Trace Id is missing
Gå till huvudinnehåll
Azure

Azure AI modellkatalog

Upptäck, utvärdera, anpassa och distribuera AI-modeller
Innovera snabbare med populära modeller från Microsoft, OpenAI, Mistral, Meta, Stability AI, Core42, Nixtla med mera.
ÖVERSIKT

Lås upp innovation med generativ AI

  • Innovera snabbare med grundmodeller som är paketerade för out-of-the-box-användning och delade beräkningsresurser.
  • Integrera enkelt AI-modeller i dina program utan att behöva etablera eller hantera infrastruktur.
  • Analysera modellmått med standarddatauppsättningar och hitta rätt modeller för att uppfylla dina behov.
FUNKTIONER

Upptäck, utvärdera, finjustera och distribuera modeller

Effektivisera resan från modellval till distribution.

Välj rätt modell

Hitta den bästa grundmodellen för din uppgift och domän utan att söka eller ladda ned från flera källor.
En man med lockigt hår som använder en bärbar dator och håller i papper står på en grönska i bakgrunden.
Tillbaka till flikar
MODELLER

Välj mellan gränsmodeller och öppna modeller

OpenAI

Grundläggande modeller som överskrider prestandamått för bild, video och text.

Phi-3

Små språkmodeller för att skapa generativa AI-program med bättre svarstid och lägre kostnader.

Meta

Förtränade, öppna språkmodeller från 7 miljarder till 70 miljarder parametrar.

Mistral AI

Påskynda AI-innovationen och få den senaste motiveringen.

Cohere

En ledande modell för stora språk för funktioner för hämtning av förhöjd generering.

Hugging Face

Tusentals modeller som sträcker sig över kategorier från textgenerering till bildanalys.

Stability AI

Robusta grundmodeller för bildgenerering som Stable Diffusion 2.1.

Core42, ett G42 företag

Den ledande arabiska språkmodellen JAIS påskyndar tillväxten av ett dynamiskt AI-ekosystem med arabiskt språk.

Nixtla

Förtränade generativa AI-transformerarmodeller för tidsserieanalys.

Inbyggd säkerhet och efterlevnad

Microsoft har valt att investera 20 miljarder USD i cybersäkerhet under fem år. 
Vi sysselsätter över 8 500 experter på säkerhets- och hotinformation i 77 länder. 
Azure har en av de största portföljerna för efterlevnadscertifiering i branschen. 
Vanliga frågor och svar

Vanliga frågor och svar

  • Modellkatalogen i AI Studio är ett nav för identifiering av grundmodeller. Katalogen innehåller några av de populäraste grundmodellerna för stora språk och visioner som hanteras av Microsoft, OpenAI, Chatting Face, Meta, Mistral AI, Cohere, Deci, Stability AI, Nixtla och NVIDIA. Dessa modeller är paketerade för direkt användning och är optimerade för användning i Azure AI Studio.
  • MaaS är ett nytt erbjudande från Microsoft som gör att utvecklare kan komma åt och använda en mängd olika modeller med öppen källkod som finns i Azure utan att behöva etablera GPU:er eller hantera serverdelsåtgärder. MaaS erbjuder härlednings-API:er och värdbaserad finjustering för modeller som Meta Llama2, Meta Llama 3, Mistral Large med flera.
  • MaaS-avgifter baseras på antalet token som används för slutsatsdragning och mängden data som används för finjustering. Prissättningen varierar beroende på modell och region. Om du vill se priset för enskilda modeller söker du efter modellen i Azure Marketplace.
  • Idag har vi Meta’s Llama 2- och Llama 3-erbjudanden, Mistral AI’s Mistral Large- och Cohere-modeller, Core42 JAIS- och Nixtla-modeller.
Två personer sitter vid ett bord, ler och tittar på en bärbar datorskärm tillsammans i ett rum med orange väggar.
Kontoregistrering

Kom igång med ett kostnadsfritt konto

Börja med 200 USD i Azure-kredit.
En fokuserad man med glasögon arbetar på en laptop vid ett skrivbord, med en mjukt upplyst bakgrund och en liten växt nära honom.
Kontoregistrering

