mirror of
https://github.com/lobehub/lobe-chat.git
synced 2026-06-18 21:36:12 +00:00
💄 style: support to show token usages (#6693)
* update * support token streaming * fix tests * fix lint
This commit is contained in:
Arvin Xu
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "يوجد موضوعات فرعية، لا يمكن الحذف",
|
||||
"regenerate": "إعادة الإنشاء"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "نقاط",
|
||||
"creditPricing": "التسعير",
|
||||
"creditTooltip": "لتسهيل العد، نقوم بتحويل 1$ إلى 1M نقطة، على سبيل المثال، 3$/M رموز تعني 3 نقاط/رمز",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "مدخلات مخزنة {{amount}}/نقطة · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M حرف",
|
||||
"inputMinutes": "${{amount}}/دقيقة",
|
||||
"inputTokens": "مدخلات {{amount}}/نقطة · ${{amount}}/M",
|
||||
"outputTokens": "مخرجات {{amount}}/نقطة · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "مدخلات",
|
||||
"inputAudio": "مدخلات صوتية",
|
||||
"inputCached": "مدخلات مخزنة",
|
||||
"inputText": "مدخلات نصية",
|
||||
"inputTitle": "تفاصيل المدخلات",
|
||||
"inputUncached": "مدخلات غير مخزنة",
|
||||
"output": "مخرجات",
|
||||
"outputAudio": "مخرجات صوتية",
|
||||
"outputText": "مخرجات نصية",
|
||||
"outputTitle": "تفاصيل المخرجات",
|
||||
"reasoning": "تفكير عميق",
|
||||
"title": "تفاصيل التوليد",
|
||||
"total": "الإجمالي المستهلك"
|
||||
}
|
||||
},
|
||||
"newAgent": "مساعد جديد",
|
||||
"pin": "تثبيت",
|
||||
"pinOff": "إلغاء التثبيت",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B يدعم 16K توكن، ويوفر قدرة توليد لغوية فعالة وسلسة."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything، أحدث نموذج مفتوح المصدر تم تعديله، يحتوي على 34 مليار معلمة، ويدعم تعديلات متعددة لمشاهد الحوار، مع بيانات تدريب عالية الجودة تتماشى مع تفضيلات البشر."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything، أحدث نموذج مفتوح المصدر تم تعديله، يحتوي على 9 مليار معلمة، ويدعم تعديلات متعددة لمشاهد الحوار، مع بيانات تدريب عالية الجودة تتماشى مع تفضيلات البشر."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro كعضو مهم في سلسلة نماذج 360 AI، يلبي احتياجات معالجة النصوص المتنوعة بفعالية، ويدعم فهم النصوص الطويلة والحوار المتعدد الجولات."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 هو نموذج متعدد اللغات أطلقته Cohere، يدعم 23 لغة، مما يسهل التطبيقات اللغوية المتنوعة."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B هو نموذج لغوي كبير مفتوح المصدر قابل للاستخدام التجاري تم تطويره بواسطة Baichuan Intelligence، ويحتوي على 13 مليار معلمة، وقد حقق أفضل النتائج في المعايير الصينية والإنجليزية."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 مصمم خصيصًا للأدوار التفاعلية والمرافقة العاطفية، يدعم ذاكرة متعددة الجولات طويلة الأمد وحوارات مخصصة، ويستخدم على نطاق واسع."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 يعزز بشكل كبير من قدرة النموذج على الاستدلال في ظل وجود بيانات محدودة جدًا. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B هو نموذج لغوي كبير يعتمد على Llama3.3 70B، حيث يحقق أداءً تنافسيًا مماثلاً للنماذج الرائدة الكبيرة من خلال استخدام التعديلات المستندة إلى مخرجات DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B هو نموذج لغوي كبير مكرر يعتمد على Llama-3.1-8B-Instruct، تم تدريبه باستخدام مخرجات DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B هو نموذج لغوي كبير مكرر يعتمد على Qwen 2.5 14B، تم تدريبه باستخدام مخرجات DeepSeek R1. لقد تفوق هذا النموذج في العديد من اختبارات المعايير على نموذج OpenAI o1-mini، محققًا أحدث الإنجازات التقنية في النماذج الكثيفة. فيما يلي بعض نتائج اختبارات المعايير:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nتصنيف CodeForces: 1481\nأظهر هذا النموذج أداءً تنافسيًا مماثلاً للنماذج الرائدة الأكبر حجمًا من خلال التعديل المستند إلى مخرجات DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B هو نموذج لغوي كبير مكرر يعتمد على Qwen 2.5 32B، تم تدريبه باستخدام مخرجات DeepSeek R1. لقد تفوق هذا النموذج في العديد من اختبارات المعايير على نموذج OpenAI o1-mini، محققًا أحدث الإنجازات التقنية في النماذج الكثيفة. فيما يلي بعض نتائج اختبارات المعايير:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nتصنيف CodeForces: 1691\nأظهر هذا النموذج أداءً تنافسيًا مماثلاً للنماذج الرائدة الأكبر حجمًا من خلال التعديل المستند إلى مخرجات DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 هو أحدث نموذج مفتوح المصدر أطلقه فريق DeepSeek، ويتميز بأداء استدلال قوي للغاية، خاصة في المهام الرياضية والبرمجة والاستدلال، حيث وصل إلى مستوى مماثل لنموذج OpenAI o1."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 يعزز بشكل كبير من قدرة النموذج على الاستدلال في ظل وجود بيانات محدودة جدًا. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من التفكير لتحسين دقة الإجابة النهائية."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "حقق DeepSeek-V3 تقدمًا كبيرًا في سرعة الاستدلال مقارنة بالنماذج السابقة. يحتل المرتبة الأولى بين النماذج المفتوحة المصدر، ويمكن مقارنته بأحدث النماذج المغلقة على مستوى العالم. يعتمد DeepSeek-V3 على بنية الانتباه المتعدد الرؤوس (MLA) وبنية DeepSeekMoE، والتي تم التحقق منها بشكل شامل في DeepSeek-V2. بالإضافة إلى ذلك، قدم DeepSeek-V3 استراتيجية مساعدة غير مدمرة للتوازن في الحمل، وحدد أهداف تدريب متعددة التسمية لتحقيق أداء أقوى."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "حقق DeepSeek-V3 تقدمًا كبيرًا في سرعة الاستدلال مقارنة بالنماذج السابقة. يحتل المرتبة الأولى بين النماذج المفتوحة المصدر، ويمكن مقارنته بأحدث النماذج المغلقة على مستوى العالم. يعتمد DeepSeek-V3 على بنية الانتباه المتعدد الرؤوس (MLA) وبنية DeepSeekMoE، والتي تم التحقق منها بشكل شامل في DeepSeek-V2. بالإضافة إلى ذلك، قدم DeepSeek-V3 استراتيجية مساعدة غير مدمرة للتوازن في الحمل، وحدد أهداف تدريب متعددة التسمية لتحقيق أداء أقوى."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "دو باو 1.5 لايت هو نموذج الجيل الجديد الخفيف، مع سرعة استجابة قصوى، حيث يصل الأداء والوقت المستغرق إلى مستوى عالمي."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "تم تصميم LLaMA 3.2 لمعالجة المهام التي تجمع بين البيانات البصرية والنصية. إنه يتفوق في مهام وصف الصور والأسئلة البصرية، متجاوزًا الفجوة بين توليد اللغة والاستدلال البصري."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "تم تصميم LLaMA 3.2 لمعالجة المهام التي تجمع بين البيانات البصرية والنصية. إنه يتفوق في مهام وصف الصور والأسئلة البصرية، متجاوزًا الفجوة بين توليد اللغة والاستدلال البصري."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "نموذج تم تدريبه باستخدام نموذج Qwen-7B اللغوي، مع إضافة نموذج الصور، بدقة إدخال الصور 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 هو سلسلة جديدة من نماذج اللغة الكبيرة Qwen. Qwen2 7B هو نموذج يعتمد على بنية transformer، ويظهر أداءً ممتازًا في فهم اللغة، والقدرات متعددة اللغات، والبرمجة، والرياضيات، والاستدلال."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 هو سلسلة جديدة من نماذج اللغة الكبيرة، تتمتع بقدرات فهم وتوليد أقوى."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL هو الإصدار الأحدث من نموذج Qwen-VL، وقد حقق أداءً متقدمًا في اختبارات الفهم البصري، بما في ذلك MathVista وDocVQA وRealWorldQA وMTVQA. يمكن لـ Qwen2-VL فهم مقاطع الفيديو التي تزيد مدتها عن 20 دقيقة، مما يتيح إجابات عالية الجودة على الأسئلة المستندة إلى الفيديو، والمحادثات، وإنشاء المحتوى. كما يتمتع بقدرات استدلال واتخاذ قرارات معقدة، ويمكن دمجه مع الأجهزة المحمولة والروبوتات، مما يتيح التشغيل التلقائي بناءً على البيئة البصرية والتعليمات النصية. بالإضافة إلى الإنجليزية والصينية، يدعم Qwen2-VL الآن فهم النصوص بلغات مختلفة في الصور، بما في ذلك معظم اللغات الأوروبية واليابانية والكورية والعربية والفيتنامية."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct هو أحد أحدث نماذج اللغة الكبيرة التي أصدرتها Alibaba Cloud. يتمتع هذا النموذج 72B بقدرات محسنة بشكل ملحوظ في مجالات الترميز والرياضيات. كما يوفر النموذج دعمًا متعدد اللغات، يغطي أكثر من 29 لغة، بما في ذلك الصينية والإنجليزية. وقد حقق النموذج تحسينات ملحوظة في اتباع التعليمات وفهم البيانات الهيكلية وتوليد المخرجات الهيكلية (خاصة JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct هو أحد أحدث نماذج اللغة الكبيرة التي أصدرتها Alibaba Cloud. يتمتع هذا النموذج 32B بقدرات محسنة بشكل ملحوظ في مجالات الترميز والرياضيات. كما يوفر النموذج دعمًا متعدد اللغات، يغطي أكثر من 29 لغة، بما في ذلك الصينية والإنجليزية. وقد حقق النموذج تحسينات ملحوظة في اتباع التعليمات وفهم البيانات الهيكلية وتوليد المخرجات الهيكلية (خاصة JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "نموذج لغوي موجه للغة الصينية والإنجليزية، يستهدف مجالات اللغة، والبرمجة، والرياضيات، والاستدلال، وغيرها."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "نموذج التضمين من الجيل الجديد، فعال واقتصادي، مناسب لاسترجاع المعرفة وتطبيقات RAG وغيرها."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "الإصدار المفتوح من الجيل الأحدث من نموذج GLM-4 الذي أطلقته Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) يوفر قدرة حسابية معززة من خلال استراتيجيات فعالة وهندسة نموذجية."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity هي شركة رائدة في تقديم نماذج توليد الحوار، تقدم مجموعة من نماذج Llama 3.1 المتقدمة، تدعم التطبيقات عبر الإنترنت وغير المتصلة، وتناسب بشكل خاص مهام معالجة اللغة الطبيعية المعقدة."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "تقدم PPIO بايو السحابية خدمات واجهة برمجة التطبيقات لنماذج مفتوحة المصدر مستقرة وذات تكلفة فعالة، تدعم جميع سلسلة DeepSeek، وLlama، وQwen، وغيرها من النماذج الكبيرة الرائدة في الصناعة."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen هو نموذج لغة ضخم تم تطويره ذاتيًا بواسطة Alibaba Cloud، يتمتع بقدرات قوية في فهم وتوليد اللغة الطبيعية. يمكنه الإجابة على مجموعة متنوعة من الأسئلة، وكتابة المحتوى، والتعبير عن الآراء، وكتابة الشيفرات، ويؤدي دورًا في مجالات متعددة."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Съществуват подтеми, не можете да изтриете.",
|
||||
"regenerate": "Прегенерирай"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Кредити",
|
||||
"creditPricing": "Ценообразуване",
|
||||
"creditTooltip": "За удобство при броенето, 1$ се преобразува в 1M кредити, например $3/M токени се преобразува в 3 кредита/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Кеширани входящи {{amount}}/кредити · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M символи",
|
||||
"inputMinutes": "${{amount}}/минута",
|
||||
"inputTokens": "Входящи {{amount}}/кредити · ${{amount}}/M",
|
||||
"outputTokens": "Изходящи {{amount}}/кредити · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Вход",
|
||||
"inputAudio": "Аудио вход",
|
||||
"inputCached": "Кеширан вход",
|
||||
"inputText": "Текстов вход",
|
||||
"inputTitle": "Детайли за входа",
|
||||
"inputUncached": "Некеширан вход",
|
||||
"output": "Изход",
|
||||
"outputAudio": "Аудио изход",
|
||||
"outputText": "Текстов изход",
|
||||
"outputTitle": "Детайли за изхода",
|
||||
"reasoning": "Дълбочинно разсъждение",
|
||||
"title": "Детайли за генериране",
|
||||
"total": "Общо разходи"
|
||||
}
|
||||
},
|
||||
"newAgent": "Нов агент",
|
||||
"pin": "Закачи",
|
||||
"pinOff": "Откачи",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B поддържа 16K токена, предоставяйки ефективни и плавни способности за генериране на език."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "零一万物, най-новият отворен модел с фина настройка, с 34 милиарда параметри, който поддържа множество диалогови сценарии, с висококачествени обучителни данни, съобразени с човешките предпочитания."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "零一万物, най-новият отворен модел с фина настройка, с 9 милиарда параметри, който поддържа множество диалогови сценарии, с висококачествени обучителни данни, съобразени с човешките предпочитания."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, като важен член на серията AI модели на 360, отговаря на разнообразни приложения на естествения език с ефективни способности за обработка на текст, поддържайки разбиране на дълги текстове и многостепенни диалози."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 е многозначен модел, представен от Cohere, поддържащ 23 езика, предоставяйки удобство за многоезични приложения."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B е отворен, комерсиален голям езиков модел, разработен от Baichuan Intelligence, с 13 милиарда параметри, който постига най-добрите резултати в своя размер на авторитетни бенчмаркове на китайски и английски."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 е проектиран за ролеви игри и емоционално придружаване, поддържаща дълга многократна памет и персонализиран диалог, с широко приложение."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 значително подобри способността на модела за разсъждение при наличието на много малко маркирани данни. Преди да предостави окончателния отговор, моделът първо ще изведе част от съдържанието на веригата на мислене, за да повиши точността на окончателния отговор."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B е голям езиков модел, базиран на Llama3.3 70B, който използва фина настройка на изхода на DeepSeek R1, за да постигне конкурентна производителност, сравнима с големите водещи модели."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B е дестилиран голям езиков модел, базиран на Llama-3.1-8B-Instruct, обучен с изхода на DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B е дестилиран голям езиков модел, базиран на Qwen 2.5 14B, обучен с изхода на DeepSeek R1. Този модел надминава o1-mini на OpenAI в множество бенчмарков, постигащи най-съвременни резултати за плътни модели. Ето някои от резултатите от бенчмарковете:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nТози модел демонстрира конкурентна производителност, сравнима с по-големи водещи модели, благодарение на фина настройка на изхода на DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B е дестилиран голям езиков модел, базиран на Qwen 2.5 32B, обучен с изхода на DeepSeek R1. Този модел надминава o1-mini на OpenAI в множество бенчмарков, постигащи най-съвременни резултати за плътни модели. Ето някои от резултатите от бенчмарковете:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nТози модел демонстрира конкурентна производителност, сравнима с по-големи водещи модели, благодарение на фина настройка на изхода на DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 е най-новият отворен модел, публикуван от екипа на DeepSeek, който предлага изключителна производителност при извеждане, особено в математически, програмистки и логически задачи, достигайки ниво, сравнимо с модела o1 на OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 значително подобри способността на модела за разсъждение при наличието на много малко маркирани данни. Преди да предостави окончателния отговор, моделът първо ще изведе част от съдържанието на веригата на мислене, за да повиши точността на окончателния отговор."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 постига значителен напредък в скоростта на извеждане в сравнение с предишните модели. Той е на първо място сред отворените модели и може да се сравнява с най-съвременните затворени модели в света. DeepSeek-V3 използва архитектури с многоглаво внимание (MLA) и DeepSeekMoE, които бяха напълно валидирани в DeepSeek-V2. Освен това, DeepSeek-V3 въвежда помощна беззагубна стратегия за баланс на натоварването и задава цели за обучение с множество етикети, за да постигне по-силна производителност."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 постига значителен напредък в скоростта на извеждане в сравнение с предишните модели. Той е на първо място сред отворените модели и може да се сравнява с най-съвременните затворени модели в света. DeepSeek-V3 използва архитектури с многоглаво внимание (MLA) и DeepSeekMoE, които бяха напълно валидирани в DeepSeek-V2. Освен това, DeepSeek-V3 въвежда помощна беззагубна стратегия за баланс на натоварването и задава цели за обучение с множество етикети, за да постигне по-силна производителност."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite е ново поколение лек модел, с изключителна скорост на отговор, който постига световно ниво както по отношение на ефективността, така и на времето за реакция."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 е проектиран да обработва задачи, свързващи визуални и текстови данни. Той показва отлични резултати в задачи като описание на изображения и визуални въпроси, преодолявайки пропастта между генерирането на език и визуалното разсъждение."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 е проектиран да обработва задачи, свързващи визуални и текстови данни. Той показва отлични резултати в задачи като описание на изображения и визуални въпроси, преодолявайки пропастта между генерирането на език и визуалното разсъждение."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Инициализиран с езиковия модел Qwen-7B, добавя модел за изображения, предтренировъчен модел с резолюция на входа от 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 е новата серия големи езикови модели Qwen. Qwen2 7B е модел, базиран на трансформатор, който показва отлични резултати в разбирането на езика, многоезичните способности, програмирането, математиката и разсъжденията."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 е нова серия от големи езикови модели с по-силни способности за разбиране и генериране."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL е най-новата итерация на модела Qwen-VL, постигайки най-съвременни резултати в бенчмарковете за визуално разбиране, включително MathVista, DocVQA, RealWorldQA и MTVQA. Qwen2-VL може да разбира видеа с продължителност над 20 минути, за висококачествени въпроси и отговори, диалози и създаване на съдържание, базирани на видео. Той също така притежава сложни способности за разсъждение и вземане на решения, които могат да се интегрират с мобилни устройства, роботи и др., за автоматични операции на базата на визуална среда и текстови инструкции. Освен английски и китайски, Qwen2-VL сега поддържа и разбиране на текст на различни езици в изображения, включително повечето европейски езици, японски, корейски, арабски и виетнамски."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct е една от най-новите серии големи езикови модели, публикувани от Alibaba Cloud. Този 72B модел има значителни подобрения в области като кодиране и математика. Моделът предлага и многоезична поддръжка, обхващаща над 29 езика, включително китайски и английски. Моделът показва значителни подобрения в следването на инструкции, разбирането на структурирани данни и генерирането на структурирани изходи (особено JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct е една от най-новите серии големи езикови модели, публикувани от Alibaba Cloud. Този 32B модел има значителни подобрения в области като кодиране и математика. Моделът предлага и многоезична поддръжка, обхващаща над 29 езика, включително китайски и английски. Моделът показва значителни подобрения в следването на инструкции, разбирането на структурирани данни и генерирането на структурирани изходи (особено JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM, насочен към китайски и английски, за области като език, програмиране, математика и разсъждение."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Ефективен и икономичен ново поколение модел за вграждане, подходящ за извличане на знания, RAG приложения и други сценарии."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "GLM-4 е последната версия на предварително обучен модел от серията, публикувана от Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) предлага подобрена изчислителна мощ чрез ефективни стратегии и архитектура на модела."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity е водещ доставчик на модели за генериране на диалози, предлагащ множество напреднали модели Llama 3.1, поддържащи онлайн и офлайн приложения, особено подходящи за сложни задачи по обработка на естествен език."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO ПайОу облак предлага стабилни и икономически изгодни API услуги за отворени модели, поддържащи цялата серия DeepSeek, Llama, Qwen и други водещи модели в индустрията."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen е самостоятелно разработен свръхголям езиков модел на Alibaba Cloud, с мощни способности за разбиране и генериране на естествен език. Може да отговаря на различни въпроси, да създава текстово съдържание, да изразява мнения и да пише код, играейки роля в множество области."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Es gibt Unterthemen, die Löschung ist nicht möglich.",
|
||||
"regenerate": "Neu generieren"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Punkte",
|
||||
"creditPricing": "Preisgestaltung",
|
||||
"creditTooltip": "Zur Vereinfachung der Zählung rechnen wir 1$ als 1M Punkte um, zum Beispiel werden $3/M Tokens als 3 Punkte/token umgerechnet",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Zwischengespeicherte Eingabe {{amount}}/Punkte · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M Zeichen",
|
||||
"inputMinutes": "${{amount}}/Minute",
|
||||
"inputTokens": "Eingabe {{amount}}/Punkte · ${{amount}}/M",
|
||||
"outputTokens": "Ausgabe {{amount}}/Punkte · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Eingabe",
|
||||
"inputAudio": "Audioeingabe",
|
||||
"inputCached": "Eingabe zwischengespeichert",
|
||||
"inputText": "Text-Eingabe",
|
||||
"inputTitle": "Eingabedetails",
|
||||
"inputUncached": "Eingabe nicht zwischengespeichert",
|
||||
"output": "Ausgabe",
|
||||
"outputAudio": "Audioausgabe",
|
||||
"outputText": "Text-Ausgabe",
|
||||
"outputTitle": "Ausgabedetails",
|
||||
"reasoning": "Tiefes Denken",
|
||||
"title": "Generierungsdetails",
|
||||
"total": "Gesamter Verbrauch"
|
||||
}
|
||||
},
|
||||
"newAgent": "Neuer Assistent",
|
||||
"pin": "Anheften",
|
||||
"pinOff": "Anheften aufheben",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B unterstützt 16K Tokens und bietet effiziente, flüssige Sprachgenerierungsfähigkeiten."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Yi 1.5, das neueste Open-Source-Fine-Tuning-Modell mit 34 Milliarden Parametern, unterstützt verschiedene Dialogszenarien mit hochwertigen Trainingsdaten, die auf menschliche Präferenzen abgestimmt sind."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Yi 1.5, das neueste Open-Source-Fine-Tuning-Modell mit 9 Milliarden Parametern, unterstützt verschiedene Dialogszenarien mit hochwertigen Trainingsdaten, die auf menschliche Präferenzen abgestimmt sind."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro ist ein wichtiger Bestandteil der 360 AI-Modellreihe und erfüllt mit seiner effizienten Textverarbeitungsfähigkeit vielfältige Anwendungen der natürlichen Sprache, unterstützt das Verständnis langer Texte und Mehrfachdialoge."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 ist ein mehrsprachiges Modell von Cohere, das 23 Sprachen unterstützt und die Anwendung in einer Vielzahl von Sprachen erleichtert."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B ist ein Open-Source-Sprachmodell mit 13 Milliarden Parametern, das von Baichuan Intelligence entwickelt wurde und in autorisierten chinesischen und englischen Benchmarks die besten Ergebnisse in seiner Größenordnung erzielt hat."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 ist für Rollenspiele und emotionale Begleitung konzipiert und unterstützt extrem lange Mehrfachgedächtnisse und personalisierte Dialoge, mit breiter Anwendung."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 hat die Schlussfolgerungsfähigkeiten des Modells erheblich verbessert, selbst bei nur wenigen gekennzeichneten Daten. Bevor das Modell die endgültige Antwort ausgibt, gibt es zunächst eine Denkprozesskette aus, um die Genauigkeit der endgültigen Antwort zu erhöhen."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B ist ein großes Sprachmodell, das auf Llama3.3 70B basiert und durch Feinabstimmung mit den Ausgaben von DeepSeek R1 eine wettbewerbsfähige Leistung erreicht, die mit großen, fortschrittlichen Modellen vergleichbar ist."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B ist ein distilliertes großes Sprachmodell, das auf Llama-3.1-8B-Instruct basiert und durch Training mit den Ausgaben von DeepSeek R1 erstellt wurde."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B ist ein distilliertes großes Sprachmodell, das auf Qwen 2.5 14B basiert und durch Training mit den Ausgaben von DeepSeek R1 erstellt wurde. Dieses Modell hat in mehreren Benchmark-Tests OpenAI's o1-mini übertroffen und die neuesten technologischen Fortschritte bei dichten Modellen (state-of-the-art) erzielt. Hier sind einige Ergebnisse der Benchmark-Tests:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nDas Modell zeigt durch Feinabstimmung mit den Ausgaben von DeepSeek R1 eine wettbewerbsfähige Leistung, die mit größeren, fortschrittlichen Modellen vergleichbar ist."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B ist ein distilliertes großes Sprachmodell, das auf Qwen 2.5 32B basiert und durch Training mit den Ausgaben von DeepSeek R1 erstellt wurde. Dieses Modell hat in mehreren Benchmark-Tests OpenAI's o1-mini übertroffen und die neuesten technologischen Fortschritte bei dichten Modellen (state-of-the-art) erzielt. Hier sind einige Ergebnisse der Benchmark-Tests:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nDas Modell zeigt durch Feinabstimmung mit den Ausgaben von DeepSeek R1 eine wettbewerbsfähige Leistung, die mit größeren, fortschrittlichen Modellen vergleichbar ist."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 ist das neueste Open-Source-Modell, das vom DeepSeek-Team veröffentlicht wurde und über eine äußerst leistungsstarke Inferenzleistung verfügt, insbesondere in den Bereichen Mathematik, Programmierung und logisches Denken, die mit dem OpenAI o1-Modell vergleichbar ist."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 hat die Schlussfolgerungsfähigkeiten des Modells erheblich verbessert, selbst bei nur wenigen gekennzeichneten Daten. Bevor das Modell die endgültige Antwort ausgibt, gibt es zunächst eine Denkprozesskette aus, um die Genauigkeit der endgültigen Antwort zu erhöhen."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 hat einen bedeutenden Durchbruch in der Inferenzgeschwindigkeit im Vergleich zu früheren Modellen erzielt. Es belegt den ersten Platz unter den Open-Source-Modellen und kann mit den weltweit fortschrittlichsten proprietären Modellen konkurrieren. DeepSeek-V3 verwendet die Multi-Head-Latent-Attention (MLA) und die DeepSeekMoE-Architektur, die in DeepSeek-V2 umfassend validiert wurden. Darüber hinaus hat DeepSeek-V3 eine unterstützende verlustfreie Strategie für die Lastenverteilung eingeführt und mehrere Zielvorgaben für das Training von Mehrfachvorhersagen festgelegt, um eine stärkere Leistung zu erzielen."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 hat einen bedeutenden Durchbruch in der Inferenzgeschwindigkeit im Vergleich zu früheren Modellen erzielt. Es belegt den ersten Platz unter den Open-Source-Modellen und kann mit den weltweit fortschrittlichsten proprietären Modellen konkurrieren. DeepSeek-V3 verwendet die Multi-Head-Latent-Attention (MLA) und die DeepSeekMoE-Architektur, die in DeepSeek-V2 umfassend validiert wurden. Darüber hinaus hat DeepSeek-V3 eine unterstützende verlustfreie Strategie für die Lastenverteilung eingeführt und mehrere Zielvorgaben für das Training von Mehrfachvorhersagen festgelegt, um eine stärkere Leistung zu erzielen."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite ist das neueste leichte Modell der nächsten Generation, das eine extrem schnelle Reaktionszeit bietet und sowohl in der Leistung als auch in der Latenz weltweit erstklassig ist."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 ist darauf ausgelegt, Aufgaben zu bearbeiten, die visuelle und textuelle Daten kombinieren. Es zeigt hervorragende Leistungen bei Aufgaben wie Bildbeschreibung und visuellem Fragen und Antworten und überbrückt die Kluft zwischen Sprachgenerierung und visueller Schlussfolgerung."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 ist darauf ausgelegt, Aufgaben zu bearbeiten, die visuelle und textuelle Daten kombinieren. Es zeigt hervorragende Leistungen bei Aufgaben wie Bildbeschreibung und visuellem Fragen und Antworten und überbrückt die Kluft zwischen Sprachgenerierung und visueller Schlussfolgerung."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Initiiert mit dem Qwen-7B-Sprachmodell, fügt es ein Bildmodell hinzu, das für Bildeingaben mit einer Auflösung von 448 vortrainiert wurde."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 ist die brandneue Serie von großen Sprachmodellen von Qwen. Qwen2 7B ist ein transformerbasiertes Modell, das in den Bereichen Sprachverständnis, Mehrsprachigkeit, Programmierung, Mathematik und logisches Denken hervorragende Leistungen zeigt."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 ist eine neue Serie großer Sprachmodelle mit stärkeren Verständnis- und Generierungsfähigkeiten."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL ist die neueste Iteration des Qwen-VL-Modells und hat in Benchmark-Tests zur visuellen Verständlichkeit eine fortschrittliche Leistung erreicht, einschließlich MathVista, DocVQA, RealWorldQA und MTVQA. Qwen2-VL kann über 20 Minuten Video verstehen und ermöglicht qualitativ hochwertige, videobasierte Fragen und Antworten, Dialoge und Inhaltserstellung. Es verfügt auch über komplexe Denk- und Entscheidungsfähigkeiten und kann mit mobilen Geräten, Robotern usw. integriert werden, um basierend auf visuellen Umgebungen und Textanweisungen automatisch zu agieren. Neben Englisch und Chinesisch unterstützt Qwen2-VL jetzt auch das Verständnis von Text in Bildern in verschiedenen Sprachen, einschließlich der meisten europäischen Sprachen, Japanisch, Koreanisch, Arabisch und Vietnamesisch."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct ist eines der neuesten großen Sprachmodell-Serien, die von Alibaba Cloud veröffentlicht wurden. Dieses 72B-Modell hat signifikante Verbesserungen in den Bereichen Codierung und Mathematik. Das Modell bietet auch mehrsprachige Unterstützung und deckt über 29 Sprachen ab, einschließlich Chinesisch und Englisch. Das Modell hat signifikante Verbesserungen in der Befolgung von Anweisungen, im Verständnis von strukturierten Daten und in der Generierung von strukturierten Ausgaben (insbesondere JSON) erzielt."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct ist eines der neuesten großen Sprachmodell-Serien, die von Alibaba Cloud veröffentlicht wurden. Dieses 32B-Modell hat signifikante Verbesserungen in den Bereichen Codierung und Mathematik. Das Modell bietet auch mehrsprachige Unterstützung und deckt über 29 Sprachen ab, einschließlich Chinesisch und Englisch. Das Modell hat signifikante Verbesserungen in der Befolgung von Anweisungen, im Verständnis von strukturierten Daten und in der Generierung von strukturierten Ausgaben (insbesondere JSON) erzielt."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM, das auf Chinesisch und Englisch ausgerichtet ist und sich auf Sprache, Programmierung, Mathematik, Schlussfolgern und andere Bereiche konzentriert."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Effizientes und kostengünstiges neues Embedding-Modell, geeignet für Wissensabruf, RAG-Anwendungen und andere Szenarien."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Die Open-Source-Version des neuesten vortrainierten Modells der GLM-4-Serie, das von Zhizhu AI veröffentlicht wurde."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) bietet durch effiziente Strategien und Modellarchitekturen verbesserte Rechenfähigkeiten."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity ist ein führender Anbieter von Dialoggenerierungsmodellen und bietet eine Vielzahl fortschrittlicher Llama 3.1-Modelle an, die sowohl für Online- als auch Offline-Anwendungen geeignet sind und sich besonders für komplexe Aufgaben der Verarbeitung natürlicher Sprache eignen."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiou Cloud bietet stabile und kosteneffiziente Open-Source-Modell-API-Dienste und unterstützt die gesamte DeepSeek-Serie, Llama, Qwen und andere führende große Modelle der Branche."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen ist ein von Alibaba Cloud selbst entwickeltes, groß angelegtes Sprachmodell mit starken Fähigkeiten zur Verarbeitung und Generierung natürlicher Sprache. Es kann eine Vielzahl von Fragen beantworten, Texte erstellen, Meinungen äußern und Code schreiben und spielt in mehreren Bereichen eine Rolle."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "There are subtopics, deletion is not allowed",
|
||||
"regenerate": "Regenerate"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Credits",
|
||||
"creditPricing": "Pricing",
|
||||
"creditTooltip": "For counting purposes, we convert $1 to 1M credits; for example, $3/M tokens can be converted to 3 credits/token.",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Cached input {{amount}}/credits · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M characters",
|
||||
"inputMinutes": "${{amount}}/minute",
|
||||
"inputTokens": "Input {{amount}}/credits · ${{amount}}/M",
|
||||
"outputTokens": "Output {{amount}}/credits · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Input",
|
||||
"inputAudio": "Audio Input",
|
||||
"inputCached": "Cached Input",
|
||||
"inputText": "Text Input",
|
||||
"inputTitle": "Input Details",
|
||||
"inputUncached": "Uncached Input",
|
||||
"output": "Output",
|
||||
"outputAudio": "Audio Output",
|
||||
"outputText": "Text Output",
|
||||
"outputTitle": "Output Details",
|
||||
"reasoning": "Deep Thinking",
|
||||
"title": "Generation Details",
|
||||
"total": "Total Consumption"
|
||||
}
|
||||
},
|
||||
"newAgent": "New Assistant",
|
||||
"pin": "Pin",
|
||||
"pinOff": "Unpin",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B supports 16K tokens, providing efficient and smooth language generation capabilities."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything, the latest open-source fine-tuned model with 34 billion parameters, supports various dialogue scenarios with high-quality training data aligned with human preferences."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything, the latest open-source fine-tuned model with 9 billion parameters, supports various dialogue scenarios with high-quality training data aligned with human preferences."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, as an important member of the 360 AI model series, meets diverse natural language application scenarios with efficient text processing capabilities, supporting long text understanding and multi-turn dialogue."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 is a multilingual model launched by Cohere, supporting 23 languages, facilitating diverse language applications."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B is an open-source, commercially usable large language model developed by Baichuan Intelligence, containing 13 billion parameters, achieving the best results in its size on authoritative Chinese and English benchmarks."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 is designed for role-playing and emotional companionship, supporting ultra-long multi-turn memory and personalized dialogue, with wide applications."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 significantly enhances model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first provides a chain of thought to improve the accuracy of the final response."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B is a large language model based on Llama3.3 70B, which achieves competitive performance comparable to large cutting-edge models by utilizing fine-tuning from DeepSeek R1 outputs."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B is a distilled large language model based on Llama-3.1-8B-Instruct, trained using outputs from DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B is a distilled large language model based on Qwen 2.5 14B, trained using outputs from DeepSeek R1. This model has surpassed OpenAI's o1-mini in several benchmark tests, achieving state-of-the-art results for dense models. Here are some benchmark results:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nThis model demonstrates competitive performance comparable to larger cutting-edge models through fine-tuning from DeepSeek R1 outputs."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B is a distilled large language model based on Qwen 2.5 32B, trained using outputs from DeepSeek R1. This model has surpassed OpenAI's o1-mini in several benchmark tests, achieving state-of-the-art results for dense models. Here are some benchmark results:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nThis model demonstrates competitive performance comparable to larger cutting-edge models through fine-tuning from DeepSeek R1 outputs."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 is the latest open-source model released by the DeepSeek team, featuring impressive inference performance, particularly in mathematics, programming, and reasoning tasks, reaching levels comparable to OpenAI's o1 model."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 significantly enhances model reasoning capabilities with minimal labeled data. Before outputting the final answer, the model first provides a chain of thought to improve the accuracy of the final response."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 has achieved a significant breakthrough in inference speed compared to previous models. It ranks first among open-source models and can compete with the world's most advanced closed-source models. DeepSeek-V3 employs Multi-Head Latent Attention (MLA) and DeepSeekMoE architectures, which have been thoroughly validated in DeepSeek-V2. Additionally, DeepSeek-V3 introduces an auxiliary lossless strategy for load balancing and sets multi-label prediction training objectives for enhanced performance."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 has achieved a significant breakthrough in inference speed compared to previous models. It ranks first among open-source models and can compete with the world's most advanced closed-source models. DeepSeek-V3 employs Multi-Head Latent Attention (MLA) and DeepSeekMoE architectures, which have been thoroughly validated in DeepSeek-V2. Additionally, DeepSeek-V3 introduces an auxiliary lossless strategy for load balancing and sets multi-label prediction training objectives for enhanced performance."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite is a new generation lightweight model, offering extreme response speed with performance and latency at a world-class level."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 is designed to handle tasks that combine visual and textual data. It excels in tasks such as image description and visual question answering, bridging the gap between language generation and visual reasoning."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 is designed to handle tasks that combine visual and textual data. It excels in tasks such as image description and visual question answering, bridging the gap between language generation and visual reasoning."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Initialized with the Qwen-7B language model, this pre-trained model adds an image model with an input resolution of 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 is a brand new series of large language models. Qwen2 7B is a transformer-based model that excels in language understanding, multilingual capabilities, programming, mathematics, and reasoning."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 is a brand new series of large language models with enhanced understanding and generation capabilities."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL is the latest iteration of the Qwen-VL model, achieving state-of-the-art performance in visual understanding benchmarks, including MathVista, DocVQA, RealWorldQA, and MTVQA. Qwen2-VL can understand videos over 20 minutes long for high-quality video-based Q&A, dialogue, and content creation. It also possesses complex reasoning and decision-making capabilities, allowing integration with mobile devices, robots, and more for automated operations based on visual environments and text instructions. In addition to English and Chinese, Qwen2-VL now supports understanding text in different languages within images, including most European languages, Japanese, Korean, Arabic, and Vietnamese."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct is one of the latest large language model series released by Alibaba Cloud. This 72B model has significantly improved capabilities in coding and mathematics. The model also offers multilingual support, covering over 29 languages, including Chinese and English. It shows significant enhancements in instruction following, understanding structured data, and generating structured outputs (especially JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct is one of the latest large language model series released by Alibaba Cloud. This 32B model has significantly improved capabilities in coding and mathematics. The model provides multilingual support, covering over 29 languages, including Chinese and English. It shows significant enhancements in instruction following, understanding structured data, and generating structured outputs (especially JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "An LLM focused on both Chinese and English, targeting language, programming, mathematics, reasoning, and more."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "An efficient and cost-effective next-generation embedding model, suitable for knowledge retrieval, RAG applications, and more."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "The open-source version of the latest generation pre-trained model from the GLM-4 series released by Zhiyuan AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) provides enhanced computational capabilities through efficient strategies and model architecture."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity is a leading provider of conversational generation models, offering various advanced Llama 3.1 models that support both online and offline applications, particularly suited for complex natural language processing tasks."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen is a large-scale language model independently developed by Alibaba Cloud, featuring strong natural language understanding and generation capabilities. It can answer various questions, create written content, express opinions, and write code, playing a role in multiple fields."
