Välj en Azure AI-riktad språkbearbetningsteknik

Foundry Tools hjälper utvecklare och organisationer att skapa AI-baserade, avancerade, produktionsklara program som överensstämmer med ansvarsfulla AI-metoder med hjälp av färdiga, fördefinierade och anpassningsbara API:er och modeller.

Den här artikeln beskriver målfunktioner för språkbearbetning som verktyg tillhandahåller, inklusive bearbetning av naturligt språk, textanalys, språktolkning, översättning och extrahering av dokumentdata. Den innehåller följande tjänster:

  • Azure Language in Foundry Tools är en molnbaserad tjänst som tillhandahåller bearbetningsfunktioner för naturligt språk för att förstå och analysera text, inklusive namngiven entitetsigenkänning (NER), attitydanalys, språkidentifiering, sammanfattning och frågesvar.

  • Azure Translator i Foundry Tools är en maskinöversättningstjänst. Den innehåller textöversättning i realtid, batch- och enfilsöversättning och anpassade översättningar som du kan använda för att införliva specialiserad terminologi eller branschspecifikt språk för ditt användningsfall. Azure Translator stöder flera språk.

  • Azure Document Intelligence i Foundry Tools är en tjänst som konverterar bilder direkt till elektroniska formulär. Du kan ange förväntade fält och sökbilder som du anger för att avbilda dessa fält utan mänsklig inblandning. Azure Document Intelligence är värd för många fördefinierade modeller. Du kan också använda den för att skapa egna anpassade modeller.

  • Azure Content Understanding i Foundry Tools är en tjänst som använder generativ AI för att extrahera schemadefinierade fält från dokument med hjälp av beskrivningar av naturligt språk. Använd Azure Content Understanding när dokumenttypen inte har någon fördefinierad Azure Document Intelligence-modell, när du behöver konfidenspoäng och stöd för automatiserade arbetsflöden, eller när du behöver återhämtning-förbättrad generation (RAG)-klar Markdown-utdata.

  • Foundry Models är en tjänst som tillhandahåller AI-modeller som du kan använda direkt via API:er för språkuppgifter som innehållsgenerering, sammanfattning och översättning.

Azure språk

Azure Language tillhandahåller specialiserade verktyg som ansluter agenter till språkbearbetningstjänster via standardiserade protokoll.

Använd Azure Language för dessa uppgifter Använd inte Azure Language för dessa uppgifter
Skapa intelligenta program med hjälp av webbaserade Microsoft Foundry-, REST-API:er och klientbibliotek. Sök i dokument med hjälp av chatt. Använd Azure AI-sökning i stället.
Arbeta med strukturerade eller ostrukturerade dokument för de många olika språkrelaterade uppgifter som beskrivs i den här artikeln. Kontrollera om innehållet är säkert i dokument. Använd Content Safety i Foundry Control Plane i stället.
Översätta dokument. För översättning använder du Azure Translator.

Tillgängliga Azure Language-verktyg

McP-servern (Azure Language Model Context Protocol) ansluter agenter direkt till Azure Language-tjänster via MCP. Den här integrationen tillåter utvecklare att bygga konversationsapplikationer som har tillförlitliga funktioner för bearbetning av naturligt språk, samtidigt som de säkerställer efterlevnad på företagsnivå, dataskydd och bearbetningsnoggrannhet i AI-arbetsflöden. Azure Language tillhandahåller både fjärr- och lokala MCP-serveralternativ:

  • Fjärrserver: Tillgänglig via verktygskatalogen för molnbaserade distributioner.
  • Lokal server: Tillgänglig för utvecklare som föredrar att vara värd för servern i sin egen miljö.

Tillgängliga Azure Language-agenter

Följande tabell innehåller en lista över agenter som är tillgängliga i Azure Language för konversations-AI-scenarier.

Handläggare beskrivning
Avsiktsroutningsagent Hanterar konversationsflöden genom att förstå användarnas avsikter och leverera korrekta svar i konversations-AI-program. Använder förutsägbara beslutsprocesser i kombination med kontrollerad generering av svar för att säkerställa konsekventa och tillförlitliga interaktioner.
Exakt frågesvarsagent Ger tillförlitliga ord-för-ord-svar på viktiga affärsfrågor. Automatiserar vanliga frågor och svar samtidigt som mänsklig tillsyn och kvalitetskontroll upprätthålls för att säkerställa noggrannhet och efterlevnad.

