Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
modele Microsoft Foundry w katalogu modeli składają się z dwóch głównych kategorii, a mianowicie Foundry Models sprzedawanych przez Azure i Foundry Models od partnerów i społeczności. W tym artykule wymieniono wybrane modele Foundry oferowane przez platformę Azure wraz z ich możliwościami, typami wdrożenia i regionami, w których są dostępne, z wyłączeniem przestarzałych i wycofanych modeli.
Modele sprzedawane przez Azure są również hostowane przez Azure i obsługiwane przez Azure w ramach usługi Foundry Models. Obejmują one wszystkie modele Azure OpenAI i konkretne modele wybrane od najlepszych dostawców. Te modele są rozliczane za pośrednictwem subskrypcji Azure, objętej umowami dotyczącymi poziomu usług Azure i obsługiwanymi przez Microsoft. Aby wyświetlić listę modeli Foundry obsługiwanych przez Foundry Agent Service, odwołaj się do Modele obsługiwane przez Foundry Agent Service, a listę modeli Foundry od partnerów znajdziesz w Modele Foundry od partnerów i społeczności.
Wskazówka
Użyj kart w górnej części tej strony, aby przełączać się między modelami Azure OpenAI a innymi kolekcjami modeli od dostawców takich jak Cohere, DeepSeek, Meta, Mistral AI i xAI.
Azure OpenAI w modelach Microsoft Foundry
Azure openAI jest obsługiwany przez zróżnicowany zestaw modeli z różnymi możliwościami i punktami cenowymi. Dostępność modelu różni się w zależności od regionu i chmury.
- Aby wyświetlić dostępność
regionu dla Azure OpenAI w modelach Microsoft Foundry pogrupowanych według kategorii wdrożenia zobaczRegion availability for Foundry Models sold by Azure ( Dostępność regionów dla modeli foundry sprzedanych przez Azure - Informacje o dostępności modeli w usłudze Azure Government można znaleźć w artykule Azure OpenAI w Azure Government.
Najważniejsze informacje o modelu
| Modele | Opis |
|---|---|
| Seria GPT-6.1 |
NOWYgpt-6.1-sol |
| Seria GPT-6 |
NOWY, NOWYgpt-6-lunagpt-6-astra,gpt-6-sol |
| Seria GPT-5.6 |
gpt-5.6-sol, gpt-5.6-terra, gpt-5.6-luna |
| GPT-chat-latest (wersja zapoznawcza) |
NOWYgpt-chat-latestPodgląd |
| Seria GPT-5.5 | gpt-5.5 |
| Seria GPT-5.4 |
gpt-5.4-mini, , gpt-5.4-nano, , gpt-5.4gpt-5.4-pro |
| Seria GPT-5.3 | gpt-5.3-codex |
| Seria GPT-5.2 |
gpt-5.2-codex, gpt-5.2 |
| Seria GPT-5.1 |
gpt-5.1, gpt-5.1-codex, gpt-5.1-codex-mini |
| Sora | NOWY sora-2 |
| Seria GPT-5 |
gpt-5, gpt-5-mini, gpt-5-nano |
| gpt-oss | modele rozumowania typu open-weight |
| codex-mini | Dostrojona wersja programu o4-mini. |
| Seria GPT-4.1 |
gpt-4.1, gpt-4.1-mini, gpt-4.1-nano |
| computer-use-preview | Eksperymentalny model szkolony do użycia z narzędziem API Odpowiedzi do obsługi komputera. |
| Modele serii O | Modele rozumowania z zaawansowanym rozwiązywaniem problemów i zwiększeniem koncentracji uwagi i możliwości. |
| GPT-4o, GPT-4o mini i GPT-4 Turbo | W pełni funkcjonalne modele OpenAI wspierane przez Azure z wersjami wielomodalnymi, które mogą akceptować zarówno tekst, jak i obrazy jako dane wejściowe. |
| Osadzanie | Zestaw modeli, które mogą konwertować tekst na postać wektorów liczbowych, aby ułatwić podobieństwo tekstu. |
| Generowanie obrazu | Seria modeli, które mogą generować oryginalne obrazy na podstawie języka naturalnego. |
Video generation |
Model, który może generować oryginalne sceny wideo na podstawie instrukcji tekstowych. |
| Audio | Seria modeli do zamiany mowy na tekst, tłumaczenia i zamiany tekstu na mowę. Modele audio GPT-4o obsługują mowę o małych opóźnieniach, interakcjach konwersacyjnych lub generowaniu dźwięku. |
Omówienie limitów tokenów modelu
Kolumna Okno kontekstu zawiera łączną liczbę tokenów, które model może przetworzyć w żądaniu. Gdy wiersz zawiera listę oddzielnych wartości wejściowych i wyjściowych , te wartości są poszczególnymi limitami. Nie są to łączne limity, z których można zawsze korzystać jednocześnie. Tokeny wejściowe, wygenerowane tokeny wyjściowe i tokeny rozumowania współdzielą dostępny budżet kontekstu. Więcej danych wejściowych pozostawia mniej tokenów na potrzeby generowania.
Kolumna Maksymalne tokeny wyjściowe ustawia górny limit, a nie gwarantowany rozmiar danych wyjściowych. Parametr interfejsu API, taki jak max_output_tokens nie rezerwuje tokenów, gdy żądanie ma mniej dostępnego budżetu kontekstu.
Krótki kontekst i długi kontekst
W przypadku modeli Azure OpenAI z kategoriami cenowymi dla krótkiego i długiego kontekstu kontekst odnosi się do liczby tokenów wejściowych w pojedynczym żądaniu. Nie odnosi się do maksymalnego okna kontekstu modelu ani połączonej liczby tokenów wejściowych i wyjściowych.
Te kategorie opisują długość danych wejściowych żądania, a nie różne rozmiary okien kontekstowych modelu. Model o dużym oknie kontekstowym może nadal otrzymać żądanie z krótkim kontekstem.
Wygenerowane tokeny wyjściowe nie określają, czy żądanie jest klasyfikowane jako krótki kontekst czy długi kontekst. Tokeny wyjściowe nadal podlegają odpowiednim cenom modelu.
Aby uzyskać szczegółowe informacje o progach, stawkach i rozliczeniach specyficznych dla modelu, zobacz Azure Cennik openAI.
GPT-chat-najnowszy
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-chat-latest (2026-08-06)Podgląd |
-
Rozumowanie. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | Luty 2026 r. |
gpt-chat-latest (2026-06-24)Podgląd |
-
Rozumowanie. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
gpt-chat-latest (2026-05-28)Podgląd |
-
Rozumowanie. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
gpt-chat-latest (2026-05-05)Podgląd |
-
Rozumowanie. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
gpt-chat-latest używa stałego, niezerowego poziomu rozumowania, dzięki czemu może generować tokeny rozumowania dla niektórych żądań. W przeciwieństwie do innych modeli rozumowania nie można skonfigurować tego poziomu za pomocą parametru reasoning_effort .
Możesz również spotkać się z tym, że OpenAI określa ten model jako GPT-5.5 Instant lub w interfejsie API OpenAI jako chat-latest. W Microsoft Foundry nazwa produktu dla tej wersji to gpt-chat-latest. Model nadal jest zgodny z istniejącym cyklem życia wersji zapoznawczej i standardowymi okresami powiadomień. Zespół ocenia również sposoby upraszczania sposobu, w jaki klienci uzyskują dostęp do stale aktualizowanych modeli w czasie, ale bieżące zachowanie pozostaje niezmienione w miarę kontynuowania pracy.
Ostrożność
Microsoft nie zaleca korzystania z modeli w wersji zapoznawczej w środowisku produkcyjnym. Wdrożenia modelu w wersji zapoznawczej są uaktualniane do przyszłych wersji zapoznawczych lub do najnowszej stabilnej, ogólnie dostępnej wersji. Modele oznaczone jako wersja zapoznawcza nie są zgodne ze standardowym cyklem życia modeli Azure OpenAI.
