Modèles Foundry provenant de partenaires et de la communauté

Note

Cet article fait référence au portail Microsoft Foundry (classique).

🔄 Accédez à la documentation Microsoft Foundry (nouveau) si vous utilisez le nouveau portail.

Cet article répertorie les fonctionnalités d’une sélection de modèles Microsoft Foundry de partenaires et de la communauté. La plupart des fournisseurs de modèles Foundry sont des organisations tierces approuvées, des partenaires, des laboratoires de recherche et des contributeurs communautaires. La sélection de modèles que vous voyez dans Foundry dépend du type de projet que vous utilisez. Pour en savoir plus sur les attributs des modèles Foundry de partenaires et de la communauté, consultez Explorer les modèles Foundry.

Note

Pour obtenir la liste des modèles vendus directement par Azure, consultez Les modèles Foundry vendus directement par Azure.

Pour obtenir la liste des modèles Azure OpenAI pris en charge par le service De l’agent Foundry, consultez Modèles pris en charge par le service d’agent.

Anthropic

Le produit phare d’Anthropic est Claude, un modèle IA frontière approuvé par les grandes entreprises et des millions d’utilisateurs dans le monde entier pour des tâches complexes, notamment le codage, les agents, l’analyse financière, la recherche et les tâches de bureau. Claude offre des performances exceptionnelles tout en conservant des normes de sécurité élevées.

Pour utiliser des modèles Claude dans Foundry, consultez Déployer et utiliser des modèles Claude dans Microsoft Foundry.

Important

Pour utiliser des modèles Claude dans Microsoft Foundry, vous avez besoin d’un abonnement Azure payant avec un compte de facturation dans un pays ou une région où Anthropic propose les modèles à acheter. Les types d’abonnements payants suivants sont actuellement restreints : Fournisseurs de solutions cloud (CSP), comptes parrainés avec des crédits Azure, comptes d’entreprise à Singapour et en Corée du Sud et comptes Microsoft.

Pour obtenir la liste des erreurs courantes liées à l’abonnement, consultez les messages d’erreur courants et les solutions.

Model	Type	Capacités	Type de projet
claude-opus-4-6 (Préversion)	Messages	- Entrée : texte, image et code - Sortie : texte, image et code (128 000 jetons max) - Fenêtre contextuelle : 1 000 000 (bêta) - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub
claude-opus-4-5 (Préversion)	Messages	- Entrée : texte, image et code - Sortie : texte (64 000 jetons max) - Fenêtre contextuelle : 200 000 - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub
claude-opus-4-1 (Préversion)	Messages	- Entrée : texte, image et code - Sortie : texte (32 000 jetons max) - Fenêtre contextuelle : 200 000 - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub
claude-sonnet-4-6 (Préversion)	Messages	- Entrée : texte, image et code - Sortie : texte, image et code (128 000 jetons max) - Fenêtre contextuelle : 1 000 000 (bêta) - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub
claude-sonnet-4-5 (Préversion)	Messages	- Entrée : texte, image et code - Sortie : texte (64 000 jetons max) - Fenêtre contextuelle : 200 000 - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub
claude-haiku-4-5 (Préversion)	Messages	- Entrée : texte et image - Sortie : texte (64 000 jetons max) - Fenêtre contextuelle : 200 000 - Langues :en, , fr, arzh, jako, , eshi - Appel d’outils : Oui (recherche de fichiers et exécution de code) - Formats de réponse : Texte dans différents formats (par exemple, prose, listes, tables Markdown, JSON, HTML, code dans différents langages de programmation)	Foundry, basé sur un hub

Consultez les modèles anthropices dans le portail Foundry.

Cohere

La famille de modèles Cohere inclut divers modèles optimisés pour différents cas d’usage, notamment les complétions de conversation et les incorporations. Les modèles Cohere sont optimisés pour différents cas d’usage qui incluent le raisonnement, le résumé et la réponse aux questions.

Pour déployer des modèles Cohere dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
Cohere-command-r-plus-08-2024	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (4 096 jetons) - Langues :en, , fr, esit, de, pt-brjakozh-cnetar - Appel de l’outil : Oui - Formats de réponse: Texte, JSON	Foundry, basé sur un hub
Cohere-command-r-08-2024	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (4 096 jetons) - Langues :en, , fr, esit, de, pt-brjakozh-cnetar - Appel de l’outil : Oui - Formats de réponse: Texte, JSON	Foundry, basé sur un hub
Cohere-embed-v3-english	embeddings	- Entrée : texte et images (512 jetons) - Sortie : Vecteur (1024 dimensions) - Langues :en	Foundry, basé sur un hub
Cohere-embed-v3-multilingual	embeddings	- Entrée : texte (512 jetons) - Sortie : Vecteur (1024 dimensions) - Langues :en, , fr, esit, de, pt-brjakozh-cnetar	Foundry, basé sur un hub

Reclasser Cohere

Model	Type	Capacités	Informations de référence sur l’API	Type de projet
Cohere-rerank-v3.5	rerank text classification	- Entrée : texte - Sortie : texte - Traduction: Anglais, chinois, français, allemand, indonésien, italien, portugais, russe, espagnol, arabe, néerlandais, hindi, japonais, vietnamien	API v2/rerank de Cohere	Basé sur hub

Pour plus d’informations sur la tarification des modèles de reclassement Cohere, consultez Tarification des modèles de reclassement Cohere.

