mirror of
https://github.com/lobehub/lobe-chat.git
synced 2026-06-21 14:39:34 +00:00
Compare commits
4 Commits
| Author | SHA1 | Date | |
|---|---|---|---|
 Arvin Xu
|
69dac2fc6e | ||
|
Arvin Xu
|
b30f55705f | ||
|
Arvin Xu
|
fbe9ec0e48 | ||
|
arvinxx
|
e5b4b60c3d |
@@ -1,6 +1,6 @@
|
||||
{
|
||||
"image": "mcr.microsoft.com/devcontainers/typescript-node",
|
||||
"image": "mcr.microsoft.com/devcontainers/universal:2",
|
||||
"features": {
|
||||
"ghcr.io/devcontainer-community/devcontainer-features/bun.sh:1": {}
|
||||
"ghcr.io/devcontainers/features/node:1": {}
|
||||
}
|
||||
}
|
||||
|
||||
@@ -131,10 +131,6 @@ OPENAI_API_KEY=sk-xxxxxxxxx
|
||||
|
||||
# PPIO_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
|
||||
|
||||
### INFINI-AI ###
|
||||
|
||||
# INFINIAI_API_KEY=sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
|
||||
|
||||
########################################
|
||||
############ Market Service ############
|
||||
########################################
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
name: '🐛 Bug Report'
|
||||
description: 'Report an bug'
|
||||
labels: ['unconfirm']
|
||||
type: Bug
|
||||
title: '[Bug] '
|
||||
labels: ['🐛 Bug']
|
||||
body:
|
||||
- type: dropdown
|
||||
attributes:
|
||||
@@ -9,7 +9,6 @@ body:
|
||||
multiple: true
|
||||
options:
|
||||
- 'Official Preview'
|
||||
- 'Official Cloud'
|
||||
- 'Vercel'
|
||||
- 'Zeabur'
|
||||
- 'Sealos'
|
||||
|
||||
@@ -1,6 +1,7 @@
|
||||
name: '🐛 反馈缺陷'
|
||||
description: '反馈一个问题缺陷'
|
||||
labels: ['unconfirm']
|
||||
title: '[Bug] '
|
||||
labels: ['🐛 Bug']
|
||||
type: Bug
|
||||
body:
|
||||
- type: markdown
|
||||
@@ -16,7 +17,6 @@ body:
|
||||
multiple: true
|
||||
options:
|
||||
- 'Official Preview'
|
||||
- 'Official Cloud'
|
||||
- 'Vercel'
|
||||
- 'Zeabur'
|
||||
- 'Sealos'
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
name: '🌠 Feature Request'
|
||||
description: 'Suggest an idea'
|
||||
title: '[Request] '
|
||||
type: Feature
|
||||
labels: ['🌠 Feature Request']
|
||||
body:
|
||||
- type: textarea
|
||||
attributes:
|
||||
|
||||
@@ -1,7 +1,7 @@
|
||||
name: '🌠 功能需求'
|
||||
description: '提出需求或建议'
|
||||
title: '[Request] '
|
||||
type: Feature
|
||||
labels: ['🌠 Feature Request']
|
||||
body:
|
||||
- type: textarea
|
||||
attributes:
|
||||
|
||||
@@ -1,25 +0,0 @@
|
||||
name: Database Schema Visualization CI
|
||||
|
||||
on:
|
||||
push:
|
||||
branches:
|
||||
- main
|
||||
paths:
|
||||
- 'docs/developer/database-schema.dbml'
|
||||
|
||||
jobs:
|
||||
build:
|
||||
runs-on: ubuntu-latest
|
||||
steps:
|
||||
- uses: actions/checkout@v4
|
||||
|
||||
- name: Install dbdocs
|
||||
run: sudo npm install -g dbdocs
|
||||
|
||||
- name: Check dbdocs
|
||||
run: dbdocs
|
||||
|
||||
- name: sync database schema to dbdocs
|
||||
env:
|
||||
DBDOCS_TOKEN: ${{ secrets.DBDOCS_TOKEN }}
|
||||
run: npm run db:visualize
|
||||
@@ -1,7 +1,6 @@
|
||||
lockfile=false
|
||||
resolution-mode=highest
|
||||
|
||||
ignore-workspace-root-check=true
|
||||
enable-pre-post-scripts=true
|
||||
|
||||
public-hoist-pattern[]=*@umijs/lint*
|
||||
|
||||
-1015
File diff suppressed because it is too large
Load Diff
+1
-9
@@ -157,8 +157,6 @@ ENV \
|
||||
BAICHUAN_API_KEY="" BAICHUAN_MODEL_LIST="" \
|
||||
# Cloudflare
|
||||
CLOUDFLARE_API_KEY="" CLOUDFLARE_BASE_URL_OR_ACCOUNT_ID="" CLOUDFLARE_MODEL_LIST="" \
|
||||
# Cohere
|
||||
COHERE_API_KEY="" COHERE_MODEL_LIST="" COHERE_PROXY_URL="" \
|
||||
# DeepSeek
|
||||
DEEPSEEK_API_KEY="" DEEPSEEK_MODEL_LIST="" \
|
||||
# Fireworks AI
|
||||
@@ -205,8 +203,6 @@ ENV \
|
||||
QWEN_API_KEY="" QWEN_MODEL_LIST="" QWEN_PROXY_URL="" \
|
||||
# SambaNova
|
||||
SAMBANOVA_API_KEY="" SAMBANOVA_MODEL_LIST="" \
|
||||
# Search1API
|
||||
SEARCH1API_API_KEY="" SEARCH1API_MODEL_LIST="" \
|
||||
# SenseNova
|
||||
SENSENOVA_API_KEY="" SENSENOVA_MODEL_LIST="" \
|
||||
# SiliconCloud
|
||||
@@ -227,16 +223,12 @@ ENV \
|
||||
WENXIN_API_KEY="" WENXIN_MODEL_LIST="" \
|
||||
# xAI
|
||||
XAI_API_KEY="" XAI_MODEL_LIST="" XAI_PROXY_URL="" \
|
||||
# Xinference
|
||||
XINFERENCE_API_KEY="" XINFERENCE_MODEL_LIST="" XINFERENCE_PROXY_URL="" \
|
||||
# 01.AI
|
||||
ZEROONE_API_KEY="" ZEROONE_MODEL_LIST="" \
|
||||
# Zhipu
|
||||
ZHIPU_API_KEY="" ZHIPU_MODEL_LIST="" \
|
||||
# Tencent Cloud
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
|
||||
# Infini-AI
|
||||
INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST=""
|
||||
|
||||
USER nextjs
|
||||
|
||||
|
||||
+1
-9
@@ -200,8 +200,6 @@ ENV \
|
||||
BAICHUAN_API_KEY="" BAICHUAN_MODEL_LIST="" \
|
||||
# Cloudflare
|
||||
CLOUDFLARE_API_KEY="" CLOUDFLARE_BASE_URL_OR_ACCOUNT_ID="" CLOUDFLARE_MODEL_LIST="" \
|
||||
# Cohere
|
||||
COHERE_API_KEY="" COHERE_MODEL_LIST="" COHERE_PROXY_URL="" \
|
||||
# DeepSeek
|
||||
DEEPSEEK_API_KEY="" DEEPSEEK_MODEL_LIST="" \
|
||||
# Fireworks AI
|
||||
@@ -248,8 +246,6 @@ ENV \
|
||||
QWEN_API_KEY="" QWEN_MODEL_LIST="" QWEN_PROXY_URL="" \
|
||||
# SambaNova
|
||||
SAMBANOVA_API_KEY="" SAMBANOVA_MODEL_LIST="" \
|
||||
# Search1API
|
||||
SEARCH1API_API_KEY="" SEARCH1API_MODEL_LIST="" \
|
||||
# SenseNova
|
||||
SENSENOVA_API_KEY="" SENSENOVA_MODEL_LIST="" \
|
||||
# SiliconCloud
|
||||
@@ -270,16 +266,12 @@ ENV \
|
||||
WENXIN_API_KEY="" WENXIN_MODEL_LIST="" \
|
||||
# xAI
|
||||
XAI_API_KEY="" XAI_MODEL_LIST="" XAI_PROXY_URL="" \
|
||||
# Xinference
|
||||
XINFERENCE_API_KEY="" XINFERENCE_MODEL_LIST="" XINFERENCE_PROXY_URL="" \
|
||||
# 01.AI
|
||||
ZEROONE_API_KEY="" ZEROONE_MODEL_LIST="" \
|
||||
# Zhipu
|
||||
ZHIPU_API_KEY="" ZHIPU_MODEL_LIST="" \
|
||||
# Tencent Cloud
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
|
||||
# Infini-AI
|
||||
INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST=""
|
||||
|
||||
USER nextjs
|
||||
|
||||
|
||||
+1
-7
@@ -158,8 +158,6 @@ ENV \
|
||||
BAICHUAN_API_KEY="" BAICHUAN_MODEL_LIST="" \
|
||||
# Cloudflare
|
||||
CLOUDFLARE_API_KEY="" CLOUDFLARE_BASE_URL_OR_ACCOUNT_ID="" CLOUDFLARE_MODEL_LIST="" \
|
||||
# Cohere
|
||||
COHERE_API_KEY="" COHERE_MODEL_LIST="" COHERE_PROXY_URL="" \
|
||||
# DeepSeek
|
||||
DEEPSEEK_API_KEY="" DEEPSEEK_MODEL_LIST="" \
|
||||
# Fireworks AI
|
||||
@@ -224,16 +222,12 @@ ENV \
|
||||
WENXIN_API_KEY="" WENXIN_MODEL_LIST="" \
|
||||
# xAI
|
||||
XAI_API_KEY="" XAI_MODEL_LIST="" XAI_PROXY_URL="" \
|
||||
# Xinference
|
||||
XINFERENCE_API_KEY="" XINFERENCE_MODEL_LIST="" XINFERENCE_PROXY_URL="" \
|
||||
# 01.AI
|
||||
ZEROONE_API_KEY="" ZEROONE_MODEL_LIST="" \
|
||||
# Zhipu
|
||||
ZHIPU_API_KEY="" ZHIPU_MODEL_LIST="" \
|
||||
# Tencent Cloud
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST="" \
|
||||
# Infini-AI
|
||||
INFINIAI_API_KEY="" INFINIAI_MODEL_LIST=""
|
||||
TENCENT_CLOUD_API_KEY="" TENCENT_CLOUD_MODEL_LIST=""
|
||||
|
||||
USER nextjs
|
||||
|
||||
|
||||
@@ -191,14 +191,13 @@ We have implemented support for the following model service providers:
|
||||
- **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock is a service provided by Amazon AWS, focusing on delivering advanced AI language and visual models for enterprises. Its model family includes Anthropic's Claude series, Meta's Llama 3.1 series, and more, offering a range of options from lightweight to high-performance, supporting tasks such as text generation, conversation, and image processing for businesses of varying scales and needs.
|
||||
- **[Google](https://lobechat.com/discover/provider/google)**: Google's Gemini series represents its most advanced, versatile AI models, developed by Google DeepMind, designed for multimodal capabilities, supporting seamless understanding and processing of text, code, images, audio, and video. Suitable for various environments from data centers to mobile devices, it significantly enhances the efficiency and applicability of AI models.
|
||||
- **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek is a company focused on AI technology research and application, with its latest model DeepSeek-V2.5 integrating general dialogue and code processing capabilities, achieving significant improvements in human preference alignment, writing tasks, and instruction following.
|
||||
- **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc.
|
||||
- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: The HuggingFace Inference API provides a fast and free way for you to explore thousands of models for various tasks. Whether you are prototyping for a new application or experimenting with the capabilities of machine learning, this API gives you instant access to high-performance models across multiple domains.
|
||||
- **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter is a service platform providing access to various cutting-edge large model interfaces, supporting OpenAI, Anthropic, LLaMA, and more, suitable for diverse development and application needs. Users can flexibly choose the optimal model and pricing based on their requirements, enhancing the AI experience.
|
||||
- **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: Run serverless GPU-powered machine learning models on Cloudflare's global network.
|
||||
|
||||
<details><summary><kbd>See more providers (+30)</kbd></summary>
|
||||
|
||||
- **[GitHub](https://lobechat.com/discover/provider/github)**: With GitHub Models, developers can become AI engineers and leverage the industry's leading AI models.
|
||||
|
||||
<details><summary><kbd>See more providers (+27)</kbd></summary>
|
||||
|
||||
- **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI is a platform providing a variety of large language models and AI image generation API services, flexible, reliable, and cost-effective. It supports the latest open-source models like Llama3 and Mistral, offering a comprehensive, user-friendly, and auto-scaling API solution for generative AI application development, suitable for the rapid growth of AI startups.
|
||||
- **[PPIO](https://lobechat.com/discover/provider/ppio)**: PPIO supports stable and cost-efficient open-source LLM APIs, such as DeepSeek, Llama, Qwen etc.
|
||||
- **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI is dedicated to achieving leading performance through innovative AI models, offering extensive customization capabilities, including rapid scaling support and intuitive deployment processes to meet various enterprise needs.
|
||||
@@ -226,12 +225,10 @@ We have implemented support for the following model service providers:
|
||||
- **[Gitee AI](https://lobechat.com/discover/provider/giteeai)**: Gitee AI's Serverless API provides AI developers with an out of the box large model inference API service.
|
||||
- **[Taichu](https://lobechat.com/discover/provider/taichu)**: The Institute of Automation, Chinese Academy of Sciences, and Wuhan Artificial Intelligence Research Institute have launched a new generation of multimodal large models, supporting comprehensive question-answering tasks such as multi-turn Q\&A, text creation, image generation, 3D understanding, and signal analysis, with stronger cognitive, understanding, and creative abilities, providing a new interactive experience.
|
||||
- **[360 AI](https://lobechat.com/discover/provider/ai360)**: 360 AI is an AI model and service platform launched by 360 Company, offering various advanced natural language processing models, including 360GPT2 Pro, 360GPT Pro, 360GPT Turbo, and 360GPT Turbo Responsibility 8K. These models combine large-scale parameters and multimodal capabilities, widely applied in text generation, semantic understanding, dialogue systems, and code generation. With flexible pricing strategies, 360 AI meets diverse user needs, supports developer integration, and promotes the innovation and development of intelligent applications.
|
||||
- **[Search1API](https://lobechat.com/discover/provider/search1api)**: Search1API provides access to the DeepSeek series of models that can connect to the internet as needed, including standard and fast versions, supporting a variety of model sizes.
|
||||
- **[InfiniAI](https://lobechat.com/discover/provider/infiniai)**: Provides high-performance, easy-to-use, and secure large model services for application developers, covering the entire process from large model development to service deployment.
