Azure 販售的 Foundry 模型（經典版）

目前正在觀看：Foundry（經典）入口版本 - 切換到新 Foundry 入口網站版本

註

本文中的連結可能會開啟新版 Microsoft Foundry 文件的內容，而非您目前正在瀏覽的 Foundry（經典版）文件。

模型目錄中的Microsoft Foundry 模型主要分為兩大類別，分別是Foundry Models，由 Azure 銷售，以及合作夥伴與社群提供的 Foundry Models。 本文列出 Azure 銷售的部分 Foundry 模型，並列入其功能、部署類型及供應區域，不包括已棄用及已停用的模型。

Azure 銷售的模型也由 Azure 託管，並作為 Foundry Models 服務的一部分由 Azure 操作。 其中包括所有 Azure OpenAI 模型，以及來自頂尖供應商的特定 精選模型。 這些模型透過您的 Azure 訂閱計費，並受 Azure 服務等級協議涵蓋，並由 Microsoft 支援。 欲查看 Foundry 代理服務支援的 Foundry 模型列表，請參閱代理 服務支援的模型，而合作夥伴的 Foundry 模型列表請參見 合作夥伴與社群的 Foundry 模型。

秘訣

請使用本頁頂端的分頁，在 Azure OpenAI 模型 與 其他模型收藏之間切換，這些服務來自 Cohere、DeepSeek、Meta、Mistral AI 和 xAI 等供應商。

Azure OpenAI 在 Microsoft Foundry 模型中

Azure OpenAI 由多元且具不同能力與價格的模型驅動。 模型的可用性會依地區和雲端而異。

  • 欲查看依部署類別分組的 Microsoft Foundry 模型中 Azure OpenAI 的 區域可用性，請參閱 Azure 銷售的 Foundry 模型的 Region 可用性。
  • 如需了解 Azure Government 模型可用性，請參閱 Azure Government 中的 Azure OpenAI。

模型亮點

型號 描述
GPT-5.6 系列 NEWgpt-5.6-sol， gpt-5.6-terra， gpt-5.6-luna
GPT-chat-最新（預覽） 全新gpt-chat-latest預覽
GPT-5.5 系列 gpt-5.5
GPT-5.4 系列 gpt-5.4-mini， gpt-5.4-nano， ， gpt-5.4gpt-5.4-pro
GPT-5.3 系列 gpt-5.3-chat、gpt-5.3-codex
GPT-5.2 系列 gpt-5.2-codex，gpt-5.2，gpt-5.2-chat預覽
GPT-5.1 系列 gpt-5.1， gpt-5.1-chat預覽， gpt-5.1-codex， gpt-5.1-codex-mini
Sora 新 索拉-2
GPT-5 系列 gpt-5， gpt-5-mini， ， gpt-5-nanogpt-5-chat預覽
GPT-OSS 開放權重推理模型
codex-mini o4-mini 的微調版本。
GPT-4.1 系列 gpt-4.1， gpt-4.1-mini， gpt-4.1-nano
電腦使用預覽 一個經過訓練、可搭配 Responses API 電腦使用工具使用的實驗模型。
O系列車型 推理模型具備進階的問題解決能力、更高的專注力與更強的能力。
GPT-4o、GPT-4o mini 與 GPT-4 Turbo 具備多模態版本的 Azure OpenAI 模型，能接受文字與圖片輸入。
嵌入 一組能將文字轉換為數值向量形式以促進文字相似性的模型。
影像生成 一系列能從自然語言產生原創影像的模型。
Video generation 一個能從文字指令產生原版影片場景的模型。
音效 一系列語音轉文字、翻譯及文字轉語音的模型。 GPT-4o 音訊模型支援低延遲 的語音輸入、語音輸出 對話互動或音訊生成。

了解模型代幣限制

上下文視窗欄位列出模型在請求中可處理的總標記數。 當一列列出獨立 的輸入 與 輸出 值時，這些值是獨立的限制。 它們不是可疊加的額度，不能總是一起使用。 輸入標記、產生輸出標記與推理標記共用可用的上下文預算。 輸入越多，產生的標記就越少。

最大輸出代幣欄位設定了上限，而非保證輸出大小。 像 這樣的 max_output_tokens API 參數，當請求可用的上下文預算較少時，就不會保留代幣。

GPT-chat-latest

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-chat-latest (2026-06-24)
預覽		 - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月
gpt-chat-latest (2026-05-28)
預覽		 - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月
gpt-chat-latest (2026-05-05)
預覽		 - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月

註

你也可能看到 OpenAI 稱這個模型為 GPT-5.5 Instant，或在 OpenAI API 中稱為 chat-latest。 在 Microsoft Foundry 中，此版本的產品名稱為 gpt-chat-latest。 該模型持續遵循現有 的預覽生命週期 及標準通知期。 團隊也在評估如何簡化客戶隨時間存取持續更新模型的方式，但隨著工作持續進行，目前的行為狀況並未改變。

GPT-5.6

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.6-sol (2026-07-09) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2026 年 6 月
gpt-5.6-terra (2026-07-09) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2026 年 6 月
gpt-5.6-luna (2026-07-09) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2026 年 6 月

註

某些 配額層級 需要配額請求 gpt-5.6 才能部署此模型。 Tier 5 和 Tier 6 訂閱預設有配額。 欲了解更多關於 Microsoft Foundry 配額與限制的資訊，請參閱 Microsoft Foundry 模型的配額與限制。

GPT-5.5

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.5 (2026-04-24) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2025年12月

回應 API 令牌預算

目前 GPT-5.5 回應 API 實作中，實際提示與生成預算約為 922,000 個代幣。 這個 API 限制低於模型 1,050,000 個 token 的上下文視窗上限。 你不可能將一個 922,000 代幣的提示符和 128,000 個產生的代幣合併在一個請求中。 大致的發電預算可計算如下：

available generation tokens = 922,000 - prompt tokens

例如，一個包含 921,549 個提示令牌的請求，其令牌預算如下：

  • 提示代幣：921,549。
  • 有效情境預算：922,000。
  • 剩餘發電預算：451 代幣。

模型最多只能產生剩下的 451 個代幣，即使你設定 max_output_tokens 為 64,000 或 128,000 個。 此世代預算包含可見的輸出與推理代幣。

