共用方式為

來自合作夥伴和社群的 Foundry 模型

備註

本文指的是 Microsoft Foundry（經典版） 入口網站。

🔄如果你正在使用新的入口網站，請切換至 Microsoft Foundry（新版）文件。

備註

本文提及 Microsoft Foundry（新） 入口網站。

本文列出來自合作夥伴及社群的 Microsoft Foundry 模型部分功能。 大多數 Foundry 模型供應商都是值得信賴的第三方組織、合作夥伴、研究實驗室及社群貢獻者。 你在 Foundry 中看到的模型選擇取決於你使用的 專案 類型。 欲了解更多合作夥伴與社群提供 Foundry 模型屬性的資訊，請參閱 「探索 Foundry 模型」。

備註

如需 Azure 直接銷售的模型清單，請參閱 Azure 直接銷售的 Foundry 模型 (部分機器翻譯)。

有關 Foundry Agent Service 支援的 Azure OpenAI 模型清單，請參見 Agent Service 支援的模型。

人類學的

Anthropic 的旗艦產品是 Claude，這是一款前沿 AI 模型，深受領先企業及全球數百萬用戶信賴，適用於複雜任務，包括編碼、代理人、財務分析、研究及辦公事務。 Claude 在維持高安全標準的同時，提供卓越的性能。

要在 Foundry 中使用 Claude 模型，請參見 「在 Microsoft Foundry 中部署並使用 Claude 模型」。

這很重要

要在 Microsoft Foundry 中使用 Claude 模型，你需要付費的 Azure 訂閱，並在 Anthropic 提供模型購買的 國家或地區 擁有帳單帳號。 目前限制的付費訂閱類型包括：雲端解決方案供應商（CSP）、持有 Azure 信用的贊助帳戶、新加坡及南韓的企業帳戶，以及 Microsoft 帳戶。

關於常見訂閱相關錯誤的清單，請參見 常見錯誤訊息與解決方案。

型號 類型 能力 專案類型
克勞德作品4-6

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字、圖片與程式碼（最大 128,000 個代幣）
- 上下文視窗： 1,000,000（測試版）
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）		 Foundry，以中樞為核心
克勞德作品4-5

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）		 Foundry，以中樞為核心
克勞德作品4-1

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多32,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）		 Foundry，以中樞為核心
克勞德十四行詩-第4-5首

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）		 Foundry，以中樞為核心
克勞德俳句-4-5

（預告）		 Messages - 輸入： 文字與圖片
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）		 Foundry，以中樞為核心
型號 類型 能力
claude-opus-4-6

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字、圖片與程式碼（最大 128,000 個代幣）
- 上下文視窗： 1,000,000（測試版）
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）
claude-opus-4-5

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）
claude-opus-4-1

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多32,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）
claude-sonnet-4-5

（預告）		 Messages - 輸入： 文字、圖片與程式碼
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）
claude-haiku-4-5

（預告）		 Messages - 輸入： 文字與圖片
- 輸出： 文字（最多64,000個代幣）
- 上下文視窗： 200,000
- 語言：en， fr， ar， zh， jako， ， es， ，hi
- 工具呼叫： 是的（檔案搜尋與程式碼執行）
- 回應格式： 各種格式的文字（例如散文、列表、Markdown 表格、JSON、HTML、各種程式語言的程式碼）

請參見 鑄造廠入口中的擬人模型。

Cohere

Cohere 系列的模型包含已針對不同使用案例 (包括聊天完成和內嵌) 最佳化的各種模型。 Cohere 模型已針對各種使用案例 (包括推理、摘要及問題解答) 進行最佳化。