|
||||
|
||||
</details>
|
||||
|
||||
> 📊 Total providers: [<kbd>**40**</kbd>](https://lobechat.com/discover/providers)
|
||||
> 📊 Total providers: [<kbd>**37**</kbd>](https://lobechat.com/discover/providers)
|
||||
|
||||
<!-- PROVIDER LIST -->
|
||||
|
||||
@@ -328,12 +325,12 @@ In addition, these plugins are not limited to news aggregation, but can also ext
|
||||
|
||||
| Recent Submits | Description |
|
||||
| ---------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------- |
|
||||
| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-03-23**</sup> | Analyze stocks and get comprehensive real-time investment data and analytics.<br/>`stock` |
|
||||
| [Web](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup> | Smart web search that reads and analyzes pages to deliver comprehensive answers from Google results.<br/>`web` `search` |
|
||||
| [MintbaseSearch](https://lobechat.com/discover/plugin/mintbasesearch)<br/><sup>By **mintbase** on **2024-12-31**</sup> | Find any NFT data on the NEAR Protocol.<br/>`crypto` `nft` |
|
||||
| [Bing_websearch](https://lobechat.com/discover/plugin/Bingsearch-identifier)<br/><sup>By **FineHow** on **2024-12-22**</sup> | Search for information from the internet base BingApi<br/>`bingsearch` |
|
||||
| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2024-12-22**</sup> | Analyze stocks and get comprehensive real-time investment data and analytics.<br/>`stock` |
|
||||
|
||||
> 📊 Total plugins: [<kbd>**46**</kbd>](https://lobechat.com/discover/plugins)
|
||||
> 📊 Total plugins: [<kbd>**47**</kbd>](https://lobechat.com/discover/plugins)
|
||||
|
||||
<!-- PLUGIN LIST -->
|
||||
|
||||
@@ -367,12 +364,12 @@ Our marketplace is not just a showcase platform but also a collaborative space.
|
||||
|
||||
| Recent Submits | Description |
|
||||
| ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
||||
| [学术论文综述专家](https://lobechat.com/discover/assistant/academic-paper-overview)<br/><sup>By **[arvinxx](https://github.com/arvinxx)** on **2025-03-11**</sup> | 擅长高质量文献检索与分析的学术研究助手<br/>`学术研究` `文献检索` `数据分析` `信息提取` `咨询` |
|
||||
| [Cron Expression Assistant](https://lobechat.com/discover/assistant/crontab-generate)<br/><sup>By **[edgesider](https://github.com/edgesider)** on **2025-02-17**</sup> | Crontab Expression Generator<br/>`crontab` `time-expression` `trigger-time` `generator` `technical-assistance` |
|
||||
| [Xiao Zhi French Translation Assistant](https://lobechat.com/discover/assistant/xiao-zhi-french-translation-asst-v-1)<br/><sup>By **[WeR-Best](https://github.com/WeR-Best)** on **2025-02-10**</sup> | A friendly, professional, and empathetic AI assistant for French translation<br/>`ai-assistant` `french-translation` `cross-cultural-communication` `creativity` |
|
||||
| [Investment Assistant](https://lobechat.com/discover/assistant/graham-investmentassi)<br/><sup>By **[farsightlin](https://github.com/farsightlin)** on **2025-02-06**</sup> | Helps users calculate the data needed for valuation<br/>`investment` `valuation` `financial-analysis` `calculator` |
|
||||
| [Language Charm Learning Mentor](https://lobechat.com/discover/assistant/bad-language-helper)<br/><sup>By **[Guducat](https://github.com/Guducat)** on **2025-02-06**</sup> | Specializes in teaching the charm of language and witty responses<br/>`language-learning` `dialogue-examples` |
|
||||
| [Astrology Researcher](https://lobechat.com/discover/assistant/fate-researcher)<br/><sup>By **[Jack980506](https://github.com/Jack980506)** on **2025-02-06**</sup> | Expert in BaZi astrology<br/>`astrology` `ba-zi` `traditional-culture` |
|
||||
|
||||
> 📊 Total agents: [<kbd>**488**</kbd> ](https://lobechat.com/discover/assistants)
|
||||
> 📊 Total agents: [<kbd>**487**</kbd> ](https://lobechat.com/discover/assistants)
|
||||
|
||||
<!-- AGENT LIST -->
|
||||
|
||||
|
||||
+13
-16
@@ -191,14 +191,13 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
|
||||
- **[Bedrock](https://lobechat.com/discover/provider/bedrock)**: Bedrock 是亚马逊 AWS 提供的一项服务，专注于为企业提供先进的 AI 语言模型和视觉模型。其模型家族包括 Anthropic 的 Claude 系列、Meta 的 Llama 3.1 系列等，涵盖从轻量级到高性能的多种选择，支持文本生成、对话、图像处理等多种任务，适用于不同规模和需求的企业应用。
|
||||
- **[Google](https://lobechat.com/discover/provider/google)**: Google 的 Gemini 系列是其最先进、通用的 AI 模型，由 Google DeepMind 打造，专为多模态设计，支持文本、代码、图像、音频和视频的无缝理解与处理。适用于从数据中心到移动设备的多种环境，极大提升了 AI 模型的效率与应用广泛性。
|
||||
- **[DeepSeek](https://lobechat.com/discover/provider/deepseek)**: DeepSeek 是一家专注于人工智能技术研究和应用的公司，其最新模型 DeepSeek-V3 多项评测成绩超越 Qwen2.5-72B 和 Llama-3.1-405B 等开源模型，性能对齐领军闭源模型 GPT-4o 与 Claude-3.5-Sonnet。
|
||||
- **[PPIO](https://lobechat.com/discover/provider/ppio)**: 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。
|
||||
- **[HuggingFace](https://lobechat.com/discover/provider/huggingface)**: HuggingFace Inference API 提供了一种快速且免费的方式，让您可以探索成千上万种模型，适用于各种任务。无论您是在为新应用程序进行原型设计，还是在尝试机器学习的功能，这个 API 都能让您即时访问多个领域的高性能模型。
|
||||
- **[OpenRouter](https://lobechat.com/discover/provider/openrouter)**: OpenRouter 是一个提供多种前沿大模型接口的服务平台，支持 OpenAI、Anthropic、LLaMA 及更多，适合多样化的开发和应用需求。用户可根据自身需求灵活选择最优的模型和价格，助力 AI 体验的提升。
|
||||
- **[Cloudflare Workers AI](https://lobechat.com/discover/provider/cloudflare)**: 在 Cloudflare 的全球网络上运行由无服务器 GPU 驱动的机器学习模型。
|
||||
|
||||
<details><summary><kbd>See more providers (+30)</kbd></summary>
|
||||
|
||||
- **[GitHub](https://lobechat.com/discover/provider/github)**: 通过 GitHub 模型，开发人员可以成为 AI 工程师，并使用行业领先的 AI 模型进行构建。
|
||||
|
||||
<details><summary><kbd>See more providers (+27)</kbd></summary>
|
||||
|
||||
- **[Novita](https://lobechat.com/discover/provider/novita)**: Novita AI 是一个提供多种大语言模型与 AI 图像生成的 API 服务的平台，灵活、可靠且具有成本效益。它支持 Llama3、Mistral 等最新的开源模型，并为生成式 AI 应用开发提供了全面、用户友好且自动扩展的 API 解决方案，适合 AI 初创公司的快速发展。
|
||||
- **[PPIO](https://lobechat.com/discover/provider/ppio)**: 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。
|
||||
- **[Together AI](https://lobechat.com/discover/provider/togetherai)**: Together AI 致力于通过创新的 AI 模型实现领先的性能，提供广泛的自定义能力，包括快速扩展支持和直观的部署流程，满足企业的各种需求。
|
||||
@@ -226,12 +225,10 @@ LobeChat 支持文件上传与知识库功能，你可以上传文件、图片
|
||||
- **[Gitee AI](https://lobechat.com/discover/provider/giteeai)**: Gitee AI 的 Serverless API 为 AI 开发者提供开箱即用的大模型推理 API 服务。
|
||||
- **[Taichu](https://lobechat.com/discover/provider/taichu)**: 中科院自动化研究所和武汉人工智能研究院推出新一代多模态大模型，支持多轮问答、文本创作、图像生成、3D 理解、信号分析等全面问答任务，拥有更强的认知、理解、创作能力，带来全新互动体验。
|
||||
- **[360 AI](https://lobechat.com/discover/provider/ai360)**: 360 AI 是 360 公司推出的 AI 模型和服务平台，提供多种先进的自然语言处理模型，包括 360GPT2 Pro、360GPT Pro、360GPT Turbo 和 360GPT Turbo Responsibility 8K。这些模型结合了大规模参数和多模态能力，广泛应用于文本生成、语义理解、对话系统与代码生成等领域。通过灵活的定价策略，360 AI 满足多样化用户需求，支持开发者集成，推动智能化应用的革新和发展。
|
||||
- **[Search1API](https://lobechat.com/discover/provider/search1api)**: Search1API 提供可根据需要自行联网的 DeepSeek 系列模型的访问，包括标准版和快速版本，支持多种参数规模的模型选择。
|
||||
- **[InfiniAI](https://lobechat.com/discover/provider/infiniai)**: 为应用开发者提供高性能、易上手、安全可靠的大模型服务，覆盖从大模型开发到大模型服务化部署的全流程。
|
||||
|
||||
</details>
|
||||
|
||||
> 📊 Total providers: [<kbd>**40**</kbd>](https://lobechat.com/discover/providers)
|
||||
> 📊 Total providers: [<kbd>**37**</kbd>](https://lobechat.com/discover/providers)
|
||||
|
||||
<!-- PROVIDER LIST -->
|
||||
|
||||
@@ -321,12 +318,12 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
|
||||
|
||||
| 最近新增 | 描述 |
|
||||
| -------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------- |
|
||||
| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2025-03-23**</sup> | 分析股票并获取全面的实时投资数据和分析。<br/>`股票` |
|
||||
| [网页](https://lobechat.com/discover/plugin/web)<br/><sup>By **Proghit** on **2025-01-24**</sup> | 智能网页搜索，读取和分析页面，以提供来自 Google 结果的全面答案。<br/>`网页` `搜索` |
|
||||
| [MintbaseSearch](https://lobechat.com/discover/plugin/mintbasesearch)<br/><sup>By **mintbase** on **2024-12-31**</sup> | 在 NEAR 协议上查找任何 NFT 数据。<br/>`加密货币` `nft` |
|
||||
| [必应网页搜索](https://lobechat.com/discover/plugin/Bingsearch-identifier)<br/><sup>By **FineHow** on **2024-12-22**</sup> | 通过 BingApi 搜索互联网上的信息<br/>`bingsearch` |
|
||||
| [PortfolioMeta](https://lobechat.com/discover/plugin/StockData)<br/><sup>By **portfoliometa** on **2024-12-22**</sup> | 分析股票并获取全面的实时投资数据和分析。<br/>`股票` |
|
||||
|
||||
> 📊 Total plugins: [<kbd>**46**</kbd>](https://lobechat.com/discover/plugins)
|
||||
> 📊 Total plugins: [<kbd>**47**</kbd>](https://lobechat.com/discover/plugins)
|
||||
|
||||
<!-- PLUGIN LIST -->
|
||||
|
||||
@@ -354,14 +351,14 @@ LobeChat 的插件生态系统是其核心功能的重要扩展，它极大地
|
||||
|
||||
<!-- AGENT LIST -->
|
||||
|
||||
| 最近新增 | 描述 |
|
||||
| -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- |
|
||||
| [学术论文综述专家](https://lobechat.com/discover/assistant/academic-paper-overview)<br/><sup>By **[arvinxx](https://github.com/arvinxx)** on **2025-03-11**</sup> | 擅长高质量文献检索与分析的学术研究助手<br/>`学术研究` `文献检索` `数据分析` `信息提取` `咨询` |
|
||||
| [Cron 表达式助手](https://lobechat.com/discover/assistant/crontab-generate)<br/><sup>By **[edgesider](https://github.com/edgesider)** on **2025-02-17**</sup> | Crontab 表达式生成<br/>`crontab` `时间表达` `触发时间` `生成器` `技术辅助` |
|
||||
| [小智法语翻译助手](https://lobechat.com/discover/assistant/xiao-zhi-french-translation-asst-v-1)<br/><sup>By **[WeR-Best](https://github.com/WeR-Best)** on **2025-02-10**</sup> | 友好、专业、富有同理心的法语翻译 AI 助手<br/>`ai助手` `法语翻译` `跨文化交流` `创造力` |
|
||||
| [投资小助手](https://lobechat.com/discover/assistant/graham-investmentassi)<br/><sup>By **[farsightlin](https://github.com/farsightlin)** on **2025-02-06**</sup> | 帮助用户计算估值所需的一些数据<br/>`投资` `估值` `财务分析` `计算器` |
|
||||
| 最近新增 | 描述 |
|
||||
| -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------- |
|
||||
| [Cron 表达式助手](https://lobechat.com/discover/assistant/crontab-generate)<br/><sup>By **[edgesider](https://github.com/edgesider)** on **2025-02-17**</sup> | Crontab 表达式生成<br/>`crontab` `时间表达` `触发时间` `生成器` `技术辅助` |
|
||||
| [小智法语翻译助手](https://lobechat.com/discover/assistant/xiao-zhi-french-translation-asst-v-1)<br/><sup>By **[WeR-Best](https://github.com/WeR-Best)** on **2025-02-10**</sup> | 友好、专业、富有同理心的法语翻译 AI 助手<br/>`ai助手` `法语翻译` `跨文化交流` `创造力` |
|
||||
| [语言魅力学习导师](https://lobechat.com/discover/assistant/bad-language-helper)<br/><sup>By **[Guducat](https://github.com/Guducat)** on **2025-02-06**</sup> | 擅长教学语言的魅力与花样回复<br/>`语言学习` `对话示例` |
|
||||
| [命理研究员](https://lobechat.com/discover/assistant/fate-researcher)<br/><sup>By **[Jack980506](https://github.com/Jack980506)** on **2025-02-06**</sup> | 精通八字命<br/>`命理学` `八字` `传统文化` |
|
||||
|
||||
> 📊 Total agents: [<kbd>**488**</kbd> ](https://lobechat.com/discover/assistants)
|
||||
> 📊 Total agents: [<kbd>**487**</kbd> ](https://lobechat.com/discover/assistants)
|
||||
|
||||
<!-- AGENT LIST -->
|
||||
|
||||
|
||||
@@ -1,279 +1,4 @@
|
||||
[
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Update siliconcloud models."]