達到可用代幣預算不一定會產生 HTTP 錯誤。 請求可回傳 HTTP 狀態碼 200，回應不完整。 檢查 status 中的 incomplete 和 incomplete_details.reason 中的 max_output_tokens，以判斷是否因達到權杖上限而停止生成。

註

某些配額層級需要為gpt-5.5提出配額申請，才能部署此模型。 Tier 5 和 Tier 6 訂閱預設有配額。

GPT-5.4

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.4 (2026-03-05) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2025年8月
gpt-5.4-pro (2026-03-05) - 推理
- 回應 API。
- 文字與影像處理。
- 功能與工具
- 功能的完整摘要。		 1,050,000

輸入：922,000
產量：128,000		 128,000 2025年8月
gpt-5.4-mini (2026-03-17) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 電腦應用
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2025年8月
gpt-5.4-nano (2026-03-17) - 推理
- 回應 API。
- 聊天完成 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2025年8月

GPT-5.3

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.3-codex (2026-02-24) - 推理
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000 2025年8月
gpt-5.3-chat (2026-03-03)
預覽		 - 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月

GPT-5.2

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.2-codex (2026-01-14) - 推理
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000
gpt-5.2 (2025-12-11) - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2025年8月
gpt-5.2-chat (2025-12-11)
預覽		 - 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月
gpt-5.2-chat (2026-02-10)
預覽		 - 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2025年8月

注意事項

我們不建議在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

GPT-5.1

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5.1 (2025-11-13) - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日
gpt-5.1-chat (2025-11-13)
預覽		 - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出
- 函式、工具與平行工具呼叫。		 128,000

輸入：111,616
輸出：16,384		 16,384 2024年9月30日
gpt-5.1-codex (2025-11-13) - 僅限Responses API。
- 文字與影像處理
- 結構化輸出。
- 函式、工具與平行工具呼叫。
- 功能完整摘要
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日
gpt-5.1-codex-mini (2025-11-13) - 僅限Responses API。
- 文字與影像處理
- 結構化輸出。
- 函式、工具與平行工具呼叫。
- 功能完整摘要
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日
gpt-5.1-codex-max (2025-12-04) - 僅限Responses API。
- 文字與影像處理
- 結構化輸出。
- 函式、工具與平行工具呼叫。
- 功能完整摘要
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日

注意事項

我們不建議在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

重要

  • gpt-5.1 reasoning_effort 預設為 none。 從先前的推理模型升級至 gpt-5.1 時，請記住，如果您想要進行推理，可能需要更新程式碼，以明確傳遞 reasoning_effort 層級。

  • gpt-5.1-chat 新增內建推理功能。 與其他 推理模型一樣，它不支援 temperature 之類的參數。 如果你從使用 gpt-5-chat（它不是推理模型）升級到 gpt-5.1-chat，請務必從程式碼中移除任何推理模型不支援的自訂參數，例如 temperature。

  • gpt-5.1-codex-max 新增對 設定 reasoning_effortxhigh的支援。 none不支援推理運算gpt-5.1-codex-max。

GPT-5

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-5 (2025-08-07) - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日
gpt-5-mini (2025-08-07) - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2024年5月31日
gpt-5-nano (2025-08-07) - 推理
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2024年5月31日
gpt-5-chat (2025-08-07)
預覽		 - 聊天完成 API。
- 回應 API。
- 輸入：文字/圖片
- 輸出：僅文字		 128,000 16,384 2024年9月30日
gpt-5-chat (2025-10-03)
預告1		 - 聊天完成 API。
- 回應 API。
- 輸入：文字/圖片
- 輸出：僅文字		 128,000 16,384 2024年9月30日
gpt-5-codex (2025-09-11) - 僅限Responses API。
- 輸入：文字/圖片
- 輸出：僅文字
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
- 功能完整摘要
- 針對 Codex CLI 與 Codex VS Code 擴充進行優化		 400,000

輸入：272,000
產量：128,000		 128,000 -
gpt-5-pro (2025-10-06) - 推理
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 功能與工具
- 功能的完整摘要。		 400,000

輸入：272,000
產量：128,000		 128,000 2024年9月30日

註

1gpt-5-chat 版本 2025-10-03 引入了顯著的提升，重點在於情緒智力與心理健康能力。 此升級整合了專門的資料集與精煉的回應策略，以提升模型執行以下功能的能力：

  • 更準確地理解並詮釋情緒脈絡 ，促進細膩且富有同理心的互動。
  • 在與心理健康相關的對話中，提供支持性且負責任的回應，確保敏感度並遵守最佳實務。

這些改進旨在讓 GPT-5-chat 在情緒語氣與福祉考量至關重要的情境中，更具情境感知、以人為本且更可靠。

注意事項

我們不建議在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

GPT-OSS

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 上下文視窗 最大輸出標記 訓練資料（最多
gpt-oss-120b 1 （預覽） - 僅提供文字輸入/文字輸出
- 聊天完成 API
- 串流
- 函式呼叫
- 結構化輸出
- 推理
- 可供部署1，也可透過受管理的運算資源		 131,072 131,072 2024年5月31日
gpt-oss-20b （預告） - 僅提供文字輸入/文字輸出
- 聊天完成 API
- 串流
- 函式呼叫
- 結構化輸出
- 推理
- 可透過管理計算與 Foundry Local 取得		 131,072 131,072 2024年5月31日

1 與其他 Azure OpenAI 模型不同，該gpt-oss-120b模型需要 Foundry 專案來部署。

用程式碼部署

az cognitiveservices account deployment create \
  --name "Foundry-project-resource" \
  --resource-group "test-rg" \
  --deployment-name "gpt-oss-120b" \
  --model-name "gpt-oss-120b" \
  --model-version "1" \
  --model-format "OpenAI-OSS" \
  --sku-capacity 10 \
  --sku-name "GlobalStandard"

