Databricks-gehostete Foundation-Modelle, die in Foundation Model-APIs verfügbar sind

In diesem Artikel werden die hochmodernen offenen Modelle beschrieben, die von Databricks Foundation Model-APIs unterstützt werden.

Sie können Abfrageanforderungen an diese Modelle senden, indem Sie die in Ihrem Databricks-Arbeitsbereich verfügbaren Pay-per-Token-Endpunkte verwenden. Informationen zu den Namen der zu verwendenden Modellendpunkte finden Sie in der Tabelle zu Foundation-Modellen verwenden und Modellen mit unterstützter Pay-per-Token-Zahlung.

Zusätzlich zur Unterstützung von Modellen im Pay-per-Token-Modus bieten Foundation Model-APIs auch den Modus mit bereitgestelltem Durchsatz. Databricks empfiehlt den bereitgestellten Durchsatz für Produktionsworkloads. Dieser Modus unterstützt alle Modelle einer Modellarchitekturfamilie, einschließlich der fein abgestimmten und benutzerdefinierten vortrainierten Modelle, die im Pay-per-Token-Modus unterstützt werden. Eine Liste der unterstützten Architekturen finden Sie unter Provisioned Throughput Foundation Model-APIs.

Sie können mit diesen unterstützten Modellen mit dem AI Playgroundinteragieren.

Für OpenAI-, Google-, Gemini- und Anthropic-Modelle stimmen das Kontextfenster und die maximalen Ausgabetoken mit den vom jeweiligen Modellanbieter veröffentlichten Werten überein.

OpenAI GPT-5.6 Sol

Endpunktname: databricks-gpt-5-6-sol

Unterstützte Eingaben: Text, Bild

GPT-5.6 Sol, auch als GPT-5.6 bezeichnet, ist OpenAIs Flaggschiffmodell der GPT-5.6-Familie und liefert modernste Leistung bei agentischer Codierung, Langzeit-Schlussfolgerung und komplexer Werkzeugnutzung mit Unterstützung für eine neue maximale Logik. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.6 Terra

Endpunktname: databricks-gpt-5-6-terra

Unterstützte Eingaben: Text, Bild

GPT-5.6 Terra ist das ausgewogene Modell in der GPT-5.6-Familie von OpenAI für alltägliche agentische und Reasoning-Workloads und bietet eine Leistung, die mit GPT-5.5 konkurrieren kann, zu geringeren Kosten. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.6 Luna

Endpunktname: databricks-gpt-5-6-luna

Unterstützte Eingaben: Text, Bild

GPT-5.6 Luna ist das schnelle, kosteneffiziente Modell in der GPT-5.6-Familie von OpenAI und bietet starke Argumentationsfähigkeit und agentische Fähigkeiten zu den niedrigsten Kosten im Sortiment. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.5 Pro

Endpunktname: databricks-gpt-5-5-pro

Unterstützte Eingaben: Text, Bild

GPT-5.5 Pro ist eine präzisere Variante von GPT-5.5, die auf die schwierigsten Probleme abzielt, darunter tiefgehende Forschung, fortgeschrittene Mathematik und hochriskantes Denken. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.5

Endpunktname: databricks-gpt-5-5

Unterstützte Eingaben: Text, Bild

GPT-5.5 ist OpenAIs stärkstes Frontier-Modell für Enterprise-Agenten-Workflows, komplexe Dokumentenargumentation und Long-Horizon-Coding-Agenten. GPT-5.5 betreibt außerdem Codex, den Programmieragenten von OpenAI. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.4

Endpunktname: databricks-gpt-5-4

Unterstützte Eingaben: Text, Bild

GPT-5.4 ist ein allgemeiner Großsprachmodell mit Schlussfähigkeiten, entwickelt von OpenAI. Es liefert eine verbesserte Leistung bei komplexen Aufgaben mit erhöhter Genauigkeit und gezielterem gerüstetem Denken. Dieses Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.4 mini

Endpunktname: databricks-gpt-5-4-mini

Unterstützte Eingaben: Text, Bild

GPT-5.4 mini ist ein kostenoptimiertes, universelles Großsprachmodell mit Schlussfolgerungsfähigkeiten, entwickelt von OpenAI. Basierend auf der GPT-5.4-Architektur liefert dieses Modell eine verbesserte Leistung bei gut definierten Aufgaben, die zuverlässiges Schließen, präzise Sprache und schnelle Ausgaben erfordern. Es unterstützt multimodale Eingänge.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.4 nano