|
||||
},
|
||||
@@ -139,8 +142,5 @@
|
||||
},
|
||||
"zhipu": {
|
||||
"description": "Zhipu AI offers an open platform for multimodal and language models, supporting a wide range of AI application scenarios, including text processing, image understanding, and programming assistance."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc."
|
||||
}
|
||||
}
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Existen subtemas, no se puede eliminar",
|
||||
"regenerate": "Regenerar"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Créditos",
|
||||
"creditPricing": "Precios",
|
||||
"creditTooltip": "Para facilitar el conteo, convertimos 1$ en 1M créditos, por ejemplo, $3/M tokens se convierte en 3 créditos/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Entradas en caché {{amount}}/créditos · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M caracteres",
|
||||
"inputMinutes": "${{amount}}/minuto",
|
||||
"inputTokens": "Entradas {{amount}}/créditos · ${{amount}}/M",
|
||||
"outputTokens": "Salidas {{amount}}/créditos · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Entrada",
|
||||
"inputAudio": "Entrada de audio",
|
||||
"inputCached": "Entrada en caché",
|
||||
"inputText": "Entrada de texto",
|
||||
"inputTitle": "Detalles de entrada",
|
||||
"inputUncached": "Entrada no en caché",
|
||||
"output": "Salida",
|
||||
"outputAudio": "Salida de audio",
|
||||
"outputText": "Salida de texto",
|
||||
"outputTitle": "Detalles de salida",
|
||||
"reasoning": "Razonamiento profundo",
|
||||
"title": "Detalles de generación",
|
||||
"total": "Total consumido"
|
||||
}
|
||||
},
|
||||
"newAgent": "Nuevo asistente",
|
||||
"pin": "Fijar",
|
||||
"pinOff": "Desfijar",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B soporta 16K Tokens, proporcionando una capacidad de generación de lenguaje eficiente y fluida."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Cero Uno, el último modelo de ajuste fino de código abierto, cuenta con 34 mil millones de parámetros, con ajuste fino que admite múltiples escenarios de conversación y datos de entrenamiento de alta calidad, alineados con las preferencias humanas."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Cero Uno, el último modelo de ajuste fino de código abierto, cuenta con 9 mil millones de parámetros, con ajuste fino que admite múltiples escenarios de conversación y datos de entrenamiento de alta calidad, alineados con las preferencias humanas."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, como un miembro importante de la serie de modelos de IA de 360, satisface diversas aplicaciones de procesamiento de lenguaje natural con su eficiente capacidad de manejo de textos, soportando la comprensión de textos largos y funciones de diálogo en múltiples turnos."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 es un modelo multilingüe lanzado por Cohere, que admite 23 idiomas, facilitando aplicaciones de lenguaje diversas."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B es un modelo de lenguaje de gran escala de código abierto y comercializable desarrollado por Baichuan Intelligence, que cuenta con 13 mil millones de parámetros y ha logrado los mejores resultados en benchmarks autorizados en chino e inglés."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 está diseñado para juegos de rol y acompañamiento emocional, soportando memoria de múltiples rondas y diálogos personalizados, con aplicaciones amplias."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 mejora significativamente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de proporcionar la respuesta final, el modelo genera una cadena de pensamiento para mejorar la precisión de la respuesta final."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B es un modelo de lenguaje de gran tamaño basado en Llama3.3 70B, que utiliza el ajuste fino de la salida de DeepSeek R1 para lograr un rendimiento competitivo comparable a los modelos de vanguardia de gran tamaño."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B es un modelo de lenguaje grande destilado basado en Llama-3.1-8B-Instruct, entrenado utilizando la salida de DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B es un modelo de lenguaje grande destilado basado en Qwen 2.5 14B, entrenado utilizando la salida de DeepSeek R1. Este modelo ha superado a o1-mini de OpenAI en múltiples pruebas de referencia, logrando resultados de vanguardia en modelos densos. A continuación se presentan algunos resultados de las pruebas de referencia:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCalificación de CodeForces: 1481\nEste modelo, ajustado a partir de la salida de DeepSeek R1, muestra un rendimiento competitivo comparable al de modelos de vanguardia de mayor escala."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B es un modelo de lenguaje grande destilado basado en Qwen 2.5 32B, entrenado utilizando la salida de DeepSeek R1. Este modelo ha superado a o1-mini de OpenAI en múltiples pruebas de referencia, logrando resultados de vanguardia en modelos densos. A continuación se presentan algunos resultados de las pruebas de referencia:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCalificación de CodeForces: 1691\nEste modelo, ajustado a partir de la salida de DeepSeek R1, muestra un rendimiento competitivo comparable al de modelos de vanguardia de mayor escala."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 es el último modelo de código abierto lanzado por el equipo de DeepSeek, que cuenta con un rendimiento de inferencia excepcional, especialmente en tareas de matemáticas, programación y razonamiento, alcanzando niveles comparables al modelo o1 de OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 mejora significativamente la capacidad de razonamiento del modelo con muy pocos datos etiquetados. Antes de proporcionar la respuesta final, el modelo genera una cadena de pensamiento para mejorar la precisión de la respuesta final."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 ha logrado un avance significativo en la velocidad de inferencia en comparación con modelos anteriores. Se clasifica como el número uno entre los modelos de código abierto y puede competir con los modelos cerrados más avanzados del mundo. DeepSeek-V3 utiliza la arquitectura de atención multi-cabeza (MLA) y DeepSeekMoE, que han sido completamente validadas en DeepSeek-V2. Además, DeepSeek-V3 ha introducido una estrategia auxiliar sin pérdidas para el balanceo de carga y ha establecido objetivos de entrenamiento de predicción de múltiples etiquetas para lograr un rendimiento más robusto."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 ha logrado un avance significativo en la velocidad de inferencia en comparación con modelos anteriores. Se clasifica como el número uno entre los modelos de código abierto y puede competir con los modelos cerrados más avanzados del mundo. DeepSeek-V3 utiliza la arquitectura de atención multi-cabeza (MLA) y DeepSeekMoE, que han sido completamente validadas en DeepSeek-V2. Además, DeepSeek-V3 ha introducido una estrategia auxiliar sin pérdidas para el balanceo de carga y ha establecido objetivos de entrenamiento de predicción de múltiples etiquetas para lograr un rendimiento más robusto."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite es un modelo ligero de nueva generación, con una velocidad de respuesta extrema, alcanzando niveles de rendimiento y latencia de clase mundial."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 está diseñado para manejar tareas que combinan datos visuales y textuales. Destaca en tareas como la descripción de imágenes y preguntas visuales, superando la brecha entre la generación de lenguaje y el razonamiento visual."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 está diseñado para manejar tareas que combinan datos visuales y textuales. Destaca en tareas como la descripción de imágenes y preguntas visuales, superando la brecha entre la generación de lenguaje y el razonamiento visual."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Iniciado con el modelo de lenguaje Qwen-7B, se añade un modelo de imagen, un modelo preentrenado con una resolución de entrada de imagen de 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 es una nueva serie de modelos de lenguaje grande Qwen. Qwen2 7B es un modelo basado en transformador que destaca en comprensión del lenguaje, capacidades multilingües, programación, matemáticas y razonamiento."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 es una nueva serie de modelos de lenguaje de gran tamaño, con una mayor capacidad de comprensión y generación."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL es la última iteración del modelo Qwen-VL, alcanzando un rendimiento de vanguardia en pruebas de comprensión visual, incluyendo MathVista, DocVQA, RealWorldQA y MTVQA. Qwen2-VL puede entender videos de más de 20 minutos, permitiendo preguntas y respuestas, diálogos y creación de contenido de alta calidad basados en video. También posee capacidades complejas de razonamiento y toma de decisiones, pudiendo integrarse con dispositivos móviles, robots, etc., para realizar operaciones automáticas basadas en el entorno visual y las instrucciones de texto. Además del inglés y el chino, Qwen2-VL ahora también admite la comprensión de texto en diferentes idiomas dentro de imágenes, incluyendo la mayoría de los idiomas europeos, japonés, coreano, árabe y vietnamita."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct es una de las últimas series de modelos de lenguaje grande lanzadas por Alibaba Cloud. Este modelo de 72B presenta capacidades significativamente mejoradas en áreas como codificación y matemáticas. También ofrece soporte multilingüe, abarcando más de 29 idiomas, incluidos chino e inglés. El modelo ha mejorado notablemente en el seguimiento de instrucciones, la comprensión de datos estructurados y la generación de salidas estructuradas (especialmente JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct es una de las últimas series de modelos de lenguaje grande lanzadas por Alibaba Cloud. Este modelo de 32B presenta capacidades significativamente mejoradas en áreas como codificación y matemáticas. También ofrece soporte multilingüe, abarcando más de 29 idiomas, incluidos chino e inglés. El modelo ha mejorado notablemente en el seguimiento de instrucciones, la comprensión de datos estructurados y la generación de salidas estructuradas (especialmente JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM orientado a chino e inglés, enfocado en áreas como lenguaje, programación, matemáticas y razonamiento."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Un modelo de Embedding de nueva generación, eficiente y económico, adecuado para la recuperación de conocimiento, aplicaciones RAG y más."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Versión de código abierto de la última generación del modelo preentrenado GLM-4 lanzado por Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) proporciona una capacidad de cálculo mejorada a través de estrategias y arquitecturas de modelos eficientes."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity es un proveedor líder de modelos de generación de diálogos, ofreciendo varios modelos avanzados de Llama 3.1, que son adecuados para aplicaciones en línea y fuera de línea, especialmente para tareas complejas de procesamiento del lenguaje natural."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiouyun ofrece servicios de API de modelos de código abierto estables y de alto rendimiento, que admiten toda la serie DeepSeek, Llama, Qwen y otros modelos grandes líderes en la industria."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen es un modelo de lenguaje de gran escala desarrollado de forma independiente por Alibaba Cloud, con potentes capacidades de comprensión y generación de lenguaje natural. Puede responder a diversas preguntas, crear contenido escrito, expresar opiniones y redactar código, desempeñando un papel en múltiples campos."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "زیرموضوع وجود دارد، نمیتوان حذف کرد",
|
||||
"regenerate": "بازتولید"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "اعتبار",
|
||||
"creditPricing": "قیمت گذاری",
|
||||
"creditTooltip": "برای سهولت در شمارش، ما 1$ را به 1M اعتبار تبدیل میکنیم، به عنوان مثال $3/M توکنها معادل 3 اعتبار/token است",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "ورودی کش شده {{amount}}/اعتبار · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M کاراکتر",
|
||||
"inputMinutes": "${{amount}}/دقیقه",
|
||||
"inputTokens": "ورودی {{amount}}/اعتبار · ${{amount}}/M",
|
||||
"outputTokens": "خروجی {{amount}}/اعتبار · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "ورودی",
|
||||
"inputAudio": "ورودی صوتی",
|
||||
"inputCached": "ورودی کش شده",
|
||||
"inputText": "ورودی متنی",
|
||||
"inputTitle": "جزئیات ورودی",
|
||||
"inputUncached": "ورودی غیر کش شده",
|
||||
"output": "خروجی",
|
||||
"outputAudio": "خروجی صوتی",
|
||||
"outputText": "خروجی متنی",
|
||||
"outputTitle": "جزئیات خروجی",
|
||||
"reasoning": "تفکر عمیق",
|
||||
"title": "جزئیات تولید",
|
||||
"total": "مجموع مصرف"
|
||||
}
|
||||
},
|
||||
"newAgent": "دستیار جدید",
|
||||
"pin": "سنجاق کردن",
|
||||
"pinOff": "لغو سنجاق",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B از 16K توکن پشتیبانی میکند و توانایی تولید زبان بهصورت کارآمد و روان را ارائه میدهد."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything، جدیدترین مدل متن باز تنظیم شده با 34 میلیارد پارامتر، که تنظیمات آن از چندین سناریوی گفتگویی پشتیبانی میکند و دادههای آموزشی با کیفیت بالا را برای همراستایی با ترجیحات انسانی فراهم میکند."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything، جدیدترین مدل متن باز تنظیم شده با 9 میلیارد پارامتر، که تنظیمات آن از چندین سناریوی گفتگویی پشتیبانی میکند و دادههای آموزشی با کیفیت بالا را برای همراستایی با ترجیحات انسانی فراهم میکند."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro به عنوان یکی از اعضای مهم سری مدلهای 360 AI، با توانایی پردازش متون بهصورت کارآمد، نیازهای متنوع در زمینههای مختلف کاربردهای زبان طبیعی را برآورده میکند و از قابلیتهایی مانند درک متون طولانی و مکالمات چندمرحلهای پشتیبانی میکند."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 یک مدل چندزبانه است که توسط Cohere ارائه شده و از 23 زبان پشتیبانی میکند و استفاده از برنامههای چندزبانه را تسهیل مینماید."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B یک مدل زبان بزرگ متن باز و قابل تجاری با 130 میلیارد پارامتر است که در آزمونهای معتبر چینی و انگلیسی بهترین عملکرد را در اندازه مشابه به دست آورده است."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 بهطور ویژه برای نقشآفرینی و همراهی عاطفی طراحی شده است، از حافظه طولانیمدت و مکالمات شخصیسازیشده پشتیبانی میکند و کاربردهای گستردهای دارد."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 با وجود دادههای برچسبگذاری شده بسیار کم، توانایی استدلال مدل را به طرز چشمگیری افزایش میدهد. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره تفکر را تولید میکند تا دقت پاسخ نهایی را افزایش دهد."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B یک مدل زبان بزرگ مبتنی بر Llama3.3 70B است که با استفاده از تنظیمات DeepSeek R1 به عملکرد رقابتی معادل مدلهای پیشرفته بزرگ دست یافته است."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B یک مدل زبان بزرگ تقطیر شده مبتنی بر Llama-3.1-8B-Instruct است که با استفاده از خروجی DeepSeek R1 آموزش دیده است."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B یک مدل زبان بزرگ تقطیر شده مبتنی بر Qwen 2.5 14B است که با استفاده از خروجی DeepSeek R1 آموزش دیده است. این مدل در چندین آزمون معیار از o1-mini OpenAI پیشی گرفته و به آخرین دستاوردهای فناوری مدلهای متراکم (dense models) دست یافته است. نتایج برخی از آزمونهای معیار به شرح زیر است:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nاین مدل با تنظیمات خروجی DeepSeek R1، عملکرد رقابتی معادل مدلهای پیشرفته بزرگتر را نشان میدهد."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B یک مدل زبان بزرگ تقطیر شده مبتنی بر Qwen 2.5 32B است که با استفاده از خروجی DeepSeek R1 آموزش دیده است. این مدل در چندین آزمون معیار از o1-mini OpenAI پیشی گرفته و به آخرین دستاوردهای فناوری مدلهای متراکم (dense models) دست یافته است. نتایج برخی از آزمونهای معیار به شرح زیر است:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nاین مدل با تنظیمات خروجی DeepSeek R1، عملکرد رقابتی معادل مدلهای پیشرفته بزرگتر را نشان میدهد."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 جدیدترین مدل متن باز منتشر شده توسط تیم DeepSeek است که دارای عملکرد استدلال بسیار قوی است و به ویژه در وظایف ریاضی، برنامهنویسی و استدلال به سطحی معادل مدل o1 OpenAI رسیده است."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 با وجود دادههای برچسبگذاری شده بسیار کم، توانایی استدلال مدل را به طرز چشمگیری افزایش میدهد. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره تفکر را تولید میکند تا دقت پاسخ نهایی را افزایش دهد."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 در سرعت استدلال به یک پیشرفت عمده نسبت به مدلهای قبلی دست یافته است. این مدل در بین مدلهای متن باز رتبه اول را دارد و میتواند با پیشرفتهترین مدلهای بسته جهانی رقابت کند. DeepSeek-V3 از معماری توجه چندسر (MLA) و DeepSeekMoE استفاده میکند که این معماریها در DeepSeek-V2 به طور کامل تأیید شدهاند. علاوه بر این، DeepSeek-V3 یک استراتژی کمکی بدون ضرر برای تعادل بار معرفی کرده و اهداف آموزشی پیشبینی چند برچسبی را برای بهبود عملکرد تعیین کرده است."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 در سرعت استدلال به یک پیشرفت عمده نسبت به مدلهای قبلی دست یافته است. این مدل در بین مدلهای متن باز رتبه اول را دارد و میتواند با پیشرفتهترین مدلهای بسته جهانی رقابت کند. DeepSeek-V3 از معماری توجه چندسر (MLA) و DeepSeekMoE استفاده میکند که این معماریها در DeepSeek-V2 به طور کامل تأیید شدهاند. علاوه بر این، DeepSeek-V3 یک استراتژی کمکی بدون ضرر برای تعادل بار معرفی کرده و اهداف آموزشی پیشبینی چند برچسبی را برای بهبود عملکرد تعیین کرده است."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "مدل سبک نسل جدید Doubao-1.5-lite، با سرعت پاسخدهی فوقالعاده، عملکرد و تأخیر در سطح جهانی را ارائه میدهد."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 برای انجام وظایفی که ترکیبی از دادههای بصری و متنی هستند طراحی شده است. این مدل در وظایفی مانند توصیف تصویر و پرسش و پاسخ بصری عملکرد بسیار خوبی دارد و فاصله بین تولید زبان و استدلال بصری را پر میکند."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 برای انجام وظایفی طراحی شده است که دادههای بصری و متنی را با هم ترکیب میکند. این مدل در وظایفی مانند توصیف تصویر و پرسش و پاسخ بصری عملکرد بسیار خوبی دارد و فاصله بین تولید زبان و استدلال بصری را پر میکند."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "مدل زبان Qwen-7B با اضافه کردن مدل تصویر و وضوح ورودی تصویر 448، به عنوان یک مدل پیشآموزششده، اولیهسازی شده است."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 یک سری جدید از مدلهای زبان بزرگ Qwen است. Qwen2 7B یک مدل مبتنی بر ترنسفورمر است که در درک زبان، قابلیتهای چند زبانه، برنامهنویسی، ریاضی و استدلال عملکرد عالی دارد."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 یک سری جدید از مدلهای زبان بزرگ است که دارای تواناییهای درک و تولید قویتری میباشد."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL جدیدترین نسخه از مدل Qwen-VL است که در آزمونهای معیار درک بصری به عملکرد پیشرفتهای دست یافته است، از جمله MathVista، DocVQA، RealWorldQA و MTVQA. Qwen2-VL قادر به درک ویدیوهای بیش از 20 دقیقه است و برای پرسش و پاسخ، گفتگو و تولید محتوا مبتنی بر ویدیو با کیفیت بالا استفاده میشود. این مدل همچنین دارای قابلیتهای پیچیده استدلال و تصمیمگیری است و میتواند با دستگاههای موبایل، رباتها و غیره ادغام شود و بر اساس محیط بصری و دستورات متنی به طور خودکار عمل کند. علاوه بر انگلیسی و چینی، Qwen2-VL اکنون از درک متنهای مختلف زبان در تصاویر نیز پشتیبانی میکند، از جمله بیشتر زبانهای اروپایی، ژاپنی، کرهای، عربی و ویتنامی."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct یکی از جدیدترین سری مدلهای زبان بزرگ منتشر شده توسط Alibaba Cloud است. این مدل 72B در زمینههای کدنویسی و ریاضی دارای قابلیتهای بهبود یافته قابل توجهی است. این مدل همچنین از چندین زبان پشتیبانی میکند و بیش از 29 زبان از جمله چینی و انگلیسی را پوشش میدهد. این مدل در پیروی از دستورات، درک دادههای ساختاری و تولید خروجیهای ساختاری (به ویژه JSON) بهبودهای قابل توجهی داشته است."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct یکی از جدیدترین سری مدلهای زبان بزرگ منتشر شده توسط Alibaba Cloud است. این مدل 32B در زمینههای کدنویسی و ریاضی دارای قابلیتهای بهبود یافته قابل توجهی است. این مدل از چندین زبان پشتیبانی میکند و بیش از 29 زبان از جمله چینی و انگلیسی را پوشش میدهد. این مدل در پیروی از دستورات، درک دادههای ساختاری و تولید خروجیهای ساختاری (به ویژه JSON) بهبودهای قابل توجهی داشته است."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "مدل LLM برای زبانهای چینی و انگلیسی که در زمینههای زبان، برنامهنویسی، ریاضیات و استدلال تخصص دارد."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "مدل جدید و کارآمد Embedding، مناسب برای جستجوی دانش، کاربردهای RAG و سایر سناریوها."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "نسخه متن باز جدیدترین نسل مدلهای پیشآموزش GLM-4 منتشر شده توسط Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) با استفاده از استراتژیها و معماری مدل کارآمد، توان محاسباتی بهبودیافتهای را ارائه میدهد."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity یک ارائهدهنده پیشرو در مدلهای تولید مکالمه است که انواع مدلهای پیشرفته Llama 3.1 را ارائه میدهد و از برنامههای آنلاین و آفلاین پشتیبانی میکند. این مدلها بهویژه برای وظایف پیچیده پردازش زبان طبیعی مناسب هستند."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO پایو کلود خدمات API مدلهای متن باز با ثبات و با قیمت مناسب را ارائه میدهد و از تمام سریهای DeepSeek، Llama، Qwen و سایر مدلهای بزرگ پیشرو در صنعت پشتیبانی میکند."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "چوان یی چیان ون یک مدل زبان بسیار بزرگ است که توسط علیکلود بهطور مستقل توسعه یافته و دارای تواناییهای قدرتمند درک و تولید زبان طبیعی است. این مدل میتواند به انواع سوالات پاسخ دهد، محتوای متنی خلق کند، نظرات و دیدگاهها را بیان کند، کد بنویسد و در حوزههای مختلف نقش ایفا کند."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Il existe des sous-sujets, la suppression n'est pas possible.",
|
||||
"regenerate": "Régénérer"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Crédit",
|
||||
"creditPricing": "Tarification",
|
||||
"creditTooltip": "Pour faciliter le comptage, nous convertissons 1 $ en 1M de crédits, par exemple, 3 $/M tokens équivaut à 3 crédits/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Entrée mise en cache {{amount}}/crédit · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M caractères",
|
||||
"inputMinutes": "${{amount}}/minute",
|
||||
"inputTokens": "Entrée {{amount}}/crédit · ${{amount}}/M",
|
||||
"outputTokens": "Sortie {{amount}}/crédit · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Entrée",
|
||||
"inputAudio": "Entrée audio",
|
||||
"inputCached": "Entrée mise en cache",
|
||||
"inputText": "Entrée texte",
|
||||
"inputTitle": "Détails de l'entrée",
|
||||
"inputUncached": "Entrée non mise en cache",
|
||||
"output": "Sortie",
|
||||
"outputAudio": "Sortie audio",
|
||||
"outputText": "Sortie texte",
|
||||
"outputTitle": "Détails de la sortie",
|
||||
"reasoning": "Raisonnement approfondi",
|
||||
"title": "Détails de génération",
|
||||
"total": "Total consommé"
|
||||
}
|
||||
},
|
||||
"newAgent": "Nouvel agent",
|
||||
"pin": "Épingler",
|
||||
"pinOff": "Désépingler",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B supporte 16K Tokens, offrant une capacité de génération de langage efficace et fluide."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything, le dernier modèle de fine-tuning open source, avec 34 milliards de paramètres, prend en charge divers scénarios de dialogue, avec des données d'entraînement de haute qualité, alignées sur les préférences humaines."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything, le dernier modèle de fine-tuning open source, avec 9 milliards de paramètres, prend en charge divers scénarios de dialogue, avec des données d'entraînement de haute qualité, alignées sur les préférences humaines."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, en tant que membre important de la série de modèles AI de 360, répond à des applications variées de traitement de texte avec une efficacité élevée, supportant la compréhension de longs textes et les dialogues multi-tours."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 est un modèle multilingue lancé par Cohere, prenant en charge 23 langues, facilitant les applications linguistiques diversifiées."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B est un modèle de langage open source et commercialisable développé par Baichuan Intelligence, contenant 13 milliards de paramètres, qui a obtenu les meilleurs résultats dans des benchmarks chinois et anglais de référence."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 est conçu pour le jeu de rôle et l'accompagnement émotionnel, prenant en charge une mémoire multi-tours ultra-longue et des dialogues personnalisés, avec des applications variées."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère d'abord une chaîne de pensée pour améliorer l'exactitude de la réponse finale."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B est un modèle de langage de grande taille basé sur Llama3.3 70B, qui utilise le fine-tuning des sorties de DeepSeek R1 pour atteindre des performances compétitives comparables aux grands modèles de pointe."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B est un modèle de langage distillé basé sur Llama-3.1-8B-Instruct, entraîné en utilisant les sorties de DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B est un modèle de langage distillé basé sur Qwen 2.5 14B, entraîné en utilisant les sorties de DeepSeek R1. Ce modèle a surpassé l'o1-mini d'OpenAI dans plusieurs benchmarks, atteignant des résultats de pointe pour les modèles denses. Voici quelques résultats de benchmarks :\nAIME 2024 pass@1 : 69.7\nMATH-500 pass@1 : 93.9\nCodeForces Rating : 1481\nCe modèle, affiné à partir des sorties de DeepSeek R1, démontre des performances compétitives comparables à celles de modèles de pointe de plus grande taille."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B est un modèle de langage distillé basé sur Qwen 2.5 32B, entraîné en utilisant les sorties de DeepSeek R1. Ce modèle a surpassé l'o1-mini d'OpenAI dans plusieurs benchmarks, atteignant des résultats de pointe pour les modèles denses. Voici quelques résultats de benchmarks :\nAIME 2024 pass@1 : 72.6\nMATH-500 pass@1 : 94.3\nCodeForces Rating : 1691\nCe modèle, affiné à partir des sorties de DeepSeek R1, démontre des performances compétitives comparables à celles de modèles de pointe de plus grande taille."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 est le dernier modèle open source publié par l'équipe DeepSeek, offrant des performances d'inférence très puissantes, atteignant des niveaux comparables à ceux du modèle o1 d'OpenAI, en particulier dans les tâches de mathématiques, de programmation et de raisonnement."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 améliore considérablement les capacités de raisonnement du modèle avec très peu de données annotées. Avant de fournir la réponse finale, le modèle génère d'abord une chaîne de pensée pour améliorer l'exactitude de la réponse finale."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 a réalisé une percée majeure en termes de vitesse d'inférence par rapport aux modèles précédents. Il se classe au premier rang des modèles open source et peut rivaliser avec les modèles fermés les plus avancés au monde. DeepSeek-V3 utilise une architecture d'attention multi-tête (MLA) et DeepSeekMoE, qui ont été entièrement validées dans DeepSeek-V2. De plus, DeepSeek-V3 a introduit une stratégie auxiliaire sans perte pour l'équilibrage de charge et a établi des objectifs d'entraînement de prédiction multi-étiquettes pour obtenir de meilleures performances."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 a réalisé une percée majeure en termes de vitesse d'inférence par rapport aux modèles précédents. Il se classe au premier rang des modèles open source et peut rivaliser avec les modèles fermés les plus avancés au monde. DeepSeek-V3 utilise une architecture d'attention multi-tête (MLA) et DeepSeekMoE, qui ont été entièrement validées dans DeepSeek-V2. De plus, DeepSeek-V3 a introduit une stratégie auxiliaire sans perte pour l'équilibrage de charge et a établi des objectifs d'entraînement de prédiction multi-étiquettes pour obtenir de meilleures performances."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite est un modèle léger de nouvelle génération, offrant une vitesse de réponse extrême, avec des performances et des délais atteignant des niveaux de classe mondiale."