GPT-4.1 系列

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 情境視窗 最大輸出標記 訓練資料 (截至)
gpt-4.1 (2025-04-14) - 文字與影像輸入
- 文字輸出
- 對話生成 API
- 回應 API
- 串流
- 函式呼叫
- 結構化輸出（對話補全）		 - 1,047,576
- 300,000（標準部署）
- 128,000 個 (佈建受控和批次部署)		 32,768 2024年5月31日
gpt-4.1-nano (2025-04-14) - 文字與影像輸入
- 文字輸出
- 對話生成 API
- 回應 API
- 串流
- 函式呼叫
- 結構化輸出（對話補全）		 - 1,047,576
- 300,000（標準部署）
- 128,000 個 (佈建受控和批次部署)		 32,768 2024年5月31日
gpt-4.1-mini (2025-04-14) - 文字與影像輸入
- 文字輸出
- 對話生成 API
- 回應 API
- 串流
- 函式呼叫
- 結構化輸出（對話補全）		 - 1,047,576
- 300,000（標準部署）
- 128,000 個 (佈建受控和批次部署)		 32,768 2024年5月31日

註

GPT-4.1 系列模型的佈建受控部署支援的上下文長度小於 128,000 個權杖。 超過此限制的請求會回傳 HTTP 400 錯誤。 若要在已佈建的部署上處理長內容脈絡要求，請啟用 spillover，這會將這些要求路由至對應的標準部署。

已知問題

已知問題影響所有 GPT-4.1 系列模型。 超過30萬個token的大型工具或函式呼叫定義會導致失敗，即使模型未達到100萬token上下文限制。

錯誤會依 API 呼叫及底層有效載荷特性而異。

以下是聊天完成 API 的錯誤訊息：

  • Error code: 400 - {'error': {'message': "This model's maximum context length is 300000 tokens. However, your messages resulted in 350564 tokens (100 in the messages, 350464 in the functions). Please reduce the length of the messages or functions.", 'type': 'invalid_request_error', 'param': 'messages', 'code': 'context_length_exceeded'}}

  • Error code: 400 - {'error': {'message': "Invalid 'tools[0].function.description': string too long. Expected a string with maximum length 1048576, but got a string with length 2778531 instead.", 'type': 'invalid_request_error', 'param': 'tools[0].function.description', 'code': 'string_above_max_length'}}

以下是回應 API 的錯誤訊息：

  • Error code: 500 - {'error': {'message': 'The server had an error processing your request. Sorry about that! You can retry your request, or contact us through an Azure support request at: https://go.microsoft.com/fwlink/?linkid=2213926 if you keep seeing this error. (Please include the request ID d2008353-291d-428f-adc1-defb5d9fb109 in your email.)', 'type': 'server_error', 'param': None, 'code': None}}

電腦使用預覽

專為搭配 Responses API 電腦使用工具而訓練的實驗模型。

它可搭配第三方函式庫使用，讓模型控制滑鼠與鍵盤輸入，同時從當前環境截圖中獲取上下文。

注意事項

我們不建議在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

存取 computer-use-preview需先註冊。 存取權限依據 Microsoft 的資格標準授予。 擁有其他有限存取模式的客戶仍需申請此模式的存取權限。

要申請存取權，請前往 computer-use-preview 有限存取模式應用程式。 當存取權限被授予時，你需要為模型建立部署。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 情境視窗 最大輸出標記 訓練資料 (截至)
computer-use-preview (2025-03-11) 專為 Responses API 電腦使用工具設計的專用模型

- 工具
- 串流
- 文字（輸入/輸出）
- 影像（輸入）		 8,192 1,024 2023年10月

O系列車型

Azure OpenAI o系列模型旨在以更高的專注力與能力處理推理與問題解決任務。 這些模型花更多時間處理和理解使用者的需求，使其在科學、程式設計和數學等領域相較於以往版本更為強大。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 請求上限（Token） 訓練資料 (截至)
codex-mini (2025-05-16) o4-mini 的微調版本。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 功能與工具。
功能的完整摘要。		 投入：200,000
產量：100,000		 2024年5月31日
o3-pro (2025-06-10) - 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 功能與工具。
功能的完整摘要。		 投入：200,000
產量：100,000		 2024年5月31日
o4-mini (2025-04-16) - 新的 推理模型，提供 更強的推理能力。
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 功能與工具。
功能的完整摘要。		 投入：200,000
產量：100,000		 2024年5月31日
o3 (2025-04-16) - 新的 推理模型，提供 更強的推理能力。
- 聊天完成 API。
- 回應 API。
- 結構化輸出。
- 文字與影像處理。
- 函式、工具與平行工具呼叫。
功能的完整摘要。		 投入：200,000
產量：100,000		 2024年5月31日
o3-mini (2025-01-31) - 強化的推理能力。
- 結構化輸出。
- 純文字處理。
- 功能與工具。		 投入：200,000
產量：100,000		 2023年10月
o1 (2024-12-17) - 強化的推理能力。
- 結構化輸出。
- 文字與影像處理。
- 功能與工具。		 投入：200,000
產量：100,000		 2023年10月
o1-preview 1 （2024-09-12） 舊版預覽版。 輸入：128,000
輸出：32,768		 2023年10月
o1-mini 2 （2024-09-12） O1 系列中速度更快且成本效益較高的選擇，非常適合需要速度與低資源消耗的編碼任務。
- 預設支援全球標準部署。
- 標準（區域）部署目前僅提供給部分於有限存取版本中獲得存取權 o1-preview 的客戶。		 輸入：128,000
輸出：65,536		 2023年10月

1o1-preview 僅提供給原始有限存取權中獲得存取權的客戶。

2o1-mini 目前已對所有客戶開放，適用於 Global Standard 部署。 部分客戶已獲授予對 o1-mini 的標準（區域）部署存取權，作為 o1-preview 有限存取版本的一部分。 目前，仍未擴大 o1-mini 標準（區域）部署的存取權限。

o3-deep-research 目前僅在 Foundry Agent Service 中提供。 欲了解更多，請參閱 深度研究工具指引。

欲了解更多進階 o 系列模型，請參閱 「推理模型入門」。

GPT-4o 與 GPT-4 Turbo

GPT-4o 將文字與圖片整合於單一模型中，使其能同時處理多種資料類型。 這種多模態方法提升了人機互動的準確性與反應性。 GPT-4o 在英文文字與程式任務上與 GPT-4 Turbo 匹敵，並在非英語任務及視覺任務中表現優異，為 AI 能力樹立新標竿。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