Consultez les modèles Cohere dans le portail Foundry.

Meta

Les modèles et outils Meta Llama font partie d’une collection de modèles de raisonnement de texte et d’image d’IA générative préentraînés et affinés. La plage de modèles Meta est mise à l’échelle pour inclure :

• Des petits modèles de langage (SLM) tels que les modèles 1B et 3B Base et Instruct pour une inférence sur appareil et en périphérie
• Des grands modèles de langage (LLM) de taille moyenne tels que les modèles 7B, 8B et 70B Base et Instruct
• Des modèles de haut niveau de performance tels que Meta Llama 3.1-405B Instruct pour des cas d’usage tels que la génération de données synthétiques et la distillation.

Pour déployer des modèles Meta Llama dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
Llama-3.2-11B-Vision-Instruct	chat-completion	- Entrée : texte et image (128 000 jetons) - Sortie : texte (8 192 jetons) - Langues :en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Llama-3.2-90B-Vision-Instruct	chat-completion	- Entrée : texte et image (128 000 jetons) - Sortie : texte (8 192 jetons) - Langues :en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Meta-Llama-3.1-405B-Instruct	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (8 192 jetons) - Langues :en, , de, frit, pt, hi, es, etth - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Meta-Llama-3.1-8B-Instruct	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (8 192 jetons) - Langues :en, , de, frit, pt, hi, es, etth - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Llama-4-Scout-17B-16E-Instruct	chat-completion	- Entrée : texte et image (128 000 jetons) - Sortie : texte (8 192 jetons) - Langues :en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub

Consultez les modèles meta dans le portail Foundry. Vous pouvez également trouver plusieurs modèles méta disponibles sous forme de modèles vendus directement par Azure.

Microsoft

Les modèles Microsoft incluent différents groupes de modèles tels que les modèles MAI, les modèles Phi, les modèles IA de santé, etc.

Pour déployer des modèles Microsoft dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
Phi-4-mini-instruct	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (4 096 jetons) - Langues :ar, zh, cs, da, nl, en, fi, fr, de, he, hu, it, ja, ko, no, pl, pt, ru, es, sv, th, tr et uk - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Phi-4-multimodal-instruct	chat-completion	- Entrée : texte, images et audio (131 072 jetons) - Sortie : texte (4 096 jetons) - Langues :ar, zh, cs, da, nl, en, fi, fr, de, he, hu, it, ja, ko, no, pl, pt, ru, es, sv, th, tr et uk - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Phi-4	chat-completion	- Entrée : texte (16 384 jetons) - Sortie : texte (16 384 jetons) - Langues :en, ar, bn, cs, da, de, el, es, fa, fi, fr, gu, ha, he, hi, hu, id, it, ja, jv, kn, ko, ml, mr, nl, no, or, pa, pl, ps, pt, ro, ru, sv, sw, ta, te, th, tl, tr, uk, ur, vi, yo, et zh - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Phi-4-reasoning	complétion de conversation avec le contenu du raisonnement	- Entrée : texte (32 768 jetons) - Sortie : texte (32 768 unités) - Langues :en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Phi-4-mini-reasoning	complétion de conversation avec le contenu du raisonnement	- Entrée : texte (128 000 jetons) - Sortie : texte (128 000 jetons) - Langues :en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub

Consultez les modèles Microsoft dans le portail Foundry. Les modèles Microsoft sont également disponibles sous forme de modèles vendus directement par Azure.

Mistral IA

Mistral AI propose des modèles pour la génération de code, la conversation à usage général et les tâches modales, notamment Codestral, Ministral, Mistral Small et Mistral Medium.

Pour déployer des modèles Mistral AI dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
Codestral-2501	chat-completion	- Entrée : texte (262 144 jetons) - Sortie : texte (4 096 jetons) - Langues : en - Appel d’outils : Non - Formats de réponse : Texte	Foundry, basé sur un hub
Ministral-3B	chat-completion	- Entrée : texte (131 072 jetons) - Sortie : texte (4 096 jetons) - Langues : fr, de, es, it et en - Appel de l’outil : Oui - Formats de réponse: Texte, JSON	Foundry, basé sur un hub
Mistral-small-2503	chat-completion	- Entrée : texte (32 768 jetons) - Sortie : texte (4 096 jetons) - Langues : fr, de, es, it et en - Appel de l’outil : Oui - Formats de réponse: Texte, JSON	Foundry, basé sur un hub
Mistral-medium-2505	chat-completion	- Entrée : texte (128 000 jetons), image - Sortie : texte (128 000 jetons) - Appel d’outils : Non - Formats de réponse: Texte, JSON	Foundry, basé sur un hub
mistralai-Mistral-7B-Instruct-v01	chat-completion	- Entrée : texte - Sortie : texte - Langues : en - Formats de réponse : Texte	Basé sur hub
mistralai-Mistral-7B-Instruct-v0-2	chat-completion	- Entrée : texte - Sortie : texte - Langues : en - Formats de réponse : Texte	Basé sur hub
mistralai-Mixtral-8x7B-Instruct-v01	chat-completion	- Entrée : texte - Sortie : texte - Langues : en - Formats de réponse : Texte	Basé sur hub
mistralai-Mixtral-8x22B-Instruct-v0-1	chat-completion	- Entrée : texte (64 000 jetons) - Sortie : texte (4 096 jetons) - Langues : fr, it, de, es, en - Formats de réponse : Texte	Basé sur hub