Tillgängliga Azure Language-funktioner

Följande tabell innehåller en lista över funktioner som är tillgängliga i Azure Language.

Feature beskrivning
NER Identifierar olika poster i text och kategoriserar dem i fördefinierade typer, till exempel personer, händelser, platser och datum.
Identifiering av personuppgifter och hälsodata Identifierar entiteter i text och konversationer, inklusive chatt eller avskrifter som är associerade med individer. Identifierar och redigerar känslig information som telefonnummer, e-postadresser och former av identifiering.
Språkidentifiering Utvärderar text och identifierar en mängd olika språk och dialekter.
Sentimentanalys och åsiktsutvinning Hjälper dig att förstå allmänhetens uppfattning om ditt varumärke eller ämne genom att analysera text för tecken på positiv eller negativ attityd och länka dem till specifika aspekter av innehållet.
Sammanfattas Komprimerar information för text och konversationer. Har stöd för extraktiv sammanfattning som väljer viktiga meningar, abstrakt sammanfattning som genererar koncisa nya meningar, sammanfattning av konversationer som sammanfattar möten med tidsstämplar, och callcenter-sammanfattning.
Extrahering av nyckelfraser Utvärderar och returnerar huvudbegreppen i ostrukturerad text som en lista.
Entitetslänkning Avskaffar tvetydigheter i entitetsidentiteter, såsom ord eller fraser, som finns i ostrukturerad text och returnerar länkar till Wikipedia. Entitetslänkning dras tillbaka den 1 september 2028. Vi rekommenderar att du migrerar befintliga arbetsbelastningar till NER.
Textanalys för hälsa Extraherar och etiketterar relevant medicinsk information från ostrukturerade texter som läkaranteckningar, ansvarsfrihetssammanfattningar, kliniska dokument och elektroniska hälsojournaler.

När du utformar din arbetsbelastning bör du utvärdera bearbetningsplatsen och datahemvisten för den här molnbaserade funktionen för att säkerställa att den överensstämmer med dina efterlevnadsförväntningar. Vissa arbetsbelastningar kan drabbas av begränsningar som begränsar deras kapacitet att skicka sjukvårdsdata till en molnbaserad plattform.

Du kan använda det här API:et som en Docker-container som värd för din egen beräkning i molnet eller lokalt. Den här processen kan hjälpa dig att hantera efterlevnadsproblem som rör användning av PaaS-erbjudanden (plattform som en tjänst). Mer information finns i Använda textanalys för hälsocontainrar.
Klassificering av anpassad text Skapar anpassade AI-modeller för att klassificera ostrukturerade textdokument i anpassade klasser som du definierar.
Anpassad entitetsigenkänning (NER) Skapar anpassade AI-modeller för att extrahera anpassade entitetskategorier, till exempel etiketter för ord eller fraser, med hjälp av ostrukturerad text som du anger.
Förståelse för konversationsspråk (CLU) Skapar anpassade modeller för bearbetning av naturligt språk för att förutsäga användarens avsikt från varje indata och extrahera viktig information från den.
Arbetsflöde för orkestrering Ansluter CLU- och frågeprogram.
Svar på frågor Identifierar det lämpligaste svaret för användarindata. Används ofta för att skapa konversationsklientprogram, till exempel program för sociala medier, chattrobotar och talaktiverade skrivbordsprogram.

Välj en Azure Language-funktion

Följande tabell innehåller en lista över möjliga användningsfall för Azure Language. Om en funktion är anpassningsbar kan du träna en AI-modell med hjälp av Microsoft-verktyg för att passa dina specifika data. Annars är funktionen förkonfigurerad, vilket innebär att dess AI-modeller förblir oförändrade. Du anger dina data och använder funktionens utdata i dina program.