Endpunktname: databricks-gpt-5-4-nano

Unterstützte Eingaben: Text, Bild

GPT-5.4 nano ist ein universelles Großsprachmodell mit Logikfähigkeiten, entwickelt von OpenAI. Basierend auf der GPT-5.4-Architektur glänzt dieses Modell bei Hochdurchsatzaufgaben wie einfacher Befehlsverfolgung oder der Klassifizierung von routinemäßigen Geschäftsprozessen oder mobilen Anwendungen. Es unterstützt multimodale Eingänge.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.3 Codex

Endpunktname: databricks-gpt-5-3-codex

Unterstützte Eingaben: Text, Bild

Der GPT-5.3 Codex ist OpenAIs fortschrittlichstes agentisches Codierungsmodell und wurde entwickelt, um komplexe, langlaufende Aufgaben zu bewältigen, die Forschung, Werkzeugnutzung und Ausführung erfordern. Es kombiniert Spitzenprogrammierleistung mit dem Denken und dem Fachwissen von GPT-5.2 und arbeitet dabei 25% schneller. Das Modell unterstützt multimodale Eingaben.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.2

Endpunktname: databricks-gpt-5-2

Unterstützte Eingaben: Text, Bild

GPT-5.2 ist ein allgemeines Großsprachmodell mit Argumentationsfähigkeiten, entwickelt von OpenAI. Dieses Modell baut direkt auf GPT-5.1 auf und bietet eine höhere Genauigkeit, verbesserte Token-Effizienz bei mittleren bis komplexen Aufgaben sowie gezielteres Gerüstdenken. Dieses Modell zeichnet sich durch strukturierte Extraktion, mehrstufige Workflows und multimodale Aufgaben aus. Es unterstützt multimodale Eingänge.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5.1

Endpunktname: databricks-gpt-5-1

Unterstützte Eingaben: Text, Bild

GPT-5.1 ist ein allgemeiner Großsprachmodell mit Schlussfähigkeiten, entwickelt von OpenAI. Dieses Modell bietet sowohl den Sofort- als auch den Denkmodus für schnelle Gespräche oder tiefgründiges Denken und passt sich automatisch für einfache oder komplexe Aufgaben an. Das Modell zeichnet sich durch Content-Erstellung, Nachhilfe, technischen Support und Programmieren aus und setzt weniger auf striktes Prompt-Engineering als frühere Versionen. Es unterstützt multimodale Eingänge. Erfahren Sie mehr über GPT-5.1.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5

Endpunktname: databricks-gpt-5

Unterstützte Eingaben: Text, Bild

GPT-5 ist ein hochmodernes, allgemeines, umfangreiches Sprachmodell und Reasoning-Modell, das von OpenAI entwickelt und trainiert wurde. Es unterstützt multimodale Eingänge. Das Modell wurde für Codierung, Chat, Begründung und agentgesteuerte Aufgaben entwickelt.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5 mini

Endpunktname: databricks-gpt-5-mini

Unterstützte Eingaben: Text, Bild

GPT-5 mini ist ein hochmodernes, allgemeines, großes Sprachmodell und Reasoning-Modell, das von OpenAI erstellt und trainiert wurde. Es unterstützt multimodale Eingänge. Das Modell ist kostenoptimiert für Schlussfolgerungen und Chat-Workloads und übertrifft bei gut definierten Aufgaben, die zuverlässige Schlussfolgerungen, präzise Sprache und schnelle Ergebnisse für Text und Bilder erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT-5 nano

Endpunktname: databricks-gpt-5-nano

Unterstützte Eingaben: Text, Bild

GPT-5 Nano ist ein fortschrittliches, allgemeines großes Sprachmodell und Schlussfolgerungsmodell, das von OpenAI erstellt und trainiert wurde. Es unterstützt multimodale Eingänge. Das Modell zeichnet sich bei Vorgängen mit hohem Durchsatz aus, z. B. einfache Anweisungsverfolgung oder Klassifizierung für routinebasierte Geschäftsprozesse oder mobile Anwendungen.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.7 Flash

Endpunktname: databricks-gemini-3-7-flash

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.7 Flash ist ein multimodales KI-Modell, das von Google entwickelt und trainiert wurde. Es unterstützt Funktionsaufrufe und hybrides Schließen für allgemeine und multimodale Workloads. Der Parameter reasoning_effort akzeptiert die Werte von "low", "medium" (Standard), oder "high". Gemini 3.7 Flash unterstützt "minimal"nicht . Erfahren Sie mehr über Gemini 3.7 Flash.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.6 Flash