GPT-6.1
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-6.1-sol (2026-09-29) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. - Przesyłanie strumieniowe. Ustrukturyzowane dane wyjściowe. - Tekst i obrazy jako dane wejściowe oraz tekst jako dane wyjściowe. - Funkcje, narzędzia i równoległe wywołania narzędzi (tylko Responses API). - Wysiłek rozumowania i szczegółowość. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Kwiecień 2026 r. |
GPT-6
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-6-astra (2026-09-03) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. - Przesyłanie strumieniowe. Ustrukturyzowane dane wyjściowe. - Tekst i obrazy jako dane wejściowe oraz tekst jako dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Wysiłek rozumowania i szczegółowość. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Kwiecień 2026 r. |
gpt-6-luna (2026-09-22) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. - Przesyłanie strumieniowe. Ustrukturyzowane dane wyjściowe. - Tekst i obrazy jako dane wejściowe oraz tekst jako dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Wysiłek rozumowania i szczegółowość. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Maj 2026 r. |
gpt-6-sol (2026-09-22) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. - Przesyłanie strumieniowe. Ustrukturyzowane dane wyjściowe. - Tekst i obrazy jako dane wejściowe oraz tekst jako dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Wysiłek rozumowania i szczegółowość. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Kwiecień 2026 r. |
Uwaga
W pewnych okolicznościach Astra może stosować rozszerzone mechanizmy kontroli bezpieczeństwa, gdy systemy bezpieczeństwa identyfikują podwyższony poziom ryzyka. Te kontrolki mogą obejmować modyfikowanie progów klasyfikatora w czasie wnioskowania i uzupełnianie monitów klientów za pomocą instrukcji bezpieczeństwa generowanych przez system mających na celu obsługę bezpiecznych i zgodnych z zasadami zachowań modelu.
Podczas wdrażania i wywoływania modeli GPT-6 należy pamiętać o następujących kwestiach:
- Niektóre poziomy limitów przydziału wymagają złożenia wniosku o przydział w celu wdrożenia modeli z rodziny GPT-6. Subskrypcje warstwy 5 i warstwy 6 domyślnie mają limit przydziału. Więcej informacji o przydziałach i limitach w usłudze Microsoft Foundry znajdziesz w artykule Przydziały i limity modeli Microsoft Foundry.
- Standardowe wdrożenia modeli GPT-6 w modelu płatności zgodnie z rzeczywistym użyciem stosują oddzielne kategorie cenowe dla żądań z krótkim i długim kontekstem. Każdy model GPT-6 obsługuje oba typy żądań. Liczba tokenów wejściowych określa kategorię, jak wyjaśniono w krótkim kontekście i długim kontekście. Informacje o progach, stawkach i sposobie naliczania opłat dla żądania w usłudze GPT-6 można znaleźć w dokumencie cennik usługi Azure OpenAI.
GPT-5.6
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.6-sol (2026-07-09) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. - Elastyczne przetwarzanie. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Luty 2026 r. |
gpt-5.6-terra (2026-07-09) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Luty 2026 r. |
gpt-5.6-luna (2026-07-09) |
-
Rozumowanie - API odpowiedzi. - Orkiestracja wielu agentów (wersja zapoznawcza). - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Luty 2026 r. |
Uwaga
Podczas wdrażania i wywoływania gpt-5.6 modeli należy pamiętać o następujących kwestiach:
- Niektóre poziomy limitu przydziału wymagają złożenia wniosku o limit przydziału, aby
gpt-5.6wdrożyć ten model. Subskrypcje warstwy 5 i warstwy 6 domyślnie mają limit przydziału. Więcej informacji o przydziałach i limitach w usłudze Microsoft Foundry znajdziesz w artykule Przydziały i limity modeli Microsoft Foundry. - Standardowe wdrożenia modeli GPT-5.6 w modelu płatności zgodnie z użyciem stosują oddzielne kategorie cenowe dla żądań z krótkim i długim kontekstem. Każdy model GPT-5.6 obsługuje oba typy żądań. Liczba tokenów wejściowych określa kategorię, jak wyjaśniono w krótkim kontekście i długim kontekście. Informacje o progach, stawkach i sposobie naliczania opłat dla żądania w GPT-5.6 można znaleźć w dokumencie Cennik usługi Azure OpenAI.
- Te modele obsługują interfejs API Chat Completions i narzędzia funkcji, ale nie jednocześnie, chyba że
reasoning_effortjestnone. Użyj interfejsu Responses API do wywoływania narzędzi. Aby uzyskać więcej informacji, zobacz Wywoływanie narzędzi za pomocą modeli rozumowania.
GPT-5.5
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.5 (2026-04-24) |
-
Rozumowanie - API odpowiedzi. - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Grudzień 2025 r. |
Limit tokenów w interfejsie Responses API
W przypadku obecnej implementacji interfejsu Responses API GPT-5.5 efektywny łączny limit promptu i generowania wynosi około 922 000 tokenów. Ten limit API jest mniejszy niż okno kontekstowe modelu wynoszące 1 050 000 tokenów. Nie można połączyć monitu liczącego 922 000 tokenów z 128 000 wygenerowanych tokenów w jednym żądaniu. Oblicz przybliżony budżet generowania w następujący sposób:
available generation tokens = 922,000 - prompt tokens
Na przykład żądanie zawierające 921 549 tokenów monitu ma następujący budżet tokenów:
- Tokeny monitu: 921 549.
- Obowiązujący budżet kontekstowy: 922 000.
- Pozostały budżet generowania: 451 tokenów.
Model może wygenerować co najwyżej pozostałe 451 tokenów, nawet jeśli ustawisz max_output_tokens na 64 000 lub 128 000. Ten budżet generowania zawiera widoczne dane wyjściowe i tokeny rozumowania.
Osiągnięcie dostępnego budżetu tokenu niekoniecznie powoduje wystąpienie błędu HTTP. Żądanie może zwrócić kod stanu HTTP 200 z niekompletną odpowiedzią. Sprawdź status pod kątem incomplete oraz incomplete_details.reason pod kątem max_output_tokens, aby ustalić, czy generowanie zostało zatrzymane po osiągnięciu limitu tokenów.
Uwaga
Niektóre warstwy przydziału będą wymagać wniosków o przydział, gpt-5.5 aby móc wdrożyć ten model. Subskrypcje warstwy 5 i warstwy 6 domyślnie mają limit przydziału.
GPT-5.4
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.4 (2026-03-05) |
-
Rozumowanie - API odpowiedzi. - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
gpt-5.4-pro (2026-03-05) |
-
Rozumowanie - API odpowiedzi. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia - Pełne podsumowanie możliwości. |
1,050,000 Dane wejściowe: 922 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
gpt-5.4-mini (2026-03-17) |
-
Rozumowanie - API odpowiedzi. - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Korzystanie z komputera - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
gpt-5.4-nano (2026-03-17) |
-
Rozumowanie - API odpowiedzi. - API uzupełnień czatu. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
GPT-5.3
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.3-codex (2026-02-24) |
-
Rozumowanie - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
gpt-5.3-chat (2026-03-03)Wycofano 29 czerwca 2026 r. |
Specyfikacje historyczne. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
GPT-5.2
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.2-codex (2026-01-14) |
-
Rozumowanie - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | |
gpt-5.2 (2025-12-11) |
-
Rozumowanie - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | Sierpień 2025 r. |
gpt-5.2-chat (2025-12-11)Wycofano 13 maja 2026 r. |
Specyfikacje historyczne. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
gpt-5.2-chat (2026-02-10)Wycofano 29 czerwca 2026 r. |
Specyfikacje historyczne. - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | Sierpień 2025 r. |
Wycofane modele nie są dostępne do użycia ani nowych wdrożeń. Zobacz harmonogram wycofania modelu , aby uzyskać wskazówki dotyczące zastępowania.
GPT-5.1
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5.1 (2025-11-13) |
-
Rozumowanie - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
gpt-5.1-chat (2025-11-13) Wycofano 29 czerwca 2026 r. |
Specyfikacje historyczne. - Rozumowanie - API uzupełnień czatu. - API odpowiedzi. - Dane wyjściowe ze strukturą - Funkcje, narzędzia i równoległe wywoływanie narzędzi. |
128,000 Dane wejściowe: 111 616 Dane wyjściowe: 16 384 |
16,384 | 30 września 2024 r. |
gpt-5.1-codex (2025-11-13) |
- Tylko API odpowiedzi. - Przetwarzanie tekstu i obrazu Ustrukturyzowane dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
gpt-5.1-codex-mini (2025-11-13) |
- Tylko API odpowiedzi. - Przetwarzanie tekstu i obrazu Ustrukturyzowane dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
gpt-5.1-codex-max (2025-12-04) |
- Tylko API odpowiedzi. - Przetwarzanie tekstu i obrazu Ustrukturyzowane dane wyjściowe. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
Ważne
gpt-5.1reasoning_effortwartość domyślna tonone. Podczas uaktualniania z poprzednich modeli rozumowania dogpt-5.1należy pamiętać, że może być konieczne zaktualizowanie kodu w celu jawnego przekazania poziomureasoning_effort, jeśli chcesz, aby rozumowanie mogło się odbyć.gpt-5.1-codex-maxDodaje obsługę ustawieniareasoning_effortnaxhigh. Wysiłeknonerozumowania nie jest obsługiwany za pomocą poleceniagpt-5.1-codex-max.