|
||||
},
|
||||
"date": "2025-03-26",
|
||||
"version": "1.75.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": [
|
||||
"Add reasoning content selector and update AutoScroll component, add Xinference provider support."
|
||||
],
|
||||
"improvements": ["Add Gemini 2.5 Pro Experimental model, improve editing scroll experience."]
|
||||
},
|
||||
"date": "2025-03-26",
|
||||
"version": "1.75.0"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Upgrade styles for Drawer."]
|
||||
},
|
||||
"date": "2025-03-25",
|
||||
"version": "1.74.11"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Add hunyuan-t1-latest from Hunyuan."]
|
||||
},
|
||||
"date": "2025-03-25",
|
||||
"version": "1.74.10"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Add reject pattern for browserless to boost crawl performance."]
|
||||
},
|
||||
"date": "2025-03-25",
|
||||
"version": "1.74.9"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Update create message loading issue."]
|
||||
},
|
||||
"date": "2025-03-24",
|
||||
"version": "1.74.8"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Remove Tooltip component in Topic in mobile mode."]
|
||||
},
|
||||
"date": "2025-03-24",
|
||||
"version": "1.74.7"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Set max_completion_tokens to undefined for Azure OpenAI."]
|
||||
},
|
||||
"date": "2025-03-24",
|
||||
"version": "1.74.6"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix wechat login error with next-auth."]
|
||||
},
|
||||
"date": "2025-03-23",
|
||||
"version": "1.74.5"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Upgrade next to 15.2.3 to fix CVE-2025-29927."]
|
||||
},
|
||||
"date": "2025-03-23",
|
||||
"version": "1.74.4"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Clear previous model check result."]
|
||||
},
|
||||
"date": "2025-03-22",
|
||||
"version": "1.74.3"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["CheckModel change clears other configs, update input and output prices."]
|
||||
},
|
||||
"date": "2025-03-22",
|
||||
"version": "1.74.2"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Fix deepseek-r1-70b-online search tag missing from Search1API."]
|
||||
},
|
||||
"date": "2025-03-22",
|
||||
"version": "1.74.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": [
|
||||
"Add infini-ai provider, add Search1API provider with web search DeepSeek models."
|
||||
]
|
||||
},
|
||||
"date": "2025-03-21",
|
||||
"version": "1.74.0"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix agent chatConfig override issue."]
|
||||
},
|
||||
"date": "2025-03-21",
|
||||
"version": "1.73.2"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Update shiki to v3."]
|
||||
},
|
||||
"date": "2025-03-21",
|
||||
"version": "1.73.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": [
|
||||
"Add Cohere provider support, add search1api crawler implementation for WeChat Sogou links."
|
||||
]
|
||||
},
|
||||
"date": "2025-03-19",
|
||||
"version": "1.73.0"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Allow historyCount to be set to 0."]
|
||||
},
|
||||
"date": "2025-03-19",
|
||||
"version": "1.72.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": ["Update db schema to add user_id for data export."]
|
||||
},
|
||||
"date": "2025-03-18",
|
||||
"version": "1.72.0"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Support screenshot to clipboard when sharing."]
|
||||
},
|
||||
"date": "2025-03-17",
|
||||
"version": "1.71.5"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Update Wenxin & Hunyuan model list."]
|
||||
},
|
||||
"date": "2025-03-17",
|
||||
"version": "1.71.4"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix claude 3.5+ models context max output."]
|
||||
},
|
||||
"date": "2025-03-15",
|
||||
"version": "1.71.3"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix knowledge base issue."]
|
||||
},
|
||||
"date": "2025-03-15",
|
||||
"version": "1.71.2"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix google gemini output relative issue."],
|
||||
"improvements": ["Update Vertex AI models."]
|
||||
},
|
||||
"date": "2025-03-15",
|
||||
"version": "1.71.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": ["Support gemini image output in chat."]
|
||||
},
|
||||
"date": "2025-03-14",
|
||||
"version": "1.71.0"
|
||||
},
|
||||
{
|
||||
"children": {},
|
||||
"date": "2025-03-13",
|
||||
"version": "1.70.11"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["The agent setting -edit_agent not work."]
|
||||
},
|
||||
"date": "2025-03-12",
|
||||
"version": "1.70.10"
|
||||
},
|
||||
{
|
||||
"children": {},
|
||||
"date": "2025-03-12",
|
||||
"version": "1.70.9"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix theme flicking."]
|
||||
},
|
||||
"date": "2025-03-12",
|
||||
"version": "1.70.8"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix crawl result for short content."]
|
||||
},
|
||||
"date": "2025-03-12",
|
||||
"version": "1.70.7"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Link jump in mobile terminal data statistics."]
|
||||
},
|
||||
"date": "2025-03-11",
|
||||
"version": "1.70.6"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Refactor the theme implement."]
|
||||
},
|
||||
"date": "2025-03-11",
|
||||
"version": "1.70.5"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Support OpenRouter custom BaseURL."]
|
||||
},
|
||||
"date": "2025-03-11",
|
||||
"version": "1.70.4"
|
||||
},
|
||||
{
|
||||
"children": {},
|
||||
"date": "2025-03-11",
|
||||
"version": "1.70.3"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Update cvpr cvf url rules."]
|
||||
},
|
||||
"date": "2025-03-10",
|
||||
"version": "1.70.2"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix anthropic max tokens."]
|
||||
},
|
||||
"date": "2025-03-10",
|
||||
"version": "1.70.1"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"features": ["Support no-fc models like deepseek r1 with online search."]
|
||||
},
|
||||
"date": "2025-03-09",
|
||||
"version": "1.70.0"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix context cache control and model builtin search switch."]
|
||||
},
|
||||
"date": "2025-03-09",
|
||||
"version": "1.69.6"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"improvements": ["Support openrouter claude 3.7 sonnet reasoning."]
|
||||
},
|
||||
"date": "2025-03-09",
|
||||
"version": "1.69.5"
|
||||
},
|
||||
{
|
||||
"children": {
|
||||
"fixes": ["Fix mistral can not chat."]
|
||||
|
||||
@@ -1,637 +0,0 @@
|
||||
table agents {
|
||||
id text [pk, not null]
|
||||
slug varchar(100) [unique]
|
||||
title text
|
||||
description text
|
||||
tags jsonb [default: `[]`]
|
||||
avatar text
|
||||
background_color text
|
||||
plugins jsonb [default: `[]`]
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
chat_config jsonb
|
||||
few_shots jsonb
|
||||
model text
|
||||
params jsonb [default: `{}`]
|
||||
provider text
|
||||
system_role text
|
||||
tts jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table agents_files {
|
||||
file_id text [not null]
|
||||
agent_id text [not null]
|
||||
enabled boolean [default: true]
|
||||
user_id text [not null]
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(file_id, agent_id, user_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table agents_knowledge_bases {
|
||||
agent_id text [not null]
|
||||
knowledge_base_id text [not null]
|
||||
user_id text [not null]
|
||||
enabled boolean [default: true]
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(agent_id, knowledge_base_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table ai_models {
|
||||
id varchar(150) [not null]
|
||||
display_name varchar(200)
|
||||
description text
|
||||
organization varchar(100)
|
||||
enabled boolean
|
||||
provider_id varchar(64) [not null]
|
||||
type varchar(20) [not null, default: 'chat']
|
||||
sort integer
|
||||
user_id text [not null]
|
||||
pricing jsonb
|
||||
parameters jsonb [default: `{}`]
|
||||
config jsonb
|
||||
abilities jsonb [default: `{}`]
|
||||
context_window_tokens integer
|
||||
source varchar(20)
|
||||
released_at varchar(10)
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(id, provider_id, user_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table ai_providers {
|
||||
id varchar(64) [not null]
|
||||
name text
|
||||
user_id text [not null]
|
||||
sort integer
|
||||
enabled boolean
|
||||
fetch_on_client boolean
|
||||
check_model text
|
||||
logo text
|
||||
description text
|
||||
key_vaults text
|
||||
source varchar(20)
|
||||
settings jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(id, user_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table async_tasks {
|
||||
id uuid [pk, not null, default: `gen_random_uuid()`]
|
||||
type text
|
||||
status text
|
||||
error jsonb
|
||||
user_id text [not null]
|
||||
duration integer
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table files {
|
||||
id text [pk, not null]
|
||||
user_id text [not null]
|
||||
file_type varchar(255) [not null]
|
||||
file_hash varchar(64)
|
||||
name text [not null]
|
||||
size integer [not null]
|
||||
url text [not null]
|
||||
client_id text
|
||||
metadata jsonb
|
||||
chunk_task_id uuid
|
||||
embedding_task_id uuid
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
file_hash [name: 'file_hash_idx']
|
||||
(client_id, user_id) [name: 'files_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table global_files {
|
||||
hash_id varchar(64) [pk, not null]
|
||||
file_type varchar(255) [not null]
|
||||
size integer [not null]
|
||||
url text [not null]
|
||||
metadata jsonb
|
||||
creator text [not null]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table knowledge_base_files {
|
||||
knowledge_base_id text [not null]
|
||||
file_id text [not null]
|
||||
user_id text [not null]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(knowledge_base_id, file_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table knowledge_bases {
|
||||
id text [pk, not null]
|
||||
name text [not null]
|
||||
description text
|
||||
avatar text
|
||||
type text
|
||||
user_id text [not null]
|
||||
client_id text
|
||||
is_public boolean [default: false]
|
||||
settings jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'knowledge_bases_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table message_chunks {
|
||||
message_id text
|
||||
chunk_id uuid
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(chunk_id, message_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table message_plugins {
|
||||
id text [pk, not null]
|
||||
tool_call_id text
|
||||
type text [default: 'default']
|
||||
api_name text
|
||||
arguments text
|
||||
identifier text
|
||||
state jsonb
|
||||
error jsonb
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'message_plugins_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table message_queries {
|
||||
id uuid [pk, not null, default: `gen_random_uuid()`]
|
||||
message_id text [not null]
|
||||
rewrite_query text
|
||||
user_query text
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
embeddings_id uuid
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'message_queries_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table message_query_chunks {
|
||||
id text
|
||||
query_id uuid
|
||||
chunk_id uuid
|
||||
similarity "numeric(6, 5)"
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(chunk_id, id, query_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table message_tts {
|
||||
id text [pk, not null]
|
||||
content_md5 text
|
||||
file_id text
|
||||
voice text
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'message_tts_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table message_translates {
|
||||
id text [pk, not null]
|
||||
content text
|
||||
from text
|
||||
to text
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'message_translates_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table messages {
|
||||
id text [pk, not null]
|
||||
role text [not null]
|
||||
content text
|
||||
reasoning jsonb
|
||||
search jsonb
|
||||
metadata jsonb
|
||||
model text
|
||||
provider text
|
||||
favorite boolean [default: false]
|
||||
error jsonb
|
||||
tools jsonb
|
||||
trace_id text
|
||||
observation_id text
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
session_id text
|
||||
topic_id text
|
||||
thread_id text
|
||||
parent_id text
|
||||
quota_id text
|
||||
agent_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
created_at [name: 'messages_created_at_idx']
|
||||
(client_id, user_id) [name: 'message_client_id_user_unique', unique]
|
||||
topic_id [name: 'messages_topic_id_idx']
|
||||
parent_id [name: 'messages_parent_id_idx']
|
||||
quota_id [name: 'messages_quota_id_idx']
|
||||
}
|
||||
}
|
||||
|
||||
table messages_files {
|
||||
file_id text [not null]
|
||||
message_id text [not null]
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(file_id, message_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table nextauth_accounts {
|
||||
access_token text
|
||||
expires_at integer
|
||||
id_token text
|
||||
provider text [not null]
|
||||
providerAccountId text [not null]
|
||||
refresh_token text
|
||||
scope text
|
||||
session_state text
|
||||
token_type text
|
||||
type text [not null]
|
||||
userId text [not null]
|
||||
|
||||
indexes {
|
||||
(provider, providerAccountId) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table nextauth_authenticators {
|
||||
counter integer [not null]
|
||||
credentialBackedUp boolean [not null]
|
||||
credentialDeviceType text [not null]
|
||||
credentialID text [not null, unique]
|
||||
credentialPublicKey text [not null]
|
||||
providerAccountId text [not null]
|
||||
transports text
|
||||
userId text [not null]
|
||||
|
||||
indexes {
|
||||
(userId, credentialID) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table nextauth_sessions {
|
||||
expires timestamp [not null]
|
||||
sessionToken text [pk, not null]
|
||||
userId text [not null]
|
||||
}
|
||||
|
||||
table nextauth_verificationtokens {
|
||||
expires timestamp [not null]
|
||||
identifier text [not null]
|
||||
token text [not null]
|
||||
|
||||
indexes {
|
||||
(identifier, token) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table chunks {
|
||||
