publique.
Nom du point de terminaison : databricks-qwen3-embedding-0-6b
Entrées prises en charge : texte
Qwen3-Embedding-0.6B est un modèle d’incorporation de texte compact avec des paramètres ~600M, conçus pour des tâches sémantiques telles que la récupération, la recherche de similarité, le clustering et la classification. Il encode du texte en vecteurs denses qui représentent la signification plutôt que la forme surface.
Le modèle prend en charge 100 langues (y compris le code) et gère des contextes longs jusqu’à ~32 000 jetons, ce qui le rend adapté à l’incorporation de documents longs. Il produit des représentations avec une dimensionnalité configurable jusqu'à 1024 et tient compte des instructions, permettant une adaptation spécifique à la tâche grâce à des consignes.
Basé sur un encodeur de transformateur et affiné spécifiquement pour la génération d'embeddings, Qwen3-Embedding-0.6B équilibre la qualité des embeddings avec une inférence efficace.
Les modèles d’incorporation sont particulièrement efficaces lorsqu’ils sont utilisés en tandem avec les LLM pour les cas d’usage de récupération de génération augmentée (RAG). Qwen3-Embedding-0.6B peut être utilisé pour rechercher des extraits de texte pertinents dans de grands blocs de documents qui peuvent être utilisés dans le contexte d’un LLM.
Instruction d'Alibaba Cloud Qwen3-Next 80B A3B
Importante
Le modèle Qwen3-Next 80B A3B Instruct est disponible en préversion publique.
Nom du point de terminaison : databricks-qwen3-next-80b-a3b-instruct
Entrées prises en charge : texte
Qwen3-Next-80B-A3B-Instruct est un modèle de langage très efficace, optimisé pour les tâches de suivi d'instructions, créé et entraîné par Alibaba Cloud. Ce modèle est conçu pour gérer des contextes ultra-longs et excelle dans les flux de travail en plusieurs étapes, la génération augmentée de récupération et les applications d’entreprise qui nécessitent des sorties déterministes à un débit élevé.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
OpenAI GPT OSS 120B
Nom du point de terminaison : databricks-gpt-oss-120b
Entrées prises en charge : texte
GPT OSS 120B est un modèle de raisonnement de pointe avec des niveaux d’effort de raisonnement en chaîne de pensée et ajustables construits et entraînés par OpenAI. Il s’agit du modèle phare open-weight d’OpenAI et propose une fenêtre de contexte de jeton 128K. Le modèle est conçu pour des tâches de raisonnement de haute qualité.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
OpenAI GPT OSS 20B
Nom du point de terminaison : databricks-gpt-oss-20b
Entrées prises en charge : texte
GPT OSS 20B est un modèle de raisonnement léger conçu et entraîné par OpenAI. Ce modèle dispose d’une fenêtre de contexte de jeton de 128 Ko et excelle à des tâches de copilotes et d’inférence par lots en temps réel.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Google Gemma 3 12B
Importante
Consultez les termes du modèle applicable pour les conditions de Gemma 3 et la stratégie d’utilisation acceptable.
Nom du point de terminaison : databricks-gemma-3-12b
Entrées prises en charge : texte, image
Gemma 3 12B est un modèle de langage modal et de vision de 12 milliards de paramètres développé par Google dans le cadre de la famille Gemma 3. Gemma 3 offre un contexte pouvant atteindre 128 000 jetons et fournit une prise en charge multilingue pour plus de 140 langues. Ce modèle est conçu pour gérer à la fois les entrées de texte et les entrées d’image et générer des sorties de texte, et est optimisé pour les cas d’usage de dialogue, la génération de texte et les tâches de compréhension des images, y compris les réponses aux questions.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Meta Llama 4 Maverick
Importante
Consultez les termes du modèle applicable pour la licence communautaire Llama 4 et la politique d’utilisation acceptable.
Nom du point de terminaison : databricks-llama-4-maverick
Entrées prises en charge : texte, image
Llama 4 Maverick est un modèle de langage de grande envergure et avancé conçu et entraîné par Meta. Il est le premier de la famille de modèles Llama à utiliser un mélange d’architecture d’experts pour l’efficacité du calcul. Llama 4 Maverick prend en charge plusieurs langues et est optimisé pour une compréhension précise des images et du texte dans divers cas d’utilisation. En savoir plus sur Llama 4 Maverick.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Meta Llama 3.3 70B Instruct
Importante
À compter du 11 décembre 2024, Meta-Llama-3.3-70B-Instruct remplace la prise en charge de Meta-Llama-3.1-70B-Instruct dans les points de terminaison de paiement par jeton des API de modèle de base.
Consultez les termes du modèle applicable pour la licence communauté LLama 3.3 et la stratégie d’utilisation acceptable.
