Foundry Tools in Fabric (előzetes verzió)

Fontos

Ez a funkció előzetes verzióban érhető el.

Az Öntödei eszközök segítségével a fejlesztők és szervezetek gyorsan hozhatnak létre intelligens, élvonalbeli, piackész és felelős alkalmazásokat előre összeállított és testreszabható API-kkal és modellekkel. A korábban Azure Cognitive Services néven ismert Eszközlehetőségek akkor is lehetővé teszik a fejlesztők számára a hozzáférést, ha nem rendelkeznek közvetlen AI- vagy adatkutatói tudással vagy ismeretekkel. Az Foundry Tools célja, hogy segítse a fejlesztőket olyan alkalmazások létrehozásában, amelyek képesek látni, hallani, beszélni, megérteni, és még okokat is kezdeni.

A Fabric két lehetőséget kínál az Öntödei eszközök használatára:

  • Előre elkészített AI-modellek a Fabricben (előzetes verzió)

    A Fabric zökkenőmentesen integrálható az Foundry Tools szolgáltatással, így előfeltétel nélkül bővítheti az adatokat előre összeállított AI-modellekkel. Ezt a lehetőséget azért javasoljuk, mert a Fabric-hitelesítéssel hozzáférhet az Foundry Toolshoz, és minden használatot a Fabric-kapacitás alapján számlázunk ki. Ez a lehetőség jelenleg nyilvános előzetes verzióban érhető el, korlátozott Microsoft Foundry-eszközökkel.

    A Fabric alapértelmezés szerint kínál Azure OpenAI Service, Text Analytics és Azure Translator a Foundry Toolsban, a SynapseML és a RESTful API támogatásával. A OpenAI Python Könyvtár használatával is hozzáférhet Azure OpenAI szolgáltatáshoz a Fabricben. További információért az elérhető modellekről látogasson el a Fabricelőre gyártott AI-modellek oldalára .

  • Saját kulcs használata (BYOK)

    Az Foundry-eszközöket kiépítheti az Azure-ban, és saját kulcsot is használhat a Fabricből. Ha az előre összeállított AI-modellek még nem támogatják a kívánt Foundry-eszközöket, továbbra is használhatja a BYOK-ot (Saját kulcs használata).

    Ha többet szeretne megtudni arról, hogyan használhatja a Foundry Tools-t a BYOK-kal, látogasson el a Foundry Tools in SynapseML with bring your own key webhelyre.

Előre összeállított AI-modellek a Fabricben (előzetes verzió)

Azure OpenAI szolgáltatás

REST API,Python SDK, SynapseML, AI Functions

Text Analytics

REST API,SynapseML

  • Nyelvfelismerés: észleli a bemeneti szöveg nyelvét
  • Hangulatelemzés: 0 és 1 közötti pontszámot ad vissza a bemeneti szöveg hangulatának jelzéséhez
  • Kulcskifejezések kinyerése: azonosítja a bemeneti szöveg főbb beszédpontjainak azonosítását
  • Személyesen azonosítható információ (PII) entitásfelismerés: azonosítsát, kategorizálni és kijavítani az érzékeny információkat a bemeneti szövegben
  • Elnevezett entitásfelismerés: azonosítja az ismert entitásokat és az általánosan elnevezett entitásokat a bemeneti szövegben
  • Entitás csatolása: azonosítja és egyértelműsíti a szövegben található entitások identitását

A REST példák API verziót 2024-11-01 használnak a legtöbb nyelvi képességhez. A szöveges PII-észlelés az API és a modell 2026-05-01 azon verzióit használja, amelyek az adott képességhez tartozó legújabb, általánosan elérhető verziók. A jelenleg közzétett verziókért lásd az Azure AI Nyelv modell életciklusát.

Fordító

REST API,SynapseML

  • Fordítás: Szöveg fordítása
  • Átírás: Egy nyelven, egy szkriptben lévő szöveget konvertál egy másik szkriptbe.

A Fabric REST példák a Translator Text API v3.0-t használják fordításhoz, valamint API verziót 2026-06-06 a transzliterációhoz és támogatott nyelvi lekérdezéshez. A SynapseML továbbra is a v3.0-t használja. Az API verziónak 2026-06-06 van egy megszakító kérés- és válaszsémája, és a fordítási művelet jelenleg nem elérhető az előre összeállított Fabric végponton keresztül. A migráció részleteiért lásd: Migrate to Translator Text API 2026-06-06.

Elérhető régiók

Az Azure OpenAI Service elérhető régiói

Azoknak az Azure régióknak a listájáért, amelyekben már elérhetők az előre beállított Foundry Tools a Hálóban, látogasson el az Available regions szakaszra a Copilot cikkben.

Elérhető régiók a Text Analytics és a Translator számára

Mostantól az előre összeállított Text Analytics és a Translator nyilvános előzetes verzióban is elérhetők a cikkben felsorolt Azure régiókban. Ha ebben a cikkben nem találja a Microsoft Fabric otthoni régióját, akkor is létrehozhat Microsoft Fabric kapacitást egy támogatott régióban. További információkért látogasson el a(z) Fabric-kapacitás vásárlása az Azure-ban oldalra. A Fabric otthoni régiójának meghatározásához látogasson el Keresse meg a Fabric otthoni régióját.