要在 Foundry 中部署 Cohere 模型，請參閱 Foundry 入口網站中的部署 Microsoft Foundry 模型。

型號 類型 能力 專案類型
Cohere-command-r-plus-08-2024 chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar
- 工具呼叫： 是的
- 回應格式： 文字、JSON		 Foundry，以中樞為核心
Cohere-command-r-08-2024 chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar
- 工具呼叫： 是的
- 回應格式： 文字、JSON		 Foundry，以中樞為核心
Cohere-embed-v3-english embeddings - 輸入： 文字和影像（512 個令牌）
- 輸出： 向量 （1024 dim.）
- 語言：en		 Foundry，以中樞為核心
Cohere-embed-v3-multilingual embeddings - 輸入： 文字 （512 標記）
- 輸出： 向量 （1024 dim.）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar		 Foundry，以中樞為核心
型號 類型 能力
Cohere-command-r-plus-08-2024 chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar
- 工具呼叫： 是的
- 回應格式： 文字、JSON
Cohere-command-r-08-2024 chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar
- 工具呼叫： 是的
- 回應格式： 文字、JSON
Cohere-embed-v3-english embeddings - 輸入： 文字和影像（512 個令牌）
- 輸出： 向量 （1024 dim.）
- 語言：en
Cohere-embed-v3-multilingual embeddings - 輸入： 文字 （512 標記）
- 輸出： 向量 （1024 dim.）
- 語言：en、、fres、itdept-brjako、、 和 zh-cnar

Cohere 重新排序

型號 類型 能力 API 參考 專案類型
Cohere-rerank-v3.5 rerank
文字分類		 - 輸入： 文字
- 輸出： 文字
- 語言： 英文、中文、法文、德文、印尼文、義大利文、葡萄牙文、俄文、西班牙文、阿拉伯文、荷蘭文、印度文、日文、越南文		 Cohere 的 v2/rerank API 中樞型

如需 Cohere 重新調整模型定價的詳細資訊，請參閱 Cohere 重新調整模型的定價。

請參閱 Foundry 入口網站中的 Cohere 模型。

Meta

Meta Llama 模型和工具是預先定型和微調的產生 AI 文字和影像推理模型的集合。 可調整 Meta 模型的範圍以包含：

  • 例如應用於裝置和邊緣推斷的小型語言模型（SLM），包含 1B 和 3B 基礎模型及指令模型。
  • 中型大型語言模型（LLM），例如 7B、8B 和 70B 基底和指示模型
  • 高效能模型如 Meta Llama 3.1-405B 被用於合成資料生成和提煉使用案例。

要在 Foundry 中部署 Meta Llama 模型，請參見 Foundry 入口網站中的「部署 Microsoft Foundry 模型」。

型號 類型 能力 專案類型
Llama-3.2-11B-Vision-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Llama-3.2-90B-Vision-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Meta-Llama-3.1-405B-Instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（8,192 個令牌）
- 語言：en、、、de、fr、itpthi、es、 和th
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Meta-Llama-3.1-8B-Instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（8,192 個令牌）
- 語言：en、、、de、fr、itpthi、es、 和th
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Llama-4-Scout-17B-16E-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
型號 類型 能力
Llama-3.2-11B-Vision-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字
Llama-3.2-90B-Vision-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字
Meta-Llama-3.1-405B-Instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（8,192 個令牌）
- 語言：en、、、de、fr、itpthi、es、 和th
- 工具呼叫： 否
- 回應格式： 文字
Meta-Llama-3.1-8B-Instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（8,192 個令牌）
- 語言：en、、、de、fr、itpthi、es、 和th
- 工具呼叫： 否
- 回應格式： 文字
Llama-4-Scout-17B-16E-Instruct chat-completion - 輸入： 文字和影像（128,000 個令牌）
- 輸出： 文字（8,192 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字