Endpunktname: databricks-gemini-3-6-flash

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.6 Flash ist ein hochgeschwindigkeitsfähiges, kosteneffizientes, multimodales KI-Modell, das von Google entwickelt und trainiert wurde. Als Nachfolger von Gemini 3.5 Flash bietet dieses Modell eine stärkere Logik, fortschrittliche multimodale Fähigkeiten und eine verbesserte Preisgestaltung für Serieneinsätze. Gemini 3.6 Flash ist für Hochdurchsatz-Workloads wie komplexe Videoanalyse, Datenextraktion und visuelle Frage-und-Antworten optimiert. Erfahren Sie mehr über Gemini 3.6 Flash.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.5 Flash

Endpunktname: databricks-gemini-3-5-flash

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.5 Flash ist ein hochgeschwindigkeitsfähiges, kosteneffizientes multimodales KI-Modell, das von Google entwickelt und trainiert wurde. Als bedeutender Fortschritt gegenüber Gemini 3 Flash bietet dieses Modell stärkeres Denken, fortschrittliche multimodale Fähigkeiten und eine verbesserte Preisgestaltung bei Einsätzen im Serienmaßstab. Gemini 3.5 Flash ist für Hochdurchsatz-Workloads wie komplexe Videoanalyse, Datenextraktion und visuelle Q&A optimiert. Erfahren Sie mehr über Gemini 3.5 Flash.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.5 Flash Lite

Endpunktname: databricks-gemini-3-5-flash-lite

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.5 Flash Lite ist das schnellste und kosteneffizienteste Modell der Gemini 3-Serie, entwickelt und trainiert von Google. Das Modell unterstützt multimodale Eingaben mit Bildfunktionen, Funktionsaufrufen und strukturierter Ausgabe. Gemini 3.5 Flash Lite ist für hochdurchsetzbare, kosteneffiziente Implementierungen optimiert.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.1 Pro Vorschau

Endpunktname: databricks-gemini-3-1-pro

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.1 Pro Preview ist ein hochmodernes hybrides Denkmodell, das von Google entwickelt und trainiert wurde. Sie liefert starke Argumentation und Dokumentenintelligenz und ist damit ein insgesamt intelligentes Modell für komplexe Arbeitsabläufe und Aufgaben. Es zeichnet sich durch komplexes Denken, tiefgehende Analyse und multimodales Verständnis über eine Vielzahl von Eingaben und Aufgaben aus.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google mal Gemini 3.1 Flash-Bild

Endpunktname: databricks-gemini-3-1-flash-image

Unterstützte Eingaben: Text, Bild

Gemini 3.1 Flash Image ist Googles Gemini-Modell zur Bildgeneration. Eine einzelne Anfrage kann generierte Bilder zusammen mit Text zurückgeben. Dieses Modell unterstützt keine Funktionsaufrufe.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3.1 Flash Lite

Endpunktname: databricks-gemini-3-1-flash-lite

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3.1 Flash Lite ist das schnellste und kostengünstigste Modell der Gemini 3-Serie, entwickelt und trainiert von Google. Das Modell wurde für Intelligenz in großem Maßstab entwickelt und unterstützt multimodale Eingaben mit Bildverarbeitungsfunktionen, Funktionsaufrufen und strukturierter Ausgabe. Gemini 3.1 Flash Lite ist für kostengünstige Bereitstellungen mit hohem Durchsatz optimiert. Erfahren Sie mehr über Gemini 3.1 Flash Lite.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3 Pro Bild

Endpunktname: databricks-gemini-3-pro-image

Unterstützte Eingaben: Text, Bild

Gemini 3 Pro Image ist Googles Gemini-Modell zur Bildgeneration. Eine einzelne Anfrage kann generierte Bilder zusammen mit Text zurückgeben. Dieses Modell unterstützt keine Funktionsaufrufe.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 3 Flash

Endpunktname: databricks-gemini-3-flash

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 3 Flash ist ein hochgeschwindigkeitsfähiges, kosteneffizientes multimodales KI-Modell, das von Google entwickelt und trainiert wurde. Dieses Modell bietet Geschwindigkeit und Skalierbarkeit, ohne die Qualität zu beeinträchtigen, und bietet fortschrittliche multimodale Fähigkeiten für komplexe Videoanalyse, Datenextraktion und visuelle Fragen und Antworten nahezu in Echtzeit. Gemini 3 Flash bietet bessere Preis-Leistungs-Leistung und schnellere Geschwindigkeiten und ermöglicht so Bereitstellungen im Produktionsmaßstab. Erfahren Sie mehr über Gemini 3 Flash.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 2.5 Pro