Ázsia és a Csendes-óceáni térség Európa Amerika Közel-Kelet és Afrika
Ausztrália keleti régiója Észak-Európa Dél-Brazília Dél-Afrika északi régiója
Délkelet-Ausztrália Nyugat-Európa Közép-Kanada Egyesült Arab Emírségek északi régiója
Közép-indiai Közép-Franciaország Kelet-Kanada
Kelet-Ázsia Kelet-Norvégia USA keleti régiója
Kelet-Japán Észak-Svájc USA 2. keleti régiója
Korea középső régiója Nyugat-Svájc USA északi középső régiója
Délkelet-Ázsia Egyesült Királyság déli régiója USA déli középső régiója
Dél-India Egyesült Királyság nyugati régiója USA nyugati régiója
USA 2. nyugati régiója
USA 3. nyugati régiója

Használati arány

Az OpenAI nyelvi modellek használati aránya

Modell Üzembe helyezés neve Kontextus ablak (tokenek) bemenet (1000 tokenenként) Cache-elt bemenet (1000 tokenenként) kimenet (1000 tokenenként)
gpt-5.1-2025-11-13 gpt-5.1 400,000
Maximális kimenet: 128 000		 42,02 CU másodperc 4,20 CU másodperc 336,13 CU másodperc
gpt-5-mini-2025-08-07 gpt-5-mini 400,000
Maximális kimenet: 128 000		 8,40 CU másodperc 0,84 CU másodperc 67,23 CU másodperc

OpenAI-beágyazási modellek használati aránya

Modellek Üzembe helyezés neve Környezet (Tokenek) bemenet (1000 tokenenként)
Ada text-embedding-ada-002 8192 3,36 CU másodperc

A Text Analytics használati aránya

Művelet Műveleti mértékegység Használati arány
Nyelvfelismerés 1000 szöveges rekord 33 613,45 CU másodperc
Hangulatelemzés 1000 szöveges rekord 33 613,45 CU másodperc
Kulcsszókeresés 1000 szöveges rekord 33 613,45 CU másodperc
Személyazonosítási információ entitásfelismerése 1000 szöveges rekord 33 613,45 CU másodperc
nevesített entitások felismerése 1000 szöveges rekord 33 613,45 CU másodperc
Entitás csatolása 1000 szöveges rekord 33 613,45 CU másodperc
Összefoglaló 1000 szöveges rekord 67 226,89 CU másodperc

A Text Translator használati aránya

Művelet Műveleti mértékegység Használati arány
Fordít 1 M karakter 336 134,45 CU másodperc
Átírás 1 M karakter 336 134,45 CU másodperc

Az öntödei eszközök módosítása a Fabric fogyasztási arányában

A fogyasztási arányok bármikor változhatnak. A Microsoft ésszerű erőfeszítéseket tesz annak érdekében, hogy e-mailben vagy a terméken belüli értesítésen keresztül értesítést küldjön. A módosítások a Microsoft kibocsátási megjegyzéseiben vagy a Microsoft Fabric blogban megadott napon lépnek érvénybe. Ha az AI-szolgáltatás felhasználási arányában végbemenő bármilyen változás jelentősen növeli a használathoz szükséges kapacitásegységeket (CU), az ügyfelek igénybe vehetik a választott fizetési módhoz tartozó lemondási lehetőségeket.

Használat monitorozása

A Fabricben előre összeállított AI-szolgáltatások számlázása a Fabric-kapacitás és az Copilot AI számlázási mérőszám alapján történik. Az aktuális fogyasztási arányokért lásd a cikk korábbi részét, Consumption rate.

Az AI-szolgáltatások használatát a Microsoft Fabric Kapacitásmetrikák alkalmazással figyelheti. Az AI-hez kapcsolódó használat megtekintése:

  1. Telepítse a Microsoft Fabric Kapacitásmetrikák alkalmazást (a kezdeti beállításhoz kapacitásadminisztrátori engedély szükséges).
  2. Az alkalmazásban keresse meg a használatot, amelyet az Copilot és az AI-mérő alatt jelentettek, hogy megtekinthesse az AI-szolgáltatások és az AI-funkciók kapacitásfogyasztását.

Feljegyzés

2026. március 17-től a Kapacitásmetrikák alkalmazás külön műveletként jeleníti meg az AI-függvényeket és az AI-szolgáltatásokat. Ez csak jelentéskészítési változás; a mögöttes fogyasztási ráta nem változik.

Az előre elkészített AI-szolgáltatások és az AI-függvények használata a Copilot és az AI-mérő alatt jelenik meg. Ez eltér a jegyzetfüzet vagy a Spark-feladat futtatásához használt Spark-számítástól, amely továbbra is a Spark számlázási mérőszám alatt lesz jelentve. A Spark számítási használatáról további információt a Spark számítási használati jelentésében talál.

Példa

Az adatelemzők Fabric AI-függvényeket használnak egy Fabric PySpark-jegyzetfüzetben, hogy az LLM segítségével több millió ügyfélértékelést soroljanak termékkategóriákba. A jegyzetfüzet a Spark-számításon fut, és minden sorhoz meghívást kezdeményez ai.classify.

  • A jegyzetfüzet futtatásához szükséges CU-felhasználást (fürtidő, adatfeldolgozás) a Spark számlázási mérőszámláló alatt jelenti a rendszer.
  • Az AI-függvényhívások CU-felhasználását (a besoroláshoz használt tokenhasználatot) AI-függvényekként jelenti a rendszer az Copilot és az AI számlázási mérő alatt.

Ez az elkülönítés megkönnyíti az AI-hez kapcsolódó költségek nyomon követését és előrejelzését a számítási költségektől függetlenül.

Kapcsolódó tartalom

  • Last updated on