id uuid [pk, not null, default: `gen_random_uuid()`]
|
||||
text text
|
||||
abstract text
|
||||
metadata jsonb
|
||||
index integer
|
||||
type varchar
|
||||
client_id text
|
||||
user_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'chunks_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table embeddings {
|
||||
id uuid [pk, not null, default: `gen_random_uuid()`]
|
||||
chunk_id uuid [unique]
|
||||
embeddings vector(1024)
|
||||
model text
|
||||
client_id text
|
||||
user_id text
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'embeddings_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table unstructured_chunks {
|
||||
id uuid [pk, not null, default: `gen_random_uuid()`]
|
||||
text text
|
||||
metadata jsonb
|
||||
index integer
|
||||
type varchar
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
parent_id varchar
|
||||
composite_id uuid
|
||||
client_id text
|
||||
user_id text
|
||||
file_id varchar
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'unstructured_chunks_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table rag_eval_dataset_records {
|
||||
id integer [pk, not null]
|
||||
dataset_id integer [not null]
|
||||
ideal text
|
||||
question text
|
||||
reference_files text[]
|
||||
metadata jsonb
|
||||
user_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table rag_eval_datasets {
|
||||
id integer [pk, not null]
|
||||
description text
|
||||
name text [not null]
|
||||
knowledge_base_id text
|
||||
user_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table rag_eval_evaluations {
|
||||
id integer [pk, not null]
|
||||
name text [not null]
|
||||
description text
|
||||
eval_records_url text
|
||||
status text
|
||||
error jsonb
|
||||
dataset_id integer [not null]
|
||||
knowledge_base_id text
|
||||
language_model text
|
||||
embedding_model text
|
||||
user_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table rag_eval_evaluation_records {
|
||||
id integer [pk, not null]
|
||||
question text [not null]
|
||||
answer text
|
||||
context text[]
|
||||
ideal text
|
||||
status text
|
||||
error jsonb
|
||||
language_model text
|
||||
embedding_model text
|
||||
question_embedding_id uuid
|
||||
duration integer
|
||||
dataset_record_id integer [not null]
|
||||
evaluation_id integer [not null]
|
||||
user_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
table agents_to_sessions {
|
||||
agent_id text [not null]
|
||||
session_id text [not null]
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(agent_id, session_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table file_chunks {
|
||||
file_id varchar
|
||||
chunk_id uuid
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(file_id, chunk_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table files_to_sessions {
|
||||
file_id text [not null]
|
||||
session_id text [not null]
|
||||
user_id text [not null]
|
||||
|
||||
indexes {
|
||||
(file_id, session_id) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table session_groups {
|
||||
id text [pk, not null]
|
||||
name text [not null]
|
||||
sort integer
|
||||
user_id text [not null]
|
||||
client_id text
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'session_groups_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table sessions {
|
||||
id text [pk, not null]
|
||||
slug varchar(100) [not null]
|
||||
title text
|
||||
description text
|
||||
avatar text
|
||||
background_color text
|
||||
type text [default: 'agent']
|
||||
user_id text [not null]
|
||||
group_id text
|
||||
client_id text
|
||||
pinned boolean [default: false]
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(slug, user_id) [name: 'slug_user_id_unique', unique]
|
||||
(client_id, user_id) [name: 'sessions_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table threads {
|
||||
id text [pk, not null]
|
||||
title text
|
||||
type text [not null]
|
||||
status text [default: 'active']
|
||||
topic_id text [not null]
|
||||
source_message_id text [not null]
|
||||
parent_thread_id text
|
||||
client_id text
|
||||
user_id text [not null]
|
||||
last_active_at "timestamp with time zone" [default: `now()`]
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'threads_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table topics {
|
||||
id text [pk, not null]
|
||||
title text
|
||||
favorite boolean [default: false]
|
||||
session_id text
|
||||
user_id text [not null]
|
||||
client_id text
|
||||
history_summary text
|
||||
metadata jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(client_id, user_id) [name: 'topics_client_id_user_id_unique', unique]
|
||||
}
|
||||
}
|
||||
|
||||
table user_installed_plugins {
|
||||
user_id text [not null]
|
||||
identifier text [not null]
|
||||
type text [not null]
|
||||
manifest jsonb
|
||||
settings jsonb
|
||||
custom_params jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
|
||||
indexes {
|
||||
(user_id, identifier) [pk]
|
||||
}
|
||||
}
|
||||
|
||||
table user_settings {
|
||||
id text [pk, not null]
|
||||
tts jsonb
|
||||
key_vaults text
|
||||
general jsonb
|
||||
language_model jsonb
|
||||
system_agent jsonb
|
||||
default_agent jsonb
|
||||
tool jsonb
|
||||
}
|
||||
|
||||
table users {
|
||||
id text [pk, not null]
|
||||
username text [unique]
|
||||
email text
|
||||
avatar text
|
||||
phone text
|
||||
first_name text
|
||||
last_name text
|
||||
full_name text
|
||||
is_onboarded boolean [default: false]
|
||||
clerk_created_at "timestamp with time zone"
|
||||
email_verified_at "timestamp with time zone"
|
||||
preference jsonb
|
||||
accessed_at "timestamp with time zone" [not null, default: `now()`]
|
||||
created_at "timestamp with time zone" [not null, default: `now()`]
|
||||
updated_at "timestamp with time zone" [not null, default: `now()`]
|
||||
}
|
||||
|
||||
ref: agents_knowledge_bases.knowledge_base_id - knowledge_bases.id
|
||||
|
||||
ref: agents_knowledge_bases.agent_id > agents.id
|
||||
|
||||
ref: agents_to_sessions.session_id > sessions.id
|
||||
|
||||
ref: agents_to_sessions.agent_id > agents.id
|
||||
|
||||
ref: unstructured_chunks.file_id - files.id
|
||||
|
||||
ref: files.embedding_task_id - async_tasks.id
|
||||
|
||||
ref: messages.session_id - sessions.id
|
||||
|
||||
ref: messages.parent_id - messages.id
|
||||
|
||||
ref: messages.topic_id - topics.id
|
||||
|
||||
ref: threads.source_message_id - messages.id
|
||||
|
||||
ref: sessions.group_id - session_groups.id
|
||||
|
||||
ref: topics.session_id - sessions.id
|
||||
@@ -36,7 +36,7 @@ tags:
|
||||
|
||||
<Image alt={'Clerk 添加 Webhooks 端点'} src={'https://github.com/lobehub/lobe-chat/assets/28616219/f50f47fb-5e8e-4930-bf4e-8cf6f5b8afb9'} />
|
||||
|
||||
在 endpoint 中填写你的项目 URL，如 `https://your-project.com/api/webhooks/clerk`。然后在订阅事件（Subscribe to events）中，勾选 user 的三个事件（`user.created` 、`user.deleted`、`user.updated`），然后点击创建。
|
||||
在 endppint 中填写你的项目 URL，如 `https://your-project.com/api/webhooks/clerk`。然后在订阅事件（Subscribe to events）中，勾选 user 的三个事件（`user.created` 、`user.deleted`、`user.updated`），然后点击创建。
|
||||
|
||||
<Callout type={'warning'}>URL 的`https://`不可缺失，须保持 URL 的完整性</Callout>
|
||||
|
||||
|
||||
@@ -14,10 +14,10 @@ tags:
|
||||
|
||||
LobeChat supports customizing the model list during deployment. This configuration is done in the environment for each [model provider](/docs/self-hosting/environment-variables/model-provider).
|
||||
|
||||
You can use `+` to add a model, `-` to hide a model, and use `model name->deploymentName=display name<extension configuration>` to customize the display name of a model, separated by English commas. The basic syntax is as follows:
|
||||
You can use `+` to add a model, `-` to hide a model, and use `model name=display name<extension configuration>` to customize the display name of a model, separated by English commas. The basic syntax is as follows:
|
||||
|
||||
```text
|
||||
id->deploymentName=displayName<maxToken:vision:reasoning:search:fc:file>,model2,model3
|
||||
id=displayName<maxToken:vision:reasoning:search:fc:file>,model2,model3
|
||||
```
|
||||
|
||||
For example: `+qwen-7b-chat,+glm-6b,-gpt-3.5-turbo,gpt-4-0125-preview=gpt-4-turbo`
|
||||
@@ -29,7 +29,7 @@ In the above example, it adds `qwen-7b-chat` and `glm-6b` to the model list, rem
|
||||
Considering the diversity of model capabilities, we started to add extension configuration in version `0.147.8`, with the following rules:
|
||||
|
||||
```shell
|
||||
id->deploymentName=displayName<maxToken:vision:reasoning:search:fc:file>
|
||||
id=displayName<maxToken:vision:reasoning:search:fc:file>
|
||||
```
|
||||
|
||||
The first value in angle brackets is designated as the `maxToken` for this model. The second value and beyond are the model's extension capabilities, separated by colons `:`, and the order is not important.
|
||||
|
||||
@@ -13,10 +13,10 @@ tags:
|
||||
|
||||
LobeChat 支持在部署时自定义模型列表，详情请参考 [模型提供商](/zh/docs/self-hosting/environment-variables/model-provider) 。
|
||||
|
||||
你可以使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名->部署名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。通过 `<>` 来添加扩展配置。基本语法如下：
|
||||
你可以使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。通过 `<>` 来添加扩展配置。基本语法如下：
|
||||
|
||||
```text
|
||||
id->deploymentName=displayName<maxToken:vision:reasoning:search:fc:file>,model2,model3
|
||||
id=displayName<maxToken:vision:reasoning:search:fc:file>,model2,model3
|
||||
```
|
||||
|
||||
例如： `+qwen-7b-chat,+glm-6b,-gpt-3.5-turbo,gpt-4-0125-preview=gpt-4-turbo`
|
||||
@@ -28,7 +28,7 @@ id->deploymentName=displayName<maxToken:vision:reasoning:search:fc:file>,model2,
|
||||
考虑到模型的能力多样性，我们在 `0.147.8` 版本开始增加扩展性配置，它的规则如下：
|
||||
|
||||
```shell
|
||||
id->deploymentName=displayName<maxToken:vision:reasoning:search:fc:file>
|
||||
id=displayName<maxToken:vision:reasoning:search:fc:file>
|
||||
```
|
||||
|
||||
尖括号第一个值约定为这个模型的 `maxToken` 。第二个及以后作为模型的扩展能力，能力与能力之间用冒号 `:` 作为分隔符，顺序不重要。
|
||||
|
||||
@@ -94,7 +94,7 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
### `AZURE_MODEL_LIST`
|
||||
|
||||
- Type: Optional
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `id->deploymentName=displayName` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `id->deplymentName=displayName` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Default: `-`
|
||||
- Example: `gpt-35-turbo->my-deploy=GPT 3.5 Turbo` 或 `gpt-4-turbo->my-gpt4=GPT 4 Turbo<128000:vision:fc>`
|
||||
|
||||
@@ -173,8 +173,8 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
|
||||
- Type: Optional
|
||||
- Description: If you manually configure the DeepSeek API proxy, you can use this configuration item to override the default DeepSeek API request base URL
|
||||
- Default: `https://api.deepseek.com`
|
||||
- Example: `https://my-deepseek-proxy.com`
|
||||
- Default: -
|
||||
- Example: `https://xxxx.models.ai.azure.com/v1`
|
||||
|
||||
### `DEEPSEEK_API_KEY`
|
||||
|
||||
@@ -183,13 +183,6 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
- Default: -
|
||||
- Example: `sk-xxxxxx...xxxxxx`
|
||||
|
||||
### `DEEPSEEK_MODEL_LIST`
|
||||
|
||||
- Type: Optional
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `model_name=displayName` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Default: `-`
|
||||
- Example: `-all,+deepseek-reasoner`
|
||||
|
||||
## XAI
|
||||
|
||||
### `XAI_API_KEY`
|
||||
@@ -320,13 +313,6 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
- Default: -
|
||||
- Example: `Y2xpdGhpMzNhZXNoYjVtdnZjMWc6bXNrLWIxQlk3aDNPaXpBWnc0V1RaMDhSRmRFVlpZUWY=`
|
||||
|
||||
### `MOONSHOT_PROXY_URL`
|
||||
|
||||
- Type: Optional
|
||||
- Description: If you manually configure the Moonshot API proxy, you can use this configuration item to override the default Moonshot API request base URL
|
||||
- Default: `https://api.moonshot.cn/v1`
|
||||
- Example: `https://my-moonshot-proxy.com/v1`
|
||||
|
||||
## Perplexity AI
|
||||
|
||||
### `PERPLEXITY_API_KEY`
|
||||
@@ -439,13 +425,6 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
- Default: `-`
|
||||
- Example: `-all,+qwen-turbo-latest,+qwen-plus-latest`
|
||||
|
||||
### `QWEN_PROXY_URL`
|
||||
|
||||
- Type: Optional
|
||||
- Description: If you manually configure the Qwen API proxy, you can use this configuration item to override the default Qwen API request base URL
|
||||
- Default: `https://dashscope.aliyuncs.com/compatible-mode/v1`
|
||||
- Example: `https://my-qwen-proxy.com/v1`
|
||||
|
||||
## Stepfun AI
|
||||
|
||||
### `STEPFUN_API_KEY`
|
||||
@@ -576,31 +555,9 @@ If you need to use Azure OpenAI to provide model services, you can refer to the
|
||||
### `VOLCENGINE_MODEL_LIST`
|
||||
|
||||
- Type: Optional
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `model_name->deploymentName=display_name` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `model_name=display_name` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Default: `-`
|
||||
- Example: `-all,+deepseek-r1->deepseek-r1-250120,+deepseek-v3->deepseek-v3-241226,+doubao-1.5-pro-256k->doubao-1-5-pro-256k-250115,+doubao-1.5-pro-32k->doubao-1-5-pro-32k-250115,+doubao-1.5-lite-32k->doubao-1-5-lite-32k-250115`
|
||||
- Example: `-all,+deepseek-r1-250120,+deepseek-v3-241226,+doubao-1-5-pro-256k-250115,+doubao-1-5-pro-32k-250115,+doubao-1-5-lite-32k-250115`
|
||||
|
||||
### `VOLCENGINE_PROXY_URL`
|
||||
|
||||
- Type: Optional
|
||||
- Description: If you manually configure the Volcengine API proxy, you can use this configuration item to override the default Volcengine API request base URL
|
||||
- Default: `https://ark.cn-beijing.volces.com/api/v3`
|
||||
- Example: `https://my-volcengine-proxy.com/v1`
|
||||
|
||||
## InfiniAI
|
||||
|
||||
### `INFINIAI_API_KEY`
|
||||
|
||||
- Type: Required
|
||||
- Description: This is the API key you applied from Infini-AI, you can check it out [here](https://cloud.infini-ai.com)
|
||||
- Default: -
|
||||
- Example: `sk-xxxxxx...xxxxxx`
|
||||
|
||||
### `INFINIAI_MODEL_LIST`
|
||||
|
||||
- Type: Optional
|
||||
- Description: Used to control the model list, use `+` to add a model, use `-` to hide a model, use `model_name->deploymentName=display_name` to customize the display name of a model, separated by commas. Definition syntax rules see [model-list][model-list]
|
||||
- Default: `-`
|
||||
- Example: `-all,+qwq-32b,+deepseek-r1`
|
||||
|
||||