Användningsfall Anpassningsbart
Förutse avsikten med användarindata och extrahera information från dem. Ja
Identifiera och redigera känslig information som personuppgifter. No
Identifiera språket som texten är skriven i. No
Extrahera medicinsk information från kliniska eller medicinska dokument utan att skapa en modell. No
Extrahera medicinsk information från kliniska eller medicinska dokument med hjälp av en modell som tränats på dina data. Ja
Extrahera informationskategorier utan att skapa en anpassad modell. No
Extrahera informationskategorier med hjälp av en modell som är specifik för dina data. Ja
Extrahera huvudämnen och viktiga fraser. No
Sammanfatta ett dokument. No
Klassificera text med hjälp av attitydanalys. Ja
Klassificera text med hjälp av anpassade klasser. Ja
Klassificera objekt i kategorier som tillhandahålls vid inferens. No
Länka en entitet med kunskapsbasartiklar. No
Förstå allmänna frågor och svar. Ja
Skapa ett konversationsprogram som svarar på användarindata. No
Anslut appar från CLU och besvara frågor. Ja

Azure Translator (översättare)

Azure Translator är en molnbaserad nmt-tjänst (neural maskinöversättning). Azure Translator driver många Microsoft-produkter och -tjänster som företag över hela världen använder för språköversättning och andra språkrelaterade uppgifter.

Använd Azure Translator för dessa uppgifter Använd inte Azure Translator för dessa uppgifter
Gör översättning specifikt. Azure Translator är effektivare och kostnadseffektivare än grundläggande språkmodeller för generell användning på grund av dess riktade översättningsmodeller. Interagera med chatten.
Analysera innehållets känslor. För attitydanalys använder du Azure Language.
Måttligt innehåll. För innehållsmoderering använder du Content Safety.

Funktioner och utvecklingsalternativ

Följande tabell innehåller en lista över funktioner som är tillgängliga i Azure Translator.

Feature beskrivning
Textöversättning (förhandsversion) Använd versionen 2025-10-01-preview för att välja antingen STANDARD NMT eller en implementation av språkmodeller (GPT-4o-mini eller GPT-4o) för att översätta text. Du behöver en Foundry-resurs för att använda en distribution av språkmodeller.
Textöversättning v3 (GA) Översätta text mellan käll- och målspråk som stöds i realtid. Skapa en dynamisk ordlista och lär dig hur du förhindrar översättningar med hjälp av Azure Translator API.
Asynkron dokumentöversättning Översätt batchfiler och komplexa filer samtidigt som de ursprungliga dokumentens struktur och format bevaras. Batchöversättningsprocessen kräver ett Azure Blob Storage-konto som har containrar för dina källdokument och översatta dokument.
Synkron dokumentöversättning Översätt en enskild dokumentfil ensam eller med en ordlista samtidigt som strukturen och formatet för det ursprungliga dokumentet bevaras. Filöversättningsprocessen kräver inget Blob Storage-konto. Det slutliga svaret innehåller det översatta dokumentet och returneras direkt till den anropande klienten.
Anpassad översättare Skapa anpassade modeller för att översätta domänspecifikt och branschspecifikt språk, terminologi och stil. Skapa en ordlista med fraser eller meningar för anpassade översättningar.

Tips/Råd

Använd Foundry för text- och synkrona dokumentöversättningsuppgifter via ett gränssnitt utan kod.

Användningsfall

Följande tabell innehåller en lista över möjliga användningsfall för Azure Translator.

Användningsfall Dokumentation
Översätt branschspecifik text. Anpassad översättare
Översätt allmän text som inte är specifik för en bransch. Textöversättning

Azure Dokumentinformation

Använd Azure Document Intelligence för att automatisera dokumentbearbetning i program och arbetsflöden, förbättra datadrivna strategier och utöka funktionerna för dokumentsökning.

Använd Azure Document Intelligence för dessa uppgifter Använd inte Azure Document Intelligence för dessa uppgifter
Extrahera specifika fält från kända dokumenttyper som har en fördefinierad modell, till exempel fakturor, kvitton, W-2:or eller ID-dokument. Extrahera fält från anpassade dokumenttyper som inte har någon fördefinierad modell och som kräver flexibel, schemadefinierad extrahering. Använd Azure Content Understanding i stället.
Bearbeta stora mängder strukturerade eller halvstrukturerade dokument när du behöver deterministisk extrahering med låg variabilitet. Skapa RAG-pipelines som kräver Markdown-formaterade utdata som har inbäddade figurer, avsnittshierarki och segmentklar struktur. Använd Azure Content Understanding i stället.
Träna anpassade neurala modeller eller mallmodeller på etiketterade datauppsättningar för dokumenttyper som är specifika för ditt företag. Kräv konfidenspoäng och validering för varje extraherat fält för att driva arbetsflöden för granskning med mänskligt deltagande. Använd Azure Content Understanding i stället.
Identifiera viktiga strukturer, till exempel sidhuvuden, sidfötter och kapitelbrytningar, i olika samlingar av dokument för att ytterligare programmatiskt interagera med dokumentet.