Nom du point de terminaison : databricks-meta-llama-3-3-70b-instruct
Entrées prises en charge : texte
Meta-Llama-3.3-70B-Instruct est un modèle de langage volumineux de pointe, disposant d'un contexte de 128 000 jetons, créé et entraîné par Meta. Le modèle prend en charge plusieurs langues et est optimisé pour les cas d’usage de dialogue. En savoir plus sur le Meta Llama 3.3.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Meta Llama 3.1 405B Instruct
Importante
Meta-Llama-3.1-405B-Instruct sera mis hors service,
- À compter du 15 février 2026 pour les charges de travail payées par jeton.
- À compter du 15 mai 2026 pour les charges de travail à débit provisionné.
Consultez Les modèles déconseillés et supprimés pour le modèle de remplacement recommandé et les conseils sur la migration pendant la dépréciation.
Importante
L’utilisation de ce modèle avec les API Foundation Model est disponible en préversion publique. Contactez votre équipe de compte Databricks si vous rencontrez des échecs de point de terminaison ou des erreurs de stabilisation lors de l’utilisation de ce modèle.
Consultez les termes du modèle applicable pour la licence communauté Llama 3.1 et la stratégie d’utilisation acceptable.
Nom du point de terminaison : databricks-meta-llama-3-1-405b-instruct
Entrées prises en charge : texte
Meta-Llama-3.1-405B-Instruct est le plus grand modèle de langage large ouvert disponible, conçu et entraîné par Meta, et distribué par Azure Machine Learning à l’aide du Catalogue de modèles AzureML. L’utilisation de ce modèle permet aux clients de déverrouiller de nouvelles fonctionnalités, telles que le raisonnement avancé, en plusieurs étapes et la génération de données synthétiques de haute qualité. Ce modèle est compétitif avec GPT-4-Turbo en termes de qualité.
Comme Meta-Llama-3.1-70B-Instruct, ce modèle a un contexte de 128 000 jetons et une prise en charge dans dix langues. Il s’aligne sur les préférences humaines pour l’utilité et la sécurité, et est optimisé pour les cas d’usage de dialogue. En savoir plus sur les modèles Meta Llama 3.1.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Meta Llama 3.1 8B Instruct
Importante
Consultez les termes du modèle applicable pour la licence communauté LLama 3.1 et la stratégie d’utilisation acceptable.
Nom du point de terminaison : databricks-meta-llama-3-1-8b-instruct
Entrées prises en charge : texte
Meta-Llama-3.1-8B-Instruct est un grand modèle de langue de pointe avec un contexte de 128 000 tokens qui a été créé et entraîné par Meta. Le modèle prend en charge plusieurs langues et est optimisé pour les cas d’usage de dialogue. En savoir plus sur le Meta Llama 3.1.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Anthropic Claude Haiku 4.5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-haiku-4-5
Entrées prises en charge : texte, image
Claude Haiku 4.5 est le modèle le plus rapide et le plus économique d’Anthropic, offrant une qualité de codage proche frontière avec une vitesse et une efficacité exceptionnelles. Il excelle en temps réel, les applications à faible latence, notamment les assistants de conversation, les agents de service client, la programmation de paires et le prototypage rapide. Ce modèle est idéal pour les déploiements de production conscients des coûts et les systèmes agentiques nécessitant une assistance ia réactive.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Sonnet 5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-sonnet-5
Entrées prises en charge : texte, image
Remarque
Claude Sonnet 5 ne prend pas en charge les temperatureparamètres , top_pou top_k d’échantillonnage. Les demandes qui incluent ces paramètres retournent une erreur 400.
Claude Sonnet 5 est Anthropic modèle Sonnet le plus capable, conçu pour le codage, les flux de travail agentiques et le travail professionnel à grande échelle. Il combine l’intelligence de niveau quasi-opus avec l’efficacité et la vitesse de Sonnet, ce qui le rend bien adapté aux agents orientés client, aux flux de travail de codage de production et aux tâches de génération de contenu sophistiquées.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Sonnet 4.6
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-sonnet-4-6
Entrées prises en charge : texte, image
Claude Sonnet 4.6 est le modèle de raisonnement hybride le plus avancé d’Anthropic. Il offre deux modes : les réponses quasi-instantanées et la pensée étendue pour un raisonnement plus approfondi en fonction de la complexité de la tâche. Claude Sonnet 4.6 se spécialise dans les applications qui nécessitent un équilibre entre le débit pratique et la pensée avancée, comme les agents orientés client, les flux de travail de codage de production et la génération de contenu à grande échelle.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Sonnet 4.5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-sonnet-4-5
Entrées prises en charge : texte, image
Claude Sonnet 4.5 est le modèle de raisonnement hybride le plus avancé d’Anthropic. Il offre deux modes : les réponses quasi-instantanées et la pensée étendue pour un raisonnement plus approfondi en fonction de la complexité de la tâche. Claude Sonnet 4.5 se spécialise dans l’application qui nécessite un équilibre entre débit pratique et pensée avancée, comme les agents orientés client, les flux de travail de codage de production et la génération de contenu à grande échelle.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Fable 5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat databricks Master Cloud Services et, le cas échéant, le Contrat Databricks Business Associate.