GPT-4 與 GPT-4 Turbo 模型

這些模型只能搭配聊天完成 API 使用。 想了解 Azure OpenAI 如何處理模型版本升級，請參閱模型版本。 欲了解如何檢視及配置 GPT-4 部署的模型版本設定，請參閱 「與模型共事」。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

型號識別碼 描述 請求上限（Token） 訓練資料 (截至)
gpt-4o (2024-11-20)
GPT-4o（Omni）		 - 結構化輸出。
- 文字與影像處理。
- JSON 模式。
- 平行函式呼叫。
- 提升準確度與反應速度。
- 在英文文字與程式設計任務方面，與 GPT-4 Turbo with Vision 表現相當。
- 在非英語語言及視覺任務中表現優異。
- 提升創意寫作能力。		 輸入：128,000
輸出：16,384		 2023年10月
gpt-4o (2024-08-06)
GPT-4o（Omni）		 - 結構化輸出。
- 文字與影像處理。
- JSON 模式。
- 平行函式呼叫。
- 提升準確度與反應速度。
- 在英文文字與程式設計任務方面，與 GPT-4 Turbo with Vision 表現相當。
- 在非英語語言及視覺任務中表現優異。		 輸入：128,000
輸出：16,384		 2023年10月
gpt-4o-mini (2024-07-18)
GPT-4o mini		 - 快速、經濟且具備功能，非常適合取代 GPT-3.5 Turbo 系列模型。
- 文字與影像處理。
- JSON 模式。
- 平行函式呼叫。		 輸入：128,000
輸出：16,384		 2023年10月
gpt-4o (2024-05-13)
GPT-4o（Omni）		 - 文字與影像處理。
- JSON 模式。
- 平行函式呼叫。
- 提升準確度與反應速度。
- 在英文文字與程式設計任務方面，與 GPT-4 Turbo with Vision 表現相當。
- 在非英語語言及視覺任務中表現優異。		 輸入：128,000
輸出：4,096		 2023年10月
gpt-4 1 （渦輪-2024-04-09）
具備視覺功能的 GPT-4 Turbo		 全新普遍可用的型號。
- 取代所有先前的 GPT-4 預覽模型（vision-preview， 1106-Preview， 0125-Preview）。
- 目前功能可用性會依輸入方式和部署類型而有所不同。		 輸入：128,000
輸出：4,096		 2023年12月

1gpt-4turbo-2024-04-09版本的已佈建版本目前僅支援文字。 欲了解更多關於配置部署的資訊，請參閱 配置指引。

注意事項

我們不建議你在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

嵌入

text-embedding-3-large 是最新且最強大的嵌入模型。 您無法在內嵌模型之間升級。 要從 text-embedding-ada-002 移動到 text-embedding-3-large，你需要產生新的嵌入。

  • text-embedding-3-large
  • text-embedding-3-small
  • text-embedding-ada-002

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

能力

OpenAI 報告指出，測試顯示無論大型或小型第三代嵌入模型，在 MIRACL 基準測試下都能提供更佳的平均多語言檢索效能。 它們在英文工作上仍能維持 MTEB 基準測試的效能。

評估基準 text-embedding-ada-002 text-embedding-3-small text-embedding-3-large
MIRACL 平均值 31.4 44.0 54.9
MTEB 平均值 61.0 62.3 64.6

第三代嵌入模型支援透過新增 dimensions 參數來縮小嵌入規模。 通常，較大的嵌入在運算、記憶體和儲存空間方面成本較高。 當你能調整尺寸數量時，你能更好地掌控整體成本和效能。 dimensions 參數並非所有版本的 OpenAI 1.x Python 函式庫都支援。 為了利用此參數，我們建議您升級至最新版本： pip install openai --upgrade。

OpenAI 的 MTEB 基準測試發現，即使第三代模型的尺寸縮小到 1,536 維 text-embedding-ada-002度以下，效能仍略有提升。

這些模型僅能用於嵌入 API 請求。

型號識別碼 請求上限（Token） 輸出尺寸 訓練資料 (截至)
text-embedding-ada-002 （版本2） 8,192 1,536 2021年9月
text-embedding-ada-002 （版本1） 2,046 1,536 2021年9月
text-embedding-3-large 8,192 3,072 2021年9月
text-embedding-3-small 8,192 1,536 2021年9月

註

當你傳送一個輸入陣列進行嵌入時，每次呼叫到嵌入端點，陣列中最多可輸入的項目數為 2,048。

影像生成模型

影像生成模型會根據使用者提供的文字提示產生影像。 影像生成模型包括 gpt-image-1、 gpt-image-1-mini、 gpt-image-1.5、 gpt-image-2和 。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

型號識別碼 最大請求（字元）
gpt-image-1 4,000
gpt-image-1-mini 4,000
gpt-image-1.5 4,000

影片產生模型

Sora 是 OpenAI 的 AI 模型，能根據文字指令創造出真實且富有想像力的影片場景。 Sora 目前為預覽版。

影片產生模型包括 sora 和 sora-2。

型號識別碼 最大請求（字元）
sora 4,000

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

音響機型

OpenAI Azure音訊模型可透過 realtime、completions 及 audio API 取得。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

GPT-4o 音訊模型

GPT-4o 音訊模型屬於 GPT-4o 模型家族，支援低延遲、 語音輸入、語音輸出 對話互動或音訊生成。

注意事項

我們不建議在生產環境中使用預覽模型。 我們將所有預覽模型的部署升級至未來的預覽版或最新穩定且普遍可用的版本。 被指定為預覽的模型並不遵循標準的 Azure OpenAI 模型生命週期。