Modeller för dokumentanalys

Dokumentanalysmodeller extraherar text från formulär och dokument och returnerar strukturerat, affärsklart innehåll.

Modell beskrivning
Läs Extrahera tryckt och handskriven text från dokument. Används för att digitalisera dokument, efterlevnads- och granskningsuppgifter och bearbeta handskrivna anteckningar.
Layout Extrahera text, tabeller och dokumentstruktur. Används för dokumentindexering och hämtning efter struktur och för analys av finansiella och medicinska rapporter.

Dokumentera förinlärda modeller

Fördefinierade modeller lägger till intelligent dokumentbearbetning i dina appar och flöden utan att behöva träna och skapa egna modeller.

Modell beskrivning
Faktura Extrahera kund- och leverantörsinformation från fakturor. Använd för bearbetning av leverantörsreskontra och automatiserad skatteregistrering och rapportering.
Kvitto Extrahera försäljningstransaktionsinformation från kvitton. Används för kostnadshantering, dataanalys av konsumentbeteende och bearbetning av varors retur.
Identitet Extrahera viktig information från pass, ID-kort och körkort. Använd för Know Your Customer (KYC) efterlevnad, hantering av medicinska konton och identitetskontroller.
Sjukförsäkringskort Extrahera viktig information från amerikanska sjukförsäkringskort, till exempel försäkringsgivare, medlem och gruppnummer. Använd för täckning och berättigandeverifiering och värdebaserad analys.
Kontrakt Extrahera avtals- och partinformation från kontrakt i olika format, inklusive skannade dokument och digitala PDF-filer.
Kreditkort Extrahera nyckelfält från kredit- och betalkort, till exempel kortnummer, utfärdande bank och förfallodatum.
Kontoutdrag Extrahera kontoinformation och transaktionsinformation från bankkontoutdrag. Används för bearbetning av skattehantering, redovisningshantering och lånedokumentation.
Bankkontroll Extrahera relevant information från kontroller. Används för kredithantering och automatiserad hantering av långivare.
Lönebesked Extrahera information från lönespecifikationen. Används för verifiering av anställdas löneuppgifter och identifiering av bedrägerier.
Vigselbevis Extrahera certifierad äktenskapsinformation från amerikanska äktenskapscertifikat.
Amerikanska inteckningsdokument Extrahera låneansökningsdetaljer från formulär 1003, 1004, 1005 och 1008 samt avslutande upplysningar. Använd för dokumentationskrav för Fannie Mae och Freddie Mac.
Amerikanska skattedokument Extrahera information från varianterna W-2, 1098, 1099 och 1040. Används för automatiserad hantering av skattedokument och behandling av inteckningslån.

Anpassade modeller

Träna anpassade modeller med hjälp av dina märkta datauppsättningar för att extrahera distinkta data från formulär och dokument som är specifika för dina användningsfall.

Modell beskrivning
Anpassad neuralt Extrahera data från dokument av blandad typ, inklusive strukturerade dokument som undersökningar och enkäter, halvstrukturerade dokument som fakturor och inköpsorder samt ostrukturerade dokument som kontrakt och brev.
Anpassad mall Extrahera märkta värden och fält från strukturerade och halvstrukturerade dokument som har definierat visuella mallar eller vanliga visuella layouter.
Anpassad sammansatt Kombinera en samling anpassade modeller för att analysera liknande formulärtyper, till exempel inköpsorder.
Anpassad klassificerare Identifiera avsedda dokumenttyper eller klasser innan du anropar en extraheringsmodell. Använd för låneansökningspaket som innehåller ansökningsformulär, lönebesked och bankutdrag.

Tilläggsfunktioner

Azure Document Intelligence stöder följande valfria funktioner som du kan aktivera eller inaktivera beroende på scenariot för dokumentextrahering:

  • Högupplösningsextrahering
  • Formelextrahering
  • Extrahering av teckensnittsegenskap
  • Extrahering av streckkodsegenskap
  • Sökbar PDF
  • Frågefält
  • Nyckel-värde-par

Mer information om modellscenarier finns i Välj en Azure Document Intelligence-modell.