GPT-5
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-5 (2025-08-07) |
-
Rozumowanie - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
gpt-5-mini (2025-08-07) |
-
Rozumowanie - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 31 maja 2024 r. |
gpt-5-nano (2025-08-07) |
-
Rozumowanie - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 31 maja 2024 r. |
gpt-5-chat (2025-08-07)Wycofano 29 czerwca 2026 r. |
Specyfikacje historyczne. - API uzupełnień czatu. - API odpowiedzi. - Dane wejściowe: tekst/obraz - Dane wyjściowe: tylko tekst |
128,000 | 16,384 | 30 września 2024 r. |
gpt-5-chat (2025-10-03)Wycofano 13 maja 2026 r. |
Specyfikacje historyczne. - API uzupełnień czatu. - API odpowiedzi. - Dane wejściowe: tekst/obraz - Dane wyjściowe: tylko tekst |
128,000 | 16,384 | 30 września 2024 r. |
gpt-5-codex (2025-09-11) |
- Tylko API odpowiedzi. - Dane wejściowe: tekst/obraz - Dane wyjściowe: tylko tekst Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. - Pełne podsumowanie możliwości — Zoptymalizowane pod kątem Codex CLI i rozszerzenia Codex VS Code |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | - |
gpt-5-pro (2025-10-06) |
-
Rozumowanie - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia - Pełne podsumowanie możliwości. |
400,000 Dane wejściowe: 272 000 Dane wyjściowe: 128 000 |
128,000 | 30 września 2024 r. |
Wycofane modele nie są dostępne do użycia ani nowych wdrożeń. Zobacz harmonogram wycofania modelu , aby uzyskać wskazówki dotyczące zastępowania.
gpt-oss
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstu | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-oss-120b
1 (wersja zapoznawcza) |
- Tylko tekst wejście/wyjście - API uzupełniania rozmów czatowych -Streaming - Wywoływanie funkcji - Dane wyjściowe ze strukturą -Rozumowanie — Dostępne do wdrożenia1 i za pośrednictwem zarządzanej mocy obliczeniowej |
131,072 | 131,072 | 31 maja 2024 r. |
gpt-oss-20b (Wersja zapoznawcza) |
- Tylko tekst wejście/wyjście - API uzupełniania rozmów czatowych -Streaming - Wywoływanie funkcji - Dane wyjściowe ze strukturą -Rozumowanie — Dostępne za pośrednictwem zarządzanych zasobów obliczeniowych i lokalnego rozwiązania Foundry |
131,072 | 131,072 | 31 maja 2024 r. |
1 W przeciwieństwie do innych modeli Azure OpenAI, gpt-oss-120b projekt Foundry wymaga wdrożenia modelu.
Wdrażanie przy użyciu kodu
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"
Seria GPT-4.1
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstowe | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
gpt-4.1 (2025-04-14) |
- Wprowadzanie tekstu i obrazu - Wynik tekstowy - API uzupełniania rozmów na czacie - Interfejs API odpowiedzi -Streaming - Wywoływanie funkcji - Strukturalne wyniki (zakończenia czatu) |
- 1,047,576 - 300 000 (wdrożenia standardowe) - 128 000 (aprowizowania wdrożeń zarządzanych i wsadowych) |
32,768 | 31 maja 2024 r. |
gpt-4.1-nano (2025-04-14) |
- Wprowadzanie tekstu i obrazu - Wynik tekstowy - API uzupełniania rozmów na czacie - Interfejs API odpowiedzi -Streaming - Wywoływanie funkcji - Strukturalne wyniki (zakończenia czatu) |
- 1,047,576 - 300 000 (wdrożenia standardowe) - 128 000 (aprowizowania wdrożeń zarządzanych i wsadowych) |
32,768 | 31 maja 2024 r. |
gpt-4.1-mini (2025-04-14) |
- Wprowadzanie tekstu i obrazu - Wynik tekstowy - API uzupełniania rozmów na czacie - Interfejs API odpowiedzi -Streaming - Wywoływanie funkcji - Strukturalne wyniki (zakończenia czatu) |
- 1,047,576 - 300 000 (wdrożenia standardowe) - 128 000 (aprowizowania wdrożeń zarządzanych i wsadowych) |
32,768 | 31 maja 2024 r. |
Uwaga
Udostępnione zarządzane wdrożenia modeli serii GPT-4.1 obsługują długość kontekstu mniejszą niż 128 000 tokenów. Żądanie przekraczające ten limit zwraca błąd HTTP 400. Aby obsługiwać żądania wymagające długiego kontekstu w aprowizowanym wdrożeniu, włącz spillover, który kieruje te żądania do odpowiadającego mu wdrożenia standardowego.
Znany problem
Znany problem dotyczy wszystkich modeli serii GPT-4.1. Duże definicje wywołań narzędzi lub funkcji, które przekraczają 300 000 tokenów, powodują awarie, mimo że nie został osiągnięty limit kontekstu modeli wynoszący 1 milion tokenów.
Błędy mogą się różnić w zależności od wywołania interfejsu API i podstawowych właściwości ładunku.
Oto komunikaty o błędach dla API uzupełnień czatu:
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'}}
Oto komunikat o błędzie dla Responses API:
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}}
Pogląd użycia komputera
Eksperymentalny model trenowany do użycia z narzędziem komputerowym API odpowiedzi.
Można go używać z bibliotekami innych firm, aby umożliwić modelowi sterowanie wprowadzaniem myszy i klawiatury podczas pobierania kontekstu ze zrzutów ekranu bieżącego środowiska.
Ostrożność
Nie zalecamy używania modeli w wersji zapoznawczej w środowisku produkcyjnym. Uaktualnimy wszystkie wdrożenia modeli w wersji zapoznawczej do przyszłych wersji zapoznawczych lub do najnowszej stabilnej, ogólnie dostępnej wersji. Modele oznaczone jako wersja zapoznawcza nie są zgodne ze standardowym cyklem życia modeli Azure OpenAI.
Rejestracja jest wymagana do uzyskania dostępu do computer-use-preview. Dostęp jest udzielany na podstawie kryteriów kwalifikowalności Microsoft. Klienci, którzy mają dostęp do innych modeli ograniczonego dostępu, nadal muszą zażądać dostępu dla tego modelu.
Aby zażądać dostępu, przejdź do computer-use-preview aplikacji modelu ograniczonego dostępu. Po udzieleniu dostępu należy utworzyć wdrożenie dla modelu.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Okno kontekstowe | Maksymalna liczba tokenów wyjściowych | Dane szkoleniowe (do) |
|---|---|---|---|---|
computer-use-preview (2025-03-11) |
Wyspecjalizowany model do użycia z narzędziem komputerowym Interfejsu API odpowiedzi -Narzędzia -Streaming - Tekst (dane wejściowe/wyjściowe) - Obraz (dane wejściowe) |
8,192 | 1,024 | Październik 2023 r. |
Modele serii O
Modele z serii O usługi Azure OpenAI zostały zaprojektowane do realizacji zadań wymagających rozumowania i rozwiązywania problemów z większą skutecznością i szerszymi możliwościami. Modele te poświęcają więcej czasu na przetwarzanie i zrozumienie żądania użytkownika, co czyni je wyjątkowo silnymi w obszarach takich jak nauka, kodowanie i matematyka, w porównaniu z poprzednimi iteracjami.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Maksymalna liczba żądań (tokenów) | Dane szkoleniowe (do) |
|---|---|---|---|
codex-mini (2025-05-16) |
Dostrojona wersja programu o4-mini. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia. Pełne podsumowanie możliwości. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
31 maja 2024 r. |
o3-pro (2025-06-10) |
-
API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia. Pełne podsumowanie możliwości. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
31 maja 2024 r. |
o4-mini (2025-04-16) |
-
Nowy model rozumowania, oferując ulepszone możliwości rozumowania. - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia. Pełne podsumowanie możliwości. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
31 maja 2024 r. |
o3 (2025-04-16) |
-
Nowy model rozumowania, oferując ulepszone możliwości rozumowania. - API uzupełnień czatu. - API odpowiedzi. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje, narzędzia i równoległe wywoływanie narzędzi. Pełne podsumowanie możliwości. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
31 maja 2024 r. |
o3-mini (2025-01-31) |
-
Ulepszone możliwości rozumowania. Ustrukturyzowane dane wyjściowe. - Przetwarzanie wyłącznie tekstowe. - Funkcje i narzędzia. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
Październik 2023 r. |
o1 (2024-12-17) |
-
Ulepszone możliwości rozumowania. Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Funkcje i narzędzia. |
Dane wejściowe: 200 000 Dane wyjściowe: 100 000 |
Październik 2023 r. |
o1-preview
1 (2024-09-12)Wycofano 28 lipca 2025 r. |
Specyfikacje historyczne. | Dane wejściowe: 128 000 Dane wyjściowe: 32 768 |
Październik 2023 r. |
o1-mini
2 (2024-09-12) |
Szybsza i bardziej opłacalna opcja w serii o1, idealna do kodowania zadań wymagających szybkości i mniejszego zużycia zasobów. - Wdrożenie w globalnym standardzie jest domyślnie dostępne. — Wdrożenia standardowe (regionalne) są obecnie dostępne tylko dla wybranych klientów, którzy otrzymali dostęp w ramach o1-preview ograniczonej wersji dostępu. |
Dane wejściowe: 128 000 Dane wyjściowe: 65 536 |
Październik 2023 r. |
1o1-preview jest wycofany i nie jest dostępny do użycia ani nowych wdrożeń. Zobacz Wycofane modele.