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 est conçu pour traiter des tâches combinant des données visuelles et textuelles. Il excelle dans des tâches telles que la description d'images et les questions-réponses visuelles, comblant le fossé entre la génération de langage et le raisonnement visuel."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 est conçu pour traiter des tâches combinant des données visuelles et textuelles. Il excelle dans des tâches telles que la description d'images et les questions-réponses visuelles, comblant le fossé entre la génération de langage et le raisonnement visuel."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Initialisé avec le modèle de langage Qwen-7B, ajoutant un modèle d'image, un modèle pré-entraîné avec une résolution d'entrée d'image de 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 est la toute nouvelle série de modèles de langage de grande taille Qwen. Qwen2 7B est un modèle basé sur le transformateur, qui excelle dans la compréhension du langage, les capacités multilingues, la programmation, les mathématiques et le raisonnement."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 est une toute nouvelle série de modèles de langage de grande taille, offrant des capacités de compréhension et de génération plus puissantes."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL est la dernière version itérée du modèle Qwen-VL, atteignant des performances de pointe dans les benchmarks de compréhension visuelle, y compris MathVista, DocVQA, RealWorldQA et MTVQA. Qwen2-VL peut comprendre des vidéos de plus de 20 minutes pour des questions-réponses, des dialogues et de la création de contenu de haute qualité basés sur la vidéo. Il possède également des capacités de raisonnement et de décision complexes, pouvant être intégré à des appareils mobiles, des robots, etc., pour des opérations automatiques basées sur l'environnement visuel et des instructions textuelles. En plus de l'anglais et du chinois, Qwen2-VL prend désormais en charge la compréhension du texte dans différentes langues dans les images, y compris la plupart des langues européennes, le japonais, le coréen, l'arabe et le vietnamien."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct est l'un des derniers modèles de langage de grande taille publiés par Alibaba Cloud. Ce modèle de 72B présente des capacités significativement améliorées dans des domaines tels que le codage et les mathématiques. Le modèle offre également un support multilingue, couvrant plus de 29 langues, y compris le chinois et l'anglais. Il a montré des améliorations significatives dans le suivi des instructions, la compréhension des données structurées et la génération de sorties structurées (en particulier JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct est l'un des derniers modèles de langage de grande taille publiés par Alibaba Cloud. Ce modèle de 32B présente des capacités significativement améliorées dans des domaines tels que le codage et les mathématiques. Le modèle offre un support multilingue, couvrant plus de 29 langues, y compris le chinois et l'anglais. Il a montré des améliorations significatives dans le suivi des instructions, la compréhension des données structurées et la génération de sorties structurées (en particulier JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM orienté vers le chinois et l'anglais, ciblant des domaines tels que la langue, la programmation, les mathématiques et le raisonnement."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Un modèle d'Embedding de nouvelle génération, efficace et économique, adapté à la recherche de connaissances, aux applications RAG, etc."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Version open source de la dernière génération de modèles pré-entraînés de la série GLM-4 publiée par Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) offre une capacité de calcul améliorée grâce à des stratégies et une architecture de modèle efficaces."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity est un fournisseur de modèles de génération de dialogue de premier plan, offrant divers modèles avancés Llama 3.1, prenant en charge les applications en ligne et hors ligne, particulièrement adaptés aux tâches complexes de traitement du langage naturel."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiouyun offre des services API de modèles open source stables et rentables, prenant en charge toute la gamme DeepSeek, Llama, Qwen et d'autres grands modèles de pointe dans l'industrie."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen est un modèle de langage à grande échelle développé de manière autonome par Alibaba Cloud, doté de puissantes capacités de compréhension et de génération du langage naturel. Il peut répondre à diverses questions, créer du contenu écrit, exprimer des opinions, rédiger du code, etc., jouant un rôle dans plusieurs domaines."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Esistono sottoargomenti, non è possibile eliminare",
|
||||
"regenerate": "Rigenera"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Crediti",
|
||||
"creditPricing": "Prezzo",
|
||||
"creditTooltip": "Per facilitare il conteggio, consideriamo 1$ equivalente a 1M crediti, ad esempio $3/M token equivalgono a 3 crediti/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Input memorizzato {{amount}}/crediti · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M caratteri",
|
||||
"inputMinutes": "${{amount}}/minuto",
|
||||
"inputTokens": "Input {{amount}}/crediti · ${{amount}}/M",
|
||||
"outputTokens": "Output {{amount}}/crediti · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Input",
|
||||
"inputAudio": "Input audio",
|
||||
"inputCached": "Input memorizzato",
|
||||
"inputText": "Input testo",
|
||||
"inputTitle": "Dettagli input",
|
||||
"inputUncached": "Input non memorizzato",
|
||||
"output": "Output",
|
||||
"outputAudio": "Output audio",
|
||||
"outputText": "Output testo",
|
||||
"outputTitle": "Dettagli output",
|
||||
"reasoning": "Ragionamento profondo",
|
||||
"title": "Dettagli generati",
|
||||
"total": "Totale consumato"
|
||||
}
|
||||
},
|
||||
"newAgent": "Nuovo assistente",
|
||||
"pin": "Fissa in alto",
|
||||
"pinOff": "Annulla fissaggio in alto",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B supporta 16K Tokens, offrendo capacità di generazione linguistica efficienti e fluide."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything, il più recente modello open source fine-tuned, con 34 miliardi di parametri, supporta vari scenari di dialogo, con dati di addestramento di alta qualità, allineati alle preferenze umane."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything, il più recente modello open source fine-tuned, con 9 miliardi di parametri, supporta vari scenari di dialogo, con dati di addestramento di alta qualità, allineati alle preferenze umane."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, come membro importante della serie di modelli AI di 360, soddisfa le diverse applicazioni del linguaggio naturale con un'efficace capacità di elaborazione del testo, supportando la comprensione di testi lunghi e conversazioni a più turni."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 è un modello multilingue lanciato da Cohere, supporta 23 lingue, facilitando applicazioni linguistiche diversificate."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B è un modello di linguaggio open source sviluppato da Baichuan Intelligence, con 13 miliardi di parametri, che ha ottenuto i migliori risultati nella sua categoria in benchmark autorevoli sia in cinese che in inglese."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 è progettato per il gioco di ruolo e la compagnia emotiva, supporta una memoria multi-turno ultra-lunga e dialoghi personalizzati, con ampie applicazioni."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 ha notevolmente migliorato le capacità di ragionamento del modello con pochissimi dati etichettati. Prima di fornire la risposta finale, il modello genera una catena di pensiero per migliorare l'accuratezza della risposta finale."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B è un grande modello di linguaggio basato su Llama3.3 70B, che utilizza il fine-tuning dell'output di DeepSeek R1 per raggiungere prestazioni competitive paragonabili a quelle dei modelli all'avanguardia di grandi dimensioni."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B è un modello di linguaggio distillato basato su Llama-3.1-8B-Instruct, addestrato utilizzando l'output di DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B è un modello di linguaggio distillato basato su Qwen 2.5 14B, addestrato utilizzando l'output di DeepSeek R1. Questo modello ha superato OpenAI's o1-mini in diversi benchmark, raggiungendo risultati all'avanguardia per i modelli densi. Ecco alcuni risultati dei benchmark:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nQuesto modello, attraverso il fine-tuning dell'output di DeepSeek R1, ha dimostrato prestazioni competitive paragonabili a modelli all'avanguardia di dimensioni maggiori."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B è un modello di linguaggio distillato basato su Qwen 2.5 32B, addestrato utilizzando l'output di DeepSeek R1. Questo modello ha superato OpenAI's o1-mini in diversi benchmark, raggiungendo risultati all'avanguardia per i modelli densi. Ecco alcuni risultati dei benchmark:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nQuesto modello, attraverso il fine-tuning dell'output di DeepSeek R1, ha dimostrato prestazioni competitive paragonabili a modelli all'avanguardia di dimensioni maggiori."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 è l'ultimo modello open source rilasciato dal team di DeepSeek, con prestazioni di inferenza eccezionali, in particolare nei compiti di matematica, programmazione e ragionamento, raggiungendo livelli comparabili a quelli del modello o1 di OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 ha notevolmente migliorato le capacità di ragionamento del modello con pochissimi dati etichettati. Prima di fornire la risposta finale, il modello genera una catena di pensiero per migliorare l'accuratezza della risposta finale."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 ha realizzato un significativo progresso nella velocità di inferenza rispetto ai modelli precedenti. Si posiziona al primo posto tra i modelli open source e può competere con i modelli closed source più avanzati al mondo. DeepSeek-V3 utilizza l'architettura Multi-Head Latent Attention (MLA) e DeepSeekMoE, che sono state ampiamente validate in DeepSeek-V2. Inoltre, DeepSeek-V3 ha introdotto una strategia ausiliaria senza perdita per il bilanciamento del carico e ha stabilito obiettivi di addestramento per la previsione multi-etichetta per ottenere prestazioni superiori."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 ha realizzato un significativo progresso nella velocità di inferenza rispetto ai modelli precedenti. Si posiziona al primo posto tra i modelli open source e può competere con i modelli closed source più avanzati al mondo. DeepSeek-V3 utilizza l'architettura Multi-Head Latent Attention (MLA) e DeepSeekMoE, che sono state ampiamente validate in DeepSeek-V2. Inoltre, DeepSeek-V3 ha introdotto una strategia ausiliaria senza perdita per il bilanciamento del carico e ha stabilito obiettivi di addestramento per la previsione multi-etichetta per ottenere prestazioni superiori."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite è un modello leggero di nuova generazione, con una velocità di risposta eccezionale, raggiungendo standard di livello mondiale sia in termini di prestazioni che di latenza."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 è progettato per gestire compiti che combinano dati visivi e testuali. Si distingue in compiti come la descrizione delle immagini e il question answering visivo, colmando il divario tra generazione del linguaggio e ragionamento visivo."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 è progettato per gestire compiti che combinano dati visivi e testuali. Si distingue in compiti come la descrizione delle immagini e il question answering visivo, colmando il divario tra generazione del linguaggio e ragionamento visivo."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Inizializzato con il modello di linguaggio Qwen-7B, aggiunge un modello di immagine, con una risoluzione di input dell'immagine di 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 è la nuova serie di modelli di linguaggio Qwen. Qwen2 7B è un modello basato su transformer, che mostra prestazioni eccezionali nella comprensione del linguaggio, nelle capacità multilingue, nella programmazione, nella matematica e nel ragionamento."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 è una nuova serie di modelli di linguaggio di grandi dimensioni, con capacità di comprensione e generazione più forti."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL è l'ultima iterazione del modello Qwen-VL, raggiungendo prestazioni all'avanguardia nei benchmark di comprensione visiva, inclusi MathVista, DocVQA, RealWorldQA e MTVQA. Qwen2-VL è in grado di comprendere video di oltre 20 minuti, per domande e risposte, dialoghi e creazione di contenuti di alta qualità basati su video. Ha anche capacità di ragionamento e decisione complesse, che possono essere integrate con dispositivi mobili, robot e altro, per operazioni automatiche basate su ambienti visivi e istruzioni testuali. Oltre all'inglese e al cinese, Qwen2-VL ora supporta anche la comprensione di testi in diverse lingue all'interno delle immagini, comprese la maggior parte delle lingue europee, giapponese, coreano, arabo e vietnamita."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct è uno dei più recenti modelli di linguaggio rilasciati da Alibaba Cloud. Questo modello da 72B ha capacità notevolmente migliorate in campi come la codifica e la matematica. Il modello offre anche supporto multilingue, coprendo oltre 29 lingue, tra cui cinese e inglese. Ha mostrato miglioramenti significativi nel seguire istruzioni, comprendere dati strutturati e generare output strutturati (in particolare JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct è uno dei più recenti modelli di linguaggio rilasciati da Alibaba Cloud. Questo modello da 32B ha capacità notevolmente migliorate in campi come la codifica e la matematica. Il modello offre anche supporto multilingue, coprendo oltre 29 lingue, tra cui cinese e inglese. Ha mostrato miglioramenti significativi nel seguire istruzioni, comprendere dati strutturati e generare output strutturati (in particolare JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM orientato al cinese e all'inglese, focalizzato su linguaggio, programmazione, matematica, ragionamento e altro."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Modello di Embedding di nuova generazione, efficiente ed economico, adatto per la ricerca di conoscenza, applicazioni RAG e altri scenari."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "La versione open source dell'ultima generazione del modello pre-addestrato GLM-4 rilasciato da Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) offre capacità di calcolo potenziate attraverso strategie e architetture di modelli efficienti."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity è un fornitore leader di modelli di generazione di dialogo, offrendo vari modelli avanzati Llama 3.1, supportando applicazioni online e offline, particolarmente adatti per compiti complessi di elaborazione del linguaggio naturale."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paeou Cloud offre servizi API per modelli open source stabili e ad alto rapporto qualità-prezzo, supportando l'intera gamma di DeepSeek, Llama, Qwen e altri modelli di grandi dimensioni leader del settore."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen è un modello di linguaggio di grande scala sviluppato autonomamente da Alibaba Cloud, con potenti capacità di comprensione e generazione del linguaggio naturale. Può rispondere a varie domande, creare contenuti testuali, esprimere opinioni e scrivere codice, svolgendo un ruolo in vari settori."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "サブトピックが存在するため、削除できません。",
|
||||
"regenerate": "再生成"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "クレジット",
|
||||
"creditPricing": "価格設定",
|
||||
"creditTooltip": "カウントを容易にするために、1ドルを1Mクレジットに換算します。例えば、$3/Mトークンは3クレジット/トークンに相当します。",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "キャッシュ入力 {{amount}}/クレジット · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M 文字",
|
||||
"inputMinutes": "${{amount}}/分",
|
||||
"inputTokens": "入力 {{amount}}/クレジット · ${{amount}}/M",
|
||||
"outputTokens": "出力 {{amount}}/クレジット · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "入力",
|
||||
"inputAudio": "音声入力",
|
||||
"inputCached": "キャッシュ入力",
|
||||
"inputText": "テキスト入力",
|
||||
"inputTitle": "入力の詳細",
|
||||
"inputUncached": "未キャッシュ入力",
|
||||
"output": "出力",
|
||||
"outputAudio": "音声出力",
|
||||
"outputText": "テキスト出力",
|
||||
"outputTitle": "出力の詳細",
|
||||
"reasoning": "深い思考",
|
||||
"title": "生成の詳細",
|
||||
"total": "合計消費"
|
||||
}
|
||||
},
|
||||
"newAgent": "新しいエージェント",
|
||||
"pin": "ピン留め",
|
||||
"pinOff": "ピン留め解除",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9Bは16Kトークンをサポートし、高効率でスムーズな言語生成能力を提供します。"
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "零一万物、最新のオープンソース微調整モデル、340億パラメータ、微調整は多様な対話シーンをサポートし、高品質なトレーニングデータで人間の好みに合わせています。"
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "零一万物、最新のオープンソース微調整モデル、90億パラメータ、微調整は多様な対話シーンをサポートし、高品質なトレーニングデータで人間の好みに合わせています。"
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Proは360 AIモデルシリーズの重要なメンバーであり、高効率なテキスト処理能力を持ち、多様な自然言語アプリケーションシーンに対応し、長文理解や多輪対話などの機能をサポートします。"
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23は、Cohereが提供する多言語モデルであり、23の言語をサポートし、多様な言語アプリケーションを便利にします。"
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13Bは百川智能が開発した130億パラメータを持つオープンソースの商用大規模言語モデルで、権威ある中国語と英語のベンチマークで同サイズの中で最良の結果を達成しています。"
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3はキャラクター演技と感情的な伴侶のために設計されており、超長期の多段階記憶と個別化された対話をサポートし、幅広い用途に適しています。"
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1は、わずかなラベル付きデータしかない状況で、モデルの推論能力を大幅に向上させました。最終的な回答を出力する前に、モデルは思考の連鎖を出力し、最終的な答えの正確性を向上させます。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70BはLlama3.3 70Bに基づく大規模言語モデルで、DeepSeek R1の出力を微調整に利用し、大規模な最前線モデルと同等の競争力のある性能を実現しています。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8BはLlama-3.1-8B-Instructに基づく蒸留大言語モデルで、DeepSeek R1の出力を使用してトレーニングされています。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14BはQwen 2.5 14Bに基づく蒸留大言語モデルで、DeepSeek R1の出力を使用してトレーニングされています。このモデルは複数のベンチマークテストでOpenAIのo1-miniを超え、密なモデル（dense models）の最新技術の成果を達成しました。以下は一部のベンチマークテストの結果です：\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nこのモデルはDeepSeek R1の出力から微調整を行い、より大規模な最前線モデルと同等の競争力のある性能を示しています。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32BはQwen 2.5 32Bに基づく蒸留大言語モデルで、DeepSeek R1の出力を使用してトレーニングされています。このモデルは複数のベンチマークテストでOpenAIのo1-miniを超え、密なモデル（dense models）の最新技術の成果を達成しました。以下は一部のベンチマークテストの結果です：\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nこのモデルはDeepSeek R1の出力から微調整を行い、より大規模な最前線モデルと同等の競争力のある性能を示しています。"
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1はDeepSeekチームが発表した最新のオープンソースモデルで、特に数学、プログラミング、推論タスクにおいてOpenAIのo1モデルと同等の推論性能を持っています。"
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1は、わずかなラベル付きデータしかない状況で、モデルの推論能力を大幅に向上させました。最終的な回答を出力する前に、モデルは思考の連鎖を出力し、最終的な答えの正確性を向上させます。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3は推論速度において前のモデルに比べて大きなブレークスルーを達成しました。オープンソースモデルの中で1位にランクインし、世界の最先端のクローズドモデルと肩を並べることができます。DeepSeek-V3はマルチヘッド潜在注意（MLA）とDeepSeekMoEアーキテクチャを採用しており、これらのアーキテクチャはDeepSeek-V2で完全に検証されています。さらに、DeepSeek-V3は負荷分散のための補助的な非損失戦略を開発し、より強力な性能を得るためにマルチラベル予測トレーニング目標を設定しました。"
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3は推論速度において前のモデルに比べて大きなブレークスルーを達成しました。オープンソースモデルの中で1位にランクインし、世界の最先端のクローズドモデルと肩を並べることができます。DeepSeek-V3はマルチヘッド潜在注意（MLA）とDeepSeekMoEアーキテクチャを採用しており、これらのアーキテクチャはDeepSeek-V2で完全に検証されています。さらに、DeepSeek-V3は負荷分散のための補助的な非損失戦略を開発し、より強力な性能を得るためにマルチラベル予測トレーニング目標を設定しました。"
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-liteは全く新しい世代の軽量版モデルで、極限の応答速度を実現し、効果と遅延の両方で世界トップレベルに達しています。"
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2は、視覚とテキストデータを組み合わせたタスクを処理することを目的としています。画像の説明や視覚的な質問応答などのタスクで優れたパフォーマンスを発揮し、言語生成と視覚推論の間のギャップを超えています。"
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2は、視覚とテキストデータを組み合わせたタスクを処理することを目的としています。画像の説明や視覚的な質問応答などのタスクで優れたパフォーマンスを発揮し、言語生成と視覚推論の間のギャップを超えています。"
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Qwen-7B言語モデルを初期化し、画像モデルを追加した、画像入力解像度448の事前トレーニングモデルです。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2は全く新しいQwen大規模言語モデルシリーズです。Qwen2 7Bはトランスフォーマーに基づくモデルで、言語理解、多言語能力、プログラミング、数学、推論において優れた性能を示しています。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2は全く新しい大型言語モデルシリーズで、より強力な理解と生成能力を備えています。"
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VLはQwen-VLモデルの最新のイテレーションで、MathVista、DocVQA、RealWorldQA、MTVQAなどの視覚理解ベンチマークテストで最先端の性能を達成しました。Qwen2-VLは20分以上のビデオを理解し、高品質なビデオベースの質問応答、対話、コンテンツ作成を行うことができます。また、複雑な推論と意思決定能力を備えており、モバイルデバイスやロボットなどと統合し、視覚環境とテキスト指示に基づいて自動操作を行うことができます。英語と中国語に加えて、Qwen2-VLは現在、ほとんどのヨーロッパ言語、日本語、韓国語、アラビア語、ベトナム語など、異なる言語のテキストを画像内で理解することもサポートしています。"
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instructはアリババクラウドが発表した最新の大言語モデルシリーズの一つです。この72Bモデルはコーディングや数学などの分野で顕著な能力の向上を示しています。このモデルは29以上の言語をカバーする多言語サポートも提供しており、中国語、英語などが含まれています。モデルは指示の追従、構造化データの理解、構造化出力（特にJSON）の生成においても顕著な向上を示しています。"
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instructはアリババクラウドが発表した最新の大言語モデルシリーズの一つです。この32Bモデルはコーディングや数学などの分野で顕著な能力の向上を示しています。このモデルは29以上の言語をカバーする多言語サポートも提供しており、中国語、英語などが含まれています。モデルは指示の追従、構造化データの理解、構造化出力（特にJSON）の生成においても顕著な向上を示しています。"
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "中国語と英語に対応したLLMで、言語、プログラミング、数学、推論などの分野に特化しています。"
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "効率的で経済的な次世代埋め込みモデル、知識検索やRAGアプリケーションなどのシーンに適しています"
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "智谱AIが発表したGLM-4シリーズの最新世代の事前トレーニングモデルのオープンソース版です。"
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B)は、高効率の戦略とモデルアーキテクチャを通じて、強化された計算能力を提供します。"
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexityは、先進的な対話生成モデルの提供者であり、さまざまなLlama 3.1モデルを提供し、オンラインおよびオフラインアプリケーションをサポートし、特に複雑な自然言語処理タスクに適しています。"
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO パイオ云は、安定した高コストパフォーマンスのオープンソースモデル API サービスを提供し、DeepSeek の全シリーズ、Llama、Qwen などの業界をリードする大規模モデルをサポートしています。"
|
||||
},
|
||||
"qwen": {
|
||||
"description": "通義千問は、アリババクラウドが独自に開発した超大規模言語モデルであり、強力な自然言語理解と生成能力を持っています。さまざまな質問に答えたり、文章を創作したり、意見を表現したり、コードを執筆したりすることができ、さまざまな分野で活躍しています。"
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "하위 주제가 존재하여 삭제할 수 없습니다.",
|
||||
"regenerate": "다시 생성"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "포인트",
|
||||
"creditPricing": "가격",
|
||||
"creditTooltip": "계산을 용이하게 하기 위해, 1$를 1M 포인트로 환산합니다. 예를 들어, $3/M 토큰은 3포인트/토큰으로 환산됩니다.",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "캐시된 입력 {{amount}}/포인트 · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M 문자",
|
||||
"inputMinutes": "${{amount}}/분",
|
||||
"inputTokens": "입력 {{amount}}/포인트 · ${{amount}}/M",
|
||||
"outputTokens": "출력 {{amount}}/포인트 · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "입력",
|
||||
"inputAudio": "오디오 입력",
|
||||
"inputCached": "입력 캐시",
|
||||
"inputText": "텍스트 입력",
|
||||
"inputTitle": "입력 세부사항",
|
||||
"inputUncached": "입력 비캐시",
|
||||
"output": "출력",
|
||||
"outputAudio": "오디오 출력",
|
||||
"outputText": "텍스트 출력",
|
||||
"outputTitle": "출력 세부사항",
|
||||
"reasoning": "심층 사고",
|
||||
"title": "생성 세부사항",
|
||||
"total": "총 소모"
|
||||
}
|
||||
},
|
||||
"newAgent": "새 도우미",
|
||||
"pin": "고정",
|
||||
"pinOff": "고정 해제",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B는 16K 토큰을 지원하며, 효율적이고 매끄러운 언어 생성 능력을 제공합니다."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "제로일 만물, 최신 오픈 소스 미세 조정 모델로, 340억 개의 매개변수를 가지고 있으며, 다양한 대화 시나리오를 지원하는 미세 조정, 고품질 훈련 데이터, 인간의 선호에 맞춘 조정을 제공합니다."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "제로일 만물, 최신 오픈 소스 미세 조정 모델로, 90억 개의 매개변수를 가지고 있으며, 다양한 대화 시나리오를 지원하는 미세 조정, 고품질 훈련 데이터, 인간의 선호에 맞춘 조정을 제공합니다."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro는 360 AI 모델 시리즈의 중요한 구성원으로, 다양한 자연어 응용 시나리오에 맞춘 효율적인 텍스트 처리 능력을 갖추고 있으며, 긴 텍스트 이해 및 다중 회화 기능을 지원합니다."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23은 Cohere에서 출시한 다국어 모델로, 23개 언어를 지원하여 다양한 언어 응용에 편리함을 제공합니다."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B는 백천 인공지능이 개발한 130억 개의 매개변수를 가진 오픈 소스 상용 대형 언어 모델로, 권위 있는 중국어 및 영어 벤치마크에서 동일한 크기에서 최고의 성과를 달성했습니다."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3는 역할 수행 및 감정 동반을 위해 설계된 모델로, 초장 다회 기억 및 개인화된 대화를 지원하여 광범위하게 사용됩니다."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1은 극히 적은 주석 데이터로 모델의 추론 능력을 크게 향상시킵니다. 최종 답변을 출력하기 전에 모델은 먼저 사고의 연쇄 내용을 출력하여 최종 답변의 정확성을 높입니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B는 Llama3.3 70B를 기반으로 한 대형 언어 모델로, DeepSeek R1의 출력을 활용하여 대형 최첨단 모델과 동등한 경쟁 성능을 달성했습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B는 Llama-3.1-8B-Instruct를 기반으로 한 증류 대형 언어 모델로, DeepSeek R1의 출력을 사용하여 훈련되었습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B는 Qwen 2.5 14B를 기반으로 한 증류 대형 언어 모델로, DeepSeek R1의 출력을 사용하여 훈련되었습니다. 이 모델은 여러 벤치마크 테스트에서 OpenAI의 o1-mini를 초월하며, 밀집 모델(dense models)에서 최신 기술 선도 성과(state-of-the-art)를 달성했습니다. 다음은 몇 가지 벤치마크 테스트 결과입니다:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\n이 모델은 DeepSeek R1의 출력을 미세 조정하여 더 큰 규모의 최첨단 모델과 동등한 경쟁 성능을 보여주었습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B는 Qwen 2.5 32B를 기반으로 한 증류 대형 언어 모델로, DeepSeek R1의 출력을 사용하여 훈련되었습니다. 이 모델은 여러 벤치마크 테스트에서 OpenAI의 o1-mini를 초월하며, 밀집 모델(dense models)에서 최신 기술 선도 성과(state-of-the-art)를 달성했습니다. 다음은 몇 가지 벤치마크 테스트 결과입니다:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\n이 모델은 DeepSeek R1의 출력을 미세 조정하여 더 큰 규모의 최첨단 모델과 동등한 경쟁 성능을 보여주었습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1은 DeepSeek 팀이 발표한 최신 오픈 소스 모델로, 특히 수학, 프로그래밍 및 추론 작업에서 OpenAI의 o1 모델과 동등한 수준의 강력한 추론 성능을 갖추고 있습니다."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1은 극히 적은 주석 데이터로 모델의 추론 능력을 크게 향상시킵니다. 최종 답변을 출력하기 전에 모델은 먼저 사고의 연쇄 내용을 출력하여 최종 답변의 정확성을 높입니다."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3는 추론 속도에서 이전 모델에 비해 중대한 돌파구를 이루었습니다. 오픈 소스 모델 중 1위를 차지하며, 세계에서 가장 진보된 폐쇄형 모델과 견줄 수 있습니다. DeepSeek-V3는 다중 헤드 잠재 주의(Multi-Head Latent Attention, MLA)와 DeepSeekMoE 아키텍처를 채택하였으며, 이 아키텍처는 DeepSeek-V2에서 철저히 검증되었습니다. 또한, DeepSeek-V3는 부하 균형을 위한 보조 무손실 전략을 개척하고, 더 강력한 성능을 위해 다중 레이블 예측 훈련 목표를 설정했습니다."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3는 추론 속도에서 이전 모델에 비해 중대한 돌파구를 이루었습니다. 오픈 소스 모델 중 1위를 차지하며, 세계에서 가장 진보된 폐쇄형 모델과 견줄 수 있습니다. DeepSeek-V3는 다중 헤드 잠재 주의(Multi-Head Latent Attention, MLA)와 DeepSeekMoE 아키텍처를 채택하였으며, 이 아키텍처는 DeepSeek-V2에서 철저히 검증되었습니다. 또한, DeepSeek-V3는 부하 균형을 위한 보조 무손실 전략을 개척하고, 더 강력한 성능을 위해 다중 레이블 예측 훈련 목표를 설정했습니다."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite는 전혀 새로운 세대의 경량 모델로, 극한의 응답 속도를 자랑하며, 효과와 지연 모두 세계 최고 수준에 도달했습니다."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2는 시각 및 텍스트 데이터를 결합한 작업을 처리하기 위해 설계되었습니다. 이미지 설명 및 시각적 질문 응답과 같은 작업에서 뛰어난 성능을 보이며, 언어 생성과 시각적 추론 간의 간극을 넘습니다."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2는 시각 및 텍스트 데이터를 결합한 작업을 처리하기 위해 설계되었습니다. 이미지 설명 및 시각적 질문 응답과 같은 작업에서 뛰어난 성능을 보이며, 언어 생성과 시각적 추론 간의 간극을 넘습니다."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Qwen-7B 언어 모델로 초기화된 모델로, 이미지 모델을 추가하여 이미지 입력 해상도가 448인 사전 훈련 모델입니다."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2는 새로운 Qwen 대형 언어 모델 시리즈입니다. Qwen2 7B는 트랜스포머 기반 모델로, 언어 이해, 다국어 능력, 프로그래밍, 수학 및 추론에서 뛰어난 성능을 보여줍니다."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2는 더 강력한 이해 및 생성 능력을 갖춘 새로운 대형 언어 모델 시리즈입니다."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL은 Qwen-VL 모델의 최신 반복 버전으로, MathVista, DocVQA, RealWorldQA 및 MTVQA와 같은 시각적 이해 벤치마크 테스트에서 최첨단 성능을 달성했습니다. Qwen2-VL은 20분 이상의 비디오를 이해할 수 있으며, 고품질의 비디오 기반 질문 응답, 대화 및 콘텐츠 생성에 사용됩니다. 또한 복잡한 추론 및 의사 결정 능력을 갖추고 있어, 모바일 장치, 로봇 등과 통합되어 시각적 환경 및 텍스트 지침에 따라 자동으로 작업을 수행할 수 있습니다. 영어와 중국어 외에도 Qwen2-VL은 이제 대부분의 유럽 언어, 일본어, 한국어, 아랍어 및 베트남어 등 다양한 언어의 텍스트를 이해할 수 있습니다."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct는 알리바바 클라우드에서 발표한 최신 대형 언어 모델 시리즈 중 하나입니다. 이 72B 모델은 코딩 및 수학 등 분야에서 현저한 개선된 능력을 가지고 있습니다. 이 모델은 또한 29개 이상의 언어를 포함한 다국어 지원을 제공하며, 지침 준수, 구조화된 데이터 이해 및 구조화된 출력 생성(특히 JSON)에서 현저한 향상을 보였습니다."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct는 알리바바 클라우드에서 발표한 최신 대형 언어 모델 시리즈 중 하나입니다. 이 32B 모델은 코딩 및 수학 등 분야에서 현저한 개선된 능력을 가지고 있습니다. 이 모델은 29개 이상의 언어를 포함한 다국어 지원을 제공하며, 지침 준수, 구조화된 데이터 이해 및 구조화된 출력 생성(특히 JSON)에서 현저한 향상을 보였습니다."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "중국어와 영어를 위한 LLM으로, 언어, 프로그래밍, 수학, 추론 등 다양한 분야를 다룹니다."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "효율적이고 경제적인 차세대 임베딩 모델로, 지식 검색, RAG 애플리케이션 등 다양한 상황에 적합합니다."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "지프 AI가 발표한 GLM-4 시리즈 최신 세대의 사전 훈련 모델의 오픈 소스 버전입니다."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B)는 효율적인 전략과 모델 아키텍처를 통해 향상된 계산 능력을 제공합니다."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity는 선도적인 대화 생성 모델 제공업체로, 다양한 고급 Llama 3.1 모델을 제공하며, 온라인 및 오프라인 응용 프로그램을 지원하고 복잡한 자연어 처리 작업에 특히 적합합니다."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO 파이오 클라우드는 안정적이고 비용 효율적인 오픈 소스 모델 API 서비스를 제공하며, DeepSeek 전 시리즈, Llama, Qwen 등 업계 선도 대모델을 지원합니다."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "통의천문은 알리바바 클라우드가 자주 개발한 초대형 언어 모델로, 강력한 자연어 이해 및 생성 능력을 갖추고 있습니다. 다양한 질문에 답변하고, 텍스트 콘텐츠를 창작하며, 의견을 표현하고, 코드를 작성하는 등 여러 분야에서 활용됩니다."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Er zijn subonderwerpen, verwijderen is niet mogelijk.",