Endpunktname: databricks-gemini-2-5-pro

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 2.5 Pro ist ein hybrides Denkmodell, das von Google entwickelt und trainiert wurde. Gemini 2.5 Pros "Deep Think Mode" und integrierte Audioausgabe heben sie als führendes Modell für Unternehmens-, Forschungs- und kreative Anwendungen auf. Es wurde entwickelt, um in komplexem Denken und Argumentieren, tiefer Analyse und multimodalem Verständnis für eine Vielzahl von Eingaben und Aufgaben hervorzuragen. Erfahren Sie mehr über Gemini 2.5 Pro.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemini 2.5 Flash

Endpunktname: databricks-gemini-2-5-flash

Unterstützte Eingaben: Text, Bild, Video, Audio

Gemini 2.5 Flash ist ein schnelles, kostengünstiges und multimodales KI-Modell, das von Google entwickelt und trainiert wurde. Es ist das erste vollständig hybride Begründungsmodell von Google, das für Entwickler und Unternehmen entwickelt wurde, die schnelle, skalierbare und erschwingliche KI-Lösungen suchen. Gemini 2.5 Flash ist für Echtzeit- und Hochvolumeanwendungen wie Chatbots, Datenextraktion, Übersetzung und Dokumentanalyse optimiert. Erfahren Sie mehr über Gemini 2.5 Flash.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Alibaba Cloud Qwen3.5 122B A10B

Endpunktname: databricks-qwen35-122b-a10b

Unterstützte Eingaben: Text

Qwen3.5 122B A10B ist ein hybrides Mischungs-of-Experts (MoE)-Begründungsmodell, das von Alibaba Cloud entwickelt und trainiert wurde, mit 122 Milliarden Gesamtparametern und 10 Milliarden aktiven Parametern pro Rückschluss. Das Modell unterstützt ein 256K-Kontextfenster und bis zu 25.000 Ausgabetoken und liefert eine starke Leistung bei Argumentations-, Codierungs- und Agentenaufgaben. Als grundbasiertes Modell kann Qwen3.5 122B A10B immer Gründe vor der Reaktion haben, und die Begründung kann nicht deaktiviert werden.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Alibaba Cloud Qwen3-Embedding-0.6B

Endpunktname: databricks-qwen3-embedding-0-6b

Unterstützte Eingaben: Text

Qwen3-Embedding-0.6B ist ein kompaktes Texteinbettungsmodell mit ~600M-Parametern, das für semantische Aufgaben wie Abrufen, Ähnlichkeitssuche, Clustering und Klassifizierung entwickelt wurde. Er codiert Text in dichte Vektoren, die bedeutungs- und nicht oberflächenform darstellen.

Das Modell unterstützt 100 Sprachen (einschließlich Code) und behandelt lange Kontexte bis zu ~32K-Token, sodass es für das Einbetten langer Dokumente geeignet ist. Es erzeugt Einbettungen mit einer konfigurierbaren Dimensionalität bis zu 1024 und ist anweisungsbewusst, wodurch eine aufgabenspezifische Anpassung durch Vorgaben ermöglicht wird.

Basierend auf einem Transformer-Encoder und fein abgestimmt speziell für die Einbettungsgenerierung balanciert Qwen3-Embedding-0.6B Einbettungsqualität mit effizienter Inferenz.

Einbettungsmodelle sind besonders effektiv, wenn sie zusammen mit LLMs für Einsatzfälle der retrieval-augmentierten Generierung (RAG) verwendet werden. Qwen3-Embedding-0.6B kann verwendet werden, um relevante Textausschnitte in großen Abschnitten von Dokumenten zu finden, die im Kontext eines LLM verwendet werden können.

Alibaba Cloud Qwen3-Next 80B A3B-Anweisung

Endpunktname: databricks-qwen3-next-80b-a3b-instruct

Unterstützte Eingaben: Text

Qwen3-Next-80B-A3B-Instruct ist ein hocheffizientes großes Sprachmodell, das für von Alibaba Cloud erstellte und trainierte Aufgaben mit Anleitungen optimiert ist. Dieses Modell wurde entwickelt, um ultra-lange Kontexte zu verarbeiten und zeichnet sich durch hervorragende Leistungen bei mehrstufigen Workflows, generationserweitertem Abruf und Unternehmensanwendungen aus, die deterministische Ausgaben mit hohem Durchsatz erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Zhipu AI GLM 5.3 Flash

Endpunktname: databricks-glm-5-3-flash

Unterstützte Eingaben: Text, Bild

GLM-5.3-Flash ist ein native multimodales Expertenmodell (MoE) mit 320 Milliarden Gesamtparametern und 18 Milliarden aktiven Parametern, entwickelt von Zhipu AI. Das Modell unterstützt eine Kontextlänge von 1.048.576 Token und ist für Argumentation, Codierung und die Nutzung von agentischen Werkzeugen optimiert. Erfahren Sie mehr über GLM-5.3-Flash.