2o1-mini jest obecnie dostępne dla wszystkich klientów na potrzeby wdrożenia w warstwie Global Standard. Wybranym klientom przyznano standardowy (regionalny) dostęp do o1-mini, w ramach wersji z ograniczonym dostępem o1-preview. Obecnie dostęp do o1-mini standardowych (regionalnych) wdrożeń nie jest rozszerzany.
o3-deep-research jest obecnie dostępny tylko z usługą Foundry Agent Service. Aby dowiedzieć się więcej, zobacz wskazówki dotyczące narzędzia Deep Research.
Aby dowiedzieć się więcej na temat zaawansowanych modeli serii o-series, zobacz Wprowadzenie do modeli rozumowania.
GPT-4o i GPT-4 Turbo
GPT-4o integruje tekst i obrazy w jednym modelu, co umożliwia obsługę wielu typów danych jednocześnie. Takie wielomodalne podejście zwiększa dokładność i szybkość reakcji w interakcjach komputerów ludzkich. GPT-4o dorównuje GPT-4 Turbo w zadaniach związanych z tekstem angielskim i kodowaniem, oferując jednocześnie lepszą wydajność w zadaniach w językach innych niż angielski oraz zadaniach związanych z wizją, ustalając nowe standardy dla możliwości AI.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Modele GPT-4 i GPT-4 Turbo
Wymienione modele obsługują interfejs API Chat Completions. Wersje GPT-4o 2024-05-13, 2024-08-06 i 2024-11-20 oraz wersja GPT-4o-mini 2024-07-18 również obsługują interfejs API Responses.
Aby dowiedzieć się, jak Azure openAI obsługuje uaktualnienia wersji modelu, zobacz Wersje modelu. Aby dowiedzieć się, jak wyświetlać i konfigurować ustawienia wersji modelu wdrożeń GPT-4, zobacz Praca z modelami.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
| Identyfikator modelu | Opis | Maksymalna liczba żądań (tokenów) | Dane szkoleniowe (do) |
|---|---|---|---|
gpt-4o (2024-11-20) GPT-4o (Omni) |
Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Tryb JSON. - Wywołania funkcji równoległych. - Zwiększona dokładność i czas odpowiedzi. - Równość z angielskim tekstem i zadaniami kodowania w porównaniu do GPT-4 Turbo z funkcją widzenia. - Lepsza wydajność w językach innych niż angielski i w zadaniach przetwarzania obrazów. - Ulepszona twórcza umiejętność pisania. |
Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Październik 2023 r. |
gpt-4o (2024-08-06) GPT-4o (Omni) |
Ustrukturyzowane dane wyjściowe. - Przetwarzanie tekstu i obrazu. - Tryb JSON. - Wywołania funkcji równoległych. - Zwiększona dokładność i czas odpowiedzi. - Równość z angielskim tekstem i zadaniami kodowania w porównaniu do GPT-4 Turbo z funkcją widzenia. - Lepsza wydajność w językach innych niż angielski i w zadaniach przetwarzania obrazów. |
Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Październik 2023 r. |
gpt-4o-mini (2024-07-18) GPT-4o mini |
- Szybki, niedrogi, zdolny model idealny do zastąpienia modeli serii GPT-3.5 Turbo. - Przetwarzanie tekstu i obrazu. - Tryb JSON. - Wywołania funkcji równoległych. |
Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Październik 2023 r. |
gpt-4o (2024-05-13) GPT-4o (Omni) |
- Przetwarzanie tekstu i obrazu. - Tryb JSON. - Wywołania funkcji równoległych. - Zwiększona dokładność i czas odpowiedzi. - Równość z angielskim tekstem i zadaniami kodowania w porównaniu do GPT-4 Turbo z funkcją widzenia. - Lepsza wydajność w językach innych niż angielski i w zadaniach przetwarzania obrazów. |
Dane wejściowe: 128 000 Dane wyjściowe: 4096 |
Październik 2023 r. |
gpt-4
1 (turbo-2024-04-09) GPT-4 Turbo z wizją |
Nowy ogólnie dostępny model. — Zastąpienie wszystkich poprzednich modeli GPT-4 w wersji zapoznawczej ( vision-preview, 1106-Preview, 0125-Preview). - Dostępność funkcji jest obecnie różna w zależności od metody danych wejściowych i typu wdrożenia. |
Dane wejściowe: 128 000 Dane wyjściowe: 4096 |
Grudzień 2023 r. |
1 Aprowizowana wersja gpt-4 wersji turbo-2024-04-09 jest obecnie ograniczona tylko do tekstu. Aby uzyskać więcej informacji na temat wdrożeń z aprowizacją, zobacz Wytyczne dotyczące aprowizacji.
Ostrożność
Nie zalecamy używania modeli w wersji zapoznawczej w środowisku produkcyjnym. Uaktualnimy wszystkie wdrożenia modeli w wersji zapoznawczej do przyszłych wersji zapoznawczych lub do najnowszej stabilnej, ogólnie dostępnej wersji. Modele oznaczone jako wersja zapoznawcza nie są zgodne ze standardowym cyklem życia modeli Azure OpenAI.
Osadzanie
text-embedding-3-large jest najnowszym i najbardziej zdolnym modelem osadzania. Nie można uaktualnić modeli osadzania. Aby przejść z text-embedding-ada-002 do text-embedding-3-large, musisz wygenerować nowe osadzanie.
text-embedding-3-largetext-embedding-3-smalltext-embedding-ada-002
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Możliwości
OpenAI informuje, że testy pokazują, iż zarówno duże, jak i małe modele osadzeń trzeciej generacji oferują lepszą średnią wydajność wyszukiwania wielojęzycznego według benchmarku MIRACL. Nadal utrzymują wydajność w zadaniach w języku angielskim zgodnie z benchmarkiem MTEB.
| Test porównawczy oceny | text-embedding-ada-002 |
text-embedding-3-small |
text-embedding-3-large |
|---|---|---|---|
| Średnia MIRACL | 31.4 | 44.0 | 54.9 |
| Średnia MTEB | 61.0 | 62.3 | 64.6 |
Modele osadzania trzeciej generacji obsługują zmniejszenie rozmiaru osadzania za pomocą nowego dimensions parametru. Zazwyczaj większe osadzanie jest droższe z perspektywy zasobów obliczeniowych, pamięci i magazynu. Gdy możesz dostosować liczbę wymiarów, zyskasz większą kontrolę nad ogólnym kosztem i wydajnością. Parametr dimensions nie jest obsługiwany we wszystkich wersjach biblioteki Python OpenAI 1.x. Aby skorzystać z tego parametru, zalecamy uaktualnienie do najnowszej wersji: pip install openai --upgrade.
Testy porównawcze benchmarku MTEB przeprowadzone przez OpenAI wykazały, że nawet gdy liczbę wymiarów modelu trzeciej generacji zmniejszono do mniej niż 1,536 wymiarów text-embedding-ada-002, wydajność nadal jest nieco lepsza.
Te modele mogą być używane tylko w przypadku żądań Embedding API.
| Identyfikator modelu | Maksymalna liczba żądań (tokenów) | Wymiary wyjściowe | Dane szkoleniowe (do) |
|---|---|---|---|
text-embedding-ada-002 (wersja 2) |
8,192 | 1,536 | Wrzesień 2021 r. |
text-embedding-ada-002 (wersja 1) |
2,046 | 1,536 | Wrzesień 2021 r. |
text-embedding-3-large |
8,192 | 3,072 | Wrzesień 2021 r. |
text-embedding-3-small |
8,192 | 1,536 | Wrzesień 2021 r. |
Uwaga
Podczas wysyłania tablicy danych wejściowych do osadzania maksymalna liczba elementów wejściowych w tablicy na wywołanie punktu końcowego osadzania wynosi 2048.