|
||||
"regenerate": "Opnieuw genereren"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Credits",
|
||||
"creditPricing": "Prijsstelling",
|
||||
"creditTooltip": "Voor de eenvoud van de berekening beschouwen we $1 als 1M credits, bijvoorbeeld $3/M tokens wordt omgezet naar 3 credits/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Gecacheerde invoer {{amount}}/credits · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M tekens",
|
||||
"inputMinutes": "${{amount}}/minuut",
|
||||
"inputTokens": "Invoer {{amount}}/credits · ${{amount}}/M",
|
||||
"outputTokens": "Uitvoer {{amount}}/credits · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Invoer",
|
||||
"inputAudio": "Audio-invoer",
|
||||
"inputCached": "Gecacheerde invoer",
|
||||
"inputText": "Tekstinvoer",
|
||||
"inputTitle": "Invoerdetails",
|
||||
"inputUncached": "Ongecacheerde invoer",
|
||||
"output": "Uitvoer",
|
||||
"outputAudio": "Audio-uitvoer",
|
||||
"outputText": "Tekstuitvoer",
|
||||
"outputTitle": "Uitvoerdetails",
|
||||
"reasoning": "Diep nadenken",
|
||||
"title": "Genereren van details",
|
||||
"total": "Totaal verbruik"
|
||||
}
|
||||
},
|
||||
"newAgent": "Nieuwe assistent",
|
||||
"pin": "Vastzetten",
|
||||
"pinOff": "Vastzetten uitschakelen",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B ondersteunt 16K tokens en biedt efficiënte, vloeiende taalgeneratiecapaciteiten."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything, het nieuwste open-source fine-tuning model, met 34 miljard parameters, dat fine-tuning ondersteunt voor verschillende dialoogscenario's, met hoogwaardige trainingsdata die zijn afgestemd op menselijke voorkeuren."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything, het nieuwste open-source fine-tuning model, met 9 miljard parameters, dat fine-tuning ondersteunt voor verschillende dialoogscenario's, met hoogwaardige trainingsdata die zijn afgestemd op menselijke voorkeuren."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, als een belangrijk lid van de 360 AI-modelreeks, voldoet aan de diverse natuurlijke taaltoepassingsscenario's met efficiënte tekstverwerkingscapaciteiten en ondersteunt lange tekstbegrip en meerdaagse gesprekken."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 is een meertalig model van Cohere, ondersteunt 23 talen en biedt gemak voor diverse taaltoepassingen."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B is een open-source, commercieel bruikbaar groot taalmodel ontwikkeld door Baichuan Intelligent, met 13 miljard parameters, dat de beste prestaties in zijn klasse heeft behaald op gezaghebbende Chinese en Engelse benchmarks."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 is ontworpen voor rollenspellen en emotionele begeleiding, ondersteunt zeer lange meerdaagse herinneringen en gepersonaliseerde gesprekken, met brede toepassingen."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 heeft de redeneringscapaciteiten van het model aanzienlijk verbeterd, zelfs met zeer weinig gelabelde gegevens. Voordat het model het uiteindelijke antwoord geeft, genereert het eerst een denkproces om de nauwkeurigheid van het uiteindelijke antwoord te verbeteren."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B is een groot taalmodel gebaseerd op Llama3.3 70B, dat gebruikmaakt van de fine-tuning van DeepSeek R1-output en vergelijkbare concurrentieprestaties bereikt als grote vooraanstaande modellen."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B is een gedistilleerd groot taalmodel gebaseerd op Llama-3.1-8B-Instruct, dat is getraind met behulp van de output van DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B is een gedistilleerd groot taalmodel gebaseerd op Qwen 2.5 14B, dat is getraind met behulp van de output van DeepSeek R1. Dit model heeft in verschillende benchmarktests OpenAI's o1-mini overtroffen en heeft de nieuwste technologische vooruitgang behaald voor dichte modellen (state-of-the-art). Hier zijn enkele resultaten van benchmarktests:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nDit model toont concurrentieprestaties die vergelijkbaar zijn met grotere vooraanstaande modellen door fine-tuning op de output van DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B is een gedistilleerd groot taalmodel gebaseerd op Qwen 2.5 32B, dat is getraind met behulp van de output van DeepSeek R1. Dit model heeft in verschillende benchmarktests OpenAI's o1-mini overtroffen en heeft de nieuwste technologische vooruitgang behaald voor dichte modellen (state-of-the-art). Hier zijn enkele resultaten van benchmarktests:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nDit model toont concurrentieprestaties die vergelijkbaar zijn met grotere vooraanstaande modellen door fine-tuning op de output van DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 is het nieuwste open-source model dat door het DeepSeek-team is uitgebracht, met zeer krachtige inferentieprestaties, vooral op het gebied van wiskunde, programmeren en redeneringstaken, en bereikt een niveau dat vergelijkbaar is met het o1-model van OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 heeft de redeneringscapaciteiten van het model aanzienlijk verbeterd, zelfs met zeer weinig gelabelde gegevens. Voordat het model het uiteindelijke antwoord geeft, genereert het eerst een denkproces om de nauwkeurigheid van het uiteindelijke antwoord te verbeteren."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 heeft een belangrijke doorbraak bereikt in inferentiesnelheid ten opzichte van eerdere modellen. Het staat op de eerste plaats onder open-source modellen en kan zich meten met de meest geavanceerde gesloten modellen ter wereld. DeepSeek-V3 maakt gebruik van Multi-Head Latent Attention (MLA) en de DeepSeekMoE-architectuur, die grondig zijn gevalideerd in DeepSeek-V2. Bovendien introduceert DeepSeek-V3 een aanvullende verliesloze strategie voor load balancing en stelt het multi-label voorspellingsdoelen in om sterkere prestaties te behalen."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 heeft een belangrijke doorbraak bereikt in inferentiesnelheid ten opzichte van eerdere modellen. Het staat op de eerste plaats onder open-source modellen en kan zich meten met de meest geavanceerde gesloten modellen ter wereld. DeepSeek-V3 maakt gebruik van Multi-Head Latent Attention (MLA) en de DeepSeekMoE-architectuur, die grondig zijn gevalideerd in DeepSeek-V2. Bovendien introduceert DeepSeek-V3 een aanvullende verliesloze strategie voor load balancing en stelt het multi-label voorspellingsdoelen in om sterkere prestaties te behalen."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite is de nieuwste generatie lichtgewicht model, met extreme responssnelheid en prestaties die wereldwijd tot de top behoren."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 is ontworpen voor taken die visuele en tekstuele gegevens combineren. Het presteert uitstekend in taken zoals afbeeldingsbeschrijving en visuele vraag-en-antwoord, en overbrugt de kloof tussen taalgeneratie en visuele redenering."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 is ontworpen voor taken die visuele en tekstuele gegevens combineren. Het presteert uitstekend in taken zoals afbeeldingsbeschrijving en visuele vraag-en-antwoord, en overbrugt de kloof tussen taalgeneratie en visuele redenering."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Geïnitieerd met het Qwen-7B taalmodel, voegt het een afbeeldingsmodel toe, met een invoerresolutie van 448 voor het voorgetrainde model."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 is de gloednieuwe serie van grote taalmodellen van Qwen. Qwen2 7B is een transformer-gebaseerd model dat uitblinkt in taalbegrip, meertalige capaciteiten, programmeren, wiskunde en redenering."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 is een gloednieuwe serie grote taalmodellen met sterkere begrip- en generatiecapaciteiten."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL is de nieuwste iteratie van het Qwen-VL-model en heeft geavanceerde prestaties behaald in visuele begrip benchmarktests, waaronder MathVista, DocVQA, RealWorldQA en MTVQA. Qwen2-VL kan video's van meer dan 20 minuten begrijpen voor hoogwaardige video-gebaseerde vraag-en-antwoord, dialoog en contentcreatie. Het heeft ook complexe redenerings- en besluitvormingscapaciteiten en kan worden geïntegreerd met mobiele apparaten, robots, enzovoort, voor automatische operaties op basis van visuele omgevingen en tekstinstructies. Naast Engels en Chinees ondersteunt Qwen2-VL nu ook het begrijpen van tekst in verschillende talen in afbeeldingen, waaronder de meeste Europese talen, Japans, Koreaans, Arabisch en Vietnamees."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct is een van de nieuwste grote taalmodellen die door Alibaba Cloud is uitgebracht. Dit 72B-model heeft aanzienlijke verbeteringen in codering en wiskunde. Het model biedt ook ondersteuning voor meerdere talen, met meer dan 29 talen, waaronder Chinees en Engels. Het model heeft aanzienlijke verbeteringen in het volgen van instructies, het begrijpen van gestructureerde gegevens en het genereren van gestructureerde output (vooral JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct is een van de nieuwste grote taalmodellen die door Alibaba Cloud is uitgebracht. Dit 32B-model heeft aanzienlijke verbeteringen in codering en wiskunde. Het model biedt ook ondersteuning voor meerdere talen, met meer dan 29 talen, waaronder Chinees en Engels. Het model heeft aanzienlijke verbeteringen in het volgen van instructies, het begrijpen van gestructureerde gegevens en het genereren van gestructureerde output (vooral JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM gericht op zowel Chinees als Engels, gericht op taal, programmeren, wiskunde, redeneren en meer."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Een efficiënte en kosteneffectieve nieuwe generatie Embedding model, geschikt voor kennisretrieval, RAG-toepassingen en andere scenario's."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "De open-source versie van de nieuwste generatie voorgetrainde modellen van de GLM-4-serie, uitgebracht door Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) biedt verbeterde rekenkracht door middel van efficiënte strategieën en modelarchitectuur."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity is een toonaangevende aanbieder van dialooggeneratiemodellen, die verschillende geavanceerde Llama 3.1-modellen aanbiedt, die zowel online als offline toepassingen ondersteunen, en bijzonder geschikt zijn voor complexe natuurlijke taalverwerkingstaken."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO biedt stabiele en kosteneffectieve open source model API-diensten, die ondersteuning bieden voor de volledige DeepSeek-serie, Llama, Qwen en andere toonaangevende grote modellen in de industrie."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen is een door Alibaba Cloud zelf ontwikkeld grootschalig taalmodel met krachtige mogelijkheden voor natuurlijke taalbegrip en -generatie. Het kan verschillende vragen beantwoorden, tekstinhoud creëren, meningen uiten, code schrijven, en speelt een rol in verschillende domeinen."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Istnieją podwątki, nie można usunąć",
|
||||
"regenerate": "Wygeneruj ponownie"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Punkty",
|
||||
"creditPricing": "Cennik",
|
||||
"creditTooltip": "Aby ułatwić obliczenia, przeliczamy 1$ na 1M punktów, na przykład $3/M tokenów to 3 punkty/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Zbuforowane wejście {{amount}}/punktów · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M znaków",
|
||||
"inputMinutes": "${{amount}}/minutę",
|
||||
"inputTokens": "Wejście {{amount}}/punktów · ${{amount}}/M",
|
||||
"outputTokens": "Wyjście {{amount}}/punktów · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Wejście",
|
||||
"inputAudio": "Wejście audio",
|
||||
"inputCached": "Zbuforowane wejście",
|
||||
"inputText": "Wejście tekstowe",
|
||||
"inputTitle": "Szczegóły wejścia",
|
||||
"inputUncached": "Wejście niezbuforowane",
|
||||
"output": "Wyjście",
|
||||
"outputAudio": "Wyjście audio",
|
||||
"outputText": "Wyjście tekstowe",
|
||||
"outputTitle": "Szczegóły wyjścia",
|
||||
"reasoning": "Głębokie myślenie",
|
||||
"title": "Szczegóły generacji",
|
||||
"total": "Całkowite zużycie"
|
||||
}
|
||||
},
|
||||
"newAgent": "Nowy asystent",
|
||||
"pin": "Przypnij",
|
||||
"pinOff": "Odepnij",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B obsługuje 16K tokenów, oferując wydajne i płynne zdolności generowania języka."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One, najnowszy model open source z dostrojeniem, zawierający 34 miliardy parametrów, dostosowany do różnych scenariuszy dialogowych, z wysokiej jakości danymi treningowymi, dostosowany do preferencji ludzkich."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One, najnowszy model open source z dostrojeniem, zawierający 9 miliardów parametrów, dostosowany do różnych scenariuszy dialogowych, z wysokiej jakości danymi treningowymi, dostosowany do preferencji ludzkich."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, jako ważny członek serii modeli AI 360, zaspokaja różnorodne potrzeby aplikacji przetwarzania języka naturalnego dzięki wydajnym zdolnościom przetwarzania tekstu, obsługując zrozumienie długich tekstów i wielokrotne dialogi."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 to model wielojęzyczny wydany przez Cohere, wspierający 23 języki, ułatwiający różnorodne zastosowania językowe."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B to otwarty model językowy stworzony przez Baichuan Intelligence, zawierający 13 miliardów parametrów, który osiągnął najlepsze wyniki w swojej klasie w autorytatywnych benchmarkach w języku chińskim i angielskim."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 zaprojektowany z myślą o odgrywaniu ról i emocjonalnym towarzyszeniu, obsługujący ultra-długą pamięć wielokrotną i spersonalizowane dialogi, z szerokim zakresem zastosowań."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 znacznie poprawił zdolności wnioskowania modelu przy minimalnej ilości oznaczonych danych. Przed wygenerowaniem ostatecznej odpowiedzi, model najpierw wygeneruje fragment myślenia, aby zwiększyć dokładność końcowej odpowiedzi."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B to duży model językowy oparty na Llama3.3 70B, który wykorzystuje dostrojenie na podstawie wyjścia DeepSeek R1, osiągając konkurencyjną wydajność porównywalną z dużymi modelami na czołowej pozycji."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B to destylowany duży model językowy oparty na Llama-3.1-8B-Instruct, wytrenowany przy użyciu wyjścia DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B to destylowany duży model językowy oparty na Qwen 2.5 14B, wytrenowany przy użyciu wyjścia DeepSeek R1. Model ten przewyższył OpenAI o1-mini w wielu testach benchmarkowych, osiągając najnowsze osiągnięcia technologiczne w dziedzinie modeli gęstych (dense models). Oto niektóre wyniki testów benchmarkowych:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nModel ten, dostrojony na podstawie wyjścia DeepSeek R1, wykazuje konkurencyjną wydajność porównywalną z większymi modelami na czołowej pozycji."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B to destylowany duży model językowy oparty na Qwen 2.5 32B, wytrenowany przy użyciu wyjścia DeepSeek R1. Model ten przewyższył OpenAI o1-mini w wielu testach benchmarkowych, osiągając najnowsze osiągnięcia technologiczne w dziedzinie modeli gęstych (dense models). Oto niektóre wyniki testów benchmarkowych:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nModel ten, dostrojony na podstawie wyjścia DeepSeek R1, wykazuje konkurencyjną wydajność porównywalną z większymi modelami na czołowej pozycji."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 to najnowszy model open source wydany przez zespół DeepSeek, który charakteryzuje się bardzo silnymi możliwościami wnioskowania, szczególnie w zadaniach matematycznych, programistycznych i logicznych, osiągając poziom porównywalny z modelem o1 OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 znacznie poprawił zdolności wnioskowania modelu przy minimalnej ilości oznaczonych danych. Przed wygenerowaniem ostatecznej odpowiedzi, model najpierw wygeneruje fragment myślenia, aby zwiększyć dokładność końcowej odpowiedzi."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 osiągnął znaczący przełom w szybkości wnioskowania w porównaniu do wcześniejszych modeli. Zajmuje pierwsze miejsce wśród modeli open source i może konkurować z najnowocześniejszymi modelami zamkniętymi na świecie. DeepSeek-V3 wykorzystuje architekturę wielogłowicowej uwagi (MLA) oraz DeepSeekMoE, które zostały w pełni zweryfikowane w DeepSeek-V2. Ponadto, DeepSeek-V3 wprowadza pomocniczą strategię bezstratną do równoważenia obciążenia oraz ustala cele treningowe dla wieloetykietowego przewidywania, aby uzyskać lepszą wydajność."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 osiągnął znaczący przełom w szybkości wnioskowania w porównaniu do wcześniejszych modeli. Zajmuje pierwsze miejsce wśród modeli open source i może konkurować z najnowocześniejszymi modelami zamkniętymi na świecie. DeepSeek-V3 wykorzystuje architekturę wielogłowicowej uwagi (MLA) oraz DeepSeekMoE, które zostały w pełni zweryfikowane w DeepSeek-V2. Ponadto, DeepSeek-V3 wprowadza pomocniczą strategię bezstratną do równoważenia obciążenia oraz ustala cele treningowe dla wieloetykietowego przewidywania, aby uzyskać lepszą wydajność."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite to nowa generacja modelu o lekkiej konstrukcji, charakteryzująca się ekstremalną szybkością reakcji, osiągając światowy poziom zarówno w zakresie wydajności, jak i opóźnienia."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 jest zaprojektowana do przetwarzania zadań łączących dane wizualne i tekstowe. Wykazuje doskonałe wyniki w zadaniach takich jak opisywanie obrazów i wizualne pytania i odpowiedzi, przekraczając granice między generowaniem języka a wnioskowaniem wizualnym."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 jest zaprojektowana do przetwarzania zadań łączących dane wizualne i tekstowe. Wykazuje doskonałe wyniki w zadaniach takich jak opisywanie obrazów i wizualne pytania i odpowiedzi, przekraczając granice między generowaniem języka a wnioskowaniem wizualnym."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Model wstępnie wytrenowany, zainicjowany przez model językowy Qwen-7B, dodający model obrazowy, z rozdzielczością wejściową obrazu wynoszącą 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 to nowa seria dużych modeli językowych Qwen. Qwen2 7B to model oparty na transformatorze, który wykazuje doskonałe wyniki w zakresie rozumienia języka, zdolności wielojęzycznych, programowania, matematyki i wnioskowania."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 to nowa seria dużych modeli językowych, charakteryzująca się silniejszymi zdolnościami rozumienia i generowania."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL to najnowsza iteracja modelu Qwen-VL, która osiągnęła najnowocześniejsze wyniki w testach benchmarkowych dotyczących rozumienia wizualnego, w tym MathVista, DocVQA, RealWorldQA i MTVQA. Qwen2-VL potrafi rozumieć filmy trwające ponad 20 minut, umożliwiając wysokiej jakości pytania i odpowiedzi, dialogi oraz tworzenie treści oparte na wideo. Posiada również zdolności do złożonego wnioskowania i podejmowania decyzji, co pozwala na integrację z urządzeniami mobilnymi, robotami itp., aby automatycznie działać na podstawie środowiska wizualnego i instrukcji tekstowych. Oprócz angielskiego i chińskiego, Qwen2-VL teraz wspiera również rozumienie tekstu w różnych językach w obrazach, w tym większości języków europejskich, japońskiego, koreańskiego, arabskiego i wietnamskiego."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct to jeden z najnowszych modeli dużych języków wydanych przez Alibaba Cloud. Model 72B wykazuje znaczną poprawę w obszarach kodowania i matematyki. Model ten oferuje wsparcie dla wielu języków, obejmując ponad 29 języków, w tym chiński i angielski. Model znacząco poprawił zdolność do podążania za instrukcjami, rozumienia danych strukturalnych oraz generowania strukturalnych wyników (szczególnie JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct to jeden z najnowszych modeli dużych języków wydanych przez Alibaba Cloud. Model 32B wykazuje znaczną poprawę w obszarach kodowania i matematyki. Model ten oferuje wsparcie dla wielu języków, obejmując ponad 29 języków, w tym chiński i angielski. Model znacząco poprawił zdolność do podążania za instrukcjami, rozumienia danych strukturalnych oraz generowania strukturalnych wyników (szczególnie JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM skierowany na język chiński i angielski, skoncentrowany na języku, programowaniu, matematyce, wnioskowaniu i innych dziedzinach."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Nowej generacji model Embedding, efektywny i ekonomiczny, odpowiedni do wyszukiwania wiedzy, aplikacji RAG i innych scenariuszy."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Otwarta wersja najnowszej generacji modelu pretrenowanego GLM-4 wydanego przez Zhipu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) oferuje zwiększoną moc obliczeniową dzięki efektywnym strategiom i architekturze modelu."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity to wiodący dostawca modeli generacji dialogów, oferujący różnorodne zaawansowane modele Llama 3.1, wspierające aplikacje online i offline, szczególnie odpowiednie do złożonych zadań przetwarzania języka naturalnego."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiou Cloud oferuje stabilne i opłacalne usługi API modeli open source, wspierające pełną gamę DeepSeek, Llama, Qwen i inne wiodące modele w branży."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen to samodzielnie opracowany przez Alibaba Cloud model językowy o dużej skali, charakteryzujący się silnymi zdolnościami rozumienia i generowania języka naturalnego. Może odpowiadać na różnorodne pytania, tworzyć treści pisemne, wyrażać opinie, pisać kod i działać w wielu dziedzinach."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Existem subtópicos, não é possível deletar.",
|
||||
"regenerate": "Regenerar"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Créditos",
|
||||
"creditPricing": "Precificação",
|
||||
"creditTooltip": "Para facilitar a contagem, consideramos 1$ como 1M créditos, por exemplo, $3/M tokens se converte em 3 créditos/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Entrada em cache {{amount}}/créditos · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M caracteres",
|
||||
"inputMinutes": "${{amount}}/minuto",
|
||||
"inputTokens": "Entrada {{amount}}/créditos · ${{amount}}/M",
|
||||
"outputTokens": "Saída {{amount}}/créditos · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Entrada",
|
||||
"inputAudio": "Entrada de áudio",
|
||||
"inputCached": "Entrada em cache",
|
||||
"inputText": "Entrada de texto",
|
||||
"inputTitle": "Detalhes da entrada",
|
||||
"inputUncached": "Entrada não cacheada",
|
||||
"output": "Saída",
|
||||
"outputAudio": "Saída de áudio",
|
||||
"outputText": "Saída de texto",
|
||||
"outputTitle": "Detalhes da saída",
|
||||
"reasoning": "Raciocínio profundo",
|
||||
"title": "Detalhes da geração",
|
||||
"total": "Total consumido"
|
||||
}
|
||||
},
|
||||
"newAgent": "Novo Assistente",
|
||||
"pin": "Fixar",
|
||||
"pinOff": "Desafixar",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B suporta 16K Tokens, oferecendo capacidade de geração de linguagem eficiente e fluida."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero Um, o mais recente modelo de ajuste fino de código aberto, com 34 bilhões de parâmetros, suporta múltiplos cenários de diálogo, com dados de treinamento de alta qualidade, alinhados às preferências humanas."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero Um, o mais recente modelo de ajuste fino de código aberto, com 9 bilhões de parâmetros, suporta múltiplos cenários de diálogo, com dados de treinamento de alta qualidade, alinhados às preferências humanas."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, como um membro importante da série de modelos de IA da 360, atende a diversas aplicações de linguagem natural com sua capacidade eficiente de processamento de texto, suportando compreensão de longos textos e diálogos em múltiplas rodadas."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 é um modelo multilíngue lançado pela Cohere, suportando 23 idiomas, facilitando aplicações linguísticas diversificadas."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B é um modelo de linguagem de código aberto e comercializável desenvolvido pela Baichuan Intelligence, contendo 13 bilhões de parâmetros, alcançando os melhores resultados em benchmarks de chinês e inglês na mesma dimensão."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "O CharGLM-3 é projetado para interpretação de personagens e companhia emocional, suportando memória de múltiplas rodadas e diálogos personalizados, com ampla aplicação."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 melhorou significativamente a capacidade de raciocínio do modelo com muito poucos dados rotulados. Antes de fornecer a resposta final, o modelo gera uma cadeia de pensamento para aumentar a precisão da resposta final."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B é um grande modelo de linguagem baseado no Llama3.3 70B, que utiliza o ajuste fino da saída do DeepSeek R1 para alcançar um desempenho competitivo comparável aos grandes modelos de ponta."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B é um modelo de linguagem grande destilado baseado no Llama-3.1-8B-Instruct, treinado usando a saída do DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B é um modelo de linguagem grande destilado baseado no Qwen 2.5 14B, treinado usando a saída do DeepSeek R1. Este modelo superou o o1-mini da OpenAI em vários benchmarks, alcançando os mais recentes avanços tecnológicos em modelos densos (state-of-the-art). Aqui estão alguns resultados de benchmarks:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nClassificação CodeForces: 1481\nEste modelo, ajustado a partir da saída do DeepSeek R1, demonstrou desempenho competitivo comparável a modelos de ponta de maior escala."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B é um modelo de linguagem grande destilado baseado no Qwen 2.5 32B, treinado usando a saída do DeepSeek R1. Este modelo superou o o1-mini da OpenAI em vários benchmarks, alcançando os mais recentes avanços tecnológicos em modelos densos (state-of-the-art). Aqui estão alguns resultados de benchmarks:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nClassificação CodeForces: 1691\nEste modelo, ajustado a partir da saída do DeepSeek R1, demonstrou desempenho competitivo comparável a modelos de ponta de maior escala."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 é o mais recente modelo de código aberto lançado pela equipe DeepSeek, com desempenho de inferência extremamente robusto, especialmente em tarefas de matemática, programação e raciocínio, alcançando níveis comparáveis ao modelo o1 da OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 melhorou significativamente a capacidade de raciocínio do modelo com muito poucos dados rotulados. Antes de fornecer a resposta final, o modelo gera uma cadeia de pensamento para aumentar a precisão da resposta final."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 alcançou um avanço significativo na velocidade de inferência em comparação com os modelos anteriores. Classificado como o número um entre os modelos de código aberto, pode competir com os modelos fechados mais avançados do mundo. DeepSeek-V3 utiliza a arquitetura de Atenção Multi-Cabeça (MLA) e DeepSeekMoE, que foram amplamente validadas no DeepSeek-V2. Além disso, DeepSeek-V3 introduziu uma estratégia auxiliar sem perdas para balanceamento de carga e definiu objetivos de treinamento de previsão de múltiplos rótulos para obter um desempenho mais forte."