[model-list]: /docs/self-hosting/advanced/model-list
|
||||
|
||||
@@ -171,8 +171,8 @@ LobeChat 在部署时提供了丰富的模型服务商相关的环境变量，
|
||||
|
||||
- 类型：可选
|
||||
- 描述：如果您手动配置了 DeepSeek API 代理，可以使用此配置项覆盖默认的 DeepSeek API 请求基础 URL
|
||||
- 默认值：`https://api.deepseek.com`
|
||||
- 示例：`https://my-deepseek-proxy.com`
|
||||
- 默认值: -
|
||||
- 示例: `https://xxxx.models.ai.azure.com/v1`
|
||||
|
||||
### `DEEPSEEK_API_KEY`
|
||||
|
||||
@@ -181,13 +181,6 @@ LobeChat 在部署时提供了丰富的模型服务商相关的环境变量，
|
||||
- 默认值：-
|
||||
- 示例：`sk-xxxxxx...xxxxxx`
|
||||
|
||||
### `DEEPSEEK_MODEL_LIST`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：用来控制模型列表，使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。模型定义语法规则见 [模型列表][model-list]
|
||||
- 默认值：`-`
|
||||
- 示例：`-all,+deepseek-reasoner`
|
||||
|
||||
## XAI
|
||||
|
||||
### `XAI_API_KEY`
|
||||
@@ -318,14 +311,6 @@ LobeChat 在部署时提供了丰富的模型服务商相关的环境变量，
|
||||
- 默认值：-
|
||||
- 示例：`Y2xpdGhpMzNhZXNoYjVtdnZjMWc6bXNrLWIxQlk3aDNPaXpBWnc0V1RaMDhSRmRFVlpZUWY=`
|
||||
|
||||
### `MOONSHOT_PROXY_URL`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：如果你手动配置了 Moonshot 接口代理，可以使用此配置项来覆盖默认的 Moonshot API 请求基础 URL
|
||||
- 默认值：`https://api.moonshot.cn/v1`
|
||||
- 示例：`https://my-moonshot-proxy.com/v1`
|
||||
|
||||
|
||||
## Perplexity AI
|
||||
|
||||
### `PERPLEXITY_API_KEY`
|
||||
@@ -438,13 +423,6 @@ LobeChat 在部署时提供了丰富的模型服务商相关的环境变量，
|
||||
- 默认值：`-`
|
||||
- 示例：`-all,+qwen-turbo-latest,+qwen-plus-latest`
|
||||
|
||||
### `QWEN_PROXY_URL`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：如果你手动配置了 Qwen 接口代理，可以使用此配置项来覆盖默认的 Qwen API 请求基础 URL
|
||||
- 默认值：`https://dashscope.aliyuncs.com/compatible-mode/v1`
|
||||
- 示例：`https://my-qwen-proxy.com/v1`
|
||||
|
||||
## Stepfun AI
|
||||
|
||||
### `STEPFUN_API_KEY`
|
||||
@@ -575,31 +553,8 @@ LobeChat 在部署时提供了丰富的模型服务商相关的环境变量，
|
||||
### `VOLCENGINE_MODEL_LIST`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：用来控制模型列表，使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名->部署名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。模型定义语法规则见 [模型列表][model-list]
|
||||
- 描述：用来控制模型列表，使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。模型定义语法规则见 [模型列表][model-list]
|
||||
- 默认值：`-`
|
||||
- 示例：`-all,+deepseek-r1->deepseek-r1-250120,+deepseek-v3->deepseek-v3-241226,+doubao-1.5-pro-256k->doubao-1-5-pro-256k-250115,+doubao-1.5-pro-32k->doubao-1-5-pro-32k-250115,+doubao-1.5-lite-32k->doubao-1-5-lite-32k-250115`
|
||||
|
||||
### `VOLCENGINE_PROXY_URL`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：如果你手动配置了 Volcengine 接口代理，可以使用此配置项来覆盖默认的 Volcengine API 请求基础 URL
|
||||
- 默认值：`https://ark.cn-beijing.volces.com/api/v3`
|
||||
- 示例：`https://my-volcengine-proxy.com/v1`
|
||||
|
||||
## InfiniAI
|
||||
|
||||
### `INFINIAI_API_KEY`
|
||||
|
||||
- 类型：必选
|
||||
- 描述：这是你在 [Infini-AI](https://cloud.infini-ai.com) 申请的 API 密钥。
|
||||
- 默认值：-
|
||||
- 示例：`sk-xxxxxx...xxxxxx`
|
||||
|
||||
### `INFINIAI_MODEL_LIST`
|
||||
|
||||
- 类型：可选
|
||||
- 描述：用来控制模型列表，使用 `+` 增加一个模型，使用 `-` 来隐藏一个模型，使用 `模型名->部署名=展示名<扩展配置>` 来自定义模型的展示名，用英文逗号隔开。模型定义语法规则见 [模型列表][model-list]
|
||||
- 默认值：`-`
|
||||
- 示例：`-all,+qwq-32b,+deepseek-r1`
|
||||
- 示例：`-all,+deepseek-r1-250120,+deepseek-v3-241226,+doubao-1-5-pro-256k-250115,+doubao-1-5-pro-32k-250115,+doubao-1-5-lite-32k-250115`
|
||||
|
||||
[model-list]: /zh/docs/self-hosting/advanced/model-list
|
||||
|
||||
@@ -140,7 +140,7 @@ tags:
|
||||
|
||||
<Image alt={'Clerk 添加 Webhooks 端点'} src={'https://github.com/lobehub/lobe-chat/assets/28616219/f50f47fb-5e8e-4930-bf4e-8cf6f5b8afb9'} />
|
||||
|
||||
在 endpoint 中填写你的 Vercel 项目的 URL，如 `https://your-project.vercel.app/api/webhooks/clerk`。然后在订阅事件（Subscribe to events）中，勾选 user 的三个事件（`user.created` 、`user.deleted`、`user.updated`），然后点击创建。
|
||||
在 endppint 中填写你的 Vercel 项目的 URL，如 `https://your-project.vercel.app/api/webhooks/clerk`。然后在订阅事件（Subscribe to events）中，勾选 user 的三个事件（`user.created` 、`user.deleted`、`user.updated`），然后点击创建。
|
||||
|
||||
<Callout type={'warning'}>URL 的`https://`不可缺失，须保持 URL 的完整性</Callout>
|
||||
|
||||
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: Using Infini-AI in LobeChat
|
||||
description: Learn how to configure and utilize Infini-AI's model services in LobeChat.
|
||||
tags:
|
||||
- LobeChat
|
||||
- Infini-AI
|
||||
- API Key
|
||||
- LLM Deployment
|
||||
---
|
||||
|
||||
# Using Infini-AI in LobeChat
|
||||
|
||||
[Infini-AI](https://cloud.infini-ai.com/) is a large model service platform optimized for multiple chip architectures, providing efficient and unified AGI infrastructure solutions.
|
||||
|
||||
This guide will help you quickly integrate Infini-AI's AI capabilities into LobeChat.
|
||||
|
||||
<Steps>
|
||||
### Step 1: Obtain Infini-AI API Key
|
||||
|
||||
- Log in to the [Large Model Service Platform](https://cloud.infini-ai.com/genstudio/model)
|
||||
- Select "API KEY Management" in the left navigation bar
|
||||
- In the newly opened page, click the "Create API KEY" button, enter a name, and click "Create"
|
||||
|
||||
### Step 2: Configure LobeChat Model Service
|
||||
|
||||
- Open LobeChat and go to the "Settings" interface
|
||||
- Select "Infini-AI" in the "Language Model" module
|
||||
- Paste the API key you obtained
|
||||
</Steps>
|
||||
@@ -1,29 +0,0 @@
|
||||
---
|
||||
title: 在 LobeChat 中使用无问芯穹
|
||||
description: 学习如何在 LobeChat 中配置和使用无问芯穹的 API Key，实现 AI 对话交互。
|
||||
tags:
|
||||
- LobeChat
|
||||
- 无问芯穹
|
||||
- API密钥
|
||||
- 大模型部署
|
||||
---
|
||||
|
||||
# 在 LobeChat 中使用无问芯穹
|
||||
|
||||
[无问芯穹](https://cloud.infini-ai.com/)是基于多元芯片优化的大模型服务平台，提供高效统一的 AGI 基础设施解决方案。
|
||||
|
||||
本文将指导你如何在 LobeChat 中快速接入无问芯穹的 AI 能力。
|
||||
|
||||
<Steps>
|
||||
### 步骤一：获取无问芯穹 API Key
|
||||
|
||||
- 登录[大模型服务平台](https://cloud.infini-ai.com/genstudio/model)
|
||||
- 在左侧导航栏选择「API KEY 管理」
|
||||
- 在新打开的页面中，点击「创建 API KEY」按钮，填入名称，点击「创建」
|
||||
|
||||
### 步骤二：配置 LobeChat 模型服务
|
||||
|
||||
- 打开 LobeChat 进入「设置」界面
|
||||
- 在「语言模型」模块选择「Infini-AI」
|
||||
- 粘贴已获取的 API 密钥
|
||||
</Steps>
|
||||
@@ -52,4 +52,4 @@ tags:
|
||||
</Callout>
|
||||
</Steps>
|
||||
|
||||
至此你已经可以在 LobeChat 中使用 PPIO 派欧云提供的模型进行对话了。
|
||||
至此你已经可以在 LobeChat 中使用 PPIO 提供的模型进行对话了。
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "توقف",
|
||||
"warp": "تغيير السطر"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "جارٍ فهم وتحليل نواياك..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "جميع المحتويات",
|
||||
"allFiles": "جميع الملفات",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "تحديد ما إذا كان من الضروري البحث بناءً على محتوى المحادثة",
|
||||
"title": "الاتصال الذكي"
|
||||
},
|
||||
"disable": "النموذج الحالي لا يدعم استدعاء الوظائف، لذا لا يمكن استخدام وظيفة الاتصال الذكي",
|
||||
"off": {
|
||||
"desc": "استخدام المعرفة الأساسية للنموذج فقط، دون إجراء بحث عبر الإنترنت",
|
||||
"title": "إيقاف الاتصال"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "استخدام محرك البحث المدمج في النموذج"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "النموذج الحالي لا يدعم استدعاء الدوال، لذا يجب استخدام نموذج يدعم استدعاء الدوال للبحث عبر الإنترنت",
|
||||
"title": "نموذج البحث المساعد"
|
||||
},
|
||||
"title": "بحث عبر الإنترنت"
|
||||
},
|
||||
"searchAgentPlaceholder": "مساعد البحث...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "نعتذر، حدث خطأ أثناء عملية تهيئة قاعدة بيانات Pglite. يرجى النقر على الزر لإعادة المحاولة. إذا استمرت المشكلة بعد عدة محاولات، يرجى <1>تقديم مشكلة</1>، وسنساعدك في حلها في أسرع وقت ممكن",
|
||||
"detail": "سبب الخطأ: [{{type}}] {{message}}، التفاصيل كالتالي:",
|
||||
"detailTitle": "سبب الخطأ",
|
||||
"report": "الإبلاغ عن مشكلة",
|
||||
"retry": "إعادة المحاولة",
|
||||
"selfSolve": "حل ذاتي",
|
||||
"title": "فشل تهيئة قاعدة البيانات"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "استخدم الآن",
|
||||
"desc": "استخدم الآن",
|
||||
"title": "قاعدة بيانات PGlite جاهزة"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "نسخ احتياطي",
|
||||
"backupSuccess": "تم النسخ الاحتياطي بنجاح",
|
||||
"desc": "تصدير البيانات الأساسية من قاعدة البيانات الحالية",
|
||||
"export": "تصدير جميع البيانات",
|
||||
"exportDesc": "سيتم حفظ البيانات المصدرة بتنسيق JSON، ويمكن استخدامها لاستعادة أو تحليل لاحق.",
|
||||
"reset": {
|
||||
"alert": "تحذير",
|
||||
"alertDesc": "قد تؤدي العمليات التالية إلى فقدان البيانات. يرجى التأكد من أنك قد قمت بعمل نسخة احتياطية من البيانات الهامة قبل المتابعة.",
|
||||
"button": "إعادة تعيين قاعدة البيانات بالكامل (حذف جميع البيانات)",
|
||||
"confirm": {
|
||||
"desc": "ستؤدي هذه العملية إلى حذف جميع البيانات ولا يمكن التراجع عنها، هل تؤكد المتابعة؟",
|
||||
"title": "تأكيد إعادة تعيين قاعدة البيانات"
|
||||
},
|
||||
"desc": "إعادة تعيين قاعدة البيانات في حالة عدم إمكانية الاستعادة",
|
||||
"title": "إعادة تعيين قاعدة البيانات"
|
||||
},
|
||||
"restore": "استعادة",
|
||||
"restoreSuccess": "تم الاستعادة بنجاح",
|
||||
"title": "نسخ احتياطي للبيانات"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "تاريخ الإنشاء",
|
||||
"migratedAt": "تاريخ اكتمال النقل",
|
||||
"sql": "نقل SQL",
|
||||
"title": "حالة النقل"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "إدارة حالة النقل يدويًا",
|
||||
"runSQL": "تنفيذ مخصص",
|
||||
"sql": {
|
||||
"clear": "مسح",
|
||||
"desc": "تنفيذ عبارة SQL مخصصة لإصلاح مشاكل قاعدة البيانات",
|
||||
"markFinished": "تحديد كمنتهية",
|
||||
"placeholder": "أدخل عبارة SQL...",
|
||||
"result": "نتيجة التنفيذ",
|
||||
"run": "تنفيذ",
|
||||
"title": "منفذ SQL"
|
||||
},
|
||||
"title": "تحكم النقل"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "نسخ احتياطي واستعادة",
|
||||
"diagnosis": "تشخيص",
|
||||
"repair": "إصلاح"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "إغلاق",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "نموذج مخصص، الإعداد الافتراضي يدعم الاستدعاء الوظيفي والتعرف البصري، يرجى التحقق من قدرة النموذج على القيام بذلك بناءً على الحالة الفعلية",
|
||||
"file": "يدعم هذا النموذج قراءة وتعرف الملفات المرفوعة",
|
||||
"functionCall": "يدعم هذا النموذج استدعاء الوظائف",
|
||||
"imageOutput": "يدعم هذا النموذج إنشاء الصور",
|
||||
"reasoning": "يدعم هذا النموذج التفكير العميق",
|
||||
"search": "يدعم هذا النموذج البحث عبر الإنترنت",
|
||||
"tokens": "يدعم هذا النموذج حتى {{tokens}} رمزًا في جلسة واحدة",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "لا توجد نماذج ممكن تمكينها، يرجى الانتقال إلى الإعدادات لتمكينها",
|
||||
"emptyProvider": "لا توجد مزودات مفعلة، يرجى الذهاب إلى الإعدادات لتفعيلها",
|
||||
"goToSettings": "اذهب إلى الإعدادات",
|
||||
"provider": "مزود"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "عذرًا، انتهت مهلة الخادم أثناء الانتظار للرد، قد يكون ذلك بسبب بطء الاستجابة، يرجى المحاولة مرة أخرى لاحقًا",
|
||||
"AgentRuntimeError": "حدث خطأ في تشغيل نموذج Lobe اللغوي، يرجى التحقق من المعلومات التالية أو إعادة المحاولة",
|
||||
"ConnectionCheckFailed": "الاستجابة فارغة، يرجى التحقق من أن عنوان وكيل الـ API لا ينتهي بـ `/v1`",
|
||||
"CreateMessageError": "عذرًا، لم يتم إرسال الرسالة بشكل صحيح، يرجى نسخ المحتوى وإعادة إرساله، بعد تحديث الصفحة لن يتم الاحتفاظ بهذه الرسالة",
|
||||
"ExceededContextWindow": "المحتوى المطلوب الحالي يتجاوز الطول الذي يمكن للنموذج معالجته، يرجى تقليل كمية المحتوى ثم إعادة المحاولة",
|
||||
"FreePlanLimit": "أنت حاليًا مستخدم مجاني، لا يمكنك استخدام هذه الوظيفة، يرجى الترقية إلى خطة مدفوعة للمتابعة",
|
||||
"InsufficientQuota": "عذرًا، لقد reached الحد الأقصى للحصة (quota) لهذه المفتاح، يرجى التحقق من رصيد الحساب الخاص بك أو زيادة حصة المفتاح ثم المحاولة مرة أخرى",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet يقدم قدرات تتجاوز Opus وسرعة أكبر من Sonnet، مع الحفاظ على نفس السعر. يتميز Sonnet بمهارات خاصة في البرمجة وعلوم البيانات ومعالجة الصور والمهام الوكيلة."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet هو أكثر النماذج ذكاءً من Anthropic حتى الآن، وهو أيضًا أول نموذج مختلط للتفكير في السوق. يمكن لـ Claude 3.7 Sonnet إنتاج استجابات شبه فورية أو تفكير تدريجي ممتد، حيث يمكن للمستخدمين رؤية هذه العمليات بوضوح. يتميز Sonnet بشكل خاص في البرمجة، وعلوم البيانات، ومعالجة الصور، والمهام الوكيلة."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 هو نموذج متعدد اللغات أطلقته Cohere، يدعم 23 لغة، مما يسهل التطبيقات اللغوية المتنوعة."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse هو نموذج متعدد اللغات عالي الأداء بسعة 32B، يهدف إلى تحدي أداء النماذج أحادية اللغة من خلال تحسين التعليمات، وتداول البيانات، وتدريب التفضيلات، وابتكارات دمج النماذج. يدعم 23 لغة."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse هو نموذج متعدد اللغات عالي الأداء بسعة 8B، يهدف إلى تحدي أداء النماذج أحادية اللغة من خلال تحسين التعليمات، وتداول البيانات، وتدريب التفضيلات، وابتكارات دمج النماذج. يدعم 23 لغة."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision هو نموذج متعدد الوسائط متقدم، يظهر أداءً ممتازًا في عدة معايير رئيسية للغة والنص والصورة. يدعم 23 لغة. يركز هذا الإصدار الذي يحتوي على 32 مليار معلمة على الأداء المتقدم متعدد اللغات."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision هو نموذج متعدد الوسائط متقدم، يظهر أداءً ممتازًا في عدة معايير رئيسية للغة والنص والصورة. يركز هذا الإصدار الذي يحتوي على 8 مليار معلمة على تقليل زمن الاستجابة وتحقيق أفضل أداء."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 مصمم خصيصًا للأدوار التفاعلية والمرافقة العاطفية، يدعم ذاكرة متعددة الجولات طويلة الأمد وحوارات مخصصة، ويستخدم على نطاق واسع."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 هو نموذج مغلق المصدر تم إصداره بواسطة مختبر KEG في جامعة تسينغهوا وشركة Zhizhu AI، وقد تم تدريبه مسبقًا على كميات هائلة من المعرفة المعرفية باللغتين الصينية والإنجليزية، وتم تحسينه وفقًا للاختيارات البشرية. مقارنة بالنموذج الأول، حقق تحسينات بنسبة 16٪ و 36٪ و 280٪ في MMLU و C-Eval و GSM8K على التوالي، وتصدر قائمة المهام الصينية C-Eval. يناسب هذا النموذج السيناريوهات التي تتطلب كميات كبيرة من المعرفة وقدرات الاستدلال والإبداع، مثل كتابة النصوص الإعلانية وكتابة الروايات وكتابة المحتوى المعرفي وتكوين الكود."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base هو النموذج الأساسي المفتوح المصدر الأحدث من سلسلة ChatGLM التي طورتها شركة Zhìpǔ، ويحتوي على 6 مليارات معلمة."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o هو نموذج ديناميكي يتم تحديثه في الوقت الحقيقي للحفاظ على أحدث إصدار. يجمع بين فهم اللغة القوي وقدرات التوليد، مما يجعله مناسبًا لمجموعة واسعة من التطبيقات، بما في ذلك خدمة العملاء والتعليم والدعم الفني."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "نموذج RAG محسّن من الطراز الأول مصمم للتعامل مع أحمال العمل على مستوى المؤسسات."
