Eksplorowanie wykazu modeli

Wykaz modeli Foundry służy jako centralny punkt do odnajdywania i porównywania modeli sztucznej inteligencji. Dzięki ponad 1900 modelom dostępnym u różnych dostawców potrzebne są skuteczne sposoby filtrowania i znajdowania modeli spełniających określone wymagania.

Wykaz modeli obejmuje dwie szerokie kategorie modelu:

• Modele Foundry sprzedawane bezpośrednio przez Azure

  Te modele są rozliczane bezpośrednio za pośrednictwem subskrypcji platformy Azure i obejmują modele usługi Azure OpenAI, a także modele firmy Microsoft i innych dostawców.

• Modele Foundry od partnerów i społeczności

  Te modele są udostępniane przez zaufanych partnerów i społeczność; każdy z własnymi licencjami i cenami.

Znajdowanie modeli w wykazie modeli

Interfejs użytkownika wykazu modeli w portalu Foundry umożliwia łatwe wyszukiwanie odpowiedniego modelu dla Twoich potrzeb. Każdy model ma kartę modelu z kluczowymi informacjami; w tym dostawcy, możliwości, metryki testów porównawczych, zagadnienia dotyczące odpowiedzialnej sztucznej inteligencji i opcje wdrażania.

Modele można wyszukiwać według słowa kluczowego i filtrować na podstawie następujących atrybutów:

• Kolekcja: Modele są zorganizowane w kolekcje, takie jak modele udostępniane bezpośrednio na platformie Azure lub modele w repozytorium Hugging Face.
• Możliwości: określone możliwości modelu, w tym rozumowanie (złożone rozwiązywanie problemów), wywoływanie narzędzi (integracja interfejsu API i funkcji) lub przetwarzanie wielomodalne (tekst, obrazy, dźwięk).
• Źródło: Dostawca modelu, w tym Azure OpenAI, Microsoft, Cohere, Mistral, Meta, Anthropic i inne.
• Zadania wnioskowania: określone zadania, takie jak generowanie tekstu, podsumowywanie, tłumaczenie, generowanie obrazów, synteza mowy lub inne typowe zadania sztucznej inteligencji.
• Metody dostrajania: Obsługiwane techniki dostrajania modelu.
• Branża: Modele trenowane na podstawie zestawów danych specyficznych dla branży. Te wyspecjalizowane modele często przewyższają wyniki modeli ogólnego przeznaczenia w odpowiednich domenach.

Zrozumienie typów modeli generatywnej sztucznej inteligencji

Podczas eksplorowania wykazu można napotkać różne kategorie modeli przeznaczonych dla różnych przypadków użycia. Ogólnie mówiąc, można kategoryzować modele językowe jako:

• Duże modele językowe (LLM), takie jak GPT-5, Mistral Large i Llama 3 70B, które są przeznaczone do zadań wymagających głębokiego rozumowania, złożonego generowania zawartości i obszernego zrozumienia kontekstu. Te modele doskonale sprawdzają się w zaawansowanych aplikacjach, ale wymagają większej liczby zasobów obliczeniowych.
• Modele małych języków (SLM), takie jak Phi-4, Modele Mistral OSS i Llama 3 8B, które oferują wydajność i efektywność kosztową podczas obsługi typowych zadań przetwarzania języka naturalnego. Są one idealne w scenariuszach, w których szybkość i koszt mają większe znaczenie niż obsługa najbardziej złożonych zadań rozumowania. SlMs mogą działać na urządzeniach niższej klasy lub urządzeniach brzegowych.

Modele uzupełniania czatu i rozumowania

Większość modeli językowych w katalogu to modele uzupełniania czatów przeznaczone do generowania spójnych, kontekstowo odpowiednich odpowiedzi tekstowych. Te modele zasilają interfejsy konwersacyjne i aplikacje generowania zawartości.

W przypadku scenariuszy wymagających wyższej wydajności w złożonych zadaniach, takich jak matematyka, kodowanie, nauka, strategia i logistyka, modele rozumowania , takie jak Claude Opus 4.6, zapewniają ulepszone możliwości rozwiązywania problemów. Te modele mogą podzielić złożone problemy i pokazać swój proces rozumowania.

Wyspecjalizowane modele

Wykaz zawiera również modele specyficzne dla zadań:

Osadzanie modeli , takich jak Ada i Cohere, konwertuje tekst na reprezentacje liczbowe. Te modele umożliwiają semantyczne wyszukiwanie, systemy rekomendacji i scenariusze generowania rozszerzonego pobierania (RAG), w których należy znaleźć odpowiednie informacje na podstawie znaczenia, a nie dokładnych dopasowań słów kluczowych.

Modele generowania obrazów , takie jak GPT-image-1, tworzą obrazy na podstawie opisów tekstu. Służą one do generowania materiałów marketingowych, ilustracji lub makietów projektowych.

Modele generowania wideo , takie jak Sora 2, tworzą zawartość wideo na podstawie opisów tekstu.

Modele analizy obrazów , takie jak GPT-4.1, mogą akceptować wielomodalne dane wejściowe, w tym tekst i obrazy; i generuj dane wyjściowe języka naturalnego na podstawie monitów zawierających obrazy do analizy.

Modele zamiany tekstu na mowę, takie jak GPT-4o-tts, mogą konwertować dane wejściowe oparte na tekście na syntetyzowaną mowę.

Modele zamiany mowy na tekst, takie jak GPT-4o-transcribe, mogą konwertować dane audio zawierające mowę na tekstowe transkrypcje.

Modele specyficzne dla regionów i domen

Niektóre modele są zoptymalizowane pod kątem określonych języków, regionów lub branż. Jeśli potrzebujesz wyspecjalizowanej wydajności w określonej domenie lub języku, te modele często przewyższają alternatywy ogólnego przeznaczenia. Przykłady obejmują modele przeszkolone w dziedzinie literatury medycznej, dokumentów prawnych lub określonego korpusu językowego.