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 alcançou um avanço significativo na velocidade de inferência em comparação com os modelos anteriores. Classificado como o número um entre os modelos de código aberto, pode competir com os modelos fechados mais avançados do mundo. DeepSeek-V3 utiliza a arquitetura de Atenção Multi-Cabeça (MLA) e DeepSeekMoE, que foram amplamente validadas no DeepSeek-V2. Além disso, DeepSeek-V3 introduziu uma estratégia auxiliar sem perdas para balanceamento de carga e definiu objetivos de treinamento de previsão de múltiplos rótulos para obter um desempenho mais forte."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite é a nova geração de modelo leve, com velocidade de resposta extrema, alcançando níveis de desempenho e latência de classe mundial."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 é projetado para lidar com tarefas que combinam dados visuais e textuais. Ele se destaca em tarefas como descrição de imagens e perguntas visuais, superando a lacuna entre geração de linguagem e raciocínio visual."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 é projetado para lidar com tarefas que combinam dados visuais e textuais. Ele se destaca em tarefas como descrição de imagens e perguntas visuais, superando a lacuna entre geração de linguagem e raciocínio visual."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Inicializado com o modelo de linguagem Qwen-7B, adicionando um modelo de imagem, um modelo pré-treinado com resolução de entrada de imagem de 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 é uma nova série de modelos de linguagem grande Qwen. Qwen2 7B é um modelo baseado em transformer, com excelente desempenho em compreensão de linguagem, capacidade multilíngue, programação, matemática e raciocínio."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 é uma nova série de grandes modelos de linguagem, com capacidades de compreensão e geração mais robustas."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL é a versão mais recente do modelo Qwen-VL, alcançando desempenho de ponta em benchmarks de compreensão visual, incluindo MathVista, DocVQA, RealWorldQA e MTVQA. Qwen2-VL é capaz de entender vídeos de mais de 20 minutos, permitindo perguntas e respostas, diálogos e criação de conteúdo de alta qualidade baseados em vídeo. Ele também possui capacidades complexas de raciocínio e tomada de decisão, podendo ser integrado a dispositivos móveis, robôs, etc., para operações automáticas baseadas em ambientes visuais e instruções textuais. Além do inglês e do chinês, o Qwen2-VL agora também suporta a compreensão de texto em diferentes idiomas em imagens, incluindo a maioria das línguas europeias, japonês, coreano, árabe e vietnamita."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct é uma das mais recentes séries de modelos de linguagem grande lançadas pela Alibaba Cloud. Este modelo de 72B apresenta capacidades significativamente aprimoradas em áreas como codificação e matemática. O modelo também oferece suporte a múltiplas línguas, cobrindo mais de 29 idiomas, incluindo chinês e inglês. O modelo teve melhorias significativas em seguir instruções, entender dados estruturados e gerar saídas estruturadas (especialmente JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct é uma das mais recentes séries de modelos de linguagem grande lançadas pela Alibaba Cloud. Este modelo de 32B apresenta capacidades significativamente aprimoradas em áreas como codificação e matemática. O modelo oferece suporte a múltiplas línguas, cobrindo mais de 29 idiomas, incluindo chinês e inglês. O modelo teve melhorias significativas em seguir instruções, entender dados estruturados e gerar saídas estruturadas (especialmente JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM voltado para chinês e inglês, focado em linguagem, programação, matemática, raciocínio e outras áreas."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Modelo de Embedding de nova geração, eficiente e econômico, adequado para recuperação de conhecimento, aplicações RAG e outros cenários."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Versão de código aberto da última geração do modelo pré-treinado GLM-4, lançado pela Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) oferece capacidade de computação aprimorada através de estratégias e arquiteturas de modelo eficientes."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity é um fornecedor líder de modelos de geração de diálogo, oferecendo uma variedade de modelos avançados Llama 3.1, suportando aplicações online e offline, especialmente adequados para tarefas complexas de processamento de linguagem natural."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "O PPIO Paiouyun oferece serviços de API de modelos de código aberto estáveis e com alto custo-benefício, suportando toda a linha DeepSeek, Llama, Qwen e outros grandes modelos líderes da indústria."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen é um modelo de linguagem de grande escala desenvolvido pela Alibaba Cloud, com forte capacidade de compreensão e geração de linguagem natural. Ele pode responder a várias perguntas, criar conteúdo escrito, expressar opiniões e escrever código, atuando em vários campos."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Существуют подтемы, удаление невозможно",
|
||||
"regenerate": "Пересоздать"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Кредиты",
|
||||
"creditPricing": "Ценообразование",
|
||||
"creditTooltip": "Для удобства подсчета мы приравниваем 1$ к 1M кредитов, например, $3/M токенов эквивалентно 3 кредитам/токен",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Кэшированные входные {{amount}}/кредиты · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M символов",
|
||||
"inputMinutes": "${{amount}}/минуту",
|
||||
"inputTokens": "Входные {{amount}}/кредиты · ${{amount}}/M",
|
||||
"outputTokens": "Выходные {{amount}}/кредиты · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Вход",
|
||||
"inputAudio": "Аудиовход",
|
||||
"inputCached": "Кэшированный вход",
|
||||
"inputText": "Текстовый вход",
|
||||
"inputTitle": "Детали входа",
|
||||
"inputUncached": "Некэшированный вход",
|
||||
"output": "Выход",
|
||||
"outputAudio": "Аудиовыход",
|
||||
"outputText": "Текстовый выход",
|
||||
"outputTitle": "Детали выхода",
|
||||
"reasoning": "Глубокое мышление",
|
||||
"title": "Детали генерации",
|
||||
"total": "Общее потребление"
|
||||
}
|
||||
},
|
||||
"newAgent": "Создать помощника",
|
||||
"pin": "Закрепить",
|
||||
"pinOff": "Открепить",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B поддерживает 16K токенов, обеспечивая эффективные и плавные возможности генерации языка."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "零一万物 — это последняя версия открытой доработанной модели с 34 миллиардами параметров, которая поддерживает различные сценарии диалога, используя высококачественные обучающие данные, соответствующие человеческим предпочтениям."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "零一万物 — это последняя версия открытой доработанной модели с 9 миллиардами параметров, которая поддерживает различные сценарии диалога, используя высококачественные обучающие данные, соответствующие человеческим предпочтениям."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, как важный член серии моделей AI от 360, удовлетворяет разнообразные приложения обработки текста с высокой эффективностью, поддерживает понимание длинных текстов и многораундные диалоги."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 — это многоязычная модель, выпущенная Cohere, поддерживающая 23 языка, обеспечивая удобство для многоязычных приложений."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B — это открытая коммерческая крупная языковая модель с 13 миллиардами параметров, разработанная Baichuan Intelligence, которая показала лучшие результаты среди моделей того же размера на авторитетных бенчмарках на китайском и английском языках."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 разработан для ролевых игр и эмоционального сопровождения, поддерживает сверхдлинную многократную память и персонализированные диалоги, имеет широкое применение."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 значительно улучшила способности модели к рассуждению при наличии лишь очень ограниченных размеченных данных. Перед тем как предоставить окончательный ответ, модель сначала выводит цепочку размышлений, чтобы повысить точность окончательного ответа."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B — это крупная языковая модель на основе Llama3.3 70B, которая использует доработку, полученную от DeepSeek R1, для достижения конкурентоспособной производительности, сопоставимой с крупными передовыми моделями."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B — это дистиллированная большая языковая модель на основе Llama-3.1-8B-Instruct, обученная с использованием выходных данных DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B — это дистиллированная большая языковая модель на основе Qwen 2.5 14B, обученная с использованием выходных данных DeepSeek R1. Эта модель превзошла o1-mini от OpenAI в нескольких бенчмарках, достигнув последних достижений в области плотных моделей (state-of-the-art). Вот некоторые результаты бенчмарков:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nРейтинг CodeForces: 1481\nЭта модель, доработанная на основе выходных данных DeepSeek R1, демонстрирует конкурентоспособную производительность, сопоставимую с более крупными передовыми моделями."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B — это дистиллированная большая языковая модель на основе Qwen 2.5 32B, обученная с использованием выходных данных DeepSeek R1. Эта модель превзошла o1-mini от OpenAI в нескольких бенчмарках, достигнув последних достижений в области плотных моделей (state-of-the-art). Вот некоторые результаты бенчмарков:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nРейтинг CodeForces: 1691\nЭта модель, доработанная на основе выходных данных DeepSeek R1, демонстрирует конкурентоспособную производительность, сопоставимую с более крупными передовыми моделями."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 — это последняя версия открытой модели, выпущенной командой DeepSeek, обладающая выдающимися возможностями вывода, особенно в математических, программных и логических задачах, достигая уровня, сопоставимого с моделью o1 от OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 значительно улучшила способности модели к рассуждению при наличии лишь очень ограниченных размеченных данных. Перед тем как предоставить окончательный ответ, модель сначала выводит цепочку размышлений, чтобы повысить точность окончательного ответа."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 достиг значительного прорыва в скорости вывода по сравнению с предыдущими моделями. Она занимает первое место среди открытых моделей и может соперничать с самыми современными закрытыми моделями в мире. DeepSeek-V3 использует архитектуры многоголового потенциального внимания (MLA) и DeepSeekMoE, которые были полностью проверены в DeepSeek-V2. Кроме того, DeepSeek-V3 внедрила вспомогательную безубыточную стратегию для балансировки нагрузки и установила цели обучения для многомаркерного прогнозирования для достижения более высокой производительности."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 достиг значительного прорыва в скорости вывода по сравнению с предыдущими моделями. Она занимает первое место среди открытых моделей и может соперничать с самыми современными закрытыми моделями в мире. DeepSeek-V3 использует архитектуры многоголового потенциального внимания (MLA) и DeepSeekMoE, которые были полностью проверены в DeepSeek-V2. Кроме того, DeepSeek-V3 внедрила вспомогательную безубыточную стратегию для балансировки нагрузки и установила цели обучения для многомаркерного прогнозирования для достижения более высокой производительности."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite - совершенно новое поколение легкой модели, с максимальной скоростью отклика, результаты и задержка достигают мирового уровня."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 предназначена для обработки задач, сочетающих визуальные и текстовые данные. Она демонстрирует отличные результаты в задачах описания изображений и визуального вопросно-ответного взаимодействия, преодолевая разрыв между генерацией языка и визуальным выводом."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 предназначена для обработки задач, сочетающих визуальные и текстовые данные. Она демонстрирует отличные результаты в задачах описания изображений и визуального вопросно-ответного взаимодействия, преодолевая разрыв между генерацией языка и визуальным выводом."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Инициализированная языковой моделью Qwen-7B, добавлена модель изображения, предобученная модель с разрешением входного изображения 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 — это новая серия больших языковых моделей Qwen. Qwen2 7B — это модель на основе трансформера, которая демонстрирует отличные результаты в понимании языка, многоязычных способностях, программировании, математике и логическом рассуждении."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 — это новая серия крупных языковых моделей с более сильными возможностями понимания и генерации."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL — это последняя итерация модели Qwen-VL, достигшая передовых результатов в бенчмарках визуального понимания, включая MathVista, DocVQA, RealWorldQA и MTVQA. Qwen2-VL может понимать видео продолжительностью более 20 минут для высококачественного видеозапроса, диалога и создания контента. Она также обладает сложными способностями к рассуждению и принятию решений, может интегрироваться с мобильными устройствами, роботами и выполнять автоматические операции на основе визуальной среды и текстовых инструкций. Кроме английского и китайского, Qwen2-VL теперь также поддерживает понимание текста на разных языках в изображениях, включая большинство европейских языков, японский, корейский, арабский и вьетнамский."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct — это одна из последних серий больших языковых моделей, выпущенных Alibaba Cloud. Эта модель 72B демонстрирует значительные улучшения в области кодирования и математики. Модель также поддерживает множество языков, охватывающих более 29 языков, включая китайский и английский. Она значительно улучшила выполнение инструкций, понимание структурированных данных и генерацию структурированных выходных данных (особенно JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct — это одна из последних серий больших языковых моделей, выпущенных Alibaba Cloud. Эта модель 32B демонстрирует значительные улучшения в области кодирования и математики. Модель поддерживает множество языков, охватывающих более 29 языков, включая китайский и английский. Она значительно улучшила выполнение инструкций, понимание структурированных данных и генерацию структурированных выходных данных (особенно JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM, ориентированная на китайский и английский языки, охватывающая области языка, программирования, математики, рассуждений и др."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Эффективная и экономичная новая генерация модели Embedding, подходящая для поиска знаний, приложений RAG и других сценариев."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Открытая версия последнего поколения предобученной модели GLM-4, выпущенной Zhizhu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) обеспечивает повышенные вычислительные возможности благодаря эффективным стратегиям и архитектуре модели."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity — это ведущий поставщик моделей генерации диалогов, предлагающий множество передовых моделей Llama 3.1, поддерживающих онлайн и оффлайн приложения, особенно подходящих для сложных задач обработки естественного языка."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiouyun предоставляет стабильные и высокоэффективные API-сервисы для открытых моделей, поддерживающие всю серию DeepSeek, Llama, Qwen и другие ведущие модели в отрасли."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen — это сверхбольшая языковая модель, разработанная Alibaba Cloud, обладающая мощными возможностями понимания и генерации естественного языка. Она может отвечать на различные вопросы, создавать текстовый контент, выражать мнения и писать код, играя важную роль в различных областях."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Alt konular mevcut, silinemez",
|
||||
"regenerate": "Yeniden Oluştur"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Kredi",
|
||||
"creditPricing": "Fiyatlandırma",
|
||||
"creditTooltip": "Hesaplamayı kolaylaştırmak için, 1$'ı 1M kredi olarak hesaplıyoruz; örneğin, $3/M token, 3 kredi/token olarak hesaplanır.",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Önceden yüklenmiş giriş {{amount}}/kredi · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M karakter",
|
||||
"inputMinutes": "${{amount}}/dakika",
|
||||
"inputTokens": "Giriş {{amount}}/kredi · ${{amount}}/M",
|
||||
"outputTokens": "Çıkış {{amount}}/kredi · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Giriş",
|
||||
"inputAudio": "Ses girişi",
|
||||
"inputCached": "Önceden yüklenmiş giriş",
|
||||
"inputText": "Metin girişi",
|
||||
"inputTitle": "Giriş detayları",
|
||||
"inputUncached": "Önceden yüklenmemiş giriş",
|
||||
"output": "Çıkış",
|
||||
"outputAudio": "Ses çıkışı",
|
||||
"outputText": "Metin çıkışı",
|
||||
"outputTitle": "Çıkış detayları",
|
||||
"reasoning": "Derin düşünme",
|
||||
"title": "Üretim detayları",
|
||||
"total": "Toplam tüketim"
|
||||
}
|
||||
},
|
||||
"newAgent": "Yeni Asistan",
|
||||
"pin": "Pin",
|
||||
"pinOff": "Unpin",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B, 16K Token desteği sunar, etkili ve akıcı dil oluşturma yeteneği sağlar."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Everything, en son açık kaynak ince ayar modelidir, 34 milyar parametreye sahiptir, ince ayar çeşitli diyalog senaryolarını destekler, yüksek kaliteli eğitim verileri ile insan tercihleri ile hizalanmıştır."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Everything, en son açık kaynak ince ayar modelidir, 9 milyar parametreye sahiptir, ince ayar çeşitli diyalog senaryolarını destekler, yüksek kaliteli eğitim verileri ile insan tercihleri ile hizalanmıştır."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro, 360 AI model serisinin önemli bir üyesi olarak, çeşitli doğal dil uygulama senaryolarını karşılamak için etkili metin işleme yeteneği sunar, uzun metin anlama ve çoklu diyalog gibi işlevleri destekler."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23, Cohere tarafından sunulan çok dilli bir modeldir, 23 dili destekler ve çok dilli uygulamalar için kolaylık sağlar."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B, Baichuan Zhi Neng tarafından geliştirilen 130 milyar parametreye sahip açık kaynaklı ticari bir büyük dil modelidir ve yetkili Çince ve İngilizce benchmark'larda aynı boyuttaki en iyi sonuçları elde etmiştir."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3, rol yapma ve duygusal destek için tasarlanmış, ultra uzun çok turlu bellek ve kişiselleştirilmiş diyalog desteği sunan bir modeldir, geniş bir uygulama yelpazesine sahiptir."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1, yalnızca çok az etiketli veri ile modelin akıl yürütme yeteneğini büyük ölçüde artırır. Model, nihai yanıtı vermeden önce bir düşünce zinciri içeriği sunarak nihai yanıtın doğruluğunu artırır."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B, Llama3.3 70B tabanlı büyük bir dil modelidir ve DeepSeek R1'in çıktısını kullanarak ince ayar yaparak büyük öncü modellerle rekabet edebilecek bir performans elde etmiştir."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B, Llama-3.1-8B-Instruct tabanlı bir damıtılmış büyük dil modelidir ve DeepSeek R1'in çıktısını kullanarak eğitilmiştir."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B, Qwen 2.5 14B tabanlı bir damıtılmış büyük dil modelidir ve DeepSeek R1'in çıktısını kullanarak eğitilmiştir. Bu model, birçok benchmark testinde OpenAI'nin o1-mini'sini geçerek yoğun modellerin (dense models) en son teknik liderlik başarılarını elde etmiştir. İşte bazı benchmark test sonuçları:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nBu model, DeepSeek R1'in çıktısından ince ayar yaparak daha büyük ölçekli öncü modellerle karşılaştırılabilir bir performans sergilemiştir."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B, Qwen 2.5 32B tabanlı bir damıtılmış büyük dil modelidir ve DeepSeek R1'in çıktısını kullanarak eğitilmiştir. Bu model, birçok benchmark testinde OpenAI'nin o1-mini'sini geçerek yoğun modellerin (dense models) en son teknik liderlik başarılarını elde etmiştir. İşte bazı benchmark test sonuçları:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nBu model, DeepSeek R1'in çıktısından ince ayar yaparak daha büyük ölçekli öncü modellerle karşılaştırılabilir bir performans sergilemiştir."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1, DeepSeek ekibinin yayınladığı en son açık kaynak modelidir ve özellikle matematik, programlama ve akıl yürütme görevlerinde OpenAI'nin o1 modeli ile karşılaştırılabilir bir çıkarım performansına sahiptir."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1, yalnızca çok az etiketli veri ile modelin akıl yürütme yeteneğini büyük ölçüde artırır. Model, nihai yanıtı vermeden önce bir düşünce zinciri içeriği sunarak nihai yanıtın doğruluğunu artırır."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3, çıkarım hızında önceki modellere göre önemli bir atılım gerçekleştirmiştir. Açık kaynak modeller arasında birinci sırada yer almakta ve dünya çapındaki en gelişmiş kapalı kaynak modellerle rekabet edebilmektedir. DeepSeek-V3, DeepSeek-V2'de kapsamlı bir şekilde doğrulanan çok başlı potansiyel dikkat (MLA) ve DeepSeekMoE mimarilerini kullanmaktadır. Ayrıca, DeepSeek-V3, yük dengeleme için yardımcı kayıpsız bir strateji geliştirmiştir ve daha güçlü bir performans elde etmek için çok etiketli tahmin eğitim hedefleri belirlemiştir."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3, çıkarım hızında önceki modellere göre önemli bir atılım gerçekleştirmiştir. Açık kaynak modeller arasında birinci sırada yer almakta ve dünya çapındaki en gelişmiş kapalı kaynak modellerle rekabet edebilmektedir. DeepSeek-V3, DeepSeek-V2'de kapsamlı bir şekilde doğrulanan çok başlı potansiyel dikkat (MLA) ve DeepSeekMoE mimarilerini kullanmaktadır. Ayrıca, DeepSeek-V3, yük dengeleme için yardımcı kayıpsız bir strateji geliştirmiştir ve daha güçlü bir performans elde etmek için çok etiketli tahmin eğitim hedefleri belirlemiştir."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite, tamamen yeni nesil hafif modeldir, olağanüstü yanıt hızı ile etkisi ve gecikmesi dünya standartlarında bir seviyeye ulaşmıştır."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2, görsel ve metin verilerini birleştiren görevleri işlemek için tasarlanmıştır. Görüntü tanımlama ve görsel soru yanıtlama gibi görevlerde mükemmel performans sergileyerek dil üretimi ve görsel akıl yürütme arasındaki boşluğu kapatmaktadır."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2, görsel ve metin verilerini birleştiren görevleri işlemek için tasarlanmıştır. Görüntü tanımlama ve görsel soru yanıtlama gibi görevlerde mükemmel performans sergileyerek dil üretimi ve görsel akıl yürütme arasındaki boşluğu kapatmaktadır."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Qwen-7B dil modeli ile başlatılan, 448 çözünürlükte görüntü girişi olan önceden eğitilmiş bir modeldir."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2, tamamen yeni bir Qwen büyük dil modeli serisidir. Qwen2 7B, dil anlama, çok dilli yetenek, programlama, matematik ve akıl yürütme konularında mükemmel performans sergileyen bir transformer tabanlı modeldir."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2, daha güçlü anlama ve üretme yeteneklerine sahip yeni bir büyük dil modeli serisidir."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL, Qwen-VL modelinin en son yineleme versiyonudur ve MathVista, DocVQA, RealWorldQA ve MTVQA gibi görsel anlama benchmark testlerinde en gelişmiş performansa ulaşmıştır. Qwen2-VL, yüksek kaliteli video tabanlı soru-cevap, diyalog ve içerik oluşturma için 20 dakikadan fazla videoyu anlayabilmektedir. Ayrıca, karmaşık akıl yürütme ve karar verme yeteneklerine sahiptir ve mobil cihazlar, robotlar gibi sistemlerle entegre olarak görsel ortam ve metin talimatlarına dayalı otomatik işlemler gerçekleştirebilmektedir. İngilizce ve Çince'nin yanı sıra, Qwen2-VL artık çoğu Avrupa dili, Japonca, Korece, Arapça ve Vietnamca gibi farklı dillerdeki metinleri de anlayabilmektedir."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct, Alibaba Cloud tarafından yayınlanan en son büyük dil modeli serilerinden biridir. Bu 72B modeli, kodlama ve matematik gibi alanlarda önemli iyileştirmelere sahiptir. Model ayrıca, Çince, İngilizce gibi 29'dan fazla dili kapsayan çok dilli destek sunmaktadır. Model, talimat takibi, yapılandırılmış verileri anlama ve yapılandırılmış çıktı (özellikle JSON) üretme konularında önemli gelişmeler göstermektedir."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct, Alibaba Cloud tarafından yayınlanan en son büyük dil modeli serilerinden biridir. Bu 32B modeli, kodlama ve matematik gibi alanlarda önemli iyileştirmelere sahiptir. Model, Çince, İngilizce gibi 29'dan fazla dili kapsayan çok dilli destek sunmaktadır. Model, talimat takibi, yapılandırılmış verileri anlama ve yapılandırılmış çıktı (özellikle JSON) üretme konularında önemli gelişmeler göstermektedir."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "Çince ve İngilizce'ye yönelik LLM, dil, programlama, matematik, akıl yürütme gibi alanlara odaklanır."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Verimli ve ekonomik yeni nesil Embedding modeli, bilgi arama, RAG uygulamaları gibi senaryolar için uygundur."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Zhi Pu AI tarafından yayınlanan GLM-4 serisinin en son nesil ön eğitim modelinin açık kaynak versiyonudur."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B), etkili stratejiler ve model mimarisi ile artırılmış hesaplama yetenekleri sunar."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity, çeşitli gelişmiş Llama 3.1 modelleri sunan önde gelen bir diyalog üretim modeli sağlayıcısıdır. Hem çevrimiçi hem de çevrimdışı uygulamaları desteklemekte olup, özellikle karmaşık doğal dil işleme görevleri için uygundur."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO Paiou Cloud, istikrarlı ve yüksek maliyet etkinliğe sahip açık kaynak model API hizmeti sunar, DeepSeek'in tüm serisi, Llama, Qwen gibi sektörün önde gelen büyük modellerini destekler."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Tongyi Qianwen, Alibaba Cloud tarafından geliştirilen büyük ölçekli bir dil modelidir ve güçlü doğal dil anlama ve üretme yeteneklerine sahiptir. Çeşitli soruları yanıtlayabilir, metin içeriği oluşturabilir, görüşlerini ifade edebilir ve kod yazabilir. Birçok alanda etkili bir şekilde kullanılmaktadır."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "Có chủ đề con, không thể xóa",
|
||||
"regenerate": "Tạo lại"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "Điểm",
|
||||
"creditPricing": "Định giá",
|
||||
"creditTooltip": "Để thuận tiện cho việc tính toán, chúng tôi quy đổi 1$ thành 1M điểm, ví dụ $3/M token sẽ được quy đổi thành 3 điểm/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "Nhập cached {{amount}}/điểm · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M ký tự",
|
||||
"inputMinutes": "${{amount}}/phút",
|
||||
"inputTokens": "Nhập {{amount}}/điểm · ${{amount}}/M",
|
||||
"outputTokens": "Xuất {{amount}}/điểm · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "Nhập",
|
||||
"inputAudio": "Âm thanh nhập",
|
||||
"inputCached": "Nhập cached",
|
||||
"inputText": "Văn bản nhập",
|
||||
"inputTitle": "Chi tiết nhập",
|
||||
"inputUncached": "Nhập chưa cached",
|
||||
"output": "Xuất",
|
||||
"outputAudio": "Âm thanh xuất",
|
||||
"outputText": "Văn bản xuất",
|
||||
"outputTitle": "Chi tiết xuất",
|
||||
"reasoning": "Suy nghĩ sâu sắc",
|
||||
"title": "Chi tiết tạo ra",
|
||||
"total": "Tổng tiêu thụ"
|
||||
}
|
||||
},
|
||||
"newAgent": "Tạo trợ lý mới",
|
||||
"pin": "Ghim",
|
||||
"pinOff": "Bỏ ghim",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B hỗ trợ 16K Tokens, cung cấp khả năng tạo ngôn ngữ hiệu quả và mượt mà."