Azure Innehållsförståelse

Azure Content Understanding använder generativ AI för att extrahera strukturerade fält från dokument baserat på ett schema som du definierar på naturligt språk. Till skillnad från Azure Document Intelligence, som förlitar sig på förtränade eller anpassade maskininlärningsmodeller knutna till specifika dokumentlayouter, använder Azure Content Understanding generativa modeller för att resonera över dokumentinnehåll och producera schemajusterade JSON- eller RAG-klara Markdown-utdata. Det ger också konfidenspoäng för varje fält och förankring. Använd dessa funktioner för att automatisera arbetsflöden med riktad mänsklig granskning.

Använda Azure Content Understanding för dessa uppgifter Använd inte Azure Content Understanding för dessa uppgifter
Extrahera fält från dokumenttyper som inte har någon fördefinierad Azure Document Intelligence-modell med hjälp av schemadefinitioner som skrivits på naturligt språk. Extrahera fält från standarddokumenttyper som har en befintlig fördefinierad Azure Document Intelligence-modell. Azure Document Intelligence är mer kostnadseffektivt och deterministiskt för dessa scenarier.
Skapa RAG-pipelines som kräver Markdown-utdata som bevarar layout, rubriker, tabeller, siffror och anteckningar för vektorindexering. Bearbeta stora mängder enkla, strukturerade dokument när du behöver minimera språkmodellens variabilitet och kostnader. Använd Azure Document Intelligence i stället.
Skapa automatiseringsarbetsflöden som kräver konfidenspoäng per fält och grund för att dirigera poster med lågt förtroende till mänsklig granskning. Utför allmänna språkuppgifter som sammanfattning eller attitydanalys. Använd Azure Language eller Models i stället.
Klassificera dokumenttyper innan du dirigerar dem till rätt analysverktyg i en pipeline för blandat dokument.

Tillgängliga Azure Content Understanding-funktioner för dokument

Följande tabell innehåller en lista över dokumentfunktioner som är tillgängliga i Azure Content Understanding.

Feature beskrivning
Extrahering av innehåll Omvandlar ostrukturerade dokument till strukturerade, maskinläsbara data. Samlar in tryckt och handskriven text, markeringsmarkeringar, streckkoder, matematiska formler, bildelement, hyperlänkar och anteckningar. Bevarar dokumentstrukturen, inklusive stycken, tabeller, hierarkiska avsnitt och figurelement.
Fältextrahering Extraherar strukturerade nyckel/värde-par från dokument baserat på ett schema som du definierar. Extrahera fält direkt från källan, klassificera dem från en fördefinierad uppsättning kategorier eller generera dem med hjälp av en generativ modell. När du anmäler dig returnerar Analys-API:et varje extraherat fältvärde med en konfidenspoäng och källgrundning så att du kan automatisera underordnade arbetsflöden, till exempel dirigera fält med låg konfidens till mänsklig granskning.
Fördefinierade dokumentanalysverktyg Färdiga analysverktyg för vanliga företagsscenarier, inklusive livscykelhantering för kontrakt, låne- och inteckningsprogram, finansiella rapporter, kostnadshantering och kunskapsbasscenarier.
RAG-utdata Genererar Markdown-formaterade utdata som bevarar dokumentstrukturen för användning i vektorlager och sökindex. Stöder bildbeskrivningar, layoutanalys och anteckningsidentifiering så att arbetsflöden för hämtning kan komma åt innehåll som standardsegmentering förbiser.

Användningsfall

Följande tabell innehåller en lista över möjliga användningsfall för Azure Content Understanding för dokument.

Användningsfall beskrivning
Livscykelhantering för kontrakt Extrahera nyckelfält, satser och skyldigheter från olika kontraktstyper utan att träna en layoutspecifik modell.
Behandling av låne- och inteckningsansökningar Automatisera bearbetningen av kompletterande dokumentation från olika format och mallar som går utöver vad Azure Document Intelligences fördefinierade modeller för inteckningar inte stöder.
Kostnadshantering Parsa kvitton och fakturor från olika återförsäljare och format med hjälp av schemadefinierad extrahering med konfidenspoäng för att flagga poster som behöver mänsklig granskning.
RAG-dokumentinmatning Konvertera ostrukturerade dokument till strukturerade, sökbara datatillgångar med layoutbevarande Markdown-utdata för användning i RAG-sökpipelines och agentarbetsflöden.
Klassificering och routning för blandat dokument Klassificera inkommande dokument efter typ och dirigera varje typ till lämplig analysator. Med den här metoden kan du automatisera pipelines från slutpunkt till slutpunkt som tar emot flera dokumenttyper.