關於最大請求標記數及訓練資料的詳細資訊，請參閱下表：

型號識別碼 描述 請求上限（Token） 訓練資料 (截至)
gpt-4o-mini-audio-preview (2024-12-17)
預覽		 用於音訊與文字生成的音訊模型。 輸入：128,000
輸出：16,384		 2023年9月
gpt-4o-audio-preview (2024-12-17) 用於音訊與文字生成的音訊模型。 輸入：128,000
輸出：16,384		 2023年9月
gpt-4o-realtime-preview (2025-06-03) 即時音訊處理的音訊模型。 輸入：32,000
輸出：4,096		 2023年10月
gpt-4o-realtime-preview (2024-12-17) 即時音訊處理的音訊模型。 輸入：16,000
輸出：4,096		 2023年10月
gpt-4o-mini-realtime-preview (2024-12-17)
預覽		 即時音訊處理的音訊模型。 輸入：128,000
輸出：4,096		 2023年10月
gpt-audio(2025年08月28日)
gpt-audio-mini(2025年10月06日)		 用於音訊與文字生成的音訊模型。 輸入：128,00
輸出：16,384		 2023年10月
gpt-realtime （2025-08-28）（喬治亞州）
gpt-realtime-mini (2025-10-06)
gpt-realtime-mini (2025-12-15)		 即時音訊處理的音訊模型。 輸入：32,000
輸出：4,096		 2023年10月
gpt-audio-1.5 (2026-02-23) 用於音訊與文字生成的音訊模型。 輸入：128,000
輸出：16,384		 2024年9月
gpt-realtime-1.5 (2026-02-23) 即時音訊處理的音訊模型。 輸入：32,000
輸出：4,096		 2024年9月
gpt-realtime-translate (2026-05-06) 用於即時多語言翻譯的音訊模型，可輸出翻譯後的語音和文字。 輸入：32,000
輸出：4,096		 2024年9月
gpt-realtime-whisper (2026-05-06) 用於即時低延遲轉錄的音訊模型。 輸入：32,000
輸出：4,096		 2024年9月
gpt-live-transcribe (2026-07-29) 用於即時低延遲轉錄的音訊模型。 目前推薦的即時轉錄情境模型。 輸入：32,000
輸出：4,096		 2024年9月
gpt-realtime-2 (2026-05-07) 即時音訊處理的音訊模型。 輸入：32,000
輸出：4,096		 2024年9月
gpt-realtime-2.1 (2026-07-07)
gpt-realtime-2.1-mini (2026-07-07)		 即時音訊處理的音訊模型。 相較於 gpt-realtime-2 的小幅更新，靜音與噪音處理有所改進。 輸入：32,000
輸出：4,096		 2024年9月

註

gpt-realtime-translate、 gpt-realtime-whisper，並 gpt-live-transcribe 使用基於時長的計費。 大多數其他即時模型使用基於代幣的輸入與輸出定價。 有關目前費率，請參閱 Azure OpenAI 定價頁面。

音訊 API

透過 /audio API 的音訊模型可用於語音轉文字、翻譯及文字轉語音。

語音轉文字模型

型號識別碼 描述 最大請求（音訊檔案大小）
whisper 通用語音辨識模型。 25 MB
gpt-transcribe 透過 POST /v1/audio/transcriptions 進行檔案轉寫的離線語音轉文字模型。 支援語言提示。 25 MB
gpt-4o-transcribe (2025-03-20)
預覽		 由 GPT-4o 驅動的語音轉文字模型。 25 MB
gpt-4o-mini-transcribe (2025-03-20)
預覽		 由 GPT-4o mini 驅動的語音轉文字模型。 25 MB
gpt-4o-transcribe-diarize (2025-10-15)
預覽		 具備自動語音辨識的語音轉文字模型。 25 MB
gpt-4o-mini-transcribe (2025-12-15)
預覽		 具備自動語音辨識的語音轉文字模型。 提升轉錄準確度與穩健性。 25 MB

重要

gpt-transcribe 是離線轉錄模型，並非即時 API 模型。 若要串流轉錄，請使用 gpt-realtime-whisper 或 gpt-live-transcribe。 gpt-realtime-whisper 並 gpt-live-transcribe 會出現在 GPT-4o 音訊模型 表中，因為它們是即時 API 模型，而非 /audio API 語音轉文字模型。

語音翻譯模型

型號識別碼 描述 最大請求（音訊檔案大小）
whisper 通用語音辨識模型。 25 MB

文字轉語音模型（預覽）

型號識別碼 描述
tts
預覽		 針對速度最佳化的文字轉語音模型。
tts-hd
預覽		 針對品質最佳化的文字轉語音模型
gpt-4o-mini-tts (2025-03-20) 由 GPT-4o mini 驅動的文字轉語音模型。

你可以引導聲音以特定風格或語調說話。
gpt-4o-mini-tts (2025-12-15) 由 GPT-4o mini 驅動的文字轉語音模型。

你可以引導聲音以特定風格或語調說話。

微調模型

以下模型支援用於微調：

型號識別碼 標準區域 數據區 全球 開發人員 方法 現況 模式
gpt-4o-mini
(2024-07-18)		 美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ SFT GA 文字轉文字
gpt-4o
(2024-08-06)		 美國東部 2
美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ SFT，DPO GA 文字與視覺轉文字
gpt-4.1
(2025-04-14)		 美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ SFT，DPO GA 文字與視覺轉文字
gpt-4.1-mini
(2025-04-14)		 美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ SFT，DPO GA 文字轉文字
gpt-4.1-nano (2025-04-14) 美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ SFT，DPO GA 文字轉文字
o4-mini
(2025-04-16)		 美國東部 2
瑞典中部		 美國、歐盟 ✅ ❌ RFT GA 文字轉文字
gpt-5
(2025-08-07)		 美國中北部
瑞典中部		 美國、歐盟 ✅ ✅ RFT GA* 文字轉文字
Ministral-3B
(2411)		 不支援 ❌ ✅ ❌ SFT 公開預覽 文字轉文字
Qwen-32B 不支援 ❌ ✅ ❌ SFT 公開預覽 文字轉文字
Llama-3.3-70B-Instruct 不支援 ❌ ✅ ❌ SFT 公開預覽 文字轉文字
gpt-oss-20b 不支援 ❌ ✅ ❌ SFT 公開預覽 文字轉文字