Importante
Pour Claude Fable 5, les invites et les réponses sont conservées pendant 30 jours à des fins de confiance et de sécurité. Ces données sont traitées par des systèmes de sécurité automatisés et peuvent, dans certains cas, être signalées pour examen humain. Les données sont supprimées automatiquement après 30 jours, sauf en cas d’examen de sécurité ou de conditions légales pour conserver les données au-delà de 30 jours. Anthropic est un sous-processus limité à cet effet de rétention de sécurité.
Nom du point de terminaison : databricks-claude-fable-5
Entrées prises en charge : texte
Claude Fable 5 est un modèle de classe Mythos de Anthropic conçu pour le travail et le codage des connaissances autonomes. Avec des protections robustes intégrées, elle peut gérer des tâches longues, complexes et asynchrones avec moins de besoin d’archivages humains que les modèles précédents, ce qui en fait une solution adaptée aux flux de travail agentiques qui nécessitent un focus soutenu dans des contextes étendus.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-5
Entrées prises en charge : texte, image
Claude Opus 5 est Anthropic modèle de raisonnement hybride le plus capable, en s'appuyant sur la série Opus avec un focus sur le codage agentique, la révision du code et le travail autonome à long horizon. Ce modèle excelle dans les tâches logicielles complexes et multi-fichiers, telles que les refactorisations volumineuses et le développement de fonctionnalités de bout en bout, la recherche de bogues haute précision, la coordination multi-agent et les tâches de vision telles que le graphique, le document et la compréhension de l’interface utilisateur. Claude Opus 5 dispose d’une fenêtre contextuelle de 1 million de jetons qui maintient des instructions fortes suivantes, l’appel d’outils et le raisonnement dans toute la fenêtre, et offre une qualité proche de la qualité supérieure à un effort de raisonnement faible et moyen, ce qui le rend bien adapté aux flux de travail d’entreprise à long contexte et sensibles aux coûts.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 4.8
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-4-8
Entrées prises en charge : texte, image
Claude Opus 4.8 s’appuie sur la série Opus avec d’autres améliorations apportées aux capacités de précision, d’efficacité et de raisonnement. Ce modèle excelle dans les tâches complexes d’extraction et de raisonnement agentique avec prise en charge de l’image, ce qui le rend idéal pour les applications d’entreprise qui nécessitent une analyse approfondie, la compréhension des documents et des workflows multi-étapes sophistiqués.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 4.7
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-4-7
Entrées prises en charge : texte, image
Claude Opus 4.7 est le modèle de raisonnement hybride le plus capable d’Anthropic, faisant progresser la série Opus avec une meilleure précision, une efficacité et des capacités de vision améliorées. Ce modèle offre de meilleures performances sur les tâches d’extraction complexe et de raisonnement agentique tout en utilisant moins de jetons de sortie que son prédécesseur. Claude Opus 4.7 dispose d’une fenêtre contextuelle de 1 million de jetons et d’une prise en charge accrue de la résolution d’images, ce qui le rend idéal pour les applications d’entreprise qui nécessitent une analyse approfondie, une compréhension approfondie des documents et des flux de travail multi-étapes sophistiqués.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 4.6
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-4-6
Entrées prises en charge : texte, image
Claude Opus 4.6 est le modèle de raisonnement hybride le plus capable d’Anthropic avec des capacités de pensée adaptative. Ce modèle introduit un nouveau niveau d’effort maximal pour les tâches les plus exigeantes, avec un effort élevé défini comme valeur par défaut pour des performances optimales. Claude Opus 4.6 excelle dans le raisonnement complexe, l’analyse approfondie, la génération de code, la recherche et les workflows multi-étapes sophistiqués. Il possède une fenêtre de contexte pouvant contenir jusqu'à 1 million de jetons, ce qui le rend idéal pour les applications d'entreprise nécessitant à la fois une analyse approfondie et des résultats complets.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 4.5
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-4-5
Entrées prises en charge : texte, image
Claude Opus 4.5 est le modèle de raisonnement hybride le plus capable d’Anthropic, conçu pour les tâches les plus complexes nécessitant une analyse approfondie et une pensée étendue. Ce modèle combine de puissantes fonctionnalités à usage général avec un raisonnement avancé, excellant au niveau de la génération de code, de la recherche, de la création de contenu et des flux de travail agentiques multi-étapes sophistiqués. Claude Opus 4.5 prend en charge les entrées de texte et vision avec une fenêtre contextuelle de 200 000 jetons, ce qui le rend idéal pour les applications d’entreprise qui nécessitent à la fois une compréhension large et approfondie.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Sonnet 4
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Anthropic Claude Sonnet 4 est déconseillé. Consultez les modèles déconseillés et supprimés pour sa date de mise hors service, le modèle de remplacement recommandé et les conseils pour la migration pendant la dépréciation.