Modele generowania obrazów
Modele generowania obrazów tworzą obrazy na podstawie wyświetlanych monitów tekstowych. Modele generowania obrazów obejmują gpt-image-1, , gpt-image-1-mini, gpt-image-1.5gpt-image-2, gpt-image-2.5-flare, i gpt-image-2.5-sunburst.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Identyfikator modelu | Maksymalna liczba żądań (znaki) |
|---|---|
gpt-image-1 |
4,000 |
gpt-image-1-mini |
4,000 |
gpt-image-1.5 |
4,000 |
gpt-image-2 |
4,000 |
gpt-image-2.5-flare |
4,000 |
gpt-image-2.5-sunburst |
4,000 |
Modele generowania wideo
Sora-2 to model sztucznej inteligencji z platformy OpenAI, który tworzy realistyczne i pomysłowe sceny wideo z instrukcji tekstowych. Jest w wersji zapoznawczej.
| Identyfikator modelu | Maksymalna liczba żądań (znaki) |
|---|---|
sora-2 |
4,000 |
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Modele audio
Modele audio w programie Azure OpenAI są dostępne za pośrednictwem interfejsów API realtime, completions i audio.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
Modele audio GPT-4o
Modele audio GPT-4o są częścią rodziny modeli GPT-4o i obsługują małe opóźnienie, mowa w, mowa z w interakcjach konwersacyjnych lub generowanie dźwięku.
Ostrożność
Nie zalecamy używania modeli w wersji zapoznawczej w środowisku produkcyjnym. Uaktualnimy wszystkie wdrożenia modeli w wersji zapoznawczej do przyszłych wersji zapoznawczych lub do najnowszej stabilnej, ogólnie dostępnej wersji. Modele oznaczone jako wersja zapoznawcza nie są zgodne ze standardowym cyklem życia modeli Azure OpenAI.
Szczegółowe informacje o maksymalnych tokenach żądań i danych treningowych są dostępne w poniższej tabeli:
| Identyfikator modelu | Opis | Maksymalna liczba żądań (tokenów) | Dane szkoleniowe (do) |
|---|---|---|---|
gpt-4o-mini-audio-preview (2024-12-17)Podgląd |
Model audio na potrzeby generowania dźwięku i tekstu. | Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Wrzesień 2023 r. |
gpt-4o-audio-preview (2024-12-17) |
Model audio na potrzeby generowania dźwięku i tekstu. | Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Wrzesień 2023 r. |
gpt-4o-realtime-preview (2025-06-03) |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Październik 2023 r. |
gpt-4o-realtime-preview (2024-12-17) |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 16 000 Dane wyjściowe: 4096 |
Październik 2023 r. |
gpt-4o-mini-realtime-preview (2024-12-17)Podgląd |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 128 000 Dane wyjściowe: 4096 |
Październik 2023 r. |
gpt-audio(28.08.2025)gpt-audio-mini(06-10-2025) |
Model audio na potrzeby generowania dźwięku i tekstu. | Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Październik 2023 r. |
gpt-realtime (2025-08-28) (ogólna dostępność)gpt-realtime-mini (2025-10-06)gpt-realtime-mini (2025-12-15) |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Październik 2023 r. |
gpt-audio-1.5 (2026-02-23) |
Model audio na potrzeby generowania dźwięku i tekstu. | Dane wejściowe: 128 000 Dane wyjściowe: 16 384 |
Wrzesień 2024 r. |
gpt-realtime-1.5 (2026-02-23) |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
gpt-realtime-translate (2026-05-06) |
Model audio do tłumaczenia wielojęzycznego w czasie rzeczywistym z przetłumaczoną mową i danymi wyjściowymi tekstu. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
gpt-realtime-whisper (2026-05-06) |
Model audio dla transkrypcji o małych opóźnieniach w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
gpt-live-transcribe (2026-07-29) |
Model audio dla transkrypcji o małych opóźnieniach w czasie rzeczywistym. Bieżący zalecany model dla scenariuszy transkrypcji w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
gpt-realtime-2 (2026-05-07) |
Model audio do przetwarzania dźwięku w czasie rzeczywistym. | Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
gpt-realtime-2.1 (2026-07-07)gpt-realtime-2.1-mini (2026-07-07) |
Modele audio do przetwarzania dźwięku w czasie rzeczywistym.
gpt-realtime-2.1 to przyrostowa aktualizacja gpt-realtime-2 z ulepszoną obsługą ciszy i szumu.
gpt-realtime-2.1-mini jest mniejszym wariantem. |
Dane wejściowe: 32 000 Dane wyjściowe: 4096 |
Wrzesień 2024 r. |
Uwaga
gpt-realtime-translate, gpt-realtime-whisper i gpt-live-transcribe korzystają z rozliczeń zależnych od czasu trwania. Większość innych modeli czasu rzeczywistego stosuje ceny za dane wejściowe i wyjściowe rozliczane na podstawie liczby tokenów. Aby uzyskać bieżące stawki, zobacz stronę cennika usługi Azure OpenAI.
Audio API
Modele audio za pośrednictwem interfejsu /audio API mogą służyć do zamiany mowy na tekst, tłumaczenie i zamianę tekstu na mowę.
Modele zamiany mowy na tekst
| Identyfikator modelu | Opis | Maksymalna liczba żądań (rozmiar pliku audio) |
|---|---|---|
whisper |
Model rozpoznawania mowy ogólnego przeznaczenia. | 25 MB |
gpt-transcribe |
Model zamiany mowy na tekst w trybie offline na potrzeby transkrypcji plików za pośrednictwem metody POST /v1/audio/transcriptions. Obsługuje podpowiedzi językowe. |
25 MB |
gpt-4o-transcribe (2025-03-20)Podgląd |
Model zamiany mowy na tekst zasilany przez GPT-4o. | 25 MB |
gpt-4o-mini-transcribe (2025-03-20)Podgląd |
Model zamiany mowy na tekst napędzany przez GPT-4o mini. | 25 MB |
gpt-4o-transcribe-diarize (2025-10-15)Podgląd |
Model zamiany mowy na tekst z automatycznym rozpoznawaniem mowy. | 25 MB |
gpt-4o-mini-transcribe (2025-12-15)Podgląd |
Model zamiany mowy na tekst z automatycznym rozpoznawaniem mowy. Ulepszona dokładność transkrypcji i niezawodność. | 25 MB |
Ważne
gpt-transcribe jest modelem transkrypcji offline i nie jest modelem interfejsu API w czasie rzeczywistym. W przypadku transkrypcji przesyłania strumieniowego użyj polecenia gpt-realtime-whisper lub gpt-live-transcribe.
gpt-realtime-whisper i gpt-live-transcribe pojawiają się w tabeli modeli audio GPT-4o, ponieważ są modelami interfejsu Realtime API, a nie /audio modelami API zamiany mowy na tekst.
Modele tłumaczenia mowy
| Identyfikator modelu | Opis | Maksymalna liczba żądań (rozmiar pliku audio) |
|---|---|---|
whisper |
Model rozpoznawania mowy ogólnego przeznaczenia. | 25 MB |
Modele zamiany tekstu na mowę (wersja zapoznawcza)
| Identyfikator modelu | Opis |
|---|---|
ttsPodgląd |
Model zamiany tekstu na mowę zoptymalizowany pod kątem szybkości. |
tts-hdPodgląd |
Model zamiany tekstu na mowę zoptymalizowany pod kątem jakości. |
gpt-4o-mini-tts (2025-03-20) |
Model zamiany tekstu na mowę zasilany przez GPT-4o mini. Możesz kierować głosem, aby mówić w określonym stylu lub tonu. |
gpt-4o-mini-tts (2025-12-15) |
Model zamiany tekstu na mowę zasilany przez GPT-4o mini. Możesz kierować głosem, aby mówić w określonym stylu lub tonu. |
Dostrajanie modeli
Następujące modele są obsługiwane w celu dostrajania:
| Identyfikator modelu | Regiony standardowe | Strefa danych | Globalne | Deweloper | Metody | Stan | Sposób działania |
|---|---|---|---|---|---|---|---|
gpt-4o-mini (2024-07-18) |
Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | SFT | ogólna dostępność | Tekst do tekstu |
gpt-4o (2024-08-06) |
Wschodnie stany USA 2 Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | Odporność na błędy oprogramowania (SFT), Inspektor ochrony danych (DPO) | ogólna dostępność | Przetwarzanie tekstu i wizji na tekst |
gpt-4.1 (2025-04-14) |
Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | Odporność na błędy oprogramowania (SFT), Inspektor ochrony danych (DPO) | ogólna dostępność | Przetwarzanie tekstu i wizji na tekst |
gpt-4.1-mini (2025-04-14) |
Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | Odporność na błędy oprogramowania (SFT), Inspektor ochrony danych (DPO) | ogólna dostępność | Tekst do tekstu |
gpt-4.1-nano (2025-04-14) |
Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | Odporność na błędy oprogramowania (SFT), Inspektor ochrony danych (DPO) | ogólna dostępność | Tekst do tekstu |
o4-mini (2025-04-16) |
Wschodnie stany USA 2 Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ✅ | RFT | ogólna dostępność | Tekst do tekstu |
gpt-5 (2025-08-07) |
Północno-środkowe stany USA Szwecja Środkowa |
Stany Zjednoczone USA | ✅ | ❌ | RFT | Ogólna dostępność* | Tekst do tekstu |
Ministral-3B (2411) |
Nieobsługiwany | Stany Zjednoczone USA | ✅ | ❌ | SFT | ogólna dostępność | Tekst do tekstu |
Qwen-32B |
Nieobsługiwany | Stany Zjednoczone USA | ✅ | ❌ | SFT | ogólna dostępność | Tekst do tekstu |
Llama-3.3-70B-Instruct |
Nieobsługiwany | Stany Zjednoczone USA | ✅ | ❌ | SFT | ogólna dostępność | Tekst do tekstu |
gpt-oss-20b |
Nieobsługiwany | Stany Zjednoczone USA | ✅ | ❌ | SFT | ogólna dostępność | Tekst do tekstu |
* Obsługa rozszerzenia GPT-5 w celu dostrajania wzmocnienia jest ogólnie dostępna, ale dostęp jest ogrodzony i dostępny tylko przez zaproszenie. Jeśli interesuje Cię rejestracja, skontaktuj się z zespołem konto Microsoft.