* GPT-5 對強化微調的支援普遍可用，但存取受限且僅限邀請者使用。 如果你有興趣註冊，請聯絡你的 Microsoft 帳戶 團隊。

或者你可以微調先前微調過的模型，格式為 base-model.ft-{jobid}。

註

開源模型（Ministral-3B、Qwen-32B、Llama-3.3-70B-Instruct、gpt-oss-20b）僅支援於 Foundry 資源及新的 Foundry 介面中。

註

全域訓練針對每個語彙基元提供更實惠的訓練，但不提供資料落地。 目前該系統已在以下地區提供給 Foundry 資源：

  • 澳洲東部
  • 巴西南區
  • 加拿大中部
  • 加拿大東部
  • 美國東部
  • 美國東部 2
  • 法國中部
  • 德國中西部
  • 義大利北部
  • 日本東方 （無視覺支援）
  • 南韓中部
  • 美國中北部
  • 挪威東部
  • Poland Central （無 4.1 奈米支援）
  • 東南亞
  • 南非北部
  • 美國中南部
  • 印度南部
  • 西班牙中部
  • 瑞典中部
  • 瑞士西部
  • 瑞士北部
  • 英國南部
  • 西歐
  • 美國西部
  • 美國西部3號公路

助理（預覽）

對於助理，你需要一個支援的模型和一個支援區域的組合。 某些工具與功能需要最新型號。 以下模型可在 Assistants API、SDK 與 Foundry 中取得。 下表為標準部署資料。 有關配置吞吐量單元可用性的資訊，請參見 配置吞吐量模型。 上述型號與區域可同時搭配 Assistant v1 與 v2 使用。 如果以下地區支援 全球標準模型 ，你可以使用。

區域 gpt-4o，2024-05-13 GPT-4O，2024-08-06 GPT-4O-MINI，2024-07-18 gpt-4，0613 gpt-4，1106-Preview GPT-4,0125-預覽 gpt-4，turbo-2024-04-09 GPT-4-32K，0613 GPT-35-渦輪，0613 GPT-35-渦輪，1106 GPT-35-渦輪，0125 GPT-35-渦輪-16K，0613
澳大利亞東部 - - - ✅ ✅ - - ✅ ✅ ✅ ✅ ✅
伊斯特斯 ✅ ✅ ✅ - - ✅ ✅ - ✅ - ✅ ✅
eastus2 ✅ ✅ ✅ - ✅ - ✅ - ✅ - ✅ ✅
francecentral - - - ✅ ✅ - - ✅ ✅ ✅ - ✅
日本東部 - - - - - - - - ✅ - ✅ ✅
挪威東部 - - - - ✅ - - - - - - -
南印度 - - - - ✅ - - - - ✅ ✅ -
swedencentral ✅ ✅ ✅ ✅ ✅ - ✅ ✅ ✅ ✅ - ✅
UKSOUTH - - - - ✅ ✅ - - ✅ ✅ ✅ ✅
westus ✅ ✅ ✅ - ✅ - ✅ - - ✅ ✅ -
westus3 ✅ ✅ ✅ - ✅ - ✅ - - - ✅ -

模型淘汰

有關模型退休的最新資訊，請參閱 模型退休時間表。

相關內容

Azure 販售的 Black Forest Labs 模型

Black Forest Labs（BFL）的 FLUX 模型為 Microsoft Foundry 帶來最先進的影像生成技術，讓您能從文字提示與參考圖片中產生並編輯高品質影像。 FLUX 模型支援多種功能，包括文字轉影像生成、多參考影像編輯，以及上下文生成與編輯。

你可以透過 BFL 服務提供者 API 以及 影像/生成和圖片/編輯端點來執行這些模型。

要在 Foundry 中使用 FLUX 模型，請參見 Deploy 並在 Microsoft Foundry 中使用 FLUX 模型。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型與 API 端點 能力
FLUX.2-flex 影像生成
- BFL 服務提供者 API： <resource-name>/providers/blackforestlabs/v1/flux-2-flex		 - 輸入： 文字與圖片（32,000 個標記及最多 10 張圖片i）
- 輸出： 一張圖片
- 工具呼叫： 不
- 回應格式： 圖片（PNG 與 JPG）
- 主要特色： 細緻控制;最多支援 10 張圖片的多重參考
- 額外參數：
guidance控制輸出與提示的貼近程度。 最低：1.5，最高：10，預設：4.5。 數值越高 = 越接近提示詞遵循度。
steps推論步驟數。 最高：50，預設：50。 越高 = 細節越多，越慢。
FLUX.2-pro 影像生成
- BFL 服務提供者 API： <resource-name>/providers/blackforestlabs/v1/flux-2-pro		 - 輸入： 文字與圖片（32,000 個代幣及最多 8 張圖片ii）
- 輸出： 一張圖片
- 工具呼叫： 不
- 回應格式： 圖片（PNG 與 JPG）
- 主要特色： 最多支援 8 張圖片的多重參考;更貼近現實世界的知識;更高的輸出彈性;提升效能
- 附加參數：（僅限提供者專用 API） 支援所有參數。
FLUX.1-Kontext-pro 影像生成
- 影像 API： https://<resource-name>/openai/deployments/{deployment-id}/images/generations
和
https://<resource-name>/openai/deployments/{deployment-id}/images/edits

- BFL 服務提供者 API： <resource-name>/providers/blackforestlabs/v1/flux-kontext-pro?api-version=preview		 - 輸入： 文字與圖片（5,000 代幣與 1 張圖片）
- 輸出： 一張圖片
- 工具呼叫： 不
- 回應格式： 圖片（PNG 與 JPG）
- 主要特色： 角色一致性，進階剪輯
- 額外參數：（僅限提供者專用 API 中）seed， aspect ratio， input_image， prompt_unsamplingsafety_toleranceoutput_format
FLUX-1.1-pro 影像生成
- 影像 API： https://<resource-name>/openai/deployments/{deployment-id}/images/generations

