Opzioni di distribuzione del modello per gli analizzatori di Content Understanding

Azure Content Understanding in Foundry Tools usa le distribuzioni del modello Foundry per tutte le operazioni che richiedono un modello di intelligenza artificiale generativo. Questo approccio consente di ottimizzare la capacità fornita e consolidarla in un numero inferiore di distribuzioni, se necessario. È anche possibile scegliere il modello più adatto allo scenario per prezzo e latenza.

Verranno fatturati tutti i token (input e output) elaborati dalla distribuzione connessa e Comprensione dei contenuti fatturerà solo i contatori specifici di Comprensione dei contenuti. Per altre informazioni sul modello di fatturazione, vedere lo strumento di spiegazione dei prezzi .

Il servizio richiede un chat completion modello e un embeddings modello e supporta alcune opzioni diverse per ognuna.

Modelli supportati

Il servizio viene aggiornato periodicamente per aggiungere il supporto per altri modelli. I modelli attualmente supportati sono elencati in Limiti dei servizi - Modelli generativi supportati. Fare riferimento alla pianificazione del ritiro del modello per tenere traccia della fase del ciclo di vita del modello Foundry e della data di ritiro.

Nota

I modelli della serie GPT-5, incluse le varianti mini e nano in cui sono supportate, sono disponibili per gli analizzatori di Content Understanding. Il supporto per altri modelli viene aggiunto negli aggiornamenti futuri. Per l'elenco canonico e aggiornato, consultare Limiti del servizio - Modelli generativi supportati.

Controllare i modelli supportati per analizzatore

Diversi analizzatori supportano diversi set di modelli. Per verificare i modelli supportati da un analizzatore specifico, usare l'API GET analizzatori:

GET /contentunderstanding/analyzers/{analyzerId}?api-version=2025-11-01

La risposta include un supportedModels oggetto che elenca i modelli di completamento e incorporamento supportati da tale analizzatore. La risposta seguente usa gpt-5.2 come esempio:

{
  "analyzerId": "prebuilt-invoice",
  "supportedModels": {
    "completion": [
      "gpt-5.2"
    ],
    "embedding": [
      "text-embedding-3-large"
    ]
  },
  "models": {
    "completion": "prebuilt-analyzer-completion",
    "embedding": "prebuilt-analyzer-embedding"
  }
}

Selezione del modello per analizzatori predefiniti

Gli analizzatori predefiniti usano gli alias del modello anziché i nomi diretti dei modelli nella relativa models sezione. Ciò consente al servizio di supportare gli aggiornamenti del modello senza modificare le definizioni dell'analizzatore.

Gli analizzatori predefiniti fanno riferimento agli alias del modello seguenti:

Alias del modello Usato da
prebuilt-analyzer-completion Impostazione predefinita per la maggior parte degli analizzatori preconfigurati
prebuilt-analyzer-completion-mini Impostazione predefinita per gli analizzatori predefiniti selezionati, ad esempio prebuilt-*Search
prebuilt-analyzer-embedding Analizzatori predefiniti che richiedono incorporamenti

Questi alias vengono mappati alle distribuzioni effettive nella modelDeployments configurazione (vedere Impostare le distribuzioni predefinite).

Funzionamento della selezione del modello

Quando si crea un analizzatore personalizzato, è possibile specificare il modello di completamento della chat e il modello di incorporamento usato.

{
  "analyzerId": "myInvoice",
  "models": {
    // Specify the completion and embedding models for this custom analyzer by referencing the model aliases
    "completion": "prebuilt-analyzer-completion",
    "embedding": "prebuilt-analyzer-embedding"
  },
  "config": {

  },
  // Complete analyzer definition
}

Suggerimento

GPT-5.2 è un modello consigliato per l'uso con Foundry e Studio. È possibile usare qualsiasi modello di completamento della chat supportato che soddisfi gli obiettivi di qualità, latenza e costi. I modelli di embedding vengono usati quando si usano esempi etichettati o l'apprendimento contestuale per migliorare la qualità dell'analizzatore.

Due modi per implementare distribuzioni di modelli

Per impostare le distribuzioni di modelli, sono disponibili due opzioni:

  • Opzione 1: Impostare le distribuzioni predefinite del modello a livello di risorsa.
  • Opzione 2: Passare i puntatori per la distribuzione del modello in ogni richiesta di analisi.

Se si impostano le impostazioni predefinite delle risorse, è comunque possibile eseguire l'override di tali impostazioni predefinite per una singola richiesta includendo modelDeployments in tale richiesta.

