mirror of
https://github.com/lobehub/lobe-chat.git
synced 2026-06-17 04:55:51 +00:00
💄 style: Update siliconcloud model list (#5360)
* Update siliconcloud.ts * Update siliconcloud.ts
This commit is contained in:
LovelyGuYiMeng
@@ -1,20 +1,6 @@
|
||||
import { AIChatModelCard } from '@/types/aiModel';
|
||||
|
||||
const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Hunyuan-Large 是业界最大的开源 Transformer 架构 MoE 模型，拥有 3890 亿总参数量和 520 亿激活参数量。',
|
||||
displayName: 'Hunyuan A52B Instruct',
|
||||
enabled: true,
|
||||
id: 'Tencent/Hunyuan-A52B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 21,
|
||||
output: 21,
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
abilities: {
|
||||
functionCall: true,
|
||||
@@ -32,19 +18,6 @@ const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'DeepSeek-V2 是一个强大、经济高效的混合专家（MoE）语言模型。它在 8.1 万亿个 token 的高质量语料库上进行了预训练，并通过监督微调（SFT）和强化学习（RL）进一步提升了模型能力。与 DeepSeek 67B 相比， DeepSeek-V2 在性能更强的同时，节省了 42.5% 的训练成本，减少了 93.3% 的 KV 缓存，并将最大生成吞吐量提高到了 5.76 倍。该模型支持 128k 的上下文长度，在标准基准测试和开放式生成评估中都表现出色',
|
||||
displayName: 'DeepSeek V2 Chat',
|
||||
id: 'deepseek-ai/DeepSeek-V2-Chat',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 1.33,
|
||||
output: 1.33,
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -238,19 +211,6 @@ const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 4096,
|
||||
description:
|
||||
'Qwen2.5-Math-72B 是阿里云发布的 Qwen2.5-Math 系列数学大语言模型之一。该模型支持使用思维链（CoT）和工具集成推理（TIR）方法解决中文和英文数学问题。相比前代 Qwen2-Math 系列，Qwen2.5-Math 系列在中英文数学基准测试中取得了显著的性能提升。该模型在处理精确计算、符号操作和算法操作方面表现出色，尤其适合解决复杂的数学和算法推理任务',
|
||||
displayName: 'Qwen2.5 Math 72B Instruct',
|
||||
id: 'Qwen/Qwen2.5-Math-72B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
output: 4.13,
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -303,19 +263,6 @@ const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Qwen2-72B-Instruct 是 Qwen2 系列中的指令微调大语言模型，参数规模为 72B。该模型基于 Transformer 架构，采用了 SwiGLU 激活函数、注意力 QKV 偏置和组查询注意力等技术。它能够处理大规模输入。该模型在语言理解、生成、多语言能力、编码、数学和推理等多个基准测试中表现出色，超越了大多数开源模型，并在某些任务上展现出与专有模型相当的竞争力',
|
||||
displayName: 'Qwen2 72B Instruct (Vendor-A)',
|
||||
id: 'Vendor-A/Qwen/Qwen2-7B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 1,
|
||||
output: 1,
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
abilities: {
|
||||
vision: true,
|
||||
@@ -414,22 +361,6 @@ const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
abilities: {
|
||||
vision: true,
|
||||
},
|
||||
contextWindowTokens: 8192,
|
||||
description:
|
||||
'InternVL2-Llama3-76B 是 InternVL 2.0 系列中的大规模多模态模型。它由 InternViT-6B-448px-V1-5 视觉模型、MLP 投影层和 Hermes-2-Theta-Llama-3-70B 语言模型组成。该模型在各种视觉语言任务上表现出色，包括文档和图表理解、信息图表问答、场景文本理解和 OCR 任务等。InternVL2-Llama3-76B 使用 8K 上下文窗口训练，能够处理长文本、多图像和视频输入，显著提升了模型在这些任务上的处理能力，在多项基准测试中达到或接近最先进的商业模型水平',