- BFL 服務提供者 API： <resource-name>/providers/blackforestlabs/v1/flux-pro-1.1?api-version=preview		 - 輸入： 文字（5,000 代幣與 1 張圖片）
- 輸出： 一張圖片
- 工具呼叫： 不
- 回應格式： 圖片（PNG 與 JPG）
- 主要特色： 快速推論速度、強烈的即時遵從、具競爭力的價格、可擴展的生成
- 額外參數：（僅限提供者專用 API 中）width， height， prompt_unsampling， seedsafety_toleranceoutput_format

i,ii FLUX.2 [pro]（預覽版）和 FLUX.2 [flex]（預覽版）可透過 API 支援 多張參考圖片，但在 Playground 中不支援。

Azure 銷售的 Cohere 模型

Cohere 系列模型包含多種針對不同應用情境優化的模型，包括聊天完成、重新排序/文本分類及嵌入。 Cohere 模型針對各種應用情境進行優化，包括推理、摘要與問答。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
Cohere-rerank-v4.0-pro 文本分類（重新排序） - 輸入： 文字
- 輸出： 文字
- 語言：en， fr， esit， de， pt-br， jazh-cnarvihiruidnl
- 工具呼叫： 不
- 回應格式： JSON
Cohere-rerank-v4.0-fast 文本分類（重新排序） - 輸入： 文字
- 輸出： 文字
- 語言：en， fr， esit， de， pt-br， jazh-cnarvihiruidnl
- 工具呼叫： 不
- 回應格式： JSON
Cohere-command-a-plus-05-2026
預覽		 chat-completion
（具有推理內容）		 - 輸入：文字 (128,000 個權杖)
- 輸出： 文字（64,000 代幣）
- 語言：en， fr， esitdept-br， ， ja， 和 kozh-cnar
- 工具呼叫： 是的
- 回應格式： 正文
Cohere-command-a chat-completion - 輸入： 文字（131,072 個代幣）
- 輸出： 文字（8,182 個標記）
- 語言：en， fr， esitdept-br， ， ja， 和 kozh-cnar
- 工具呼叫： 是的
- 回應格式： 文字、JSON
embed-v-4-0 嵌入 - 輸入： 文字（512 個標記）與圖片（2MM 像素）
- 輸出： 向量（256、512、1024、1536 微弱）
- 語言：en， fr， esitdept-br， ， ja， 和 kozh-cnar

Azure 銷售的 DeepSeek 模型

DeepSeek 系列模型包含多種推理模型，透過逐步訓練過程，如語言、科學推理及程式設計任務，在推理任務中表現優異。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
DeepSeek-V4-Pro chat-completion
（具有推理內容）		 - 輸入： 文字（1,000,000 詞元）
- 輸出： 文字（384,000 個代幣）
- 語言：en 以及 zh
- 工具呼叫： 不
- 回應格式： 文字、JSON
DeepSeek-V4-Flash chat-completion
（具有推理內容）		 - 輸入： 文字（1,000,000 詞元）
- 輸出： 文字（384,000 個代幣）
- 語言：en 以及 zh
- 工具呼叫： 不
- 回應格式： 文字、JSON
DeepSeek-V3.2-Speciale chat-completion
（具有推理內容）		 - 輸入：文字 (128,000 個權杖)
- 輸出： 文字（128,000 代幣）
- 語言：en 以及 zh
- 工具呼叫： 不
- 回應格式： 文字、JSON
DeepSeek-V3.2 chat-completion
（具有推理內容）		 - 輸入：文字 (128,000 個權杖)
- 輸出： 文字（128,000 代幣）
- 語言：en 以及 zh
- 工具呼叫： 不
- 回應格式： 文字、JSON

Azure 販售的元模型

Meta Llama 模型與工具是一組預先訓練並微調的生成式 AI 文字與圖像推理模型。 元模型的規模範圍不一，包括：

  • 小型語言模型（SLM），如 1B 和 3B 基礎與指示模型，用於裝置內及邊緣推論
  • 中型大型語言模型（LLM），如7B、8B和70B基礎與教學模型
  • 像 Meta Llama 3.1-405B Instruct 這類高效能模型，適合合成資料產生與蒸餾的應用場景。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
Llama-4-Maverick-17B-128E-Instruct-FP8 chat-completion - 輸入： 文字與圖片（1M 代幣）
- 輸出： 文字（1M 標記）
- 語言：ar， en， frde， hi， iditptestlth， 和vi
- 工具呼叫： 不
- 回應格式： 正文
Llama-3.3-70B-Instruct chat-completion - 輸入：文字 (128,000 個權杖)
- 輸出： 文字（8,192 個代幣）
- 語言：en， de， fr， it， pt， hi， ， es， and th
- 工具呼叫： 不
- 回應格式： 正文

合作夥伴 與社群也提供多種元模型。

Microsoft 模型由 Azure 銷售

Microsoft 模型包含多種模型群組，如 Model Router、MAI 模型、Phi 模型、醫療 AI 模型等。 也有多種Microsoft模型來自合作夥伴與社群。