W przypadku modeli Azure OpenAI można również dostroić wcześniej dostrojony model w formacie base-model.ft-{jobid}.
Uwaga
Modele typu open source (Ministral-3B, Qwen-32B, Llama-3.3-70B-Instruct, gpt-oss-20b) są obsługiwane tylko na zasobach Foundry i w nowym interfejsie użytkownika Foundry.
Uwaga
Globalne szkolenie zapewnia bardziej przystępne cenowo szkolenie na token, ale nie oferuje rezydencji danych. Obecnie jest ona dostępna dla zasobów usługi Foundry w następujących regionach:
- Australia Wschodnia
- Brazylia Południowa
- Kanada Środkowa
- Kanada Wschodnia
- Wschodnie stany USA
- Wschodnie stany USA 2
- Francja Środkowa
- Niemcy Środkowo-Zachodnie
- Włochy Północne
- Japonia Wschodnia (brak wsparcia widzenia)
- Korea Środkowa
- Północno-środkowe stany USA
- Norwegia Wschodnia
- Polska Środkowa (bez obsługi 4,1 nano)
- Azja Południowo-Wschodnia
- Północna Republika Południowej Afryki
- Południowo-środkowe stany USA
- Indie Południowe
- Hiszpania Środkowa
- Szwecja Środkowa
- Szwajcaria Zachodnia
- Szwajcaria Północna
- Południowe Zjednoczone Królestwo
- Europa Zachodnia
- Zachodnie stany USA
- Zachodnie stany USA 3
Asystenci (wersja zapoznawcza)
W przypadku asystentów potrzebujesz kombinacji obsługiwanego modelu i obsługiwanego regionu. Niektóre narzędzia i możliwości wymagają najnowszych modeli. W poniższej tabeli wymieniono kombinacje regionów modelu dla wdrożenia standardowego, w tym wpisy historyczne. Kolumny oznaczone jako Wycofane opisują dostępność historyczną, a nie modele dostępne do użycia lub nowe wdrożenia. Szczegółowe informacje o wycofaniu można znaleźć w sekcji Wycofane modele.
Aby uzyskać informacje na temat dostępności jednostek przepływności aprowizowanej, zobacz Aprowizowanie modeli przepływności. Wymienione tutaj modele i regiony, które nie zostały wycofane, mogą być używane zarówno z Assistants v1, jak i v2. Możesz użyć modeli Global Standard, jeśli są one obsługiwane w następujących regionach.
| Region | gpt-4o, 2024-05-13 | gpt-4o, 2024-08-06 | gpt-4o-mini, 2024-07-18 | gpt-4, 0613 Emerytowany |
gpt-4, 1106-Wersja Próbna | gpt-4, 0125-Preview | gpt-4, turbo-2024-04-09 | gpt-4-32k, 0613 Emerytowany |
gpt-35-turbo, 0613 Emerytowany |
gpt-35-turbo, 1106 | gpt-35-turbo, 0125 | gpt-35-turbo-16k, 0613 Emerytowany |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| australiaeast | - | - | - | ✅ | ✅ | - | - | ✅ | ✅ | ✅ | ✅ | ✅ |
| eastus | ✅ | ✅ | ✅ | - | - | ✅ | ✅ | - | ✅ | - | ✅ | ✅ |
| eastus2 | ✅ | ✅ | ✅ | - | ✅ | - | ✅ | - | ✅ | - | ✅ | ✅ |
| francecentral | - | - | - | ✅ | ✅ | - | - | ✅ | ✅ | ✅ | - | ✅ |
| japaneast | - | - | - | - | - | - | - | - | ✅ | - | ✅ | ✅ |
| norwegia-wschód | - | - | - | - | ✅ | - | - | - | - | - | - | - |
| Południowe Indie | - | - | - | - | ✅ | - | - | - | - | ✅ | ✅ | - |
| swedencentral | ✅ | ✅ | ✅ | ✅ | ✅ | - | ✅ | ✅ | ✅ | ✅ | - | ✅ |
| uksouth | - | - | - | - | ✅ | ✅ | - | - | ✅ | ✅ | ✅ | ✅ |
| westus | ✅ | ✅ | ✅ | - | ✅ | - | ✅ | - | - | ✅ | ✅ | - |
| westus3 | ✅ | ✅ | ✅ | - | ✅ | - | ✅ | - | - | - | ✅ | - |
Wycofanie modelu
Aby uzyskać najnowsze informacje na temat wycofywania modelu, zapoznaj się z harmonogramem wycofywania modelu.
Powiązana zawartość
Modele Black Forest Labs sprzedawane przez Azure
Modele Black Forest Labs (BFL) FLUX wprowadzają najnowocześniejsze technologie generowania obrazów do Microsoft Foundry, umożliwiając generowanie i edytowanie obrazów wysokiej jakości na podstawie monitów tekstowych i obrazów referencyjnych. Modele FLUX obsługują szereg funkcji, w tym generowanie tekstu do obrazu, edytowanie obrazów z wieloma odwołaniami oraz generowanie i edytowanie w kontekście.
Te modele można uruchamiać za pośrednictwem interfejsu API dostawcy usług BFL oraz za pośrednictwem obrazów/generacji i obrazów/edycji punktów końcowych.
Aby pracować z modelami FLUX w Foundry, zapoznaj się z Wdrażanie i używanie modeli FLUX w Microsoft Foundry.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ i punkt końcowy interfejsu API | Możliwości |
|---|---|---|
FLUX.2-flex |
Generowanie obrazu - Interfejs API dostawcy usług BFL: <resource-name>/providers/blackforestlabs/v1/flux-2-flex |
-
Dane wejściowe: tekst i obraz (32 000 tokenów i maksymalnie 10 obrazówi) - Wyjście: Jeden obraz - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG i JPG) - Najważniejsze funkcje: Precyzyjna kontrolka; obsługa wielu odwołań dla maksymalnie 10 obrazów - Dodatkowe parametry: guidance: Określa, jak blisko dane wyjściowe odpowiadają wierszowi polecenia. Minimum: 1,5, maksimum: 10, wartość domyślna: 4,5. Wyższe = bliższe przestrzeganie monitu. steps: liczba kroków wnioskowania. Maksimum: 50, wartość domyślna: 50. Wyższe = więcej szczegółów, wolniejsze. |
FLUX.2-pro |
Generowanie obrazu - Interfejs API dostawcy usług BFL: <resource-name>/providers/blackforestlabs/v1/flux-2-pro |
-
Dane wejściowe: tekst i obraz (32 000 tokenów i maksymalnie 8 obrazówii) - Wyjście: Jeden obraz - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG i JPG) - Najważniejsze funkcje: Obsługa wielu odwołań dla maksymalnie 8 obrazów; bardziej oparte na rzeczywistej wiedzy; większa elastyczność danych wyjściowych; zwiększona wydajność - Dodatkowe parametry:(Tylko interfejs API specyficzny dla dostawcy) obsługuje wszystkie parametry. |
FLUX.1-Kontext-pro |
Generowanie obrazu - API Obrazu: https://<resource-name>/openai/deployments/{deployment-id}/images/generations i https://<resource-name>/openai/deployments/{deployment-id}/images/edits - Interfejs API dostawcy usług BFL: <resource-name>/providers/blackforestlabs/v1/flux-kontext-pro?api-version=preview |
-
Dane wejściowe: tekst i obraz (5000 tokenów i 1 obraz) - Wyjście: Jeden obraz - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG i JPG) - Najważniejsze funkcje: Spójność znaków, zaawansowane edytowanie - Dodatkowe parametry:(Tylko w interfejsie API specyficznym dla dostawcy) seed, aspect ratio, input_image, prompt_unsampling, safety_tolerance, output_format |
FLUX-1.1-pro |
Generowanie obrazu - API Obrazu: https://<resource-name>/openai/deployments/{deployment-id}/images/generations - Interfejs API dostawcy usług BFL: <resource-name>/providers/blackforestlabs/v1/flux-pro-1.1?api-version=preview |
-
Dane wejściowe: tekst (5000 tokenów i 1 obraz) - Wyjście: Jeden obraz - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG i JPG) - Najważniejsze funkcje: Szybkie wnioskowanie, silne trzymanie się poleceń, konkurencyjne ceny, Skalowalna generacja - Dodatkowe parametry:(Tylko w interfejsie API specyficznym dla dostawcy) width, height, prompt_unsampling, seed, safety_tolerance, output_format |
i,ii Obsługa wielu obrazów referencyjnych jest dostępna dla środowiska FLUX.2 [pro] (wersja zapoznawcza) i FLUX.2 [flex] (wersja zapoznawcza) przy użyciu interfejsu API, ale nie na placu zabaw.