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "Zero One Vạn Vật, mô hình tinh chỉnh mã nguồn mở mới nhất với 34 tỷ tham số, hỗ trợ nhiều tình huống đối thoại, dữ liệu đào tạo chất lượng cao, phù hợp với sở thích của con người."
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "Zero One Vạn Vật, mô hình tinh chỉnh mã nguồn mở mới nhất với 9 tỷ tham số, hỗ trợ nhiều tình huống đối thoại, dữ liệu đào tạo chất lượng cao, phù hợp với sở thích của con người."
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro là thành viên quan trọng trong dòng mô hình AI của 360, đáp ứng nhu cầu đa dạng của các ứng dụng ngôn ngữ tự nhiên với khả năng xử lý văn bản hiệu quả, hỗ trợ hiểu văn bản dài và đối thoại nhiều vòng."
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 là mô hình đa ngôn ngữ do Cohere phát hành, hỗ trợ 23 ngôn ngữ, tạo điều kiện thuận lợi cho các ứng dụng ngôn ngữ đa dạng."
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B là mô hình ngôn ngữ lớn mã nguồn mở có thể thương mại hóa với 130 tỷ tham số, được phát triển bởi Baichuan Intelligence, đã đạt được hiệu suất tốt nhất trong cùng kích thước trên các benchmark tiếng Trung và tiếng Anh."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 được thiết kế đặc biệt cho vai trò và đồng hành cảm xúc, hỗ trợ trí nhớ nhiều vòng siêu dài và đối thoại cá nhân hóa, ứng dụng rộng rãi."
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 đã nâng cao khả năng suy luận của mô hình một cách đáng kể với rất ít dữ liệu được gán nhãn. Trước khi đưa ra câu trả lời cuối cùng, mô hình sẽ xuất ra một chuỗi suy nghĩ để nâng cao độ chính xác của câu trả lời cuối cùng."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B là mô hình ngôn ngữ lớn dựa trên Llama3.3 70B, mô hình này sử dụng đầu ra tinh chỉnh từ DeepSeek R1 để đạt được hiệu suất cạnh tranh tương đương với các mô hình tiên tiến lớn."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B là một mô hình ngôn ngữ lớn đã được tinh chế dựa trên Llama-3.1-8B-Instruct, được đào tạo bằng cách sử dụng đầu ra từ DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B là một mô hình ngôn ngữ lớn đã được tinh chế dựa trên Qwen 2.5 14B, được đào tạo bằng cách sử dụng đầu ra từ DeepSeek R1. Mô hình này đã vượt qua o1-mini của OpenAI trong nhiều bài kiểm tra chuẩn, đạt được những thành tựu công nghệ tiên tiến nhất trong các mô hình dày đặc (dense models). Dưới đây là một số kết quả từ các bài kiểm tra chuẩn:\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\nMô hình này đã thể hiện hiệu suất cạnh tranh tương đương với các mô hình tiên tiến lớn hơn thông qua việc tinh chỉnh từ đầu ra của DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B là một mô hình ngôn ngữ lớn đã được tinh chế dựa trên Qwen 2.5 32B, được đào tạo bằng cách sử dụng đầu ra từ DeepSeek R1. Mô hình này đã vượt qua o1-mini của OpenAI trong nhiều bài kiểm tra chuẩn, đạt được những thành tựu công nghệ tiên tiến nhất trong các mô hình dày đặc (dense models). Dưới đây là một số kết quả từ các bài kiểm tra chuẩn:\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\nMô hình này đã thể hiện hiệu suất cạnh tranh tương đương với các mô hình tiên tiến lớn hơn thông qua việc tinh chỉnh từ đầu ra của DeepSeek R1."
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1 là mô hình mã nguồn mở mới nhất được phát hành bởi đội ngũ DeepSeek, có hiệu suất suy diễn rất mạnh mẽ, đặc biệt trong các nhiệm vụ toán học, lập trình và suy luận, đạt được mức độ tương đương với mô hình o1 của OpenAI."
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 đã nâng cao khả năng suy luận của mô hình một cách đáng kể với rất ít dữ liệu được gán nhãn. Trước khi đưa ra câu trả lời cuối cùng, mô hình sẽ xuất ra một chuỗi suy nghĩ để nâng cao độ chính xác của câu trả lời cuối cùng."
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3 đã đạt được bước đột phá lớn về tốc độ suy diễn so với các mô hình trước đó. Nó đứng đầu trong số các mô hình mã nguồn mở và có thể so sánh với các mô hình đóng nguồn tiên tiến nhất trên toàn cầu. DeepSeek-V3 sử dụng kiến trúc Attention đa đầu (MLA) và DeepSeekMoE, những kiến trúc này đã được xác thực toàn diện trong DeepSeek-V2. Hơn nữa, DeepSeek-V3 đã sáng tạo ra một chiến lược phụ trợ không mất mát cho cân bằng tải và thiết lập mục tiêu đào tạo dự đoán đa nhãn để đạt được hiệu suất mạnh mẽ hơn."
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3 đã đạt được bước đột phá lớn về tốc độ suy diễn so với các mô hình trước đó. Nó đứng đầu trong số các mô hình mã nguồn mở và có thể so sánh với các mô hình đóng nguồn tiên tiến nhất trên toàn cầu. DeepSeek-V3 sử dụng kiến trúc Attention đa đầu (MLA) và DeepSeekMoE, những kiến trúc này đã được xác thực toàn diện trong DeepSeek-V2. Hơn nữa, DeepSeek-V3 đã sáng tạo ra một chiến lược phụ trợ không mất mát cho cân bằng tải và thiết lập mục tiêu đào tạo dự đoán đa nhãn để đạt được hiệu suất mạnh mẽ hơn."
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite là mô hình phiên bản nhẹ thế hệ mới, tốc độ phản hồi cực nhanh, hiệu quả và độ trễ đạt tiêu chuẩn hàng đầu thế giới."
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 được thiết kế để xử lý các nhiệm vụ kết hợp dữ liệu hình ảnh và văn bản. Nó thể hiện xuất sắc trong các nhiệm vụ mô tả hình ảnh và hỏi đáp hình ảnh, vượt qua ranh giới giữa sinh ngôn ngữ và suy diễn hình ảnh."
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 được thiết kế để xử lý các nhiệm vụ kết hợp dữ liệu hình ảnh và văn bản. Nó thể hiện xuất sắc trong các nhiệm vụ mô tả hình ảnh và hỏi đáp hình ảnh, vượt qua ranh giới giữa sinh ngôn ngữ và suy diễn hình ảnh."
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "Mô hình được khởi tạo bằng mô hình ngôn ngữ Qwen-7B, thêm mô hình hình ảnh, mô hình được huấn luyện trước với độ phân giải đầu vào hình ảnh là 448."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2 là dòng mô hình ngôn ngữ lớn hoàn toàn mới. Qwen2 7B là một mô hình dựa trên transformer, thể hiện xuất sắc trong việc hiểu ngôn ngữ, khả năng đa ngôn ngữ, lập trình, toán học và suy luận."
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 là một loạt mô hình ngôn ngữ lớn hoàn toàn mới, có khả năng hiểu và sinh mạnh mẽ hơn."
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL là phiên bản cải tiến mới nhất của mô hình Qwen-VL, đã đạt được hiệu suất tiên tiến trong các bài kiểm tra hiểu biết thị giác, bao gồm MathVista, DocVQA, RealWorldQA và MTVQA. Qwen2-VL có khả năng hiểu video dài hơn 20 phút, phục vụ cho các câu hỏi, đối thoại và sáng tạo nội dung dựa trên video chất lượng cao. Nó cũng có khả năng suy luận và ra quyết định phức tạp, có thể tích hợp với các thiết bị di động, robot, v.v., để thực hiện các thao tác tự động dựa trên môi trường thị giác và hướng dẫn văn bản. Ngoài tiếng Anh và tiếng Trung, Qwen2-VL hiện cũng hỗ trợ hiểu văn bản trong hình ảnh bằng nhiều ngôn ngữ khác nhau, bao gồm hầu hết các ngôn ngữ châu Âu, tiếng Nhật, tiếng Hàn, tiếng Ả Rập và tiếng Việt."
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct là một trong những mô hình ngôn ngữ lớn mới nhất được phát hành bởi Alibaba Cloud. Mô hình 72B này có khả năng cải thiện đáng kể trong các lĩnh vực như mã hóa và toán học. Mô hình cũng cung cấp hỗ trợ đa ngôn ngữ, bao gồm hơn 29 ngôn ngữ, bao gồm tiếng Trung, tiếng Anh, v.v. Mô hình đã có sự cải thiện đáng kể trong việc theo dõi hướng dẫn, hiểu dữ liệu có cấu trúc và tạo ra đầu ra có cấu trúc (đặc biệt là JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct là một trong những mô hình ngôn ngữ lớn mới nhất được phát hành bởi Alibaba Cloud. Mô hình 32B này có khả năng cải thiện đáng kể trong các lĩnh vực như mã hóa và toán học. Mô hình cung cấp hỗ trợ đa ngôn ngữ, bao gồm hơn 29 ngôn ngữ, bao gồm tiếng Trung, tiếng Anh, v.v. Mô hình đã có sự cải thiện đáng kể trong việc theo dõi hướng dẫn, hiểu dữ liệu có cấu trúc và tạo ra đầu ra có cấu trúc (đặc biệt là JSON)."
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "LLM hướng đến tiếng Trung và tiếng Anh, tập trung vào ngôn ngữ, lập trình, toán học, suy luận và các lĩnh vực khác."
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "Mô hình Embedding thế hệ mới hiệu quả và tiết kiệm, phù hợp cho tìm kiếm kiến thức, ứng dụng RAG và các tình huống khác."
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "Phiên bản mã nguồn mở của thế hệ mô hình tiền huấn luyện GLM-4 mới nhất được phát hành bởi Zhiyu AI."
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) cung cấp khả năng tính toán nâng cao thông qua chiến lược và kiến trúc mô hình hiệu quả."
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity là nhà cung cấp mô hình tạo đối thoại hàng đầu, cung cấp nhiều mô hình Llama 3.1 tiên tiến, hỗ trợ ứng dụng trực tuyến và ngoại tuyến, đặc biệt phù hợp cho các nhiệm vụ xử lý ngôn ngữ tự nhiên phức tạp."
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO派欧云 cung cấp dịch vụ API mô hình mã nguồn mở ổn định, hiệu quả chi phí cao, hỗ trợ toàn bộ dòng sản phẩm DeepSeek, Llama, Qwen và các mô hình lớn hàng đầu trong ngành."
|
||||
},
|
||||
"qwen": {
|
||||
"description": "Qwen là mô hình ngôn ngữ quy mô lớn tự phát triển của Alibaba Cloud, có khả năng hiểu và tạo ngôn ngữ tự nhiên mạnh mẽ. Nó có thể trả lời nhiều câu hỏi, sáng tác nội dung văn bản, bày tỏ quan điểm, viết mã, v.v., hoạt động trong nhiều lĩnh vực."
|
||||
},
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "存在子话题，不能删除",
|
||||
"regenerate": "重新生成"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "积分",
|
||||
"creditPricing": "定价",
|
||||
"creditTooltip": "为便于计数，我们将 1$ 折算为 1M 积分，例如 $3/M tokens 即可折算为 3积分/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "缓存输入 {{amount}}/积分 · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M 字符",
|
||||
"inputMinutes": "${{amount}}/分钟",
|
||||
"inputTokens": "输入 {{amount}}/积分 · ${{amount}}/M",
|
||||
"outputTokens": "输出 {{amount}}/积分 · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "输入",
|
||||
"inputAudio": "音频输入",
|
||||
"inputCached": "输入缓存",
|
||||
"inputText": "文本输入",
|
||||
"inputTitle": "输入明细",
|
||||
"inputUncached": "输入未缓存",
|
||||
"output": "输出",
|
||||
"outputAudio": "音频输出",
|
||||
"outputText": "文本输出",
|
||||
"outputTitle": "输出明细",
|
||||
"reasoning": "深度思考",
|
||||
"title": "生成明细",
|
||||
"total": "总计消耗"
|
||||
}
|
||||
},
|
||||
"newAgent": "新建助手",
|
||||
"pin": "置顶",
|
||||
"pinOff": "取消置顶",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5-9B-Chat-16K 是 Yi-1.5 系列的一个变体，属于开源聊天模型。Yi-1.5 是 Yi 的升级版本，在 500B 个高质量语料上进行了持续预训练，并在 3M 多样化的微调样本上进行了微调。相比于 Yi，Yi-1.5 在编码、数学、推理和指令遵循能力方面表现更强，同时保持了出色的语言理解、常识推理和阅读理解能力。该模型在同等规模的开源模型中表现最佳"
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "零一万物，最新开源微调模型，340亿参数，微调支持多种对话场景，高质量训练数据，对齐人类偏好。"
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "零一万物，最新开源微调模型，90亿参数，微调支持多种对话场景，高质量训练数据，对齐人类偏好。"
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro 作为 360 AI 模型系列的重要成员，以高效的文本处理能力满足多样化的自然语言应用场景，支持长文本理解和多轮对话等功能。"
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 是 Cohere 推出的多语言模型，支持 23 种语言，为多元化语言应用提供便利。"
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B 百川智能开发的包含 130 亿参数的开源可商用的大规模语言模型，在权威的中文和英文 benchmark 上均取得同尺寸最好的效果"
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 专为角色扮演与情感陪伴设计，支持超长多轮记忆与个性化对话，应用广泛。"
|
||||
},
|
||||
@@ -681,11 +690,32 @@
|
||||
"description": "融合通用与代码能力的全新开源模型, 不仅保留了原有 Chat 模型的通用对话能力和 Coder 模型的强大代码处理能力，还更好地对齐了人类偏好。此外，DeepSeek-V2.5 在写作任务、指令跟随等多个方面也实现了大幅提升。"
|
||||
},
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 在仅有极少标注数据的情况下，极大提升了模型推理能力。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。"
|
||||
"description": "DeepSeek R1是DeepSeek团队发布的最新开源模型，具备非常强悍的推理性能，尤其在数学、编程和推理任务上达到了与OpenAI的o1模型相当的水平。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B是基于Llama3.3 70B的大型语言模型，该模型利用DeepSeek R1输出的微调，实现了与大型前沿模型相当的竞争性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B 是一种基于 Llama-3.1-8B-Instruct 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B 是一种基于 Qwen 2.5 14B 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。该模型在多个基准测试中超越了 OpenAI 的 o1-mini，取得了密集模型（dense models）的最新技术领先成果（state-of-the-art）。以下是一些基准测试的结果：\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\n该模型通过从 DeepSeek R1 的输出中进行微调，展现了与更大规模的前沿模型相当的竞争性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B 是一种基于 Qwen 2.5 32B 的蒸馏大语言模型，通过使用 DeepSeek R1 的输出进行训练而得。该模型在多个基准测试中超越了 OpenAI 的 o1-mini，取得了密集模型（dense models）的最新技术领先成果（state-of-the-art）。以下是一些基准测试的结果：\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\n该模型通过从 DeepSeek R1 的输出中进行微调，展现了与更大规模的前沿模型相当的竞争性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1是DeepSeek团队发布的最新开源模型，具备非常强悍的推理性能，尤其在数学、编程和推理任务上达到了与OpenAI的o1模型相当的水平。"
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 在仅有极少标注数据的情况下，极大提升了模型推理能力。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3在推理速度方面实现了比之前模型的重大突破。在开源模型中排名第一，并可与全球最先进的闭源模型相媲美。DeepSeek-V3 采用了多头潜在注意力 （MLA） 和 DeepSeekMoE 架构，这些架构在 DeepSeek-V2 中得到了全面验证。此外，DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，并设定了多标记预测训练目标以获得更强的性能。"
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3在推理速度方面实现了比之前模型的重大突破。在开源模型中排名第一，并可与全球最先进的闭源模型相媲美。DeepSeek-V3 采用了多头潜在注意力 （MLA） 和 DeepSeekMoE 架构，这些架构在 DeepSeek-V2 中得到了全面验证。此外，DeepSeek-V3 开创了一种用于负载均衡的辅助无损策略，并设定了多标记预测训练目标以获得更强的性能。"
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite 全新一代轻量版模型，极致响应速度，效果与时延均达到全球一流水平。"
|
||||
},
|
||||
@@ -1242,10 +1272,10 @@
|
||||
"description": "Llama 3 8B Instruct 优化了高质量对话场景，性能优于许多闭源模型。"
|
||||
},
|
||||
"meta-llama/llama-3.1-70b-instruct": {
|
||||
"description": "Llama 3.1 70B Instruct 专为高质量对话而设计，在人类评估中表现突出，特别适合高交互场景。"
|
||||
"description": "Meta最新一代的Llama 3.1模型系列，70B（700亿参数）的指令微调版本针对高质量对话场景进行了优化。在业界评估中，与领先的闭源模型相比，它展现出了强劲的性能。(仅针对企业实名认证通过主体开放）"
|
||||
},
|
||||
"meta-llama/llama-3.1-8b-instruct": {
|
||||
"description": "Llama 3.1 8B Instruct 是 Meta 推出的最新版本，优化了高质量对话场景，表现优于许多领先的闭源模型。"
|
||||
"description": "Meta最新一代的Llama 3.1模型系列，8B（80亿参数）的指令微调版本特别快速高效。在业界评估中，表现出强劲的性能，超越了很多领先的闭源模型。(仅针对企业实名认证通过主体开放）"
|
||||
},
|
||||
"meta-llama/llama-3.1-8b-instruct:free": {
|
||||
"description": "LLaMA 3.1 提供多语言支持，是业界领先的生成模型之一。"
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 旨在处理结合视觉和文本数据的任务。它在图像描述和视觉问答等任务中表现出色，跨越了语言生成和视觉推理之间的鸿沟。"
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 旨在处理结合视觉和文本数据的任务。它在图像描述和视觉问答等任务中表现出色，跨越了语言生成和视觉推理之间的鸿沟。"
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "以 Qwen-7B 语言模型初始化，添加图像模型，图像输入分辨率为448的预训练模型。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2是全新的Qwen大型语言模型系列。Qwen2 7B是一个基于transformer的模型，在语言理解、多语言能力、编程、数学和推理方面表现出色。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 是全新的大型语言模型系列，具有更强的理解和生成能力。"
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL 是 Qwen-VL 模型的最新迭代版本，在视觉理解基准测试中达到了最先进的性能，包括 MathVista、DocVQA、RealWorldQA 和 MTVQA 等。Qwen2-VL 能够理解超过 20 分钟的视频，用于高质量的基于视频的问答、对话和内容创作。它还具备复杂推理和决策能力，可以与移动设备、机器人等集成，基于视觉环境和文本指令进行自动操作。除了英语和中文，Qwen2-VL 现在还支持理解图像中不同语言的文本，包括大多数欧洲语言、日语、韩语、阿拉伯语和越南语等"
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct 是阿里云发布的最新大语言模型系列之一。该 72B 模型在编码和数学等领域具有显著改进的能力。该模型还提供了多语言支持，覆盖超过 29 种语言，包括中文、英文等。模型在指令跟随、理解结构化数据以及生成结构化输出（尤其是 JSON）方面都有显著提升。"
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct 是阿里云发布的最新大语言模型系列之一。该 32B 模型在编码和数学等领域具有显著改进的能力。该模型提供了多语言支持，覆盖超过 29 种语言，包括中文、英文等。模型在指令跟随、理解结构化数据以及生成结构化输出（尤其是 JSON）方面都有显著提升。"
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "面向中文和英文的 LLM，针对语言、编程、数学、推理等领域。"
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "高效且经济的新一代 Embedding 模型，适用于知识检索、RAG 应用等场景"
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "智谱AI发布的GLM-4系列最新一代预训练模型的开源版本。"
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) 通过高效的策略和模型架构，提供增强的计算能力。"
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity 是一家领先的对话生成模型提供商，提供多种先进的Llama 3.1模型，支持在线和离线应用，特别适用于复杂的自然语言处理任务。"
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO 派欧云提供稳定、高性价比的开源模型 API 服务，支持 DeepSeek 全系列、Llama、Qwen 等行业领先大模型。"
|
||||
},
|
||||
"qwen": {
|
||||
"description": "通义千问是阿里云自主研发的超大规模语言模型，具有强大的自然语言理解和生成能力。它可以回答各种问题、创作文字内容、表达观点看法、撰写代码等，在多个领域发挥作用。"
|
||||
},
|
||||
@@ -139,9 +142,5 @@
|
||||
},
|
||||
"zhipu": {
|
||||
"description": "智谱 AI 提供多模态与语言模型的开放平台，支持广泛的AI应用场景，包括文本处理、图像理解与编程辅助等。"
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO 派欧云提供稳定、高性价比的开源模型 API 服务，支持 DeepSeek 全系列、Llama、Qwen 等行业领先大模型。"
|
||||
}
|
||||
}
|
||||
|
||||
|
||||
@@ -79,6 +79,35 @@
|
||||
"deleteDisabledByThreads": "存在子話題，無法刪除",
|
||||
"regenerate": "重新生成"
|
||||
},
|
||||
"messages": {
|
||||
"modelCard": {
|
||||
"credit": "積分",
|
||||
"creditPricing": "定價",
|
||||
"creditTooltip": "為便於計算，我們將 1$ 折算為 1M 積分，例如 $3/M tokens 即可折算為 3積分/token",
|
||||
"pricing": {
|
||||
"inputCachedTokens": "快取輸入 {{amount}}/積分 · ${{amount}}/M",
|
||||
"inputCharts": "${{amount}}/M 字元",
|
||||
"inputMinutes": "${{amount}}/分鐘",
|
||||
"inputTokens": "輸入 {{amount}}/積分 · ${{amount}}/M",
|
||||
"outputTokens": "輸出 {{amount}}/積分 · ${{amount}}/M"
|
||||
}
|
||||
},
|
||||
"tokenDetails": {
|
||||
"input": "輸入",
|
||||
"inputAudio": "音頻輸入",
|
||||
"inputCached": "輸入快取",
|
||||
"inputText": "文本輸入",
|
||||
"inputTitle": "輸入明細",
|
||||
"inputUncached": "輸入未快取",
|
||||
"output": "輸出",
|
||||
"outputAudio": "音頻輸出",
|
||||
"outputText": "文本輸出",
|
||||
"outputTitle": "輸出明細",
|
||||
"reasoning": "深度思考",
|
||||
"title": "生成明細",
|
||||
"total": "總計消耗"
|
||||
}
|
||||
},
|
||||
"newAgent": "新建助手",
|
||||
"pin": "置頂",
|
||||
"pinOff": "取消置頂",
|
||||
|
||||
@@ -8,6 +8,12 @@
|
||||
"01-ai/Yi-1.5-9B-Chat-16K": {
|
||||
"description": "Yi-1.5 9B 支持16K Tokens，提供高效、流暢的語言生成能力。"
|
||||
},
|
||||
"01-ai/yi-1.5-34b-chat": {
|
||||
"description": "零一萬物，最新開源微調模型，340億參數，微調支持多種對話場景，高質量訓練數據，對齊人類偏好。"
|
||||
},
|
||||
"01-ai/yi-1.5-9b-chat": {
|
||||
"description": "零一萬物，最新開源微調模型，90億參數，微調支持多種對話場景，高質量訓練數據，對齊人類偏好。"
|
||||
},
|
||||
"360gpt-pro": {
|
||||
"description": "360GPT Pro 作為 360 AI 模型系列的重要成員，以高效的文本處理能力滿足多樣化的自然語言應用場景，支持長文本理解和多輪對話等功能。"
|
||||
},
|
||||
@@ -503,6 +509,9 @@
|
||||
"aya:35b": {
|
||||
"description": "Aya 23 是 Cohere 推出的多語言模型，支持 23 種語言，為多元化語言應用提供便利。"
|
||||
},
|
||||
"baichuan/baichuan2-13b-chat": {
|
||||
"description": "Baichuan-13B百川智能開發的包含130億參數的開源可商用的大規模語言模型，在權威的中文和英文benchmark上均取得同尺寸最好的效果。"
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3專為角色扮演與情感陪伴設計，支持超長多輪記憶與個性化對話，應用廣泛。"
|
||||
},
|
||||
@@ -683,9 +692,30 @@
|
||||
"deepseek/deepseek-r1": {
|
||||
"description": "DeepSeek-R1 在僅有極少標註數據的情況下，極大提升了模型推理能力。在輸出最終回答之前，模型會先輸出一段思維鏈內容，以提升最終答案的準確性。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 Distill Llama 70B是基於Llama3.3 70B的大型語言模型，該模型利用DeepSeek R1輸出的微調，實現了與大型前沿模型相當的競爭性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek R1 Distill Llama 8B是一種基於Llama-3.1-8B-Instruct的蒸餾大語言模型，通過使用DeepSeek R1的輸出進行訓練而得。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-14b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 14B是一種基於Qwen 2.5 14B的蒸餾大語言模型，通過使用DeepSeek R1的輸出進行訓練而得。該模型在多個基準測試中超越了OpenAI的o1-mini，取得了密集模型（dense models）的最新技術領先成果（state-of-the-art）。以下是一些基準測試的結果：\nAIME 2024 pass@1: 69.7\nMATH-500 pass@1: 93.9\nCodeForces Rating: 1481\n該模型通過從DeepSeek R1的輸出中進行微調，展現了與更大規模的前沿模型相當的競爭性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1-distill-qwen-32b": {
|
||||
"description": "DeepSeek R1 Distill Qwen 32B是一種基於Qwen 2.5 32B的蒸餾大語言模型，通過使用DeepSeek R1的輸出進行訓練而得。該模型在多個基準測試中超越了OpenAI的o1-mini，取得了密集模型（dense models）的最新技術領先成果（state-of-the-art）。以下是一些基準測試的結果：\nAIME 2024 pass@1: 72.6\nMATH-500 pass@1: 94.3\nCodeForces Rating: 1691\n該模型通過從DeepSeek R1的輸出中進行微調，展現了與更大規模的前沿模型相當的競爭性能。"
|
||||
},
|
||||
"deepseek/deepseek-r1/community": {
|
||||
"description": "DeepSeek R1是DeepSeek團隊發布的最新開源模型，具備非常強悍的推理性能，尤其在數學、編程和推理任務上達到了與OpenAI的o1模型相當的水平。"
|
||||
},
|
||||
"deepseek/deepseek-r1:free": {
|
||||
"description": "DeepSeek-R1 在僅有極少標註數據的情況下，極大提升了模型推理能力。在輸出最終回答之前，模型會先輸出一段思維鏈內容，以提升最終答案的準確性。"
|
||||
},
|
||||
"deepseek/deepseek-v3": {
|
||||
"description": "DeepSeek-V3在推理速度方面實現了比之前模型的重大突破。在開源模型中排名第一，並可與全球最先進的閉源模型相媲美。DeepSeek-V3 采用了多頭潛在注意力（MLA）和DeepSeekMoE架構，這些架構在DeepSeek-V2中得到了全面驗證。此外，DeepSeek-V3開創了一種用於負載均衡的輔助無損策略，並設定了多標記預測訓練目標以獲得更強的性能。"
|
||||
},
|
||||
"deepseek/deepseek-v3/community": {
|
||||
"description": "DeepSeek-V3在推理速度方面實現了比之前模型的重大突破。在開源模型中排名第一，並可與全球最先進的閉源模型相媲美。DeepSeek-V3 采用了多頭潛在注意力（MLA）和DeepSeekMoE架構，這些架構在DeepSeek-V2中得到了全面驗證。此外，DeepSeek-V3開創了一種用於負載均衡的輔助無損策略，並設定了多標記預測訓練目標以獲得更強的性能。"
|
||||
},
|
||||
"doubao-1.5-lite-32k": {
|
||||
"description": "Doubao-1.5-lite 全新一代輕量版模型，極致響應速度，效果與時延均達到全球一流水平。"
|
||||
},
|
||||
@@ -1253,6 +1283,9 @@
|
||||
"meta-llama/llama-3.2-11b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 旨在處理結合視覺和文本數據的任務。它在圖像描述和視覺問答等任務中表現出色，跨越了語言生成和視覺推理之間的鴻溝。"
|
||||
},
|
||||
"meta-llama/llama-3.2-3b-instruct": {
|
||||
"description": "meta-llama/llama-3.2-3b-instruct"
|
||||
},
|
||||
"meta-llama/llama-3.2-90b-vision-instruct": {
|
||||
"description": "LLaMA 3.2 旨在處理結合視覺和文本數據的任務。它在圖像描述和視覺問答等任務中表現出色，跨越了語言生成和視覺推理之間的鴻溝。"
|
||||
},
|
||||
@@ -1517,9 +1550,21 @@
|
||||
"qwen-vl-v1": {
|
||||
"description": "以Qwen-7B語言模型初始化，添加圖像模型，圖像輸入分辨率為448的預訓練模型。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct": {
|
||||
"description": "Qwen2是全新的Qwen大型語言模型系列。Qwen2 7B是一個基於transformer的模型，在語言理解、多語言能力、編程、數學和推理方面表現出色。"
|
||||
},
|
||||
"qwen/qwen-2-7b-instruct:free": {
|
||||
"description": "Qwen2 是全新的大型語言模型系列，具有更強的理解和生成能力。"
|
||||
},
|
||||
"qwen/qwen-2-vl-72b-instruct": {
|
||||
"description": "Qwen2-VL是Qwen-VL模型的最新迭代版本，在視覺理解基準測試中達到了最先進的性能，包括MathVista、DocVQA、RealWorldQA和MTVQA等。Qwen2-VL能夠理解超過20分鐘的視頻，用於高質量的基於視頻的問答、對話和內容創作。它還具備複雜推理和決策能力，可以與移動設備、機器人等集成，基於視覺環境和文本指令進行自動操作。除了英語和中文，Qwen2-VL現在還支持理解圖像中不同語言的文本，包括大多數歐洲語言、日語、韓語、阿拉伯語和越南語等。"
|
||||
},
|
||||
"qwen/qwen-2.5-72b-instruct": {
|
||||
"description": "Qwen2.5-72B-Instruct是阿里雲發布的最新大語言模型系列之一。該72B模型在編碼和數學等領域具有顯著改進的能力。該模型還提供了多語言支持，覆蓋超過29種語言，包括中文、英文等。模型在指令跟隨、理解結構化數據以及生成結構化輸出（尤其是JSON）方面都有顯著提升。"
|
||||
},
|
||||
"qwen/qwen2.5-32b-instruct": {
|
||||
"description": "Qwen2.5-32B-Instruct是阿里雲發布的最新大語言模型系列之一。該32B模型在編碼和數學等領域具有顯著改進的能力。該模型提供了多語言支持，覆蓋超過29種語言，包括中文、英文等。模型在指令跟隨、理解結構化數據以及生成結構化輸出（尤其是JSON）方面都有顯著提升。"
|
||||
},
|
||||
"qwen/qwen2.5-7b-instruct": {
|
||||
"description": "面向中文和英文的 LLM，針對語言、編程、數學、推理等領域。"
|
||||
},
|
||||
@@ -1667,6 +1712,9 @@
|
||||
"text-embedding-3-small": {
|
||||
"description": "高效且經濟的新一代 Embedding 模型，適用於知識檢索、RAG 應用等場景"
|
||||
},
|
||||
"thudm/glm-4-9b-chat": {
|
||||
"description": "智譜AI發布的GLM-4系列最新一代預訓練模型的開源版本。"
|
||||
},
|
||||