|
||||
},
|
||||
"command": {
|
||||
"description": "نموذج حواري يتبع التعليمات، يظهر جودة عالية وموثوقية أكبر في المهام اللغوية، ويتميز بطول سياق أطول مقارنة بنموذجنا الأساسي للتوليد."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "الأمر A هو أقوى نموذج لدينا حتى الآن، حيث يظهر أداءً ممتازًا في استخدام الأدوات، والوكالات، والتوليد المعزز بالاسترجاع (RAG)، وسيناريوهات التطبيقات متعددة اللغات. يتمتع الأمر A بطول سياق يبلغ 256K، ويمكن تشغيله باستخدام وحدتي GPU فقط، وقد زادت الإنتاجية بنسبة 150% مقارنةً بالأمر R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "إصدار أصغر وأسرع من الأمر، قوي تقريبًا بنفس القدر ولكنه أسرع."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "لتقليل الفجوة الزمنية بين إصدارات النسخ الرئيسية، أطلقنا إصدارًا ليليًا من نموذج الأمر. بالنسبة لسلسلة command-light، يُطلق على هذا الإصدار اسم command-light-nightly. يرجى ملاحظة أن command-light-nightly هو الإصدار الأحدث والأكثر تجريبية (وربما غير مستقر). يتم تحديث الإصدارات الليلية بانتظام دون إشعار مسبق، لذا لا يُنصح باستخدامها في بيئات الإنتاج."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "لتقليل الفجوة الزمنية بين إصدارات النسخ الرئيسية، أطلقنا إصدارًا ليليًا من نموذج الأمر. بالنسبة لسلسلة الأمر، يُطلق على هذا الإصدار اسم command-cightly. يرجى ملاحظة أن command-nightly هو الإصدار الأحدث والأكثر تجريبية (وربما غير مستقر). يتم تحديث الإصدارات الليلية بانتظام دون إشعار مسبق، لذا لا يُنصح باستخدامها في بيئات الإنتاج."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R هو نموذج LLM محسن لمهام الحوار والسياقات الطويلة، مناسب بشكل خاص للتفاعل الديناميكي وإدارة المعرفة."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "الأمر R هو نموذج حواري يتبع التعليمات، ويظهر جودة أعلى وموثوقية أكبر في المهام اللغوية، ويتميز بطول سياق أطول مقارنة بالنماذج السابقة. يمكن استخدامه في عمليات العمل المعقدة مثل توليد الشيفرات، والتوليد المعزز بالاسترجاع (RAG)، واستخدام الأدوات، والوكالات."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "الأمر-r-08-2024 هو إصدار محدث من نموذج الأمر R، تم إصداره في أغسطس 2024."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ هو نموذج لغوي كبير عالي الأداء، مصمم لمشاهد الأعمال الحقيقية والتطبيقات المعقدة."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "الأمر R+ هو نموذج حواري يتبع التعليمات، ويظهر جودة أعلى وموثوقية أكبر في المهام اللغوية، ويتميز بطول سياق أطول مقارنة بالنماذج السابقة. إنه الأنسب لعمليات العمل المعقدة في RAG واستخدام الأدوات متعددة الخطوات."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "الأمر-r7b-12-2024 هو إصدار صغير وفعال تم إصداره في ديسمبر 2024. يظهر أداءً ممتازًا في المهام التي تتطلب استدلالًا معقدًا ومعالجة متعددة الخطوات مثل RAG، واستخدام الأدوات، والوكالات."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "النموذج الثاني من DALL·E، يدعم توليد صور أكثر واقعية ودقة، بدقة تعادل أربعة أضعاف الجيل الأول."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 هو نموذج استدلال مدفوع بالتعلم المعزز (RL) يعالج مشكلات التكرار وقابلية القراءة في النموذج. قبل استخدام RL، قدم DeepSeek-R1 بيانات بدء باردة، مما أدى إلى تحسين أداء الاستدلال. إنه يقدم أداءً مماثلاً لـ OpenAI-o1 في المهام الرياضية والبرمجية والاستدلال، وقد حسّن النتائج العامة من خلال طرق تدريب مصممة بعناية."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B النسخة السريعة، تدعم البحث المتصل في الوقت الحقيقي، وتوفر سرعة استجابة أسرع مع الحفاظ على أداء النموذج."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B النسخة القياسية، تدعم البحث المتصل في الوقت الحقيقي، مناسبة للمحادثات والمهام النصية التي تتطلب معلومات حديثة."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 - النموذج الأكبر والأذكى في مجموعة DeepSeek - تم تقطيره إلى بنية Llama 70B. بناءً على اختبارات المعايير والتقييمات البشرية، يظهر هذا النموذج ذكاءً أكبر من Llama 70B الأصلي، خاصة في المهام التي تتطلب دقة رياضية وحقائق."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "تم إصداره لأول مرة في 14 فبراير 2025، تم استخلاصه بواسطة فريق تطوير نموذج Qianfan باستخدام Llama3_70B كنموذج أساسي (مبني على Meta Llama)، وتم إضافة نصوص Qianfan إلى بيانات الاستخلاص."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "تم إصداره لأول مرة في 14 فبراير 2025، تم استخلاصه بواسطة فريق تطوير نموذج Qianfan باستخدام Llama3_8B كنموذج أساسي (مبني على Meta Llama)، وتم إضافة نصوص Qianfan إلى بيانات الاستخلاص."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "نموذج DeepSeek-R1-Distill تم تطويره من خلال تقنية تقطير المعرفة، حيث تم تعديل عينات تم إنشاؤها بواسطة DeepSeek-R1 على نماذج مفتوحة المصدر مثل Qwen وLlama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 النسخة السريعة الكاملة، تدعم البحث المتصل في الوقت الحقيقي، تجمع بين القدرات القوية لـ 671 مليار معلمة وسرعة استجابة أسرع."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 النسخة الكاملة، تحتوي على 671 مليار معلمة، تدعم البحث المتصل في الوقت الحقيقي، وتتمتع بقدرات فهم وتوليد أقوى."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "نموذج الاستدلال الذي أطلقته DeepSeek. قبل تقديم الإجابة النهائية، يقوم النموذج أولاً بإخراج سلسلة من المحتوى الفكري لتحسين دقة الإجابة النهائية."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "نموذج اللغة الكبير الرائد الذي طورته بايدو، والذي يظهر أداءً ممتازًا بشكل شامل، ويستخدم على نطاق واسع في مشاهد المهام المعقدة في مختلف المجالات؛ يدعم الاتصال التلقائي بمكونات البحث من بايدو، مما يضمن تحديث معلومات الإجابة. مقارنةً بـ ERNIE 4.0، يظهر أداءً أفضل."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "نموذج ونسين 4.5 هو نموذج أساسي جديد متعدد الوسائط تم تطويره ذاتيًا بواسطة بايدو، من خلال نمذجة متعددة الوسائط لتحقيق تحسين متزامن، ويظهر قدرة ممتازة على الفهم متعدد الوسائط؛ يتمتع بقدرات لغوية متقدمة، مع تحسين شامل في الفهم، والتوليد، والمنطق، والذاكرة، مع تحسين كبير في إزالة الأوهام، والاستدلال المنطقي، وقدرات البرمجة."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "نموذج اللغة الكبير المخصص الذي طورته بايدو، مناسب لتطبيقات مثل NPC في الألعاب، محادثات خدمة العملاء، وأدوار الحوار، حيث يتميز بأسلوب شخصيات واضح ومتسق، وقدرة قوية على اتباع التعليمات، وأداء استدلال ممتاز."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash يقدم ميزات وتحسينات من الجيل التالي، بما في ذلك سرعة فائقة، واستخدام أدوات أصلية، وتوليد متعدد الوسائط، ونافذة سياق تصل إلى 1M توكن."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "نموذج جمنيس 2.0 فلاش، تم تحسينه لتحقيق أهداف مثل الكفاءة من حيث التكلفة وانخفاض الكمون."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "نموذج تجريبي Gemini 2.0 Flash، يدعم توليد الصور"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "نموذج جمنّي 2.0 فلاش هو نسخة معدلة، تم تحسينها لتحقيق الكفاءة من حيث التكلفة والحد من التأخير."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental هو أحدث نموذج ذكاء اصطناعي متعدد الوسائط التجريبي من Google، مع تحسينات ملحوظة في الجودة مقارنة بالإصدارات السابقة، خاصة في المعرفة العالمية، والبرمجة، والسياقات الطويلة."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "نموذج Gemini 2.5 Pro التجريبي هو الأكثر تقدمًا من Google، قادر على استنتاج المشكلات المعقدة في البرمجة والرياضيات وعلوم STEM، بالإضافة إلى تحليل مجموعات البيانات الكبيرة ومكتبات الشيفرات والمستندات باستخدام سياقات طويلة."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B مناسب لمعالجة المهام المتوسطة والصغيرة، ويجمع بين الكفاءة من حيث التكلفة."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "نموذج متعدد الوسائط حديث يدعم الإجابة بعدة لغات، مع توازن في القدرات بين الصينية والإنجليزية."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "بناء شامل لقدرات النموذج في العلوم الإنسانية والطبيعية، مع قدرة قوية على التقاط المعلومات من النصوص الطويلة. يدعم الاستدلال والإجابة على مشكلات علمية متنوعة من الرياضيات/المنطق/العلوم/الشيفرات."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "أول نموذج استدلال هجين ضخم في الصناعة، يوسع قدرات الاستدلال، بسرعة فك تشفير فائقة، ويعزز التوافق مع تفضيلات البشر."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "يدعم الترجمة بين 15 لغة بما في ذلك الصينية والإنجليزية واليابانية والفرنسية والبرتغالية والإسبانية والتركية والروسية والعربية والكورية والإيطالية والألمانية والفيتنامية والماليزية والإندونيسية، ويعتمد على مجموعة تقييم الترجمة متعددة السيناريوهات لتقييم تلقائي باستخدام درجة COMET، حيث يتفوق بشكل عام على نماذج السوق المماثلة في القدرة على الترجمة بين اللغات الشائعة."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "نسخة المعاينة من الجيل الجديد من نموذج اللغة الكبير، يستخدم هيكل نموذج الخبراء المختلط (MoE) الجديد، مما يوفر كفاءة استدلال أسرع وأداء أقوى مقارنة بـ hunyuan-pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "الإصدار الثابت من hunyuan-turbo بتاريخ 20 نوفمبر 2024، وهو إصدار يقع بين hunyuan-turbo و hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "تحسينات في هذا الإصدار: توجيه البيانات، مما يعزز بشكل كبير قدرة النموذج على التعميم؛ تحسين كبير في القدرات الرياضية، البرمجية، وقدرات الاستدلال المنطقي؛ تحسين القدرات المتعلقة بفهم النصوص والكلمات؛ تحسين جودة إنشاء محتوى النص."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "نموذج اللغة البصرية الرائد من الجيل الجديد، يستخدم هيكل نموذج الخبراء المختلط (MoE) الجديد، مع تحسين شامل في القدرات المتعلقة بفهم النصوص والصور، وإنشاء المحتوى، والأسئلة والأجوبة المعرفية، والتحليل والاستدلال مقارنة بالنماذج السابقة."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 هو إصدار ثابت تم تحديث قاعدة التدريب لرموز التوكن؛ تعزيز القدرات الفكرية في الرياضيات/المنطق/البرمجة؛ تحسين تجربة الاستخدام العامة باللغتين الصينية والإنجليزية، بما في ذلك إنشاء النصوص، وفهم النصوص، والأسئلة والأجوبة المعرفية، والدردشة."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "توحيد أسلوب خطوات حل المسائل الرياضية، وتعزيز الأسئلة والأجوبة الرياضية متعددة الجولات. تحسين أسلوب الإجابة في إنشاء النصوص، وإزالة طابع الذكاء الاصطناعي، وزيادة البلاغة."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS هو أحدث إصدار من نموذج هونيان الرائد، يتمتع بقدرات تفكير أقوى وتجربة أفضل."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "نموذج Hunyuan الأحدث متعدد الوسائط، يدعم إدخال الصور والنصوص لتوليد محتوى نصي."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "سبارك لايت هو نموذج لغوي كبير خفيف الوزن، يتميز بتأخير منخفض للغاية وكفاءة عالية في المعالجة، وهو مجاني تمامًا ومفتوح، ويدعم وظيفة البحث عبر الإنترنت في الوقت الحقيقي. تجعل خصائص استجابته السريعة منه مثاليًا لتطبيقات الاستدلال على الأجهزة ذات القدرة الحاسوبية المنخفضة وضبط النماذج، مما يوفر للمستخدمين قيمة ممتازة من حيث التكلفة وتجربة ذكية، خاصة في مجالات الأسئلة والأجوبة المعرفية، وتوليد المحتوى، وسيناريوهات البحث."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 هو سلسلة من النماذج اللغوية الكبيرة (LLM) التي طورتها Meta وأطلقتها كمصدر مفتوح، وهي تتكون من نماذج توليد نص مسبقة التدريب ومتخصصة بحجم يتراوح من 7 مليارات إلى 70 مليار معلمة. على مستوى العمارة، Llama2 هو نموذج لغوي تراجعي تلقائي يستخدم معمارية محول محسنة. الإصدارات المعدلة تستخدم التدريب الدقيق تحت الإشراف (SFT) والتعلم التقويمي مع تعزيزات من البشر (RLHF) لتوافق تفضيلات البشر فيما يتعلق بالفائدة والأمان. أظهر Llama2 أداءً أفضل بكثير من سلسلة Llama في العديد من المجموعات الأكاديمية، مما قدم إلهامًا لتصميم وتطوير العديد من النماذج الأخرى."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B يوفر قدرة استدلال ذكائي أقوى، مناسب للتطبيقات المعقدة، يدعم معالجة حسابية ضخمة ويضمن الكفاءة والدقة."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "سبارك ماكس 32K مزود بقدرة معالجة سياق كبيرة، مع فهم أقوى للسياق وقدرة على الاستدلال المنطقي، يدعم إدخال نصوص تصل إلى 32K توكن، مما يجعله مناسبًا لقراءة الوثائق الطويلة، والأسئلة والأجوبة المعرفية الخاصة، وغيرها من السيناريوهات."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct هو نموذج لغة كبير تم تدريبه بشكل مستقل من قبل شركة ووون تشينغ. يهدف Megrez-3B-Instruct إلى تقديم حل ذكاء على جهاز نهائي سريع وصغير وسهل الاستخدام من خلال مفهوم التكامل بين البرمجيات والأجهزة."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "نموذج قوي بحجم 70 مليار معلمة يتفوق في التفكير، والترميز، وتطبيقات اللغة الواسعة."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "نموذج قوي للبرمجة متوسطة الحجم، يدعم طول سياق يصل إلى 32K، بارع في البرمجة متعددة اللغات."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "سلسلة Qwen1.5 هي نسخة تجريبية من Qwen2، وهي نموذج لغة قائم على Transformer يتميز بالتفكيك فقط، وقد تم تدريبه مسبقًا على كميات هائلة من البيانات. مقارنة بالإصدارات السابقة من سلسلة Qwen، تدعم سلسلة Qwen1.5 النماذج الأساسية والدردشة بعدة لغات، وقد تحسنت قدراتها في الدردشة والأساسية بشكل عام. Qwen1.5-14b-chat هو النموذج الرئيسي المخصص لسituات الدردشة، ويحتوي على 14 مليار معلمة."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "سلسلة Qwen1.5 هي نسخة تجريبية من Qwen2، وهي نموذج لغة قائم على Transformer مصمم للتفكيك فقط، وقد تم تدريبه مسبقًا على كميات هائلة من البيانات. مقارنة بالإصدارات السابقة من سلسلة Qwen، تدعم سلسلة Qwen1.5 النماذج الأساسية والدردشة بعدة لغات، وقد تحسنت قدراتها في الدردشة والأساسية بشكل عام. Qwen1.5-32b-chat هو نموذج كبير بحجم 32 مليار معلمة مخصص لسituات الدردشة، وهو أقوى في سituات الذكاء الاصطناعي مقارنة بنموذج 14 مليار معلمة، وأقل تكلفة في الاستدلال مقارنة بنموذج 72 مليار معلمة."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "سلسلة Qwen1.5 هي نسخة تجريبية من Qwen2، وهي نموذج لغة قائم على Transformer مصمم للتفكيك فقط، وقد تم تدريبه مسبقًا على كميات هائلة من البيانات. مقارنة بالإصدارات السابقة من سلسلة Qwen، تدعم سلسلة Qwen1.5 النماذج الأساسية والدردشة بعدة لغات، وقد تحسنت قدراتها في الدردشة والأساسية بشكل عام. Qwen1.5-72b-chat هو النموذج الكبير المخصص لسituات الدردشة، ويحتوي على 72 مليار معلمة."