要在 Foundry 中使用 MAI 影像模型，請參見 部署，並在 Microsoft Foundry 中使用 MAI 影像模型。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
MAI-Image-2.5-Pro
預覽		 圖像轉圖像與文字轉圖像。 詳情請參見 API 端點 。 - 輸入： 文字、影像（用於影像編輯工作流程的 JPEG 或 PNG 格式）
- 輸出： 一張圖片
- 上下文長度：32,000 個代幣
- 工具呼叫： 不
- 回應格式： 圖片（PNG）
- 語言：en
- 主要特色： 高品質的文字轉圖像生成;支援精確、外科手術式的編輯，同時不破壞影像其他部分;具備比以往型號更逼真的影像，並具備一致的視覺結構。 非常適合概念視覺化、創意內容生成、影像編輯工作流程及製作設計等任務。
- 參數：width， height， prompt
最低 768×768 像素;最大總像素數為1,048,576（相當於1024×1024）。 只要像素總數在限制範圍內，任一維度都可以超過1024（例如768×1365為有效大小）。
MAI-Image-2.5-Flash
預覽		 圖像轉圖像與文字轉圖像。 詳情請參見 API 端點 。 - 輸入： 文字、影像（用於影像編輯工作流程的 JPEG 或 PNG 格式）
- 輸出： 一張圖片
- 上下文長度：32,000 個代幣
- 工具呼叫： 不
- 回應格式： 圖片（PNG）
- 語言：en
- 主要特色： 高品質的文字轉圖像生成;支援精確、外科手術式的編輯，同時不破壞影像其他部分;能夠產生具有一致視覺結構的逼真影像。 非常適合概念視覺化、創意內容生成、影像編輯工作流程及製作設計等任務。
- 參數：width， height， prompt
最低 768×768 像素;最大總像素數為1,048,576（相當於1024×1024）。 只要像素總數在限制範圍內，任一維度都可以超過1024（例如768×1365為有效大小）。
MAI-Image-2.5
預覽		 圖像轉圖像與文字轉圖像。 詳情請參見 API 端點 。 - 輸入： 文字、影像（用於影像編輯工作流程的 JPEG 或 PNG 格式）
- 輸出： 一張圖片
- 上下文長度：32,000 個代幣
- 工具呼叫： 不
- 回應格式： 圖片（PNG）
- 語言：en
- 主要特色： 高品質的文字轉圖像生成;支援精確、外科手術式的編輯，同時不破壞影像其他部分;能夠產生具有一致視覺結構的逼真影像。 非常適合概念視覺化、創意內容生成、影像編輯工作流程及製作設計等任務。
- 參數：width， height， prompt
最低 768×768 像素;最大總像素數為1,048,576（相當於1024×1024）。 只要像素總數在限制範圍內，任一維度都可以超過1024（例如768×1365為有效大小）。
model-router 1 chat-completion 更多細節請參考 模型路由器總覽。
- 輸入： 文字、圖片
- 輸出： 文字（最大輸出代幣數可變2）
上下文視窗： 200,0003
- 語言：en

1模型路由器版本2025-11-18。

2個最大輸出標記 會依模型路由器中的底層模型而異。 例如，32,768GPT-4.1 series（）、100,000（o4-mini）、128,000（gpt-5 reasoning models）、和16,384（gpt-5-chat）。

3 較大 的上下文視窗 與 部分 模型路由器底層模型相容。 這表示，具有較大上下文的 API 呼叫，只有在提示被路由到其中一個這類模型時才會成功。 否則，通話失敗。

Azure 銷售的 Mistral 模型

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
mistral-document-ai-2512 圖片轉文字 - 輸入： 圖片或 PDF 頁面（30 頁，最多 30MB PDF 檔案）
- 輸出： 文字
- 語言：en
- 工具呼叫：否
- 回應格式： 文字、JSON、Markdown
mistral-medium-3-5
預覽		 chat-completion - 輸入： 文字（128,000 個代幣），圖片
- 輸出： 文字（128,000 代幣）
- 工具呼叫： 不
- 回應格式： 文字、JSON
mistral-ocr-4-0
預覽		 圖片轉文字 - 輸入： 圖片或 PDF 頁面（30 頁，最多 30MB PDF 檔案）
- 輸出： 文字
- 語言：en
- 工具呼叫：否
- 回應格式： 文字、JSON、Markdown
Mistral-Large-3 chat-completion - 輸入： 文字、圖片
- 輸出： 文字
- 語言：en， fr， dees， it， pt， nlzhjako和ar
- 工具呼叫： 是的
- 回應格式： 文字、JSON

多款 Mistral 模型也由 合作夥伴與社群提供。

Azure 販售的登月人工智慧模型

Moonshot AI 模型包括 Kimi K2.6（預覽版）和 Kimi K2.5（預覽版），兩者皆為可接受文字和影像輸入的多模態推理模型。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
Kimi-K2.7-Code
預覽		 chat-completion
（具有推理內容）		 - 輸入： 文字與圖片（262,144 個標記）
- 輸出： 文字（262,144 個標記）
- 語言：en 以及 zh
- 工具呼叫： 是的
- 回應格式： 正文
Kimi-K2.6
預覽		 chat-completion
（具有推理內容）		 - 輸入： 文字與圖片（262,144 個標記）
- 輸出： 文字（262,144 個標記）
- 語言：en 以及 zh
- 工具呼叫： 是的
- 回應格式： 正文
Kimi-K2.5
預覽		 chat-completion
（具有推理內容）		 - 輸入： 文字與圖片（262,144 個標記）
- 輸出： 文字（262,144 個標記）
- 語言：en 以及 zh
- 工具呼叫： 是的
- 回應格式： 正文

請參閱 Foundry 入口網站中的模型收藏。

Azure 銷售的 xAI 模型

xAI 在 Foundry 模型中的 Grok 模型包含多元的推理與非推理模型，專為企業應用設計，如資料擷取、編碼、文本摘要及代理應用。

需要註冊才能存取grok-code-fast-1（預覽）和 grok-4。

如需查看所有區域中依部署類別分組的模型可用性，請參閱 由 Azure 銷售的 Foundry Models 區域可用性。

模型 類型 能力
grok-4.3
預覽		 chat-completion - 輸入： 文字（200,000 詞元）
- 輸出： 文字（8,192 個代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-4-20-reasoning
預覽		 chat-completion - 輸入： 文字（262,000 代幣）
- 輸出： 文字（8,192 個代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-4-20-non-reasoning
預覽		 chat-completion - 輸入： 文字（262,000 代幣）
- 輸出： 文字（8,192 個代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-4.1-fast-reasoning chat-completion - 輸入： 文字、圖片（128,000 個代幣）
- 輸出： 文字（128,000 代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-4.1-fast-non-reasoning chat-completion - 輸入： 文字、圖片（128,000 個代幣）
- 輸出： 文字（128,000 代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-4 chat-completion - 輸入： 文字（262,000 代幣）
- 輸出： 文字（8,192 個代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字
grok-code-fast-1 chat-completion - 輸入： 文字（256,000 代幣）
- 輸出： 文字（8,192 個代幣）
- 語言：en
- 工具呼叫：是
- 回應格式： 文字

相關內容

  • Last updated on