Dieses Modell argumentiert immer, und das Schließen kann nicht deaktiviert werden. Siehe Abfrage-Argumentationsmodelle für unterstützte reasoning_effort Werte und Standardwerte.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Zhipu AI GLM 5.2

Endpunktname: databricks-glm-5-2

Unterstützte Eingaben: Text

GLM-5.2 ist ein Mischung aus Experten (MoE) Sprachmodell mit insgesamt 753 Milliarden Parametern, entwickelt von Zhipu AI. Das Modell unterstützt eine Kontextlänge von 1 Million Token und ist für Langzeitlogik, Codierung und die Nutzung von agentischen Werkzeugen optimiert.

Dieses Modell unterstützt den Aufwand des anpassbaren Denkens. Siehe Abfrage-Argumentationsmodelle für unterstützte reasoning_effort Werte und Standardwerte.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Moonshot AI Kimi K3

Endpunktname: databricks-kimi-k3

Unterstützte Eingaben: Text, Bild

Kimi K3 ist ein 2,8-Billionen-Parameter-Modell, das von Moonshot AI entwickelt wurde und native Vision-Fähigkeiten bietet. Das Modell unterstützt eine Kontextlänge von 1 Million Token und ist für Langzeit-Coding, Wissensarbeit und Schlussfolgerung konzipiert.

Dieses Modell unterstützt den Aufwand des anpassbaren Denkens. Siehe Abfrage-Argumentationsmodelle für unterstützte reasoning_effort Werte und Standardwerte.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

DeepSeek V4 Flash (0731)

Endpunktname: databricks-deepseek-v4-flash-0731

Unterstützte Eingaben: Text

DeepSeek V4 Flash (0731) ist ein Hybrid-Mix-of-Experten-(MoE)-Sprachmodell mit insgesamt 284 Milliarden Parametern und 13 Milliarden aktiven Parametern, entwickelt von DeepSeek. Das Modell ist für schnelles, kosteneffizientes Schließen, Codieren und den Einsatz von agentischen Werkzeugen optimiert.

Dieses Modell unterstützt den Aufwand des anpassbaren Denkens. Siehe Abfrage-Argumentationsmodelle für unterstützte reasoning_effort Werte und Standardwerte.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT OSS 120B

Endpunktname: databricks-gpt-oss-120b

Unterstützte Eingaben: Text

GPT OSS 120B ist ein hochmodernes, gedankendes Modell mit gedankenketten und anpassbaren Anstrengungsstufen, die von OpenAI erstellt und trainiert wurden. Es ist das OpenAI-Flaggschiff-Open-Weight-Modell und verfügt über ein 128K-Tokenkontextfenster. Das Modell ist für qualitativ hochwertige Begründungsaufgaben aufgebaut.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

OpenAI GPT OSS 20B

Endpunktname: databricks-gpt-oss-20b

Unterstützte Eingaben: Text

GPT OSS 20B ist ein hochmodernes, leichtgewichtiges Denkmodell, das von OpenAI entwickelt und trainiert wird. Dieses Modell verfügt über ein Kontextfenster mit 128K-Token und zeichnet sich bei Copiloten und Batch-Ableitungsaufgaben in Echtzeit aus.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Google Gemma 3 12B

Endpunktname: databricks-gemma-3-12b

Unterstützte Eingaben: Text, Bild

Gemma 3 12B ist ein 12 Milliarden Parameter multimodales und visionssprachliches Modell, das von Google als Teil der Gemma 3-Familie entwickelt wurde. Gemma 3 verfügt über bis zu 128K-Tokenkontext und bietet mehrsprachige Unterstützung für mehr als 140 Sprachen. Dieses Modell wurde entwickelt, um Sowohl Text- als auch Bildeingaben zu verarbeiten und Textausgaben zu generieren und ist für Dialoganwendungsfälle, Textgenerierungs- und Bildverständnisaufgaben optimiert, einschließlich Der Beantwortung von Fragen.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Meta Llama 4 Maverick