Nom du point de terminaison : databricks-claude-sonnet-4
Entrées prises en charge : texte, image
Claude Sonnet 4 est un modèle de raisonnement hybride conçu et formé par Anthropic. Ce modèle offre deux modes : réponses quasi-instantanées et réflexion étendue pour un raisonnement plus approfondi en fonction de la complexité de la tâche. Claude Sonnet 4 est optimisé pour différentes tâches telles que le développement de code, l’analyse de contenu à grande échelle et le développement d’applications de l’agent.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
Anthropic Claude Opus 4.1
Importante
Les clients sont responsables de leur conformité aux conditions de la stratégie d’utilisation d’Anthropic. Consultez également le Contrat de services cloud master Databricks et, le cas échéant, le Contrat d’association d’entreprise Databricks.
Nom du point de terminaison : databricks-claude-opus-4-1
Entrées prises en charge : texte, image
Claude Opus 4.1 est un modèle de raisonnement hybride de pointe construit et entraîné par Anthropic. Ce modèle de langage grand usage général est conçu pour le raisonnement complexe et les applications réelles à l’échelle de l’entreprise. Il prend en charge l’entrée de texte et d’image, avec une fenêtre contextuelle de 200 000 jetons et des capacités de sortie de 32 000 jetons. Ce modèle excelle dans les tâches telles que la génération de code, la recherche et la création de contenu, et les flux de travail des agents multi-étapes sans intervention humaine constante.
Les modèles d’IA peuvent faire des erreurs, ne pas comprendre l’intention et halluciner ou donner des réponses incorrectes. Databricks recommande aux clients d’évaluer leurs modèles pour s’assurer qu’ils fonctionnent comme prévu.
Ce point de terminaison est hébergé par Databricks dans le périmètre de sécurité Databricks.
GTE Large (en)
Nom du point de terminaison : databricks-gte-large-en
Entrées prises en charge : texte
L’incorporation de texte général (GTE) est un modèle d’incorporation de texte qui peut mapper n’importe quel texte à un vecteur d’incorporation de dimension 1024 et une fenêtre d’incorporation de 8192 jetons. Ces vecteurs peuvent être utilisés dans des index vectoriels pour les machines virtuelles et pour des tâches telles que la récupération, la classification, la réponse aux questions, le clustering ou la recherche sémantique. Ce point de terminaison sert la version anglaise du modèle et ne génère pas d’incorporations normalisées.
Les modèles d’incorporation sont particulièrement efficaces lorsqu’ils sont utilisés en tandem avec les LLM pour les cas d’usage de récupération de génération augmentée (RAG). GTE peut être utilisé pour rechercher des extraits de texte pertinents dans de grands blocs de documents qui peuvent être utilisés dans le contexte d’un LLM.
BGE Large (en)
Nom du point de terminaison : databricks-bge-large-en
Entrées prises en charge : texte
BGE (BAAI General Embedding) est un modèle d’incorporation de texte qui peut mapper n’importe quel texte à un vecteur d’incorporation de dimension 1024 et une fenêtre d’incorporation de 512 jetons. Ces vecteurs peuvent être utilisés dans des index vectoriels pour les machines virtuelles et pour des tâches telles que la récupération, la classification, la réponse aux questions, le clustering ou la recherche sémantique. Ce point de terminaison sert la version anglaise du modèle et génère des incorporations normalisées.
Les modèles d’incorporation sont particulièrement efficaces lorsqu’ils sont utilisés en tandem avec les LLM pour les cas d’usage de récupération de génération augmentée (RAG). BGE peut être utilisé pour rechercher des extraits de texte pertinents dans de grands blocs de documents qui peuvent être utilisés dans le contexte d’un LLM.
Dans les applications RAG, vous pouvez être en mesure d’améliorer les performances de votre système de récupération en incluant un paramètre d’instruction. Les auteurs BGE recommandent d’essayer l’instruction "Represent this sentence for searching relevant passages:" pour les incorporations de requêtes, bien que son impact sur les performances dépend du domaine.