"togethercomputer/StripedHyena-Nous-7B": {
|
||||
"description": "StripedHyena Nous (7B) 通過高效的策略和模型架構，提供增強的計算能力。"
|
||||
},
|
||||
|
||||
@@ -89,6 +89,9 @@
|
||||
"perplexity": {
|
||||
"description": "Perplexity 是一家領先的對話生成模型提供商，提供多種先進的 Llama 3.1 模型，支持在線和離線應用，特別適用於複雜的自然語言處理任務。"
|
||||
},
|
||||
"ppio": {
|
||||
"description": "PPIO 派歐雲提供穩定、高性價比的開源模型 API 服務，支持 DeepSeek 全系列、Llama、Qwen 等行業領先的大模型。"
|
||||
},
|
||||
"qwen": {
|
||||
"description": "通義千問是阿里雲自主研發的超大規模語言模型，具有強大的自然語言理解和生成能力。它可以回答各種問題、創作文字內容、表達觀點看法、撰寫代碼等，在多個領域發揮作用。"
|
||||
},
|
||||
|
||||
@@ -1,5 +1,5 @@
|
||||
import { CrawlImpl, CrawlSuccessResult } from '../type';
|
||||
import { NetworkConnectionError, PageNotFoundError } from '../utils/errorType';
|
||||
import { NetworkConnectionError, PageNotFoundError, TimeoutError } from '../utils/errorType';
|
||||
import { htmlToMarkdown } from '../utils/htmlToMarkdown';
|
||||
|
||||
const mixinHeaders = {
|
||||
@@ -31,15 +31,41 @@ const mixinHeaders = {
|
||||
'sec-fetch-user': '?1',
|
||||
};
|
||||
|
||||
const TIMEOUT_CONTROL = 10_000;
|
||||
|
||||
const withTimeout = <T>(promise: Promise<T>, ms: number): Promise<T> => {
|
||||
const controller = new AbortController();
|
||||
const timeoutPromise = new Promise<T>((_, reject) => {
|
||||
setTimeout(() => {
|
||||
controller.abort();
|
||||
reject(new TimeoutError(`Request timeout after ${ms}ms`));
|
||||
}, ms);
|
||||
});
|
||||
|
||||
return Promise.race([promise, timeoutPromise]);
|
||||
};
|
||||
|
||||
export const naive: CrawlImpl = async (url, { filterOptions }) => {
|
||||
let res: Response;
|
||||
|
||||
try {
|
||||
res = await fetch(url, { headers: mixinHeaders });
|
||||
res = await withTimeout(
|
||||
fetch(url, {
|
||||
headers: mixinHeaders,
|
||||
signal: new AbortController().signal,
|
||||
}),
|
||||
TIMEOUT_CONTROL,
|
||||
);
|
||||
} catch (e) {
|
||||
if ((e as Error).message === 'fetch failed') {
|
||||
const error = e as Error;
|
||||
if (error.message === 'fetch failed') {
|
||||
throw new NetworkConnectionError();
|
||||
}
|
||||
|
||||
if (error instanceof TimeoutError) {
|
||||
throw error;
|
||||
}
|
||||
|
||||
throw e;
|
||||
}
|
||||
|
||||
|
||||
@@ -10,3 +10,10 @@ export class NetworkConnectionError extends Error {
|
||||
this.name = 'NetworkConnectionError';
|
||||
}
|
||||
}
|
||||
|
||||
export class TimeoutError extends Error {
|
||||
constructor(message: string) {
|
||||
super(message);
|
||||
this.name = 'TimeoutError';
|
||||
}
|
||||
}
|
||||
|
||||
@@ -1,9 +1,7 @@
|
||||
import { ModelTag } from '@lobehub/icons';
|
||||
import { memo } from 'react';
|
||||
import { Flexbox } from 'react-layout-kit';
|
||||
|
||||
import { useAgentStore } from '@/store/agent';
|
||||
import { agentSelectors } from '@/store/agent/slices/chat';
|
||||
import { LOADING_FLAT } from '@/const/message';
|
||||
import { useChatStore } from '@/store/chat';
|
||||
import { chatSelectors } from '@/store/chat/selectors';
|
||||
import { ChatMessage } from '@/types/message';
|
||||
@@ -12,34 +10,28 @@ import { RenderMessageExtra } from '../types';
|
||||
import ExtraContainer from './ExtraContainer';
|
||||
import TTS from './TTS';
|
||||
import Translate from './Translate';
|
||||
import Usage from './Usage';
|
||||
|
||||
export const AssistantMessageExtra: RenderMessageExtra = memo<ChatMessage>(
|
||||
({ extra, id, content }) => {
|
||||
const model = useAgentStore(agentSelectors.currentAgentModel);
|
||||
({ extra, id, content, metadata, tools }) => {
|
||||
const loading = useChatStore(chatSelectors.isMessageGenerating(id));
|
||||
|
||||
const showModelTag = extra?.fromModel && model !== extra?.fromModel;
|
||||
const showTranslate = !!extra?.translate;
|
||||
const showTTS = !!extra?.tts;
|
||||
|
||||
const showExtra = showModelTag || showTranslate || showTTS;
|
||||
|
||||
if (!showExtra) return;
|
||||
|
||||
return (
|
||||
<Flexbox gap={8} style={{ marginTop: 8 }}>
|
||||
{showModelTag && (
|
||||
<div>
|
||||
<ModelTag model={extra?.fromModel as string} />
|
||||
</div>
|
||||
<Flexbox gap={8} style={{ marginTop: !!tools?.length ? 8 : 4 }}>
|
||||
{content !== LOADING_FLAT && extra?.fromModel && (
|
||||
<Usage
|
||||
metadata={metadata || {}}
|
||||
model={extra?.fromModel}
|
||||
provider={extra.fromProvider!}
|
||||
/>
|
||||
)}
|
||||
<>
|
||||
{extra?.tts && (
|
||||
{!!extra?.tts && (
|
||||
<ExtraContainer>
|
||||
<TTS content={content} id={id} loading={loading} {...extra?.tts} />
|
||||
</ExtraContainer>
|
||||
)}
|
||||
{extra?.translate && (
|
||||
{!!extra?.translate && (
|
||||
<ExtraContainer>
|
||||
<Translate id={id} loading={loading} {...extra?.translate} />
|
||||
</ExtraContainer>
|
||||
|
||||
@@ -0,0 +1,130 @@
|
||||
import { ModelIcon } from '@lobehub/icons';
|
||||
import { Icon, Tooltip } from '@lobehub/ui';
|
||||
import { Segmented } from 'antd';
|
||||
import { createStyles } from 'antd-style';
|
||||
import { ArrowDownToDot, ArrowUpFromDot, CircleFadingArrowUp } from 'lucide-react';
|
||||
import { memo } from 'react';
|
||||
import { useTranslation } from 'react-i18next';
|
||||
import { Flexbox } from 'react-layout-kit';
|
||||
|
||||
import { useGlobalStore } from '@/store/global';
|
||||
import { systemStatusSelectors } from '@/store/global/selectors';
|
||||
import { LobeDefaultAiModelListItem } from '@/types/aiModel';
|
||||
import { ModelPriceCurrency } from '@/types/llm';
|
||||
import { formatPriceByCurrency } from '@/utils/format';
|
||||
|
||||
export const useStyles = createStyles(({ css, token }) => {
|
||||
return {
|
||||
container: css`
|
||||
font-size: 12px;
|
||||
`,
|
||||
desc: css`
|
||||
line-height: 12px;
|
||||
color: ${token.colorTextDescription};
|
||||
`,
|
||||
pricing: css`
|
||||
font-size: 12px;
|
||||
color: ${token.colorTextSecondary};
|
||||
`,
|
||||
};
|
||||
});
|
||||
|
||||
interface ModelCardProps extends LobeDefaultAiModelListItem {
|
||||
provider: string;
|
||||
}
|
||||
|
||||
const ModelCard = memo<ModelCardProps>(({ pricing, id, provider, displayName }) => {
|
||||
const { t } = useTranslation('chat');
|
||||
const { styles } = useStyles();
|
||||
|
||||
const isShowCredit = useGlobalStore(systemStatusSelectors.isShowCredit) && !!pricing;
|
||||
const updateSystemStatus = useGlobalStore((s) => s.updateSystemStatus);
|
||||
|
||||
const inputPrice = formatPriceByCurrency(pricing?.input, pricing?.currency as ModelPriceCurrency);
|
||||
const cachedInputPrice = formatPriceByCurrency(
|
||||
pricing?.cachedInput,
|
||||
pricing?.currency as ModelPriceCurrency,
|
||||
);
|
||||
const outputPrice = formatPriceByCurrency(
|
||||
pricing?.output,
|
||||
pricing?.currency as ModelPriceCurrency,
|
||||
);
|
||||
return (
|
||||
<>
|
||||
<Flexbox
|
||||
align={'center'}
|
||||
className={styles.container}
|
||||
flex={1}
|
||||
gap={40}
|
||||
horizontal
|
||||
justify={'space-between'}
|
||||
>
|
||||
<Flexbox align={'center'} gap={8} horizontal>
|
||||
<ModelIcon model={id} size={22} />
|
||||
<Flexbox flex={1} gap={2} style={{ minWidth: 0 }}>
|
||||
<Flexbox align={'center'} gap={8} horizontal style={{ lineHeight: '12px' }}>
|
||||
{displayName || id}
|
||||
</Flexbox>
|
||||
<span className={styles.desc}>{provider}</span>
|
||||
</Flexbox>
|
||||
</Flexbox>
|
||||
{!!pricing && (
|
||||
<Flexbox>
|
||||
<Segmented
|
||||
onChange={(value) => {
|
||||
updateSystemStatus({ isShowCredit: value === 'credit' });
|
||||
}}
|
||||
options={[
|
||||
{ label: 'Token', value: 'token' },
|
||||
{
|
||||
label: (
|
||||
<Tooltip title={t('messages.modelCard.creditTooltip')}>
|
||||
{t('messages.modelCard.credit')}
|
||||
</Tooltip>
|
||||
),
|
||||
value: 'credit',
|
||||
},
|
||||
]}
|
||||
size={'small'}
|
||||
value={isShowCredit ? 'credit' : 'token'}
|
||||
/>
|
||||
</Flexbox>
|
||||
)}
|
||||
</Flexbox>
|
||||
{isShowCredit && (
|
||||
<Flexbox horizontal justify={'space-between'}>
|
||||
<div />
|
||||
<Flexbox align={'center'} className={styles.pricing} gap={8} horizontal>
|
||||
{t('messages.modelCard.creditPricing')}:
|
||||
{pricing?.cachedInput && (
|
||||
<Tooltip
|
||||
title={t('messages.modelCard.pricing.inputCachedTokens', {
|
||||
amount: cachedInputPrice,
|
||||
})}
|
||||
>
|
||||
<Flexbox gap={2} horizontal>
|
||||
<Icon icon={CircleFadingArrowUp} />
|
||||
{cachedInputPrice}
|
||||
</Flexbox>
|
||||
</Tooltip>
|
||||
)}
|
||||
<Tooltip title={t('messages.modelCard.pricing.inputTokens', { amount: inputPrice })}>
|
||||
<Flexbox gap={2} horizontal>
|
||||
<Icon icon={ArrowUpFromDot} />
|
||||
{inputPrice}
|
||||
</Flexbox>
|
||||
</Tooltip>
|
||||
<Tooltip title={t('messages.modelCard.pricing.outputTokens', { amount: outputPrice })}>
|
||||
<Flexbox gap={2} horizontal>
|
||||
<Icon icon={ArrowDownToDot} />
|
||||
{outputPrice}
|
||||
</Flexbox>
|
||||
</Tooltip>
|
||||
</Flexbox>
|
||||
</Flexbox>
|
||||
)}
|
||||
</>
|
||||
);
|
||||
});
|
||||
|
||||
export default ModelCard;
|
||||
@@ -0,0 +1,71 @@
|
||||
import { useTheme } from 'antd-style';
|
||||
import numeral from 'numeral';
|
||||
import { memo } from 'react';
|
||||
import { Flexbox } from 'react-layout-kit';
|
||||
|
||||
|
||||
export interface TokenProgressItem {
|
||||
color: string;
|
||||
id: string;
|
||||
title: string;
|
||||
value: number;
|
||||
}
|
||||
|
||||
interface TokenProgressProps {
|
||||
data: TokenProgressItem[];
|
||||
showIcon?: boolean;
|
||||
}
|
||||
|
||||
const format = (number: number) => numeral(number).format('0,0');
|
||||
|
||||
const TokenProgress = memo<TokenProgressProps>(({ data, showIcon }) => {
|
||||
const theme = useTheme();
|
||||
const total = data.reduce((acc, item) => acc + item.value, 0);
|
||||
|
||||
return (
|
||||
<Flexbox gap={8} style={{ position: 'relative' }} width={'100%'}>
|
||||
<Flexbox
|
||||
height={6}
|
||||
horizontal
|
||||
style={{
|
||||
background: total === 0 ? theme.colorFill : undefined,
|
||||
borderRadius: 3,
|
||||
overflow: 'hidden',
|
||||
position: 'relative',
|
||||
}}
|
||||
width={'100%'}
|
||||
>
|
||||
{data.map((item) => (
|
||||
<Flexbox
|
||||
height={'100%'}
|
||||
key={item.id}
|
||||
style={{ background: item.color, flex: item.value }}
|
||||
/>
|
||||
))}
|
||||
</Flexbox>
|
||||
<Flexbox>
|
||||
{data.map((item) => (
|
||||
<Flexbox align={'center'} gap={4} horizontal justify={'space-between'} key={item.id}>
|
||||
<Flexbox align={'center'} gap={4} horizontal>
|
||||
{showIcon && (
|
||||
<div
|
||||
style={{
|
||||
background: item.color,
|
||||
borderRadius: '50%',
|
||||
flex: 'none',
|
||||
height: 6,
|
||||
width: 6,
|
||||
}}
|
||||
/>
|
||||
)}
|
||||
<div style={{ color: theme.colorTextSecondary }}>{item.title}</div>
|
||||
</Flexbox>
|
||||
<div style={{ fontWeight: 500 }}>{format(item.value)}</div>
|
||||
</Flexbox>
|
||||
))}
|
||||
</Flexbox>
|
||||
</Flexbox>
|
||||
);
|
||||
});
|
||||
|
||||
export default TokenProgress;
|
||||
@@ -0,0 +1,146 @@
|
||||
import { Icon } from '@lobehub/ui';
|
||||
import { Divider, Popover } from 'antd';
|
||||
import { useTheme } from 'antd-style';
|
||||
import { BadgeCent, CoinsIcon } from 'lucide-react';
|
||||
import { memo } from 'react';
|
||||
import { useTranslation } from 'react-i18next';
|
||||
import { Center, Flexbox } from 'react-layout-kit';
|
||||
|
||||
import { aiModelSelectors, useAiInfraStore } from '@/store/aiInfra';
|
||||
import { useGlobalStore } from '@/store/global';
|
||||
import { systemStatusSelectors } from '@/store/global/selectors';
|
||||
import { ModelTokensUsage } from '@/types/message';
|
||||
import { formatNumber } from '@/utils/format';
|
||||
|
||||
import ModelCard from './ModelCard';
|
||||
import TokenProgress, { TokenProgressItem } from './TokenProgress';
|
||||
import { getDetailsToken } from './tokens';
|
||||
|
||||
interface TokenDetailProps {
|
||||
model: string;
|
||||
provider: string;
|
||||
usage: ModelTokensUsage;
|
||||
}
|
||||
|
||||
const TokenDetail = memo<TokenDetailProps>(({ usage, model, provider }) => {
|
||||
const { t } = useTranslation('chat');
|
||||
const theme = useTheme();
|
||||
|
||||
const modelCard = useAiInfraStore(aiModelSelectors.getModelCard(model, provider));
|
||||
const isShowCredit = useGlobalStore(systemStatusSelectors.isShowCredit) && !!modelCard?.pricing;
|
||||
|
||||
const detailTokens = getDetailsToken(usage, modelCard);
|
||||
const inputDetails = [
|
||||
!!detailTokens.inputAudio && {
|
||||
color: theme.cyan9,
|
||||
id: 'reasoning',
|
||||
title: t('messages.tokenDetails.inputAudio'),
|
||||
value: isShowCredit ? detailTokens.inputAudio.credit : detailTokens.inputAudio.token,
|
||||
},
|
||||
!!detailTokens.inputText && {
|
||||
color: theme.green,
|
||||
id: 'inputText',
|
||||
title: t('messages.tokenDetails.inputText'),
|
||||
value: isShowCredit ? detailTokens.inputText.credit : detailTokens.inputText.token,
|
||||
},
|
||||
].filter(Boolean) as TokenProgressItem[];
|
||||
|
||||
const outputDetails = [
|
||||
!!detailTokens.reasoning && {
|
||||
color: theme.pink,
|
||||
id: 'reasoning',
|
||||
title: t('messages.tokenDetails.reasoning'),
|
||||
value: isShowCredit ? detailTokens.reasoning.credit : detailTokens.reasoning.token,
|
||||
},
|
||||
!!detailTokens.outputAudio && {
|
||||
color: theme.cyan9,
|
||||
id: 'outputAudio',
|
||||
title: t('messages.tokenDetails.outputAudio'),
|
||||
value: isShowCredit ? detailTokens.outputAudio.credit : detailTokens.outputAudio.token,
|
||||
},
|
||||
!!detailTokens.outputText && {
|
||||
color: theme.green,
|
||||
id: 'outputText',
|
||||
title: t('messages.tokenDetails.outputText'),
|
||||
value: isShowCredit ? detailTokens.outputText.credit : detailTokens.outputText.token,
|
||||
},
|
||||
].filter(Boolean) as TokenProgressItem[];
|
||||
|
||||
const totalDetail = [
|
||||
!!detailTokens.cachedInput && {
|
||||
color: theme.orange,
|
||||
id: 'cachedInput',
|
||||
title: t('messages.tokenDetails.inputCached'),
|
||||
value: isShowCredit ? detailTokens.cachedInput.credit : detailTokens.cachedInput.token,
|
||||
},
|
||||
!!detailTokens.uncachedInput && {
|
||||
color: theme.colorFill,
|
||||
|
||||
id: 'uncachedInput',
|
||||
title: t('messages.tokenDetails.inputUncached'),
|
||||
value: isShowCredit ? detailTokens.uncachedInput.credit : detailTokens.uncachedInput.token,
|
||||
},
|
||||
!!detailTokens.totalOutput && {
|
||||
color: theme.colorSuccess,
|
||||
id: 'output',
|
||||
title: t('messages.tokenDetails.output'),
|
||||
value: isShowCredit ? detailTokens.totalOutput.credit : detailTokens.totalOutput.token,
|
||||
},
|
||||
].filter(Boolean) as TokenProgressItem[];
|
||||
|
||||
const displayTotal =
|
||||
isShowCredit && !!detailTokens.totalTokens
|
||||
? formatNumber(detailTokens.totalTokens.credit)
|
||||
: formatNumber(usage.totalTokens);
|
||||
|
||||
return (
|
||||
<Popover
|
||||
arrow={false}
|
||||
content={
|
||||
<Flexbox gap={20} style={{ minWidth: 200 }}>
|
||||
{modelCard && <ModelCard {...modelCard} provider={provider} />}
|
||||
{inputDetails.length > 1 && (
|
||||
<>
|
||||
<Flexbox align={'center'} gap={4} horizontal justify={'space-between'} width={'100%'}>
|
||||
<div style={{ color: theme.colorTextDescription }}>
|
||||
{t('messages.tokenDetails.inputTitle')}
|
||||
</div>
|
||||
</Flexbox>
|
||||
<TokenProgress data={inputDetails} showIcon />
|
||||
</>
|
||||
)}
|
||||
{outputDetails.length > 1 && (
|
||||
<>
|
||||
<Flexbox align={'center'} gap={4} horizontal justify={'space-between'} width={'100%'}>
|
||||
<div style={{ color: theme.colorTextDescription }}>
|
||||
{t('messages.tokenDetails.outputTitle')}
|
||||
</div>
|
||||
</Flexbox>
|
||||
<TokenProgress data={outputDetails} showIcon />
|
||||
</>
|
||||
)}
|
||||
|
||||
<Flexbox>
|
||||
<TokenProgress data={totalDetail} showIcon />
|
||||
<Divider style={{ marginBlock: 8 }} />
|
||||
<Flexbox align={'center'} gap={4} horizontal justify={'space-between'}>
|
||||
<div style={{ color: theme.colorTextSecondary }}>
|
||||
{t('messages.tokenDetails.total')}
|
||||
</div>
|
||||
<div style={{ fontWeight: 500 }}>{displayTotal}</div>
|
||||
</Flexbox>
|
||||
</Flexbox>
|
||||
</Flexbox>
|
||||
}
|
||||
placement={'top'}
|
||||
trigger={['hover', 'click']}
|
||||
>
|
||||
<Center gap={2} horizontal style={{ cursor: 'default' }}>
|
||||
<Icon icon={isShowCredit ? BadgeCent : CoinsIcon} />
|
||||
{displayTotal}
|
||||
</Center>
|
||||
</Popover>
|
||||
);
|
||||
});
|
||||
|
||||
export default TokenDetail;
|
||||
@@ -0,0 +1,94 @@
|
||||
import { LobeDefaultAiModelListItem } from '@/types/aiModel';
|
||||
import { ModelTokensUsage } from '@/types/message';
|
||||
|
||||
const calcCredit = (token: number, pricing?: number) => {
|
||||
if (!pricing) return '-';
|
||||
|
||||
return parseInt((token * pricing).toFixed(0));
|
||||
};
|
||||
|
||||
export const getDetailsToken = (
|
||||
usage: ModelTokensUsage,
|
||||
modelCard?: LobeDefaultAiModelListItem,
|
||||
) => {
|
||||
const uncachedInputCredit = (
|
||||
!!usage.inputTokens
|
||||
? calcCredit(usage.inputTokens - (usage.cachedTokens || 0), modelCard?.pricing?.input)
|
||||
: 0
|
||||
) as number;
|
||||
|
||||
const cachedInputCredit = (
|
||||
!!usage.cachedTokens ? calcCredit(usage.cachedTokens, modelCard?.pricing?.cachedInput) : 0
|
||||
) as number;
|
||||
|
||||
const totalOutput = (
|
||||
!!usage.outputTokens ? calcCredit(usage.outputTokens, modelCard?.pricing?.output) : 0
|
||||
) as number;
|
||||
|
||||
const totalTokens = uncachedInputCredit + cachedInputCredit + totalOutput;
|
||||
return {
|
||||
cachedInput: !!usage.cachedTokens
|
||||
? {
|
||||
credit: cachedInputCredit,
|
||||
token: usage.cachedTokens,
|
||||
}
|
||||
: undefined,
|
||||
inputAudio: !!usage.inputAudioTokens
|
||||
? {
|
||||
credit: calcCredit(usage.inputAudioTokens, modelCard?.pricing?.audioInput),
|
||||
token: usage.inputAudioTokens,
|
||||
}
|
||||
: undefined,
|
||||
inputText: !!usage.inputTokens
|
||||
? {
|
||||
credit: calcCredit(
|
||||
usage.inputTokens - (usage.inputAudioTokens || 0),
|
||||
modelCard?.pricing?.input,
|
||||
),
|
||||
token: usage.inputTokens - (usage.inputAudioTokens || 0),
|
||||
}
|
||||
: undefined,
|
||||
outputAudio: !!usage.outputAudioTokens
|
||||
? {
|
||||
credit: calcCredit(usage.outputAudioTokens, modelCard?.pricing?.audioOutput),
|
||||
id: 'outputAudio',
|
||||
token: usage.outputAudioTokens,
|
||||
}
|
||||
: undefined,
|
||||
|
||||
outputText: !!usage.outputTokens
|
||||
? {
|
||||
credit: calcCredit(
|
||||
usage.outputTokens - (usage.reasoningTokens || 0) - (usage.outputAudioTokens || 0),
|
||||
modelCard?.pricing?.output,
|
||||
),
|
||||
token: usage.outputTokens - (usage.reasoningTokens || 0) - (usage.outputAudioTokens || 0),
|
||||
}
|
||||
: undefined,
|
||||
reasoning: !!usage.reasoningTokens
|
||||
? {
|
||||
credit: calcCredit(usage.reasoningTokens, modelCard?.pricing?.output),
|
||||
token: usage.reasoningTokens,
|
||||
}
|
||||
: undefined,
|
||||
|
||||
totalOutput: !!usage.outputTokens
|
||||
? {
|
||||
credit: totalOutput,
|
||||
token: usage.outputTokens,
|
||||
}
|
||||
: undefined,
|
||||
totalTokens: !!usage.totalTokens
|
||||
? {
|
||||
credit: totalTokens,
|
||||
token: usage.totalTokens,
|
||||
}
|
||||
: undefined,
|
||||
uncachedInput: !!usage.inputTokens
|
||||
? {
|
||||
credit: uncachedInputCredit,
|
||||
token: usage.inputTokens - (usage.cachedTokens || 0),
|
||||
}
|
||||
: undefined,
|
||||
};
|
||||
};
|
||||
@@ -0,0 +1,40 @@
|
||||
import { ModelIcon } from '@lobehub/icons';
|
||||
import { createStyles } from 'antd-style';
|
||||
import { memo } from 'react';
|
||||
import { Center, Flexbox } from 'react-layout-kit';
|
||||
|
||||
import { MessageMetadata } from '@/types/message';
|
||||
|
||||
import TokenDetail from './UsageDetail';
|
||||
|
||||
export const useStyles = createStyles(({ token, css, cx }) => ({
|
||||
container: cx(css`
|
||||
color: ${token.colorTextQuaternary};
|
||||
font-size: 12px;
|
||||
`),
|
||||
}));
|
||||
|
||||
interface UsageProps {
|
||||
metadata: MessageMetadata;
|
||||
model: string;
|
||||
provider: string;
|
||||
}
|
||||
|
||||
const Usage = memo<UsageProps>(({ model, metadata, provider }) => {
|
||||
const { styles } = useStyles();
|
||||
|
||||
return (
|
||||
<Flexbox align={'center'} className={styles.container} horizontal justify={'space-between'}>
|
||||
<Center gap={4} horizontal style={{ fontSize: 12 }}>
|
||||
<ModelIcon model={model as string} type={'mono'} />
|
||||
{model}
|
||||
</Center>
|
||||
|
||||
{!!metadata.totalTokens && (
|
||||
<TokenDetail model={model as string} provider={provider} usage={metadata} />
|
||||
)}
|
||||
</Flexbox>
|
||||
);
|
||||
});
|
||||
|
||||
export default Usage;
|
||||
@@ -222,6 +222,10 @@ describe('AnthropicStream', () => {
|
||||
'id: msg_017aTuY86wNxth5TE544yqJq',
|
||||
'event: stop',
|
||||
'data: "tool_use"\n',
|
||||
|
||||
'id: msg_017aTuY86wNxth5TE544yqJq',
|
||||
'event: usage',
|
||||
'data: {"inputTokens":457,"outputTokens":84,"totalTokens":541}\n',
|
||||
].map((item) => `${item}\n`),
|
||||
);
|
||||
|
||||
@@ -375,6 +379,10 @@ describe('AnthropicStream', () => {
|
||||
'event: stop',
|
||||
'data: "tool_use"\n',
|
||||
|
||||
'id: msg_0175ryA67RbGrnRrGBXFQEYK',
|
||||
'event: usage',
|
||||
'data: {"inputTokens":485,"outputTokens":154,"totalTokens":639}\n',
|
||||
|
||||
'id: msg_0175ryA67RbGrnRrGBXFQEYK',
|
||||
'event: stop',
|
||||
'data: "message_stop"\n',
|
||||
@@ -506,6 +514,9 @@ describe('AnthropicStream', () => {
|
||||
'event: stop',
|
||||
'data: "end_turn"\n',
|
||||
'id: msg_01MNsLe7n1uVLtu6W8rCFujD',
|
||||
'event: usage',
|
||||
'data: {"inputTokens":46,"outputTokens":365,"totalTokens":411}\n',
|
||||
'id: msg_01MNsLe7n1uVLtu6W8rCFujD',
|
||||
'event: stop',
|
||||
'data: "message_stop"\n',
|
||||
].map((item) => `${item}\n`),
|
||||
@@ -663,6 +674,9 @@ describe('AnthropicStream', () => {
|
||||
'event: stop',
|
||||
'data: "end_turn"\n',
|
||||
'id: msg_019q32esPvu3TftzZnL6JPys',
|
||||
'event: usage',
|
||||
'data: {"inputTokens":92,"outputTokens":263,"totalTokens":355}\n',
|
||||
'id: msg_019q32esPvu3TftzZnL6JPys',
|
||||
'event: stop',
|
||||
'data: "message_stop"\n',
|
||||
].map((item) => `${item}\n`),
|
||||
|
||||
@@ -1,6 +1,8 @@
|
||||
import Anthropic from '@anthropic-ai/sdk';
|
||||