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 هو نموذج لغوي كبير من الجيل الجديد من Alibaba، يدعم أداءً ممتازًا لتلبية احتياجات التطبيقات المتنوعة."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 هو سلسلة نماذج لغوية كبيرة جديدة تم إطلاقها من قبل فريق Qwen. تعتمد هذه النماذج على هندسة Transformer وتستخدم دالة التنشيط SwiGLU، وتحيز الانتباه QKV (attention QKV bias)، وانتباه الاستفسار الجماعي (group query attention)، وخلط انتباه النافذة المتزحلقة والانتباه الكامل (mixture of sliding window attention and full attention). بالإضافة إلى ذلك، قام فريق Qwen بتحسين مجزئ يتكيف مع العديد من اللغات الطبيعية والأكواد."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 هو سلسلة نماذج لغوية كبيرة جديدة تم طرحها من قبل فريق Qwen. يعتمد هذا النموذج على هندسة Transformer، ويستخدم دالة التنشيط SwiGLU، وتحيز QKV للانتباه (attention QKV bias)، وانتباه الاستفسار الجماعي (group query attention)، وخلط انتباه النافذة المتزحلقة والانتباه الكامل. بالإضافة إلى ذلك، قام فريق Qwen بتحسين المقطّع الذي يتكيف مع العديد من اللغات الطبيعية والأكواد."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 هو الجيل الجديد من نماذج اللغة الكبيرة من Alibaba، يدعم احتياجات التطبيقات المتنوعة بأداء ممتاز."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 هو نموذج لغوي تقدمه Microsoft AI، يتميز بأداء ممتاز في الحوار المعقد، واللغات المتعددة، والاستدلال، والمساعدين الذكيين."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "يي-1.5 هو إصدار مُحدّث من يي. تم تدريبه بشكل مُسبق باستخدام مكتبة بيانات عالية الجودة تحتوي على 500 مليار علامة (Token) على يي، وتم تحسينه أيضًا باستخدام 3 ملايين مثال متنوع للتدريب الدقيق."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "نموذج جديد بمليارات المعلمات، يوفر قدرة قوية على الإجابة وتوليد النصوص."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "تشغيل نماذج التعلم الآلي المدفوعة بوحدات معالجة الرسوميات بدون خادم على شبكة Cloudflare العالمية."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "تقدم Cohere أحدث نماذج متعددة اللغات، وميزات بحث متقدمة، ومساحة عمل AI مصممة خصيصًا للشركات الحديثة - كل ذلك مدمج في منصة آمنة."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek هي شركة تركز على أبحاث وتطبيقات تقنيات الذكاء الاصطناعي، حيث يجمع نموذجها الأحدث DeepSeek-V2.5 بين قدرات الحوار العامة ومعالجة الشيفرات، وقد حقق تحسينات ملحوظة في محاذاة تفضيلات البشر، ومهام الكتابة، واتباع التعليمات."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "نموذج لغة متقدم تم تطويره بواسطة Tencent، يتمتع بقدرة قوية على الإبداع باللغة الصينية، وقدرة على الاستدلال المنطقي في سياقات معقدة، بالإضافة إلى قدرة موثوقة على تنفيذ المهام."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "يقدم خدمات نماذج كبيرة ذات أداء عالٍ وسهولة الاستخدام وأمان موثوق به للمطورين، تغطي كامل العملية من تطوير النماذج الكبيرة إلى نشرها كخدمات."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "منظمة مفتوحة المصدر مكرسة لأبحاث وتطوير أدوات النماذج الكبيرة. توفر منصة مفتوحة المصدر فعالة وسهلة الاستخدام لجميع مطوري الذكاء الاصطناعي، مما يجعل أحدث تقنيات النماذج الكبيرة والخوارزميات في متناول اليد."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "تتيح لك سحابة SambaNova استخدام أفضل النماذج مفتوحة المصدر بسهولة، والاستمتاع بأسرع سرعة استدلال."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "يوفر Search1API الوصول إلى سلسلة نماذج DeepSeek التي يمكن الاتصال بها حسب الحاجة، بما في ذلك النسخة القياسية والنسخة السريعة، مع دعم لاختيار نماذج بمقاييس معلمات متعددة."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "تقدم شركة SenseTime خدمات نماذج كبيرة شاملة وسهلة الاستخدام، مدعومة بقوة من البنية التحتية الكبيرة لشركة SenseTime."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "قائمة المواضيع"
|
||||
},
|
||||
"searchPlaceholder": "ابحث عن موضوع...",
|
||||
"searchResultEmpty": "لا توجد نتائج للبحث",
|
||||
"temp": "مؤقت",
|
||||
"title": "موضوع"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Спри",
|
||||
"warp": "Нов ред"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Разбирам и анализирам вашето намерение..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Всички съдържания",
|
||||
"allFiles": "Всички файлове",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Интелигентно определяне на необходимостта от търсене въз основа на съдържанието на разговора",
|
||||
"title": "Интелигентно свързване"
|
||||
},
|
||||
"disable": "Текущият модел не поддържа извикване на функции, затова не може да се използва интелигентно свързване",
|
||||
"off": {
|
||||
"desc": "Използва само основните знания на модела, без интернет търсене",
|
||||
"title": "Изключване на свързването"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Използване на вградената търсачка на модела"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "Текущият модел не поддържа извикване на функции, затова е необходимо да се комбинира с модел, който поддържа извикване на функции, за да се извърши търсене в интернет",
|
||||
"title": "Модел за търсене на помощ"
|
||||
},
|
||||
"title": "Търсене в интернет"
|
||||
},
|
||||
"searchAgentPlaceholder": "Търсач на помощ...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Извинявайте, но възникна проблем по време на инициализацията на Pglite базата данни. Моля, натиснете бутона, за да опиташ отново. Ако проблемът продължава след многократни опити, моля <1>подайте проблем</1>, и ние ще ви помогнем възможно най-скоро.",
|
||||
"detail": "Причина за грешка: [{{type}}] {{message}}. Подробности по-долу:",
|
||||
"detailTitle": "Причина за грешка",
|
||||
"report": "Докладвайте за проблема",
|
||||
"retry": "Опитай отново",
|
||||
"selfSolve": "Самостоятелно решение",
|
||||
"title": "Неуспешна инициализация на базата данни"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Използвайте сега",
|
||||
"desc": "Искам да използвам веднага",
|
||||
"title": "PGlite базата данни е готова"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Резервно копие",
|
||||
"backupSuccess": "Резервното копие е успешно",
|
||||
"desc": "Експортиране на ключови данни от текущата база данни",
|
||||
"export": "Експортиране на всички данни",
|
||||
"exportDesc": "Експортираните данни ще бъдат запазени в JSON формат и могат да се използват за последващо възстановяване или анализ.",
|
||||
"reset": {
|
||||
"alert": "Предупреждение",
|
||||
"alertDesc": "Следните действия могат да доведат до загуба на данни. Моля, уверете се, че сте направили резервно копие на важните данни, преди да продължите.",
|
||||
"button": "Пълно нулиране на базата данни (изтриване на всички данни)",
|
||||
"confirm": {
|
||||
"desc": "Тази операция ще изтрие всички данни и не може да бъде отменена. Потвърдете, за да продължите?",
|
||||
"title": "Потвърдете нулирането на базата данни"
|
||||
},
|
||||
"desc": "Нулиране на базата данни в случай на неизменяемо преместване",
|
||||
"title": "Нулиране на базата данни"
|
||||
},
|
||||
"restore": "Възстановяване",
|
||||
"restoreSuccess": "Възстановяването е успешно",
|
||||
"title": "Резервно копие на данни"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Дата на създаване",
|
||||
"migratedAt": "Дата на завършване на миграцията",
|
||||
"sql": "Миграционен SQL",
|
||||
"title": "Състояние на миграцията"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Ръчно управление на състоянието на миграцията",
|
||||
"runSQL": "Персонализирано изпълнение",
|
||||
"sql": {
|
||||
"clear": "Изчистване",
|
||||
"desc": "Изпълнение на персонализирани SQL команди за поправка на проблеми с базата данни",
|
||||
"markFinished": "Маркирай като завършено",
|
||||
"placeholder": "Въведете SQL команда...",
|
||||
"result": "Резултат от изпълнението",
|
||||
"run": "Изпълни",
|
||||
"title": "SQL изпълнител"
|
||||
},
|
||||
"title": "Контрол на миграцията"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Резервно копие и възстановяване",
|
||||
"diagnosis": "Диагностика",
|
||||
"repair": "Поправка"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Затвори",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Потребителски модел, по подразбиране поддържа функционалност за функционални обаждания и визуално разпознаване, моля, потвърдете наличието на тези възможности спрямо реалните условия",
|
||||
"file": "Този модел поддържа качване на файлове и разпознаване",
|
||||
"functionCall": "Този модел поддържа функционални обаждания (Function Call)",
|
||||
"imageOutput": "Този модел поддържа генериране на изображения",
|
||||
"reasoning": "Този модел поддържа дълбочинно мислене",
|
||||
"search": "Този модел поддържа търсене в мрежата",
|
||||
"tokens": "Този модел поддържа до {{tokens}} токена за една сесия",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "Няма активирани модели, моля, посетете настройките и ги активирайте",
|
||||
"emptyProvider": "Няма активиран доставчик на услуги, моля, отидете в настройките, за да го активирате",
|
||||
"goToSettings": "Отидете в настройките",
|
||||
"provider": "Доставчик"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Съжаляваме, сървърът изтече времето за изчакване при очакване на отговор, вероятно поради бавен отговор, моля, опитайте отново по-късно",
|
||||
"AgentRuntimeError": "Грешка при изпълнение на времето за изпълнение на езиковия модел Lobe. Моля, отстранете неизправностите или опитайте отново въз основа на следната информация.",
|
||||
"ConnectionCheckFailed": "Заявката върна празен отговор. Моля, проверете дали адресът на API проксито не завършва с `/v1`.",
|
||||
"CreateMessageError": "Съжалявам, съобщението не можа да бъде изпратено успешно. Моля, копирайте съдържанието и го изпратете отново. След опресняване на страницата, това съобщение няма да бъде запазено.",
|
||||
"ExceededContextWindow": "Текущото съдържание на заявката надвишава дължината, която моделът може да обработи. Моля, намалете обема на съдържанието и опитайте отново.",
|
||||
"FreePlanLimit": "В момента сте потребител на безплатен план и не можете да използвате тази функционалност. Моля, надстройте до платен план, за да продължите да я използвате.",
|
||||
"InsufficientQuota": "Съжаляваме, квотата за този ключ е достигнала лимита. Моля, проверете баланса на акаунта си или увеличете квотата на ключа и опитайте отново.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet предлага способности, надхвърлящи Opus, и по-бърза скорост в сравнение с Sonnet, като същевременно запазва същата цена. Sonnet е особено силен в програмирането, науката за данни, визуалната обработка и агентските задачи."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet е най-интелигентният модел на Anthropic до момента и е първият хибриден модел за разсъждение на пазара. Claude 3.7 Sonnet може да генерира почти мигновени отговори или удължено стъпково мислене, което позволява на потребителите ясно да видят тези процеси. Sonnet е особено добър в програмирането, науката за данни, визуалната обработка и агентските задачи."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 е многозначен модел, представен от Cohere, поддържащ 23 езика, предоставяйки удобство за многоезични приложения."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse е високопроизводителен многоезичен модел с 32B, проектиран да предизвика представянето на едноезични модели чрез иновации в настройката на инструкции, арбитраж на данни, обучение на предпочитания и комбиниране на модели. Той поддържа 23 езика."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse е високопроизводителен многоезичен модел с 8B, проектиран да предизвика представянето на едноезични модели чрез иновации в настройката на инструкции, арбитраж на данни, обучение на предпочитания и комбиниране на модели. Той поддържа 23 езика."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision е авангарден много модален модел, който показва отлични резултати в множество ключови бенчмаркове за езикови, текстови и визуални способности. Той поддържа 23 езика. Тази версия с 32 милиарда параметри се фокусира върху авангарден многоезичен представител."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision е авангарден много модален модел, който показва отлични резултати в множество ключови бенчмаркове за езикови, текстови и визуални способности. Тази версия с 8 милиарда параметри се фокусира върху ниска латентност и оптимална производителност."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 е проектиран за ролеви игри и емоционално придружаване, поддържаща дълга многократна памет и персонализиран диалог, с широко приложение."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 е закритоизточен модел, обявен от интелигентната платформа AI и лабораторията KEG на Университета в Тайхуа. Той е претрениран с голям обем на китайски и английски идентификатори и е подложен на тренировка за съответствие с хуманите предпочитания. Сравнено с първата версия на модела, ChatGLM3 постига подобрения от 16%, 36% и 280% в MMLU, C-Eval и GSM8K съответно, и е класифициран на първо място в китайския рейтинг C-Eval. Този модел е подходящ за сценарии, които изискват високи стандарти за знания, умения за разсъждаване и креативност, като например създаване на рекламни текстове, писане на романи, научно-популярно писане и генериране на код."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base е последната генерация на редицата ChatGLM, разработена от компанията Zhipu, с 6 милиарда параметри и е открит източник."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o е динамичен модел, който се актуализира в реално време, за да поддържа най-новата версия. Той комбинира мощно разбиране на езика и генериране на текст, подходящ за мащабни приложения, включително обслужване на клиенти, образование и техническа поддръжка."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ е модел, оптимизиран за RAG, проектиран да се справя с натоварвания на ниво предприятие."