Endpunktname: databricks-llama-4-maverick

Unterstützte Eingaben: Text, Bild

Llama 4 Maverick ist ein hochmodernes großes Sprachmodell, das von Meta gebaut und trainiert wurde. Es ist das erste Mitglied der Llama-Modellfamilie, das eine Expertenarchitektur-Mischung für Recheneffizienz verwendet. Llama 4 Maverick unterstützt mehrere Sprachen und ist für präzise Bild- und Textverständnisfälle optimiert. Erfahren Sie mehr über Llama 4 Maverick.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Meta Llama 3.3 70B Instruct

Endpunktname: databricks-meta-llama-3-3-70b-instruct

Unterstützte Eingaben: Text

Meta-Llama-3.3-70B-Instruct ist ein hochmodernes großes Sprachmodell mit einem Kontext von 128.000 Token, die von Meta erstellt und trainiert wurden. Das Modell unterstützt mehrere Sprachen und ist für Dialoganwendungsfälle optimiert. Erfahren Sie mehr über die Meta Llama 3.3.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Meta Llama 3.1 8B Anweisung

Endpunktname: databricks-meta-llama-3-1-8b-instruct

Unterstützte Eingaben: Text

Meta-Llama-3.1-8B-Instruct ist ein hochmodernes großes Sprachmodell mit einem Kontext von 128.000 Token, die von Meta erstellt und trainiert wurde. Das Modell unterstützt mehrere Sprachen und ist für Dialoganwendungsfälle optimiert. Erfahren Sie mehr über die Meta Llama 3.1.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Anthropic Claude Haiku 4.5

Endpunktname: databricks-claude-haiku-4-5

Unterstützte Eingaben: Text, Bild

Claude Haiku 4.5 ist das am schnellsten und kostengünstigste Modell von Anthropic, das eine nahezu grenznahe Codierungsqualität mit außergewöhnlicher Geschwindigkeit und Effizienz liefert. Es zeichnet sich bei Echtzeitanwendungen mit geringer Latenz aus, einschließlich Chat-Assistenten, Kundendienstmitarbeitern, Paarprogrammierung und rapide Prototyperstellung. Dieses Modell eignet sich ideal für kostenbewusste Produktionsbereitstellungen und agentische Systeme, die eine reaktionsfähige KI-Unterstützung erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Sonnet 5

Endpunktname: databricks-claude-sonnet-5

Unterstützte Eingaben: Text, Bild

Claude Sonnet 5 ist Anthropic fähigste Sonnet-Modell, das für Codierung, agentische Workflows und professionelle Arbeit im großen Maßstab entwickelt wurde. Es kombiniert Near-Opus-Level-Intelligenz mit Sonnets Kosteneffizienz und Geschwindigkeit, wodurch sie für kundenorientierte Agenten, Produktionscodierungsworkflows und anspruchsvolle Aufgaben der Inhaltsgenerierung gut geeignet ist.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Sonnet 4.6

Endpunktname: databricks-claude-sonnet-4-6

Unterstützte Eingaben: Text, Bild

Claude Sonnet 4.6 ist das fortschrittlichste Hybrid-Begründungsmodell von Anthropic. Es bietet zwei Modi: nahezu sofortige Antworten und erweitertes Denken für eine tiefere Begründung basierend auf der Komplexität der Aufgabe. Claude Sonnet 4.6 ist spezialisiert auf Anwendungen, die ein Gleichgewicht des praktischen Durchsatzes und fortgeschrittenen Denkens erfordern, z. B. kundenorientierte Agenten, Produktionscodierungsworkflows und Inhaltsgenerierung im Großen und Maßstab.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Sonnet 4.5

Endpunktname: databricks-claude-sonnet-4-5

Unterstützte Eingaben: Text, Bild

Claude Sonnet 4.5 ist das fortschrittlichste Hybrid-Reasoning-Modell von Anthropic. Es bietet zwei Modi: nahezu sofortige Antworten und erweitertes Denken für eine tiefere Begründung basierend auf der Komplexität der Aufgabe. Claude Sonnet 4.5 ist auf Anwendungen spezialisiert, die ein Gleichgewicht des praktischen Durchsatzes und fortgeschrittenen Denkens erfordern, z. B. kundenorientierte Agenten, Produktionscodierungsworkflows und Inhaltsgenerierung im Großen und Maßstab.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Fable 5