請參見 Foundry 入口網站中的元模型。 您也可以找到數個以 Azure 直接銷售的模型 (部分機器翻譯) 形式提供的 Meta 模型。

Microsoft

Microsoft模型包括各種模型群組，例如 MAI 模型、Phi 模型、醫療保健 AI 模型等等。

若要在 Foundry 中部署 Microsoft 模型，請參見 Foundry 入口網站中的「部署 Microsoft Foundry 模型」。

型號 類型 能力 專案類型
Phi-4-mini-instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr 和 uk
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Phi-4-multimodal-instruct chat-completion - 輸入： 文字、影像和音訊（131,072 令牌）
- 輸出： 文字（4,096 個令牌）
- 語言：ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr 和 uk
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Phi-4 chat-completion - 輸入： 文字（16,384 個令牌）
- 輸出： 文字（16,384 個令牌）
- 語言：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, 和 zh
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Phi-4-reasoning 具有推理內容的聊天完成 - 輸入： 文字（32,768 個令牌）
- 輸出： 文字（32,768 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Phi-4-mini-reasoning 具有推理內容的聊天完成 - 輸入： 文字（128,000 個詞元）
- 輸出： 文字（128,000 個詞元）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
型號 類型 能力
Phi-4-mini-instruct chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言：ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr 和 uk
- 工具呼叫： 否
- 回應格式： 文字
Phi-4-multimodal-instruct chat-completion - 輸入： 文字、影像和音訊（131,072 令牌）
- 輸出： 文字（4,096 個令牌）
- 語言：ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr 和 uk
- 工具呼叫： 否
- 回應格式： 文字
Phi-4 chat-completion - 輸入： 文字（16,384 個令牌）
- 輸出： 文字（16,384 個令牌）
- 語言：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, 和 zh
- 工具呼叫： 否
- 回應格式： 文字
Phi-4-reasoning 具有推理內容的聊天完成 - 輸入： 文字（32,768 個令牌）
- 輸出： 文字（32,768 個令牌）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字
Phi-4-mini-reasoning 具有推理內容的聊天完成 - 輸入： 文字（128,000 個詞元）
- 輸出： 文字（128,000 個詞元）
- 語言：en
- 工具呼叫： 否
- 回應格式： 文字

請參閱 Foundry 入口網站中的 Microsoft 模型。 Microsoft 模型也能以 Azure 直接銷售的模型 (部分機器翻譯) 形式提供。

米斯特拉爾人工智慧

Mistral AI 提供程式碼生成、通用聊天及多模態任務模型，包括 Codestral、Ministral、Mistral Small 及 Mistral Medium。

若要在 Foundry 中部署 Mistral AI 模型，請參閱 Foundry 入口網站中的部署 Microsoft Foundry 模型。

型號 類型 能力 專案類型
Codestral-2501 chat-completion - 輸入： 文字（262,144 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言： en
- 工具呼叫： 否
- 回應格式： 文字		 Foundry，以中樞為核心
Ministral-3B chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言： fr、de、es、it 和 en
- 工具呼叫： 是的
- 回應格式： 文字、JSON		 Foundry，以中樞為核心
Mistral-small-2503 chat-completion - 輸入： 文字（32,768 個令牌）
- 輸出： 文字（4,096 個令牌）
- 語言： fr、de、es、it 和 en
- 工具呼叫： 是的
- 回應格式： 文字、JSON		 Foundry，以中樞為核心
Mistral-medium-2505 chat-completion - 輸入： 文字（128,000 個令牌），影像
- 輸出： 文字（128,000 個詞元）
- 工具呼叫： 否
- 回應格式： 文字、JSON		 Foundry，以中樞為核心
mistralai-Mistral-7B-Instruct-v01 chat-completion - 輸入： 文字
- 輸出： 文字
- 語言： en
- 回應格式： 文字		 中樞型
mistralai-Mistral-7B-Instruct-v0-2 chat-completion - 輸入： 文字
- 輸出： 文字
- 語言： en
- 回應格式： 文字		 中樞型
mistralai-Mixtral-8x7B-Instruct-v01 chat-completion - 輸入： 文字
- 輸出： 文字
- 語言： en
- 回應格式： 文字		 中樞型
mistralai-Mixtral-8x22B-Instruct-v0-1 chat-completion - 輸入： 文字（64,000 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言： fr、it、de、es、en
- 回應格式： 文字		 中樞型
型號 類型 能力
Codestral-2501 chat-completion - 輸入： 文字（262,144 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言： en
- 工具呼叫： 否
- 回應格式： 文字
Ministral-3B chat-completion - 輸入： 文字（131,072 個詞元）
- 輸出： 文字（4,096 個令牌）
- 語言： fr、de、es、it 和 en
- 工具呼叫： 是的
- 回應格式： 文字、JSON
Mistral-small-2503 chat-completion - 輸入： 文字（32,768 個令牌）
- 輸出： 文字（4,096 個令牌）
- 語言： fr、de、es、it 和 en
- 工具呼叫： 是的
- 回應格式： 文字、JSON
Mistral-medium-2505 chat-completion - 輸入： 文字（128,000 個令牌），影像
- 輸出： 文字（128,000 個詞元）
- 工具呼叫： 否
- 回應格式： 文字、JSON