import type { Stream } from '@anthropic-ai/sdk/streaming';
|
||||
|
||||
import { ModelTokensUsage } from '@/types/message';
|
||||
|
||||
import { ChatStreamCallbacks } from '../../types';
|
||||
import {
|
||||
StreamContext,
|
||||
@@ -20,6 +22,11 @@ export const transformAnthropicStream = (
|
||||
switch (chunk.type) {
|
||||
case 'message_start': {
|
||||
context.id = chunk.message.id;
|
||||
context.usage = {
|
||||
inputTokens: chunk.message.usage?.input_tokens,
|
||||
outputTokens: chunk.message.usage?.output_tokens,
|
||||
};
|
||||
|
||||
return { data: chunk.message, id: chunk.message.id, type: 'data' };
|
||||
}
|
||||
case 'content_block_start': {
|
||||
@@ -133,6 +140,24 @@ export const transformAnthropicStream = (
|
||||
}
|
||||
|
||||
case 'message_delta': {
|
||||
const outputTokens = chunk.usage?.output_tokens + (context.usage?.outputTokens || 0);
|
||||
const inputTokens = context.usage?.inputTokens || 0;
|
||||
const totalTokens = inputTokens + outputTokens;
|
||||
|
||||
if (totalTokens > 0) {
|
||||
return [
|
||||
{ data: chunk.delta.stop_reason, id: context.id, type: 'stop' },
|
||||
{
|
||||
data: {
|
||||
inputTokens: inputTokens,
|
||||
outputTokens: outputTokens,
|
||||
totalTokens: inputTokens + outputTokens,
|
||||
} as ModelTokensUsage,
|
||||
id: context.id,
|
||||
type: 'usage',
|
||||
},
|
||||
];
|
||||
}
|
||||
return { data: chunk.delta.stop_reason, id: context.id, type: 'stop' };
|
||||
}
|
||||
|
||||
|
||||
@@ -348,6 +348,96 @@ describe('OpenAIStream', () => {
|
||||
]);
|
||||
});
|
||||
|
||||
it('should streaming token usage', async () => {
|
||||
const data = [
|
||||
{
|
||||
id: 'chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
object: 'chat.completion.chunk',
|
||||
created: 1741056525,
|
||||
model: 'gpt-4o-mini-2024-07-18',
|
||||
choices: [{ index: 0, delta: { role: 'assistant', content: '' } }],
|
||||
service_tier: 'default',
|
||||
system_fingerprint: 'fp_06737a9306',
|
||||
},
|
||||
{
|
||||
id: 'chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
object: 'chat.completion.chunk',
|
||||
created: 1741056525,
|
||||
model: 'gpt-4o-mini-2024-07-18',
|
||||
choices: [{ index: 0, delta: { content: '你好！' } }],
|
||||
service_tier: 'default',
|
||||
system_fingerprint: 'fp_06737a9306',
|
||||
},
|
||||
{
|
||||
id: 'chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
object: 'chat.completion.chunk',
|
||||
created: 1741056525,
|
||||
model: 'gpt-4o-mini-2024-07-18',
|
||||
choices: [{ index: 0, delta: {}, finish_reason: 'stop' }],
|
||||
service_tier: 'default',
|
||||
system_fingerprint: 'fp_06737a9306',
|
||||
},
|
||||
{
|
||||
id: 'chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
object: 'chat.completion.chunk',
|
||||
created: 1741056525,
|
||||
model: 'gpt-4o-mini-2024-07-18',
|
||||
choices: [],
|
||||
service_tier: 'default',
|
||||
system_fingerprint: 'fp_06737a9306',
|
||||
usage: {
|
||||
prompt_tokens: 1646,
|
||||
completion_tokens: 11,
|
||||
total_tokens: 1657,
|
||||
prompt_tokens_details: { audio_tokens: 0, cached_tokens: 0 },
|
||||
completion_tokens_details: {
|
||||
accepted_prediction_tokens: 0,
|
||||
audio_tokens: 0,
|
||||
reasoning_tokens: 0,
|
||||
rejected_prediction_tokens: 0,
|
||||
},
|
||||
},
|
||||
},
|
||||
];
|
||||
|
||||
const mockOpenAIStream = new ReadableStream({
|
||||
start(controller) {
|
||||
data.forEach((chunk) => {
|
||||
controller.enqueue(chunk);
|
||||
});
|
||||
|
||||
controller.close();
|
||||
},
|
||||
});
|
||||
|
||||
const protocolStream = OpenAIStream(mockOpenAIStream);
|
||||
|
||||
const decoder = new TextDecoder();
|
||||
const chunks = [];
|
||||
|
||||
// @ts-ignore
|
||||
for await (const chunk of protocolStream) {
|
||||
chunks.push(decoder.decode(chunk, { stream: true }));
|
||||
}
|
||||
|
||||
expect(chunks).toEqual(
|
||||
[
|
||||
'id: chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
'event: text',
|
||||
`data: ""\n`,
|
||||
'id: chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
'event: text',
|
||||
`data: "你好！"\n`,
|
||||
'id: chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'id: chatcmpl-B7CcnaeK3jqWBMOhxg7SSKFwlk7dC',
|
||||
'event: usage',
|
||||
`data: {"acceptedPredictionTokens":0,"cachedTokens":0,"inputAudioTokens":0,"inputTokens":1646,"outputAudioTokens":0,"outputTokens":11,"reasoningTokens":0,"rejectedPredictionTokens":0,"totalTokens":1657}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
|
||||
describe('Tools Calling', () => {
|
||||
it('should handle OpenAI official tool calls', async () => {
|
||||
const mockOpenAIStream = new ReadableStream({
|
||||
@@ -749,8 +839,8 @@ describe('OpenAIStream', () => {
|
||||
'event: text',
|
||||
`data: "帮助。"\n`,
|
||||
'id: 1',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'event: usage',
|
||||
`data: {"cachedTokens":0,"inputCacheMissTokens":6,"inputTokens":6,"outputTokens":104,"reasoningTokens":70,"totalTokens":110}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
@@ -968,8 +1058,8 @@ describe('OpenAIStream', () => {
|
||||
'event: text',
|
||||
`data: "帮助。"\n`,
|
||||
'id: 1',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'event: usage',
|
||||
`data: {"cachedTokens":0,"inputCacheMissTokens":6,"inputTokens":6,"outputTokens":104,"reasoningTokens":70,"totalTokens":110}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
@@ -1169,8 +1259,8 @@ describe('OpenAIStream', () => {
|
||||
'event: text',
|
||||
`data: "帮助。"\n`,
|
||||
'id: 1',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'event: usage',
|
||||
`data: {"cachedTokens":0,"inputCacheMissTokens":6,"inputTokens":6,"outputTokens":104,"reasoningTokens":70,"totalTokens":110}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
@@ -1370,8 +1460,8 @@ describe('OpenAIStream', () => {
|
||||
'event: text',
|
||||
`data: "帮助。"\n`,
|
||||
'id: 1',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'event: usage',
|
||||
`data: {"cachedTokens":0,"inputCacheMissTokens":6,"inputTokens":6,"outputTokens":104,"reasoningTokens":70,"totalTokens":110}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
@@ -1571,8 +1661,8 @@ describe('OpenAIStream', () => {
|
||||
'event: text',
|
||||
`data: "帮助。"\n`,
|
||||
'id: 1',
|
||||
'event: stop',
|
||||
`data: "stop"\n`,
|
||||
'event: usage',
|
||||
`data: {"cachedTokens":0,"inputCacheMissTokens":6,"inputTokens":6,"outputTokens":104,"reasoningTokens":70,"totalTokens":110}\n`,
|
||||
].map((i) => `${i}\n`),
|
||||
);
|
||||
});
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
import OpenAI from 'openai';
|
||||
import type { Stream } from 'openai/streaming';
|
||||
|
||||
import { ChatMessageError, CitationItem } from '@/types/message';
|
||||
import { ChatMessageError, CitationItem, ModelTokensUsage } from '@/types/message';
|
||||
|
||||
import { AgentRuntimeErrorType, ILobeAgentRuntimeErrorType } from '../../error';
|
||||
import { ChatStreamCallbacks } from '../../types';
|
||||
@@ -18,6 +18,22 @@ import {
|
||||
generateToolCallId,
|
||||
} from './protocol';
|
||||
|
||||
const convertUsage = (usage: OpenAI.Completions.CompletionUsage): ModelTokensUsage => {
|
||||
return {
|
||||
acceptedPredictionTokens: usage.completion_tokens_details?.accepted_prediction_tokens,
|
||||
cachedTokens:
|
||||
(usage as any).prompt_cache_hit_tokens || usage.prompt_tokens_details?.cached_tokens,
|
||||
inputAudioTokens: usage.prompt_tokens_details?.audio_tokens,
|
||||
inputCacheMissTokens: (usage as any).prompt_cache_miss_tokens,
|
||||
inputTokens: usage.prompt_tokens,
|
||||
outputAudioTokens: usage.completion_tokens_details?.audio_tokens,
|
||||
outputTokens: usage.completion_tokens,
|
||||
reasoningTokens: usage.completion_tokens_details?.reasoning_tokens,
|
||||
rejectedPredictionTokens: usage.completion_tokens_details?.rejected_prediction_tokens,
|
||||
totalTokens: usage.total_tokens,
|
||||
};
|
||||
};
|
||||
|
||||
export const transformOpenAIStream = (
|
||||
chunk: OpenAI.ChatCompletionChunk,
|
||||
streamContext: StreamContext,
|
||||
@@ -41,11 +57,16 @@ export const transformOpenAIStream = (
|
||||
// maybe need another structure to add support for multiple choices
|
||||
const item = chunk.choices[0];
|
||||
if (!item) {
|
||||
if (chunk.usage) {
|
||||
const usage = chunk.usage;
|
||||
return { data: convertUsage(usage), id: chunk.id, type: 'usage' };
|
||||
}
|
||||
|
||||
return { data: chunk, id: chunk.id, type: 'data' };
|
||||
}
|
||||
|
||||
// tools calling
|
||||
if (typeof item.delta?.tool_calls === 'object' && item.delta.tool_calls?.length > 0) {
|
||||
if (item && typeof item.delta?.tool_calls === 'object' && item.delta.tool_calls?.length > 0) {
|
||||
// tools calling
|
||||
const tool_calls = item.delta.tool_calls.filter(
|
||||
(value) => value.index >= 0 || typeof value.index === 'undefined',
|
||||
);
|
||||
@@ -97,6 +118,11 @@ export const transformOpenAIStream = (
|
||||
return { data: item.delta.content, id: chunk.id, type: 'text' };
|
||||
}
|
||||
|
||||
if (chunk.usage) {
|
||||
const usage = chunk.usage;
|
||||
return { data: convertUsage(usage), id: chunk.id, type: 'usage' };
|
||||
}
|
||||
|
||||
return { data: item.finish_reason, id: chunk.id, type: 'stop' };
|
||||
}
|
||||
|
||||
@@ -147,7 +173,7 @@ export const transformOpenAIStream = (
|
||||
({
|
||||
title: typeof item === 'string' ? item : item.title,
|
||||
url: typeof item === 'string' ? item : item.url,
|
||||
}) as CitationItem
|
||||
}) as CitationItem,
|
||||
),
|
||||
},
|
||||
id: chunk.id,
|
||||
|
||||
@@ -1,4 +1,5 @@
|
||||
import { ChatStreamCallbacks } from '@/libs/agent-runtime';
|
||||
import { ModelTokensUsage } from '@/types/message';
|
||||
|
||||
import { AgentRuntimeErrorType } from '../../error';
|
||||
|
||||
@@ -23,6 +24,7 @@ export interface StreamContext {
|
||||
name: string;
|
||||
};
|
||||
toolIndex?: number;
|
||||
usage?: ModelTokensUsage;
|
||||
}
|
||||
|
||||
export interface StreamProtocolChunk {
|
||||
@@ -44,6 +46,8 @@ export interface StreamProtocolChunk {
|
||||
| 'stop'
|
||||
// Error
|
||||
| 'error'
|
||||
// token usage
|
||||
| 'usage'
|
||||
// unknown data result
|
||||
| 'data';
|
||||
}
|
||||
|
||||
@@ -81,6 +81,36 @@ export default {
|
||||
deleteDisabledByThreads: '存在子话题，不能删除',
|
||||
regenerate: '重新生成',
|
||||
},
|
||||
messages: {
|
||||
modelCard: {
|
||||
credit: '积分',
|
||||
creditPricing: '定价',
|
||||
creditTooltip:
|
||||
'为便于计数，我们将 1$ 折算为 1M 积分，例如 $3/M tokens 即可折算为 3积分/token',
|
||||
pricing: {
|
||||
inputCachedTokens: '缓存输入 {{amount}}/积分 · ${{amount}}/M',
|
||||
inputCharts: '${{amount}}/M 字符',
|
||||
inputMinutes: '${{amount}}/分钟',
|
||||
inputTokens: '输入 {{amount}}/积分 · ${{amount}}/M',
|
||||
outputTokens: '输出 {{amount}}/积分 · ${{amount}}/M',
|
||||
},
|
||||
},
|
||||
tokenDetails: {
|
||||
input: '输入',
|
||||
inputAudio: '音频输入',
|
||||
inputCached: '输入缓存',
|
||||
inputText: '文本输入',
|
||||
inputTitle: '输入明细',
|
||||
inputUncached: '输入未缓存',
|
||||
output: '输出',
|
||||
outputAudio: '音频输出',
|
||||
outputText: '文本输出',
|
||||
outputTitle: '输出明细',
|
||||
reasoning: '深度思考',
|
||||
title: '生成明细',
|
||||
total: '总计消耗',
|
||||
},
|
||||
},
|
||||
newAgent: '新建助手',
|
||||
pin: '置顶',
|
||||
pinOff: '取消置顶',
|
||||
@@ -194,7 +224,6 @@ export default {
|
||||
action: '语音朗读',
|
||||
clear: '删除语音',
|
||||
},
|
||||
|
||||
updateAgent: '更新助理信息',
|
||||
upload: {
|
||||
action: {
|
||||
|
||||
@@ -27,7 +27,7 @@ export const searchRouter = router({
|
||||
async (url) => {
|
||||
return await crawler.crawl({ impls: input.impls, url });
|
||||
},
|
||||
{ concurrency: 10 },
|
||||
{ concurrency: 3 },
|
||||
);
|
||||
|
||||
return { results };
|
||||
|
||||
@@ -1,8 +1,9 @@
|
||||
import { AiProviderModelListItem } from '@/types/aiModel';
|
||||
import { AiProviderModelListItem, LobeDefaultAiModelListItem } from '@/types/aiModel';
|
||||
|
||||
export interface AIModelsState {
|
||||
aiModelLoadingIds: string[];
|
||||
aiProviderModelList: AiProviderModelListItem[];
|
||||
builtinAiModelList: LobeDefaultAiModelListItem[];
|
||||
isAiModelListInit?: boolean;
|
||||
modelSearchKeyword: string;
|
||||
}
|
||||
@@ -10,5 +11,6 @@ export interface AIModelsState {
|
||||
export const initialAIModelState: AIModelsState = {
|
||||
aiModelLoadingIds: [],
|
||||
aiProviderModelList: [],
|
||||
builtinAiModelList: [],
|
||||
modelSearchKeyword: '',
|
||||
};
|
||||
|
||||
@@ -34,6 +34,7 @@ describe('aiModelSelectors', () => {
|
||||
displayName: 'Remote Model',
|
||||
},
|
||||
],
|
||||
builtinAiModelList: [],
|
||||
modelSearchKeyword: '',
|
||||
aiModelLoadingIds: ['model2'],
|
||||
enabledAiModels: [
|
||||
|
||||
@@ -22,8 +22,12 @@ const filteredAiProviderModelList = (s: AIProviderStoreState) => {
|
||||
};
|
||||
|
||||
const totalAiProviderModelList = (s: AIProviderStoreState) => s.aiProviderModelList.length;
|
||||
|
||||
const isEmptyAiProviderModelList = (s: AIProviderStoreState) => totalAiProviderModelList(s) === 0;
|
||||
|
||||
const getModelCard = (model: string, provider: string) => (s: AIProviderStoreState) =>
|
||||
s.builtinAiModelList.find((item) => item.id === model && item.providerId === provider);
|
||||
|
||||
const hasRemoteModels = (s: AIProviderStoreState) =>
|
||||
s.aiProviderModelList.some((m) => m.source === AiModelSourceEnum.Remote);
|
||||
|
||||
@@ -113,6 +117,7 @@ export const aiModelSelectors = {
|
||||
filteredAiProviderModelList,
|
||||
getAiModelById,
|
||||
getEnabledModelById,
|
||||
getModelCard,
|
||||
hasRemoteModels,
|
||||
isEmptyAiProviderModelList,
|
||||
isModelEnabled,
|
||||
|
||||
@@ -184,7 +184,7 @@ export const createAiProviderSlice: StateCreator<
|
||||
};
|
||||
},
|
||||
{
|
||||
onSuccess: (data) => {
|
||||
onSuccess: async (data) => {
|
||||
if (!data) return;
|
||||
|
||||
const getModelListByType = (providerId: string, type: string) => {
|
||||
@@ -206,10 +206,12 @@ export const createAiProviderSlice: StateCreator<
|
||||
children: getModelListByType(provider.id, 'chat'),
|
||||
name: provider.name || provider.id,
|
||||
}));
|
||||
const { LOBE_DEFAULT_MODEL_LIST } = await import('@/config/aiModels');
|
||||
|
||||
set(
|
||||
{
|
||||
aiProviderRuntimeConfig: data.runtimeConfig,
|
||||
builtinAiModelList: LOBE_DEFAULT_MODEL_LIST,
|
||||
enabledAiModels: data.enabledAiModels,
|
||||
enabledAiProviders: data.enabledAiProviders,
|
||||
enabledChatModelList,
|
||||
|
||||
@@ -455,7 +455,10 @@ export const generateAIChat: StateCreator<
|
||||
await messageService.updateMessageError(messageId, error);
|
||||
await refreshMessages();
|
||||
},
|
||||
onFinish: async (content, { traceId, observationId, toolCalls, reasoning, grounding }) => {
|
||||
onFinish: async (
|
||||
content,
|
||||
{ traceId, observationId, toolCalls, reasoning, grounding, usage },
|
||||
) => {
|
||||
// if there is traceId, update it
|
||||
if (traceId) {
|
||||
msgTraceId = traceId;
|
||||
@@ -474,6 +477,7 @@ export const generateAIChat: StateCreator<
|
||||
toolCalls,
|
||||
reasoning: !!reasoning ? { ...reasoning, duration } : undefined,
|
||||
search: !!grounding?.citations ? grounding : undefined,
|
||||
metadata: usage,
|
||||
});
|
||||
},
|
||||
onMessageHandle: async (chunk) => {
|
||||
|
||||
@@ -17,6 +17,7 @@ import {
|
||||
ChatMessageError,
|
||||
ChatMessagePluginError,
|
||||
CreateMessageParams,
|
||||
MessageMetadata,
|
||||
MessageToolCall,
|
||||
ModelReasoning,
|
||||
} from '@/types/message';
|
||||
@@ -79,6 +80,7 @@ export interface ChatMessageAction {
|
||||
toolCalls?: MessageToolCall[];
|
||||
reasoning?: ModelReasoning;
|
||||
search?: GroundingSearch;
|
||||
metadata?: MessageMetadata;
|
||||
},
|
||||
) => Promise<void>;
|
||||
/**
|
||||
@@ -308,6 +310,7 @@ export const chatMessage: StateCreator<
|
||||
tools: extra?.toolCalls ? internal_transformToolCalls(extra?.toolCalls) : undefined,
|
||||
reasoning: extra?.reasoning,
|
||||
search: extra?.search,
|
||||
metadata: extra?.metadata,
|
||||
});
|
||||
await refreshMessages();
|
||||
},
|
||||
|
||||
@@ -50,6 +50,7 @@ export interface SystemStatus {
|
||||
* 应用初始化时不启用 PGLite，只有当用户手动开启时才启用
|
||||
*/
|
||||
isEnablePglite?: boolean;
|
||||
isShowCredit?: boolean;
|
||||
language?: LocaleMode;
|
||||
latestChangelogId?: string;
|
||||
mobileShowPortal?: boolean;
|
||||
|
||||
@@ -16,6 +16,7 @@ const showChatSideBar = (s: GlobalStore) => !s.status.zenMode && s.status.showCh
|
||||
const showSessionPanel = (s: GlobalStore) => !s.status.zenMode && s.status.showSessionPanel;
|
||||
const showFilePanel = (s: GlobalStore) => s.status.showFilePanel;
|
||||
const hidePWAInstaller = (s: GlobalStore) => s.status.hidePWAInstaller;
|
||||
const isShowCredit = (s: GlobalStore) => s.status.isShowCredit;
|
||||
|
||||
const showChatHeader = (s: GlobalStore) => !s.status.zenMode;
|
||||
const inZenMode = (s: GlobalStore) => s.status.zenMode;
|
||||
@@ -58,6 +59,7 @@ export const systemStatusSelectors = {
|
||||
isPgliteInited,
|
||||
isPgliteNotEnabled,
|
||||
isPgliteNotInited,
|
||||
isShowCredit,
|
||||
mobileShowPortal,
|
||||
mobileShowTopic,
|
||||
portalWidth,
|
||||
|
||||
@@ -13,6 +13,23 @@ export interface ModelReasoning {
|
||||
signature?: string;
|
||||
}
|
||||
|
||||
export interface ModelTokensUsage {
|
||||
acceptedPredictionTokens?: number;
|
||||
cachedTokens?: number;
|
||||
inputAudioTokens?: number;
|
||||
inputCacheMissTokens?: number;
|
||||
inputTokens?: number;
|
||||
outputAudioTokens?: number;
|
||||
outputTokens?: number;
|
||||
reasoningTokens?: number;
|
||||
rejectedPredictionTokens?: number;
|
||||
totalTokens?: number;
|
||||
}
|
||||
|
||||
export interface MessageMetadata extends ModelTokensUsage {
|
||||
tps?: number;
|
||||
}
|
||||
|
||||
export type MessageRoleType = 'user' | 'system' | 'assistant' | 'tool';
|
||||
|
||||
export interface MessageItem {
|
||||
@@ -23,6 +40,7 @@ export interface MessageItem {
|
||||
error: any | null;
|
||||
favorite: boolean | null;
|
||||
id: string;
|
||||
metadata?: MessageMetadata | null;
|
||||
model: string | null;
|
||||
observationId: string | null;
|
||||
parentId: string | null;
|
||||
|
||||
@@ -6,7 +6,7 @@ import { MetaData } from '@/types/meta';
|
||||
import { MessageSemanticSearchChunk } from '@/types/rag';
|
||||
import { GroundingSearch } from '@/types/search';
|
||||
|
||||
import { MessageRoleType, ModelReasoning } from './base';
|
||||
import { MessageMetadata, MessageRoleType, ModelReasoning } from './base';
|
||||
import { ChatPluginPayload, ChatToolPayload } from './tools';
|
||||
import { Translate } from './translate';
|
||||
|
||||
@@ -82,15 +82,16 @@ export interface ChatMessage {
|
||||
imageList?: ChatImageItem[];
|
||||
meta: MetaData;
|
||||
|
||||
metadata?: MessageMetadata | null;
|
||||
/**
|
||||
* observation id
|
||||
*/
|
||||
observationId?: string;
|
||||
|
||||
/**
|
||||
* parent message id
|
||||
*/
|
||||
parentId?: string;
|
||||
|
||||
plugin?: ChatPluginPayload;
|
||||
pluginError?: any;
|
||||
pluginState?: any;
|
||||
@@ -100,8 +101,8 @@ export interface ChatMessage {
|
||||
quotaId?: string;
|
||||
ragQuery?: string | null;
|
||||
ragQueryId?: string | null;
|
||||
ragRawQuery?: string | null;
|
||||
|
||||
ragRawQuery?: string | null;
|
||||
reasoning?: ModelReasoning | null;
|
||||
/**
|
||||
* message role type
|
||||
|
||||
@@ -10,6 +10,7 @@ import {
|
||||
MessageToolCallChunk,
|
||||
MessageToolCallSchema,
|
||||
ModelReasoning,
|
||||
ModelTokensUsage,
|
||||
} from '@/types/message';
|
||||
import { GroundingSearch } from '@/types/search';
|
||||
|
||||
@@ -28,9 +29,15 @@ export type OnFinishHandler = (
|
||||
toolCalls?: MessageToolCall[];
|
||||
traceId?: string | null;
|
||||
type?: SSEFinishType;
|
||||
usage?: ModelTokensUsage;
|
||||
},
|
||||
) => Promise<void>;
|
||||
|
||||
export interface MessageUsageChunk {
|
||||
type: 'usage';
|
||||
usage: ModelTokensUsage;
|
||||
}
|
||||
|
||||
export interface MessageTextChunk {
|
||||
text: string;
|
||||
type: 'text';
|
||||
@@ -59,7 +66,12 @@ export interface FetchSSEOptions {
|
||||
onErrorHandle?: (error: ChatMessageError) => void;
|
||||
onFinish?: OnFinishHandler;
|
||||
onMessageHandle?: (
|
||||
chunk: MessageTextChunk | MessageToolCallsChunk | MessageReasoningChunk | MessageGroundingChunk,
|
||||
chunk:
|
||||
| MessageTextChunk
|
||||
| MessageToolCallsChunk
|
||||
| MessageReasoningChunk
|
||||
| MessageGroundingChunk
|
||||
| MessageUsageChunk,
|
||||
) => void;
|
||||
smoothing?: SmoothingParams | boolean;
|
||||
}
|
||||
@@ -317,6 +329,7 @@ export const fetchSSE = async (url: string, options: RequestInit & FetchSSEOptio
|
||||
});
|
||||
|
||||
let grounding: GroundingSearch | undefined = undefined;
|
||||
let usage: ModelTokensUsage | undefined = undefined;
|
||||
await fetchEventSource(url, {
|
||||
body: options.body,
|
||||
fetch: options?.fetcher,
|
||||
@@ -377,6 +390,9 @@ export const fetchSSE = async (url: string, options: RequestInit & FetchSSEOptio
|
||||
}
|
||||
|
||||
case 'text': {
|
||||
// skip empty text
|
||||
if (!data) break;
|
||||
|
||||
if (textSmoothing) {
|
||||
textController.pushToQueue(data);
|
||||
|
||||
@@ -389,6 +405,12 @@ export const fetchSSE = async (url: string, options: RequestInit & FetchSSEOptio
|
||||
break;
|
||||
}
|
||||
|
||||
case 'usage': {
|
||||
usage = data;
|
||||
options.onMessageHandle?.({ type: 'usage', usage: data });
|
||||
break;
|
||||
}
|
||||
|
||||
case 'grounding': {
|
||||
grounding = data;
|
||||
options.onMessageHandle?.({ grounding: data, type: 'grounding' });
|
||||
@@ -475,6 +497,7 @@ export const fetchSSE = async (url: string, options: RequestInit & FetchSSEOptio
|
||||
toolCalls,
|
||||
traceId,
|
||||
type: finishedType,
|
||||
usage,
|
||||
});
|
||||
}
|
||||
}
|
||||
|
||||
+3
-1
@@ -116,7 +116,9 @@ export const formatPrice = (price: number, fractionDigits: number = 2) => {
|
||||
return `${numeral(a).format('0,0')}.${b}`;
|
||||
};
|
||||
|
||||
export const formatPriceByCurrency = (price: number, currency?: ModelPriceCurrency) => {
|
||||
export const formatPriceByCurrency = (price?: number, currency?: ModelPriceCurrency) => {
|
||||
if (!price) return '-';
|
||||
|
||||
if (currency === 'CNY') {
|
||||
return formatPrice(price / USD_TO_CNY);
|
||||
}
|
||||
|
||||
Reference in New Issue
Block a user