Opzione 1: Impostare le distribuzioni predefinite a livello di risorsa

È possibile connettere direttamente Content Understanding alla distribuzione del modello quando si chiama analisi tramite l'API. Tuttavia, per semplificare la gestione in un set di analizzatori diversi, è possibile gestire centralmente i modelli predefiniti per tutti gli analizzatori in una determinata risorsa Foundry. A tale scopo, scegliere uno dei metodi di configurazione seguenti:

Per il flusso di onboarding completo, vedere Avvio rapido: Provare Content Understanding Studio.

  1. Aprire Content Understanding Studio.
  2. Selezionare l'icona a forma di ingranaggio Impostazioni nell'angolo superiore destro.
  3. Selezionare Aggiungi risorsa per aprire la finestra di dialogo Aggiungi nuova risorsa connessa .
  4. Per connettere una risorsa, selezionare la sottoscrizione, il gruppo di risorse e la risorsa Foundry nella finestra di dialogo. Screenshot della finestra di dialogo Aggiungi nuova risorsa connessa con sottoscrizione, gruppo di risorse, nome della risorsa e opzione di distribuzione automatica.
  5. Facoltativo: selezionare Abilita la distribuzione automatica per i modelli necessari se non è disponibile alcuna distribuzione predefinita.
  6. Selezionare Avanti, esaminare i mapping e quindi salvare.

Studio può configurare le impostazioni predefinite per i modelli di completamento e incorporamento supportati. Se la risorsa selezionata non dispone già delle distribuzioni necessarie, Studio può distribuirle quando la distribuzione automatica è abilitata. Per l'elenco corrente, vedere Modelli generativi supportati.

Screenshot dell'impostazione e della configurazione della distribuzione modello in Content Understanding Studio.

Da qui è possibile provare le funzionalità di Analisi del contenuto nel portale Web seguendo la procedura descritta nell'argomento di avvio rapido.

Opzione 2: Passare le distribuzioni dei modelli in ogni richiesta di analisi

Usare questa opzione quando si vuole che ogni richiesta punti in modo esplicito alle distribuzioni del modello passando un modelDeployments oggetto nella richiesta di analisi. Questo approccio offre la massima flessibilità per l'uso di distribuzioni diverse per richieste diverse e non richiede impostazioni predefinite per le risorse.

POST /contentunderstanding/analyzers/myInvoice:analyze?api-version=2025-11-01

{
  "inputs": [
    {
      "url": "https://github.com/Azure-Samples/azure-ai-content-understanding-python/raw/refs/heads/main/data/invoice.pdf"
    }
  ],
  "modelDeployments": {
    "prebuilt-analyzer-completion": "myGpt52Deployment",
    "prebuilt-analyzer-embedding": "myTextEmbedding3LargeDeployment"
  }
}

I modelDeployments valori in questa richiesta di analisi sostituiscono le impostazioni predefinite configurate a livello di risorsa.

Dati di utilizzo e fatturazione

Le risposte di analisi includono la proprietà usage. Questa proprietà segnala l'utilizzo dei token per la distribuzione connessa e altri contatori di utilizzo di Comprensione dei contenuti. Puoi confrontare questi valori con i dati sull'utilizzo della distribuzione per correlare il consumo da Content Understanding alla distribuzione del modello.

{
  "usage": {
    "documentPagesMinimal": 3, 
    "documentPagesBasic": 2, 
    "documentPagesStandard": 1, 
    "audioHours": 0.234,
    "videoHours": 0.123,
    "contextualizationTokens": 1000,
    "tokens": {
      "gpt-5.2-input": 1234, /*Completion model Input and output tokens consumed*/
      "gpt-5.2-output": 2345,
      "text-embedding-3-large": 3456 /*Embedding tokens consumed*/
    }
  }
}

Per informazioni dettagliate sul funzionamento della fatturazione per Informazioni sul contenuto, vedere la spiegazione dei prezzi.

Filtro dei contenuti e guardrail

Ogni distribuzione del modello Foundry ha un'istanza di Guardrails associata che valuta il contenuto per la sicurezza. Content Understanding espone l'output guardrails direttamente nella risposta di analisi come content_filters matrice. Se un'istanza Guardrails blocca il contenuto, l'operazione di analisi restituisce un errore; se annota il contenuto, il risultato passa attraverso con i metadati del filtro allegati.

Per modificare le soglie di filtro del contenuto o passare dal blocco all'annotazione, aggiornare la configurazione guardrails nella distribuzione del modello nel progetto Azure AI Foundry. Per altre informazioni, vedere Filtri dei contenuti e protezioni e il riferimento all'oggetto risposta content_filters.

Contenuto correlato

  • Last updated on