Cohere modele sprzedawane przez Azure
Rodzina modeli Cohere obejmuje różne modele zoptymalizowane pod kątem różnych przypadków użycia, w tym uzupełniania czatów, ponownej klasyfikacji/klasyfikacji tekstu i osadzania wektorów. Modele Cohere są zoptymalizowane pod kątem różnych przypadków użycia, które obejmują rozumowanie, podsumowywanie i odpowiadanie na pytania.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
Cohere-parse-v5 Podgląd |
obraz do tekstu |
-
Dane wejściowe: obrazy, tabele i formularze - Dane wyjściowe: Markdown - Języki: en, fr, es, it, de, pt-br, ja, ko, zh-cn, i ar - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Markdown |
Cohere-rerank-v4.0-pro |
Klasyfikacja tekstu (ponowne uszeregowanie) |
-
Dane wejściowe: tekst - Dane wyjściowe: tekst - Języki: en, fr, esitdept-brjazh-cnarvihiruidinl - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: JSON |
Cohere-rerank-v4.0-fast |
Klasyfikacja tekstu (ponowne uszeregowanie) |
-
Dane wejściowe: tekst - Dane wyjściowe: tekst - Języki: en, fr, esitdept-brjazh-cnarvihiruidinl - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: JSON |
Cohere-command-a-plus-05-2026 Podgląd |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (128 000 tokenów) - Dane wyjściowe: tekst (64 000 tokenów) - Języki: en, fr, es, it, de, pt-br, ja, ko, zh-cn, i ar - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst |
Cohere-command-a |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst (131 072 tokenów) - Dane wyjściowe: tekst (tokeny 8182) - Języki: en, fr, es, it, de, pt-br, ja, ko, zh-cn, i ar - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
embed-v-4-0 |
osadzanie |
-
Dane wejściowe: tekst (512 tokenów) i obrazy (2 miliony pikseli) - Wyjście: Wektor (256, 512, 1024, 1536 dim).) - Języki: en, fr, es, it, de, pt-br, ja, ko, zh-cn, i ar |
Modele DeepSeek sprzedawane przez Azure
Rodzina modeli DeepSeek zawiera kilka modeli rozumowania, które doskonale sprawdzają się w zadaniach rozumowania przy użyciu procesu trenowania krok po kroku, takiego jak język, rozumowanie naukowe i zadania kodowania.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
DeepSeek-V4-Pro |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (1 000 000 tokenów) - Dane wyjściowe: tekst (384 000 tokenów) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
DeepSeek-V4-Flash-0731 Podgląd |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (1 000 000 tokenów) - Dane wyjściowe: tekst (384 000 tokenów) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
DeepSeek-V4-Flash |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (1 000 000 tokenów) - Dane wyjściowe: tekst (384 000 tokenów) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
DeepSeek-V3.2-Speciale |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (128 000 tokenów) - Dane wyjściowe: tekst (128 000 tokenów) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
DeepSeek-V3.2 |
uzupełnianie czatu (z zawartością rozumowania) |
-
Wejście: tekst (128 000 tokenów) - Dane wyjściowe: tekst (128 000 tokenów) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
Meta modele sprzedawane przez Azure
Modele i narzędzia Meta Llama to kolekcja wstępnie wytrenowanych i dostrojonych modeli generowania tekstu i rozumowania obrazów sztucznej inteligencji. Zakres modeli meta obejmuje różne skale:
- Małe modele językowe (SLM), takie jak 1B i 3B Base i Instruct, do wnioskowania na urządzeniu i na krawędzi sieci
- Średniej wielkości duże modele językowe (LLM), takie jak modele 7B, 8B i 70B Base i Instruct
- Modele wysokiej wydajności, takie jak Meta Llama 3.1-405B Instruct, do generowania i destylacji syntetycznych danych.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
Llama-4-Maverick-17B-128E-Instruct-FP8 |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst i obrazy (tokeny 1M) - Dane wyjściowe: tekst (tokeny 1M) - Języki: ar, en, fr, de, hi, id, it, pt, es, tl, th, i vi - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Tekst |
Llama-3.3-70B-Instruct |
automatyczne uzupełnianie czatu |
-
Wejście: tekst (128 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en, de, fritpthiesith - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Tekst |
Kilka modeli Meta jest również dostępnych od partnerów i społeczności.
modele Microsoft sprzedawane przez Azure
Microsoft modele obejmują różne grupy modeli, takie jak Model Router, modele MAI, modele Phi, modele AI dla opieki zdrowotnej i inne. Kilka modeli Microsoft jest również dostępnych z partnerów i społeczności.
Aby pracować z modelami MAI, zobacz następujące artykuły z instrukcjami:
- Modele MAI dostępne w narzędziu Foundry: modeleMAI-Image i modeleMAI-Thinking.
- Modele MAI dostępne za pośrednictwem Azure Speech in Foundry Tools: MAI-Voice i MAI-Transcribe.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
MAI-Thinking-1 Podgląd |
uzupełnianie czatu (z treścią rozumowania). Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst. - Dane wyjściowe: tekst (do 64 000 tokenów). - Długość kontekstu: 256 000 tokenów - Wywoływanie narzędzi: Tak. - Formaty odpowiedzi: tekst. - Kluczowe funkcje: Zgodność z interfejsem Chat Completions OpenAI; Szyfrowany tok rozumowania |
MAI-Image-2.6-Flash Podgląd |
Z obrazu na obraz i z tekstu na obraz. Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst i maksymalnie pięć obrazów (format JPEG lub PNG na potrzeby przepływów pracy edycji obrazów) - Wyjście: Jeden obraz - Długość kontekstu: 32 000 tokenów - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG) - Języki: en - Najważniejsze funkcje: Wysokiej jakości generowanie tekstu do obrazu; Edytowanie obrazów, które obsługuje precyzyjne, chirurgiczne edycje bez zakłócania reszty obrazu; Możliwość generowania realistycznych obrazów ze spójną strukturą wizualizacji. Dobrze nadaje się do zadań, takich jak wizualizacja koncepcji, generowanie zawartości kreatywnej, przepływy pracy edycji obrazów i projektowanie produkcyjne. - Parametry: width, height, prompt, , auto_aspect_ratioweb_grounding Minimalna 768×768 pikseli; maksymalna całkowita liczba pikseli 2359 296 (równoważna 1536×1536). Jeden z wymiarów może przekroczyć 1536, o ile łączna liczba pikseli pozostanie w limicie. |
MAI-Image-2.6 Podgląd |
Z obrazu na obraz i z tekstu na obraz. Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst i maksymalnie pięć obrazów (format JPEG lub PNG na potrzeby przepływów pracy edycji obrazów) - Wyjście: Jeden obraz - Długość kontekstu: 32 000 tokenów - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG) - Języki: en - Najważniejsze funkcje: Wysokiej jakości generowanie tekstu do obrazu; Edytowanie obrazów, które obsługuje precyzyjne, chirurgiczne edycje bez zakłócania reszty obrazu; Możliwość generowania realistycznych obrazów ze spójną strukturą wizualizacji. Dobrze nadaje się do zadań, takich jak wizualizacja koncepcji, generowanie zawartości kreatywnej, przepływy pracy edycji obrazów i projektowanie produkcyjne. - Parametry: width, height, prompt, , auto_aspect_ratioweb_grounding Minimalna 768×768 pikseli; maksymalna całkowita liczba pikseli 2359 296 (równoważna 1536×1536). Jeden z wymiarów może przekroczyć 1536, o ile łączna liczba pikseli pozostanie w limicie. |
MAI-Image-2.5-Pro Podgląd |