Consultez les modèles Mistral AI dans le portail Foundry. Les modèles Mistral sont également disponibles sous forme de modèles vendus directement par Azure.

Nixtla

TimeGEN-1 de Nixtla est un modèle de prévision préentraîné et de détection d’anomalies pour les données de série chronologique. TimeGEN-1 produit des prévisions précises pour de nouvelles séries chronologiques sans formation, en utilisant uniquement des valeurs historiques et des covariables exogènes comme entrées.

Pour déployer TimeGEN-1 dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Pour effectuer l’inférence, TimeGEN-1 vous oblige à utiliser l’API d’inférence personnalisée de Nixtla.

Model	Type	Capacités	API d’inférence	Type de projet
TimeGEN-1	Forecasting	- Entrée: Données de série chronologique sous forme de JSON ou de dataframes (avec prise en charge des données d'entrée multivariées) - Sortie: Données de série chronologique en tant que JSON - Appel d’outils : Non - Formats de réponse : JSON	Client de prévision pour interagir avec l'API de Nixtla	Basé sur hub

Pour plus d’informations sur la tarification des modèles Nixtla, consultez Nixtla.

Consultez les modèles Nixtla dans le portail Foundry.

Données NTT

tsuzumi est un transformateur optimisé en langage autorégressif. Les versions paramétrées utilisent le réglage précis supervisé (SFT). tsuzumi gère à la fois le japonais et l’anglais avec une efficacité élevée.

Pour déployer tsuzumi-7b dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
tsuzumi-7b	chat-completion	- Entrée : texte (8 192 jetons) - Sortie : texte (8 192 jetons) - Langues :en et jp - Appel d’outils : Non - Formats de réponse : Texte	Basé sur hub

Consultez les modèles de données NTT dans le portail Foundry.

IA de stabilité

La collection d’IA de stabilité des modèles de génération d’images inclut Stable Image Core, Stable Image Ultra et Diffusion stable 3.5 Large. La diffusion stable 3.5 Large accepte à la fois l’image et l’entrée de texte.

Pour déployer des modèles d’IA de stabilité dans Foundry, consultez Déployer des modèles Microsoft Foundry dans le portail Foundry.

Model	Type	Capacités	Type de projet
Stable Diffusion 3.5 Grand	Génération d’images	- Entrée : texte et image (1 000 jetons et 1 image) - Sortie: Une image - Appel d’outils : Non - Formats de réponse : Image (PNG et JPG)	Foundry, basé sur un hub
Noyau d'image stable	Génération d’images	- Entrée : texte (1 000 jetons) - Sortie: Une image - Appel d’outils : Non - Formats de réponse : Image (PNG et JPG)	Foundry, basé sur un hub
Stable Image Ultra	Génération d’images	- Entrée : texte (1 000 jetons) - Sortie: Une image - Appel d’outils : Non - Formats de réponse : Image (PNG et JPG)	Foundry, basé sur un hub

Consultez les modèles IA de stabilité dans le portail Foundry.

Modèles ouverts et personnalisés

Le catalogue de modèles offre un plus grand choix de modèles, à partir d’une plus large gamme de fournisseurs. Pour ces modèles, vous ne pouvez pas utiliser l’option de déploiement standard dans les ressources Microsoft Foundry, où les modèles sont fournis en tant qu’API. Au lieu de cela, pour déployer ces modèles, vous devrez peut-être les héberger sur votre infrastructure, créer un hub IA et fournir le quota de calcul sous-jacent pour héberger les modèles.

De plus, ces modèles peuvent être protégés par l’accès ouvert ou l’adresse IP. Dans les deux cas, vous devez les déployer dans des offres de calcul managées dans Foundry. Pour commencer, consultez Procédure : Déployer sur un calcul managé.

Contenu connexe

• Vue d’ensemble du déploiement pour les modèles Foundry
• Déployer des modèles Microsoft Foundry dans le portail Foundry
• Types de déploiement dans Modèles Foundry
• Exigences de la Place de marché Azure pour les modèles Foundry des partenaires
• Disponibilité de la région pour les modèles Foundry
• Explorer les modèles Foundry

• Exemples d’inférence d’API serverless pour les modèles Foundry