Kom igång med betala per användning-prissättning

Det finns inget förhandsåtagande – avsluta när du vill.
#chatEngagement { color: #fff; background-color: #006abb; border: 1px solid #0078d4; border-radius: 4px; display: inline-block; font-size: 14px; font-weight: 600; padding: 10px 16px; } #chatEngagement:hover, #chatEngagement:active { text-decoration: underline; } #chatDisengagement { color: #0062ad; display: inline-block; font-size: 14px; font-weight: 600; padding-right: 1em; position: relative; text-decoration: none; border: none; background-color: transparent; } #chatEngagement:focus { outline: 1px solid #fff; outline-offset: -4px; text-decoration: underline; } #chatDisengagement:after { background-image: url("data:image/svg+xml,%3Csvg viewBox='0 0 12 12' fill='none' xmlns='http://www.w3.org/2000/svg'%3E%3Cpath d='M4 1L9 6L4 11' stroke='%230062ad'/%3E%3C/svg%3E"); content: ' '; height: 12px; width: 12px; display: inline-flex; vertical-align: middle; margin-left: .2em; transition: all .2s ease-in-out; position: absolute; bottom: -6px; background-color: transparent; } #chatDisengagement:focus { outline-offset: 10px; } #lp-iframe-container { border: 0; bottom: 0; box-shadow: 0 5px 15px 0 #00000033; height: 500px; left: auto !important; min-width: 300px; max-width: 350px; padding: 0; position: fixed; right: 0; top: auto !important; z-index: 1031; } #iFrame { height: 100%; width: 100%; border: 0; } #proactive-chat-dialog { position: fixed; z-index: 10400; bottom: -24px; right: 11px; } #proactive-chat-dialog .chatContainer { min-width: 272px; height: 277px; color: #000; line-height: 0; position: relative; border: 0 !important; background-repeat: no-repeat !important; background-color: #fff !important; margin: auto; padding: 12px; background-size: contain !important; box-shadow: 0 2.8px 2.2px rgba(0, 0, 0, 0.034), 0 6.7px 5.3px rgba(0, 0, 0, 0.048), 0 12.5px 10px rgba(0, 0, 0, 0.06), 0 22.3px 17.9px rgba(0, 0, 0, 0.072), 0 41.8px 33.4px rgba(0, 0, 0, 0.086), 0 100px 80px rgba(0, 0, 0, 0.12); } #proactive-chat-dialog .chatContainer .chat-cta { text-align: center; font-size: 24px; font-weight: 600; position: relative; top: 160px; } #proactive-chat-dialog .chatContainer .chat-buttons { position: relative; top: 185px; width: 100%; display: flex; gap: 1em; justify-content: center; flex-direction: column; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link { width: auto; margin: auto; } #proactive-chat-dialog .chatContainer .chat-buttons .arrow-link:after { bottom: -6px; } @media only screen and (min-width: 33.75em) { #proactive-chat-dialog .chatContainer .chat-buttons { top: 200px; flex-direction: row; } } </style> <div id="proactive-chat-dialog" class="proactive-chat-hidden"> <div class="chatContainer" style="background: url('{{module.bg-img-src}}') no-repeat top left" > <div class="chat-cta">{{module.heading}}</div> <div class="chat-buttons"> <button type="button" id="chatEngagement" aria-label="{{chat-engagement.aria-label}}" class="button button--primary01 lp-chatnow" data-lp-event="click" data-bi-id="expand-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-bhvr="16" data-bi-tn="button button--primary01 lp-chatnow" > {{chat-engagement.btn-txt}} </button> <button type="button" id="chatDisengagement" aria-label="{{chat-disengagement.aria-label}}" class="arrow-link lp-nothanks" data-lp-event="close" data-bi-id="collapse-chat" data-bi-an="chat" data-bi-chtid="azure chat 1" data-bi-chtnm="live person proactive chat" data-bi-tn="arrow-link lp-nothanks" > {{chat-disengagement.btn-txt}} </button> </div> </div> </div> '/>