Endpunktname: databricks-claude-fable-5

Unterstützte Eingaben: Text

Claude Fable 5 ist ein Mythos-Klassenmodell von Anthropic für autonomes Wissensarbeit und Codierung entwickelt. Dank der integrierten robusten Sicherheitsvorkehrungen kann es lange ausgeführte, komplexe und asynchrone Aufgaben mit geringerem Bedarf an humanen Check-Ins als früheren Modellen verarbeiten, wodurch es gut für agentische Workflows geeignet ist, die einen dauerhaften Fokus über erweiterte Kontexte erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 5

Endpunktname: databricks-claude-opus-5

Unterstützte Eingaben: Text, Bild

Claude Opus 5 ist Anthropic fähigste Hybrid-Reasoning-Modell, das auf der Opus-Serie basiert und sich auf agentische Codierung, Codeüberprüfung und lange Horizont autonome Arbeit konzentriert. Dieses Modell zeichnet sich bei komplexen, Multi-File-Softwareaufgaben wie großen Umgestaltungen und End-to-End-Featureentwicklung, präziser Fehlersuche, Multi-Agent-Koordination und Visionsaufgaben wie Diagramm-, Dokument- und UI-Verständnis aus. Claude Opus 5 hält über das gesamte Kontextfenster hinweg ein starkes Instruktionsfollowing, Werkzeugaufruf und Schlussfolgerung und liefert nahezu Spitzenqualität bei geringem und mittlerem Argumentationsaufwand, was es gut für langkontextige, kostensensible Unternehmensabläufe geeignet macht.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 4.8

Endpunktname: databricks-claude-opus-4-8

Unterstützte Eingaben: Text, Bild

Claude Opus 4.8 baut auf der Opus Serie mit weiteren Verbesserungen an Genauigkeit, Effizienz und Begründungsfunktionen auf. Dieses Modell zeichnet sich bei komplexen Extraktions- und agentischen Grundaufgaben mit Bildunterstützung aus, sodass es ideal für Unternehmensanwendungen ist, die umfassende Analysen, Dokumentverständnis und anspruchsvolle mehrstufige Workflows erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 4.7

Endpunktname: databricks-claude-opus-4-7

Unterstützte Eingaben: Text, Bild

Claude Opus 4.7 ist anthropics fähigstes Hybrid-Reasoning-Modell, das die Opus-Serie mit verbesserter Genauigkeit, Effizienz und verbesserten Visionsfähigkeiten vorantreibt. Dieses Modell bietet eine stärkere Leistung bei komplexen Extraktions- und agentischen Schlussfolgerungsaufgaben, wobei es weniger Ausgabetoken als sein Vorgänger verwendet. Claude Opus 4.7 bietet eine verbesserte Bildauflösung, was es ideal für Unternehmensanwendungen macht, die eine tiefgehende Analyse, Dokumentenverständnis und ausgefeilte mehrstufige Arbeitsabläufe erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 4.6

Endpunktname: databricks-claude-opus-4-6

Unterstützte Eingaben: Text, Bild

Claude Opus 4.6 ist das fähigste Hybrid-Reasoning-Modell von Anthropic mit adaptiven Denkensfähigkeiten. Mit diesem Modell wird ein neues Leistungsniveau für die anspruchsvollsten Vorgänge eingeführt, wobei ein hoher Aufwand als Standard für eine optimale Leistung festgelegt ist. Claude Opus 4.6 zeichnet sich durch komplexes Denken, tiefgehende Analysen, Codegenerierung, Forschung und hochentwickelte mehrschrittige Arbeitsabläufe aus. Sie ist ideal für Unternehmensanwendungen, die sowohl umfangreiche Analysen als auch umfassende Ergebnisse erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 4.5

Endpunktname: databricks-claude-opus-4-5

Unterstützte Eingaben: Text, Bild

Claude Opus 4.5 ist das fähigste Hybrid-Reasoning-Modell von Anthropic, das für die komplexesten Aufgaben entwickelt wurde, die tiefe Analyse und erweitertes Denken erfordern. Dieses Modell kombiniert leistungsstarke allgemeine Funktionen mit fortgeschrittenem logischen Denken und zeichnet sich durch hervorragende Leistungen in der Codegenerierung, Forschung, Inhaltserstellung und anspruchsvollen mehrstufigen agentengesteuerten Workflows aus. Claude Opus 4.5 unterstützt Text- und Bildeingaben und ist damit ideal für Unternehmensanwendungen, die sowohl Breite als auch Tiefe des Verständnisses erfordern.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropisches Claude-Sonett 4