Modeller

Modeller ger åtkomst till en katalog med grundmodeller från Microsoft, OpenAI och andra ledande leverantörer. Dessa modeller kan utföra allmänna språkuppgifter som innehållsgenerering, sammanfattning, översättning och konversationsinteraktioner.

Använda modeller för dessa uppgifter Överväg specialiserade tjänster när du behöver dessa funktioner
Generera kreativt innehåll, utkast eller varianter av text. Konsekventa, repeterbara uppgifter för bearbetning av naturligt språk som NER eller attitydanalys i stor skala. Azure Language tillhandahåller optimerade, kostnadseffektiva API:er för dessa specifika uppgifter.
Sammanfatta långa dokument eller konversationer. Översättning för stora mängder dokument samtidigt som formateringen bevaras. Azure Translator är optimerat för översättningskvalitet och dokumentstrukturbevarande.
Skapa konversations-AI-upplevelser och chattrobotar. Strukturerad dataextrahering från formulär och fakturor med hög noggrannhet. Azure Document Intelligence tillhandahåller fördefinierade modeller som tränats specifikt för dokumenttyper.
Besvara allmänna frågor baserat på angivet sammanhang.
Gör oplanerade språkuppgifter med flexibla uppmaningar.

Tillgängliga modeller

Modellerna innehåller följande AI-modeller från flera leverantörer.

Modellfamilj beskrivning
GPT-4o och GPT-4o mini OpenAI multimodala modeller som kan bearbeta både text och bilder, med förbättrad noggrannhet och svarstider för engelsk text och kodningsuppgifter.
GPT-4.1-serien OpenAI-text- och bildbearbetningsmodeller med stora kontextfönster (upp till en miljon token) för hantering av omfattande dokument.
GPT-5-familj OpenAI:s flaggskeppsmodeller i senaste generationen med avancerade resonemang, multimodala kapaciteter och förbättrade instruktionsföljning. Dessa modeller passar komplexa språkuppgifter i flera steg som kräver hög noggrannhet.
o-serien (o3, o4-mini) OpenAI-resonemangsmodeller utformade för avancerade problemlösningsuppgifter som kräver ökad fokusering och kapacitet inom områden som vetenskap, kodning och matematik.
Phi-4-familj Små språkmodeller (SLM: er) från Microsoft som är optimerade för komplexa resonemang. Phi-4 (14B-parametrar) utmärker sig i scenarier med låg latens, medan Phi-4-resonemang och Phi-4-mini-resonemang ger specialiserade resonemangsfunktioner för problemlösningsuppgifter i flera steg som kräver färre resurser. Stöder fler än 40 språk.
DeepSeek Modeller med öppen viktmodell, inklusive DeepSeek-R1 för resonemangsuppgifter och DeepSeek-V3 serie för allmän språkförståelse. Känd för starka prestanda för kodning och matematiska resonemangsmått.
Grok xAI-modeller, inklusive Grok-3, Grok-4 och specialiserade varianter för resonemang och kodningsuppgifter. Tillgänglig i konfigurationer för snabb logisk bearbetning och konfigurationer utan logisk bearbetning.
Lama Metas öppna modeller, inklusive Llama-3.3-70B-Instruct och Llama-4-Maverick för allmänna språkuppgifter.
Mistral Europeiska AI-modeller, inklusive Mistral-Large-3 och mistral-document-ai för scenarier för dokumentbearbetning.
Inbäddningsmodeller Modeller från flera leverantörer som konverterar text till numerisk vektorform för att underlätta textlikhet och semantisk sökning.

En fullständig lista över tillgängliga modeller och regional tillgänglighet finns i Modeller som säljs direkt av Azure.

Get started

Om du vill börja använda modeller för språkuppgifter använder du någon av följande metoder:

  • Metod utan kod: Använd chattlekplatsen i Foundry-portalen för att distribuera modeller och testa frågor interaktivt.

  • Kodbaserad metod: Använd Foundry SDK för att integrera modeller i dina program med hjälp av Python, C#, TypeScript eller Java.

  • Last updated on