Z obrazu na obraz i z tekstu na obraz. Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst i maksymalnie pięć obrazów (format JPEG lub PNG na potrzeby przepływów pracy edycji obrazów) - Wyjście: Jeden obraz - Długość kontekstu: 32 000 tokenów - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG) - Języki: en - Najważniejsze funkcje: Wysokiej jakości generowanie tekstu do obrazu; Edytowanie obrazów, które obsługuje precyzyjne, chirurgiczne edycje bez zakłócania reszty obrazu; Możliwość generowania bardziej realistycznych obrazów ze spójną strukturą wizualną niż poprzednie modele. Dobrze nadaje się do zadań, takich jak wizualizacja koncepcji, generowanie zawartości kreatywnej, przepływy pracy edycji obrazów i projektowanie produkcyjne. - Parametry: width, height, prompt Minimalna 768×768 pikseli; maksymalna całkowita liczba pikseli 1048 576 (równoważna 1024×1024). Dowolny wymiar może przekroczyć 1024, o ile łączna liczba pikseli pozostanie w limicie (na przykład 768×1365 jest prawidłowym rozmiarem). |
MAI-Image-2.5-Flash Podgląd |
Z obrazu na obraz i z tekstu na obraz. Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst i maksymalnie pięć obrazów (format JPEG lub PNG na potrzeby przepływów pracy edycji obrazów) - Wyjście: Jeden obraz - Długość kontekstu: 32 000 tokenów - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG) - Języki: en - Najważniejsze funkcje: Wysokiej jakości generowanie tekstu do obrazu; Edytowanie obrazów, które obsługuje precyzyjne, chirurgiczne edycje bez zakłócania reszty obrazu; Możliwość generowania realistycznych obrazów ze spójną strukturą wizualizacji. Dobrze nadaje się do zadań, takich jak wizualizacja koncepcji, generowanie zawartości kreatywnej, przepływy pracy edycji obrazów i projektowanie produkcyjne. - Parametry: width, height, prompt Minimalna 768×768 pikseli; maksymalna całkowita liczba pikseli 1048 576 (równoważna 1024×1024). Dowolny wymiar może przekroczyć 1024, o ile łączna liczba pikseli pozostanie w limicie (na przykład 768×1365 jest prawidłowym rozmiarem). |
MAI-Image-2.5 Podgląd |
Z obrazu na obraz i z tekstu na obraz. Aby uzyskać szczegółowe informacje, zobacz Punkty końcowe interfejsu API . |
-
Dane wejściowe: tekst i maksymalnie pięć obrazów (format JPEG lub PNG na potrzeby przepływów pracy edycji obrazów) - Wyjście: Jeden obraz - Długość kontekstu: 32 000 tokenów - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Obraz (PNG) - Języki: en - Najważniejsze funkcje: Wysokiej jakości generowanie tekstu do obrazu; Edytowanie obrazów, które obsługuje precyzyjne, chirurgiczne edycje bez zakłócania reszty obrazu; Możliwość generowania realistycznych obrazów ze spójną strukturą wizualizacji. Dobrze nadaje się do zadań, takich jak wizualizacja koncepcji, generowanie zawartości kreatywnej, przepływy pracy edycji obrazów i projektowanie produkcyjne. - Parametry: width, height, prompt Minimalna 768×768 pikseli; maksymalna całkowita liczba pikseli 1048 576 (równoważna 1024×1024). Dowolny wymiar może przekroczyć 1024, o ile łączna liczba pikseli pozostanie w limicie (na przykład 768×1365 jest prawidłowym rozmiarem). |
model-router
1 |
automatyczne uzupełnianie czatu | Więcej szczegółów można znaleźć w temacie Omówienie routera modelu. - Dane wejściowe: tekst, obraz - Dane wyjściowe: tekst (maksymalna liczba tokenów wyjściowych wynosi2) Okno kontekstu: 200 0003 - Języki: en |
1 Wersja modelu 2025-11-18.
2Maksymalna liczba tokenów wyjściowych różni się w przypadku modeli bazowych w routerze modelu. Na przykład 32 768 (GPT-4.1 series), 100 000 (o4-mini), 128 000 (gpt-5 reasoning models) i 16 384 (gpt-5-chat).
3 Większe okna kontekstowe są kompatybilne z niektórymi podstawowymi modelami Model Router. Oznacza to, że wywołanie interfejsu API z większym kontekstem powiedzie się tylko wtedy, gdy monit zostanie skierowany do jednego z takich modeli. W przeciwnym razie wywołanie nie powiedzie się.
Modele mistralne sprzedawane przez Azure
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
mistral-document-ai-2512 |
Obraz do tekstu |
-
Dane wejściowe: obrazy lub strony PDF (30 stron, maksymalny plik PDF 30 MB) - Dane wyjściowe: tekst - Języki: en - Wywoływanie narzędzi: nie - Formaty odpowiedzi: Text, JSON, Markdown |
mistral-medium-3-5 Podgląd |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst (128 000 tokenów), obraz - Dane wyjściowe: tekst (128 000 tokenów) - Wywoływanie narzędzi: Nie - Formaty odpowiedzi: Tekst, JSON |
mistral-ocr-4-0 Podgląd |
Obraz do tekstu |
-
Dane wejściowe: obrazy lub strony PDF (30 stron, maksymalny plik PDF 30 MB) - Dane wyjściowe: tekst - Języki: en - Wywoływanie narzędzi: nie - Formaty odpowiedzi: Text, JSON, Markdown |
Mistral-Large-3 Podgląd |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst, obraz - Dane wyjściowe: tekst - Języki: en, fr, deesitptnlzhja, i koar - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst, JSON |
Kilka modeli Mistral jest również dostępnych od partnerów i społeczności.
Modele sztucznej inteligencji Moonshot oferowane przez Azure
Modele moonshot AI obejmują Kimi K2.6 (wersja zapoznawcza) i Kimi K2.5 (wersja zapoznawcza), wielomodalne modele rozumowania, które akceptują wprowadzanie tekstu i obrazu.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
Kimi-K2.7-Code Podgląd |
uzupełnianie czatu (z zawartością rozumowania) |
-
Dane wejściowe: tekst i obraz (tokeny 262 144) - Dane wyjściowe: tekst (tokeny 262 144) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst |
Kimi-K2.6 Podgląd |
uzupełnianie czatu (z zawartością rozumowania) |
-
Dane wejściowe: tekst i obraz (tokeny 262 144) - Dane wyjściowe: tekst (tokeny 262 144) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst |
Kimi-K2.5 Podgląd |
uzupełnianie czatu (z zawartością rozumowania) |
-
Dane wejściowe: tekst i obraz (tokeny 262 144) - Dane wyjściowe: tekst (tokeny 262 144) - Języki: en I zh - Wywoływanie narzędzi: Tak - Formaty odpowiedzi: Tekst |
Zobacz tę kolekcję modeli w portalu Foundry.
Modele SpaceXAI sprzedawane przez Azure
Modele Grok firmy SpaceXAI w usłudze Foundry Models obejmują zróżnicowany zestaw modeli rozumujących i nierozumujących, zaprojektowanych z myślą o zastosowaniach korporacyjnych, takich jak ekstrakcja danych, kodowanie, streszczanie tekstu i aplikacje agentowe.
Aby pracować z modelami Grok, zobacz Wdrażanie i używanie modeli Grok w narzędziu Foundry.
Rejestracja jest wymagana, aby uzyskać dostęp dogrok-code-fast-1 i grok-4.
Aby uzyskać informacje o dostępności modelu we wszystkich regionach pogrupowanych według kategorii wdrożenia, zobacz Region dostępności modeli foundry sprzedawanych przez Azure.
| Model | Typ | Możliwości |
|---|---|---|
grok-4.6 Podgląd |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst, obraz - Dane wyjściowe: tekst (maksymalnie 128 000 tokenów) - Okno kontekstu: 200 000 tokenów - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst, JSON |
grok-4.3 Podgląd |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst (200 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-4-20-reasoning Podgląd |
automatyczne uzupełnianie czatu |
-
Wprowadzanie: tekst (262 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-4-20-non-reasoning Podgląd |
automatyczne uzupełnianie czatu |
-
Wprowadzanie: tekst (262 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-4.1-fast-reasoning |
automatyczne uzupełnianie czatu |
-
Wprowadzanie: tekst, obraz (128 000 tokenów) - Dane wyjściowe: tekst (128 000 tokenów) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-4.1-fast-non-reasoning |
automatyczne uzupełnianie czatu |
-
Wprowadzanie: tekst, obraz (128 000 tokenów) - Dane wyjściowe: tekst (128 000 tokenów) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-4 |
automatyczne uzupełnianie czatu |
-
Wprowadzanie: tekst (262 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |
grok-code-fast-1 |
automatyczne uzupełnianie czatu |
-
Dane wejściowe: tekst (256 000 tokenów) - Dane wyjściowe: tekst (tokeny 8192) - Języki: en - Wywoływanie narzędzi: tak - Formaty odpowiedzi: tekst |