請參考 Foundry 入口網站中的 Mistral AI 模型。 Mistral 模型也能以 Azure 直接銷售的模型 (部分機器翻譯) 形式提供。

Nixtla

Nixtla 的 TimeGEN-1 是時間序列數據的產生性預先定型預測和異常偵測模型。 TimeGEN-1 會只使用歷史值和外質共變數作為輸入，針對新的時間序列產生精確的預測而不需要訓練。

欲在 Foundry 中部署 TimeGEN-1，請參閱 Foundry 入口網站中的「部署 Microsoft Foundry 模型」。

若要執行推斷，TimeGEN-1 會要求您使用 Nixtla 的自定義推斷 API。

型號 類型 能力 推斷 API 專案類型
TimeGEN-1 Forecasting - 輸入： 時間序列資料作為 JSON 或資料框架（支援多重變數輸入）
- 輸出： JSON 格式的時序數據
- 工具呼叫： 否
- 回應格式： JSON		 預測用戶端與 Nixtla 的 API 互動 中樞型

如需 Nixtla 模型定價的詳細資訊，請參閱 Nixtla。

請參閱 鑄造廠入口中的尼克斯特拉模型。

NTT 數據

Tsuzumi 是自動迴歸語言最佳化轉換器。 微調版本會使用受監督的微調 (SFT)。 tsuzumi 會以高效率處理日文和英文。

要在 Foundry 中部署 tsuzumi-7b，請參見 Foundry 入口網站中的部署 Microsoft Foundry 模型。

型號 類型 能力 專案類型
tsuzumi-7b chat-completion - 輸入： 文字（8,192 個字元）
- 輸出： 文字（8,192 個令牌）
- 語言：en 和 jp
- 工具呼叫： 否
- 回應格式： 文字		 中樞型

請參閱 Foundry 入口網站中的 NTT 資料模型。

穩定性 AI

Stability AI 的影像產生模型系列包括 Stable Image Core、Stable Image Ultra 及 Stable Diffusion 3.5 Large。 Stable Diffusion 3.5 Large 可接受影像和文字輸入。

要在 Foundry 中部署 Stability AI 模型，請參閱 Foundry 入口網站中的「部署 Microsoft Foundry 模型」。

型號 類型 能力 專案類型
Stable Diffusion 3.5 大型 映射產生 - 輸入： 文字和影像（1,000 個令牌和 1 個影像）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式：影像（PNG 和 JPG）		 Foundry，以中樞為核心
穩定映像核心 映射產生 - 輸入： 文字（1,000 個詞元）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式： 圖片 （PNG 和 JPG）		 Foundry，以中樞為核心
穩定影像 Ultra 映射產生 - 輸入： 文字（1,000 個詞元）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式： 圖片 （PNG 和 JPG）		 Foundry，以中樞為核心
型號 類型 能力
Stable Diffusion 3.5 Large 映射產生 - 輸入： 文字和影像（1,000 個令牌和 1 個影像）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式：影像（PNG 和 JPG）
Stable Image Core 映射產生 - 輸入： 文字（1,000 個詞元）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式： 圖片 （PNG 和 JPG）
Stable Image Ultra 映射產生 - 輸入： 文字（1,000 個詞元）
- 輸出： 一個影像
- 工具呼叫： 否
- 回應格式： 圖片 （PNG 和 JPG）

請參考 Foundry 入口網站中的穩定性 AI 模型。

開啟和自定義模型

模型目錄提供了來自更廣泛提供商的更多模型選擇。 對於這些模型，你無法在 Microsoft Foundry 資源中使用標準部署選項，因為模型是以 API 形式提供的。 相反地，若要部署這些模型，您可能需要在其基礎結構上裝載它們、建立 AI 中樞，並提供基礎計算配額來裝載模型。

此外，這些模型可以開放存取或IP保護。 在這兩種情況下，你都必須在 Foundry 的託管運算產品中部署它們。 若要開始使用，請參閱 操作指南：部署至管理計算環境。

相關內容

  • Last updated on