Endpunktname: databricks-claude-sonnet-4

Unterstützte Eingaben: Text, Bild

Claude Sonnet 4 ist ein hochmodernes, hybrides Reasoning-Modell, das von Anthropic gebaut und trainiert wurde. Dieses Modell bietet zwei Modi: nahezu sofortige Antworten und erweitertes Denken für tiefere Gründe basierend auf der Komplexität der Aufgabe. Claude Sonnet 4 ist für verschiedene Aufgaben wie Codeentwicklung, umfangreiche Inhaltsanalyse und Agent-Anwendungsentwicklung optimiert.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Anthropic Claude Opus 4.1

Endpunktname: databricks-claude-opus-4-1

Unterstützte Eingaben: Text, Bild

Claude Opus 4.1 ist ein hochmodernes, hybrides Begründungsmodell, das von Anthropic gebaut und trainiert wurde. Dieses allgemeine Sprachmodell ist sowohl für komplexe Argumente als auch für reale Anwendungen im Unternehmensmaßstab konzipiert. Es unterstützt Text- und Bildeingaben. Dieses Modell zeichnet sich bei Aufgaben wie Codegenerierung, Forschung, Inhaltserstellung und mehrstufigen Agenten-Workflows ohne ständiges menschliches Eingreifen aus.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

Dieser Endpunkt wird von Databricks innerhalb des Databricks-Sicherheitsperimeters gehostet.

Thinking Machine Labs Inkling

Endpunktname: databricks-inkling

Unterstützte Eingaben: Text, Bild

Inkling ist ein Mischung aus Expertensprachen (MoE) mit insgesamt 975 Milliarden Parametern und 41 Milliarden aktiven Parametern, entwickelt von Thinking Machine Labs. Das Modell unterstützt eine Kontextlänge von 1 Million Token und ist für Codierung, Schlussfolgerung und agentische Werkzeugnutzung optimiert.

Dieses Modell argumentiert immer. Siehe Abfrage-Argumentationsmodelle für unterstützte reasoning_effort Werte und Standardwerte.

KI-Modelle können Fehler machen, Absichten missverstehen, Antworten falsch interpretieren oder insgesamt falsche Antworten geben. Databricks empfiehlt Kunden, ihre Modelle zu bewerten, um sicherzustellen, dass sie wie beabsichtigt funktionieren.

GTE Large (En)

Endpunktname: databricks-gte-large-en

Unterstützte Eingaben: Text

allgemeine Texteinbettung (GENERAL Text Embedding, GTE) ist ein Texteinbettungsmodell, das beliebigen Text einem Vektor mit 1024 Dimensionen und einem Einbettungsfenster von 8192-Token zuordnen kann. Diese Vektoren können in Vektorindizes für LLMs und für Aufgaben wie Abruf, Klassifizierung, Fragebeantwortung, Clustering oder semantische Suche verwendet werden. Dieser Endpunkt dient der englischen Version des Modells und generiert keine normalisierten Einbettungen.

Einbettungsmodelle sind besonders effektiv, wenn sie zusammen mit LLMs für Einsatzfälle der retrieval-augmentierten Generierung (RAG) verwendet werden. GTE kann verwendet werden, um relevante Textausschnitte in großen Abschnitten von Dokumenten zu finden, die im Kontext einer LLM verwendet werden können.

BGE Large (En)

Endpunktname: databricks-bge-large-en

Unterstützte Eingaben: Text

BAAI General Embedding (BGE)- ist ein Texteinbettungsmodell, das jeden Text einem Vektor mit 1024 Dimensionen und einem Einbettungsfenster von 512 Token zuordnen kann. Diese Vektoren können in Vektorindizes für LLMs und für Aufgaben wie Abruf, Klassifizierung, Fragebeantwortung, Clustering oder semantische Suche verwendet werden. Dieser Endpunkt dient der englischen Version des Modells und generiert normalisierte Einbettungen.

Einbettungsmodelle sind besonders effektiv, wenn sie zusammen mit LLMs für Einsatzfälle der retrieval-augmentierten Generierung (RAG) verwendet werden. BGE kann verwendet werden, um relevante Textausschnitte in großen Abschnitten von Dokumenten zu finden, die im Kontext eines LLM verwendet werden können.

In RAG-Anwendungen können Sie möglicherweise die Leistung Ihres Abrufsystems verbessern, indem Sie einen Anweisungsparameter einschließen. Die BGE-Autoren empfehlen, die Anweisung "Represent this sentence for searching relevant passages:" für Abfrageeinbettungen zu testen, obwohl ihre Leistungsauswirkungen domänenabhängig sind.

Weitere Ressourcen

• Verwenden von Foundation-Modellen
• Foundation Model REST-API-Referenz
• Anwendbare Modellbedingungen