|
||||
displayName: 'InternVL2 Llama3 76B',
|
||||
id: 'OpenGVLab/InternVL2-Llama3-76B',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
output: 4.13,
|
||||
},
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
abilities: {
|
||||
functionCall: true,
|
||||
@@ -617,12 +548,15 @@ const siliconcloudChatModels: AIChatModelCard[] = [
|
||||
type: 'chat',
|
||||
},
|
||||
{
|
||||
abilities: {
|
||||
functionCall: true,
|
||||
},
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Llama-3.1-Nemotron-70B-Instruct 是由 NVIDIA 定制的大型语言模型，旨在提高 LLM 生成的响应对用户查询的帮助程度。该模型在 Arena Hard、AlpacaEval 2 LC 和 GPT-4-Turbo MT-Bench 等基准测试中表现出色，截至 2024 年 10 月 1 日，在所有三个自动对齐基准测试中排名第一。该模型使用 RLHF（特别是 REINFORCE）、Llama-3.1-Nemotron-70B-Reward 和 HelpSteer2-Preference 提示在 Llama-3.1-70B-Instruct 模型基础上进行训练',
|
||||
displayName: 'Llama 3.1 Nemotron 70B Instruct',
|
||||
'Llama 3.3 是 Llama 系列最先进的多语言开源大型语言模型，以极低成本体验媲美 405B 模型的性能。基于 Transformer 结构，并通过监督微调（SFT）和人类反馈强化学习（RLHF）提升有用性和安全性。其指令调优版本专为多语言对话优化，在多项行业基准上表现优于众多开源和封闭聊天模型。知识截止日期为 2023 年 12 月',
|
||||
displayName: 'Llama 3.3 70B Instruct',
|
||||
enabled: true,
|
||||
id: 'nvidia/Llama-3.1-Nemotron-70B-Instruct',
|
||||
id: 'meta-llama/Llama-3.3-70B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
|
||||
@@ -3,19 +3,6 @@ import { ModelProviderCard } from '@/types/llm';
|
||||
// ref :https://siliconflow.cn/zh-cn/pricing
|
||||
const SiliconCloud: ModelProviderCard = {
|
||||
chatModels: [
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Hunyuan-Large 是业界最大的开源 Transformer 架构 MoE 模型，拥有 3890 亿总参数量和 520 亿激活参数量。',
|
||||
displayName: 'Hunyuan A52B Instruct',
|
||||
enabled: true,
|
||||
id: 'Tencent/Hunyuan-A52B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 21,
|
||||
output: 21,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -30,18 +17,6 @@ const SiliconCloud: ModelProviderCard = {
|
||||
output: 1.33,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'DeepSeek-V2 是一个强大、经济高效的混合专家（MoE）语言模型。它在 8.1 万亿个 token 的高质量语料库上进行了预训练，并通过监督微调（SFT）和强化学习（RL）进一步提升了模型能力。与 DeepSeek 67B 相比， DeepSeek-V2 在性能更强的同时，节省了 42.5% 的训练成本，减少了 93.3% 的 KV 缓存，并将最大生成吞吐量提高到了 5.76 倍。该模型支持 128k 的上下文长度，在标准基准测试和开放式生成评估中都表现出色',
|
||||
displayName: 'DeepSeek V2 Chat',
|
||||
id: 'deepseek-ai/DeepSeek-V2-Chat',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 1.33,
|
||||
output: 1.33,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -208,18 +183,6 @@ const SiliconCloud: ModelProviderCard = {
|
||||
output: 1.26,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 4096,
|
||||
description:
|
||||
'Qwen2.5-Math-72B 是阿里云发布的 Qwen2.5-Math 系列数学大语言模型之一。该模型支持使用思维链（CoT）和工具集成推理（TIR）方法解决中文和英文数学问题。相比前代 Qwen2-Math 系列，Qwen2.5-Math 系列在中英文数学基准测试中取得了显著的性能提升。该模型在处理精确计算、符号操作和算法操作方面表现出色，尤其适合解决复杂的数学和算法推理任务',
|
||||
displayName: 'Qwen2.5 Math 72B Instruct',
|
||||
id: 'Qwen/Qwen2.5-Math-72B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
output: 4.13,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -280,18 +243,6 @@ const SiliconCloud: ModelProviderCard = {
|
||||
output: 4.13,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Qwen2-72B-Instruct 是 Qwen2 系列中的指令微调大语言模型，参数规模为 72B。该模型基于 Transformer 架构，采用了 SwiGLU 激活函数、注意力 QKV 偏置和组查询注意力等技术。它能够处理大规模输入。该模型在语言理解、生成、多语言能力、编码、数学和推理等多个基准测试中表现出色，超越了大多数开源模型，并在某些任务上展现出与专有模型相当的竞争力',
|
||||
displayName: 'Qwen2 72B Instruct (Vendor-A)',
|
||||
id: 'Vendor-A/Qwen/Qwen2-7B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 1,
|
||||
output: 1,
|
||||
},
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
@@ -372,19 +323,6 @@ const SiliconCloud: ModelProviderCard = {
|
||||
},
|
||||
vision: true,
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 8192,
|
||||
description:
|
||||
'InternVL2-Llama3-76B 是 InternVL 2.0 系列中的大规模多模态模型。它由 InternViT-6B-448px-V1-5 视觉模型、MLP 投影层和 Hermes-2-Theta-Llama-3-70B 语言模型组成。该模型在各种视觉语言任务上表现出色，包括文档和图表理解、信息图表问答、场景文本理解和 OCR 任务等。InternVL2-Llama3-76B 使用 8K 上下文窗口训练，能够处理长文本、多图像和视频输入，显著提升了模型在这些任务上的处理能力，在多项基准测试中达到或接近最先进的商业模型水平',
|
||||
displayName: 'InternVL2 Llama3 76B',
|
||||
id: 'OpenGVLab/InternVL2-Llama3-76B',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
output: 4.13,
|
||||
},
|
||||
vision: true,
|
||||
},
|
||||
{
|
||||
contextWindowTokens: 131_072,
|
||||
description:
|
||||
@@ -553,10 +491,11 @@ const SiliconCloud: ModelProviderCard = {
|
||||
{
|
||||
contextWindowTokens: 32_768,
|
||||
description:
|
||||
'Llama-3.1-Nemotron-70B-Instruct 是由 NVIDIA 定制的大型语言模型，旨在提高 LLM 生成的响应对用户查询的帮助程度。该模型在 Arena Hard、AlpacaEval 2 LC 和 GPT-4-Turbo MT-Bench 等基准测试中表现出色，截至 2024 年 10 月 1 日，在所有三个自动对齐基准测试中排名第一。该模型使用 RLHF（特别是 REINFORCE）、Llama-3.1-Nemotron-70B-Reward 和 HelpSteer2-Preference 提示在 Llama-3.1-70B-Instruct 模型基础上进行训练',
|
||||
displayName: 'Llama 3.1 Nemotron 70B Instruct',
|
||||
'Llama 3.3 是 Llama 系列最先进的多语言开源大型语言模型，以极低成本体验媲美 405B 模型的性能。基于 Transformer 结构，并通过监督微调（SFT）和人类反馈强化学习（RLHF）提升有用性和安全性。其指令调优版本专为多语言对话优化，在多项行业基准上表现优于众多开源和封闭聊天模型。知识截止日期为 2023 年 12 月',
|
||||
displayName: 'Llama 3.3 70B Instruct',
|
||||
enabled: true,
|
||||
id: 'nvidia/Llama-3.1-Nemotron-70B-Instruct',
|
||||
functionCall: true,
|
||||
id: 'meta-llama/Llama-3.3-70B-Instruct',
|
||||
pricing: {
|
||||
currency: 'CNY',
|
||||
input: 4.13,
|
||||
|
||||
Reference in New Issue
Block a user