|
||||
},
|
||||
"command": {
|
||||
"description": "Диалогов модел, следващ инструкции, който показва високо качество и надеждност в езиковите задачи, с по-дълга контекстна дължина в сравнение с нашия основен генеративен модел."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Команда A е нашият най-мощен модел до момента, който показва отлични резултати в използването на инструменти, агенти, подобрено генериране на информация (RAG) и многоезични приложения. Команда A разполага с контекстна дължина от 256K и може да работи само с две GPU, а производителността е увеличена с 150% в сравнение с Команда R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "По-малка и по-бърза версия на Команда, почти толкова мощна, но с по-бърза скорост."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "За да съкратим времевия интервал между основните версии, пуснахме нощна версия на модела Команда. За серията command-light, тази версия се нарича command-light-nightly. Обърнете внимание, че command-light-nightly е най-новата, най-експериментална и (възможно) нестабилна версия. Нощните версии се актуализират редовно и без предварително уведомление, затова не се препоръчва използването им в производствени среди."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "За да съкратим времевия интервал между основните версии, пуснахме нощна версия на модела Команда. За серията Команда, тази версия се нарича command-cightly. Обърнете внимание, че command-nightly е най-новата, най-експериментална и (възможно) нестабилна версия. Нощните версии се актуализират редовно и без предварително уведомление, затова не се препоръчва използването им в производствени среди."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R е LLM, оптимизиран за диалогови и дълги контекстуални задачи, особено подходящ за динамично взаимодействие и управление на знания."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Команда R е диалогов модел, следващ инструкции, който показва по-високо качество и надеждност в езиковите задачи, с по-дълга контекстна дължина в сравнение с предишните модели. Той може да се използва за сложни работни потоци, като генериране на код, подобрено генериране на информация (RAG), използване на инструменти и агенти."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 е актуализирана версия на модела Команда R, пусната през август 2024 г."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ е високопроизводителен голям езиков модел, проектиран за реални бизнес сценарии и сложни приложения."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Команда R+ е диалогов модел, следващ инструкции, който показва по-високо качество и надеждност в езиковите задачи, с по-дълга контекстна дължина в сравнение с предишните модели. Той е най-подходящ за сложни RAG работни потоци и многократна употреба на инструменти."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 е малка и ефективна актуализирана версия, пусната през декември 2024 г. Тя показва отлични резултати в задачи, изискващи сложни разсъждения и многократна обработка, като RAG, използване на инструменти и агенти."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "Второ поколение модел DALL·E, поддържащ по-реалистично и точно генериране на изображения, с резолюция 4 пъти по-висока от първото поколение."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 е модел за извеждане, управляван от подсилено обучение (RL), който решава проблемите с повторяемостта и четимостта в модела. Преди RL, DeepSeek-R1 въвежда данни за студен старт, за да оптимизира допълнително производителността на извеждане. Той показва сравнима производителност с OpenAI-o1 в математически, кодови и извеждащи задачи и подобрява общите резултати чрез внимателно проектирани методи на обучение."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B бърза версия, поддържаща търсене в реално време, предлагаща по-бърза скорост на отговор, без да компрометира производителността на модела."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B стандартна версия, поддържаща търсене в реално време, подходяща за диалози и текстови задачи, изискващи най-новата информация."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 - по-голям и по-интелигентен модел в комплекта DeepSeek - е дестилиран в архитектурата Llama 70B. На базата на бенчмаркове и човешка оценка, този модел е по-интелигентен от оригиналния Llama 70B, особено в задачи, изискващи математическа и фактическа точност."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "Първоначално пуснат на 14 февруари 2025 г., дестилиран от екипа за разработка на модела Qianfan с базов модел Llama3_70B (създаден с Meta Llama), в дестилираните данни също е добавен корпус от Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "Първоначално пуснат на 14 февруари 2025 г., дестилиран от екипа за разработка на модела Qianfan с базов модел Llama3_8B (създаден с Meta Llama), в дестилираните данни също е добавен корпус от Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "Моделите от серията DeepSeek-R1-Distill са получени чрез техника на знание дестилация, като се фино настройват образците, генерирани от DeepSeek-R1, спрямо отворени модели като Qwen и Llama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 пълна бърза версия, поддържаща търсене в реално време, комбинираща мощността на 671B параметри с по-бърза скорост на отговор."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 пълна версия, с 671B параметри, поддържаща търсене в реално време, с по-силни способности за разбиране и генериране."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "Модел за извеждане, разработен от DeepSeek. Преди да предостави окончателния отговор, моделът първо извежда част от веригата на мислене, за да повиши точността на крайния отговор."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "Флагманският голям езиков модел, разработен от Baidu, с отлични общи резултати, широко приложим в сложни задачи в различни области; поддържа автоматично свързване с плъгина за търсене на Baidu, осигурявайки актуалност на информацията. В сравнение с ERNIE 4.0, показва по-добри резултати."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "Моделът Ernie 4.5 е ново поколение оригинален много модален основен модел, разработен от Baidu, който постига съвместна оптимизация чрез многомодално моделиране, с отлични способности за разбиране на много модалности; предлага усъвършенствани езикови способности, с подобрено разбиране, генериране, логика и памет, значително подобрени способности за избягване на халюцинации, логическо разсъждение и код."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Специализиран голям езиков модел, разработен от Baidu, подходящ за приложения като NPC в игри, диалози на клиентска поддръжка и ролеви игри, с по-изразителен и последователен стил на персонажите, по-силна способност за следване на инструкции и по-добра производителност на разсъжденията."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash предлага следващо поколение функции и подобрения, включително изключителна скорост, нативна употреба на инструменти, многомодално генериране и контекстен прозорец от 1M токена."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash моделна вариация, оптимизирана за икономичност и ниска латентност."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Gemini 2.0 Flash експериментален модел, който поддържа генериране на изображения"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash е вариант на модела, оптимизиран за икономичност и ниска латентност."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental е най-новият експериментален многомодален AI модел на Google, който предлага значително подобрение в качеството в сравнение с предишните версии, особено по отношение на световни знания, код и дълги контексти."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental е най-напредналият модел на мислене на Google, способен да разсъждава по сложни проблеми в код, математика и STEM области, както и да анализира големи набори от данни, кодови библиотеки и документи, използвайки дълъг контекст."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B е подходяща за обработка на средни и малки задачи, съчетаваща икономичност."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "Най-новият мултимодален модел на Hunyuan, поддържащ отговори на множество езици, с балансирани способности на китайски и английски."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Цялостно изграждане на моделни способности в хуманитарни и точни науки, с висока способност за улавяне на дълги текстови информации. Поддържа разсъждения и отговори на научни въпроси от всякаква трудност, включително математика, логика, наука и код."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "Първият в индустрията свръхголям хибриден трансформаторен модел за инференция, който разширява инференционните способности, предлага изключителна скорост на декодиране и допълнително съгласува човешките предпочитания."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Поддържа автоматичен превод между 15 езика, включително китайски, английски, японски, френски, португалски, испански, турски, руски, арабски, корейски, италиански, немски, виетнамски, малайски и индонезийски, базиран на автоматизирана оценка COMET, с цялостна преводна способност, която е по-добра от моделите на пазара с подобен мащаб."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "Предварителна версия на новото поколение голям езиков модел на HunYuan, използваща нова структура на смесен експертен модел (MoE), с по-бърза скорост на извеждане и по-силни резултати в сравнение с hunyuan-pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Фиксирана версия на hunyuan-turbo от 20 ноември 2024 г., която е между hunyuan-turbo и hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "Оптимизация в тази версия: скалиране на данни и инструкции, значително повишаване на общата генерализационна способност на модела; значително повишаване на математическите, кодовите и логическите способности; оптимизиране на свързаните с разбирането на текста и думите способности; оптимизиране на качеството на генерираното съдържание при създаване на текст."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "Новото поколение визуално езиково флагманско голямо модел на Hunyuan, използващо нова структура на смесен експертен модел (MoE), с цялостно подобрение на способностите за основно разпознаване, създаване на съдържание, отговори на въпроси и анализ и разсъждение в сравнение с предишното поколение модели."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 фиксирана версия, предтренировъчна база с увеличен брой токени; подобрени способности за разсъждение в математика/логика/код и др.; подобрено изживяване на китайски и английски, включително текстово творчество, разбиране на текст, въпроси и отговори, разговори и др."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Уеднаквяване на стила на математическите решения, засилване на многократните въпроси и отговори по математика. Оптимизация на стила на отговорите в текстовото творчество, премахване на AI привкус и добавяне на литературност."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS е последната версия на флагманския модел Hunyuan, с по-силни способности за разсъждение и по-добро потребителско изживяване."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "Най-новият мултимодален модел на HunYuan, поддържащ генериране на текстово съдържание от изображения и текстови входове."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite е лек модел на голям език, с изключително ниска латентност и ефективна обработка, напълно безплатен и отворен, поддържащ функции за онлайн търсене в реално време. Неговите бързи отговори го правят отличен за приложения на нискомощни устройства и фина настройка на модели, предоставяйки на потребителите отлична рентабилност и интелигентно изживяване, особено в контекста на въпроси и отговори, генериране на съдържание и търсене."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 е серия от големи модели за език (LLM), разработени и с отворен код от Meta. Това е набор от генеративни текстови модели с различен размер, от 7 милиарда до 70 милиарда параметри, които са претренирани и майсторски оптимизирани. Архитектурно, Llama2 е автоматично регресивен езиков модел, използващ оптимизирана трансформаторна архитектура. Подобренията включват супервизирано майсторско трениране (SFT) и подкрепено с учене с награди (RLHF) за подреждане на предпочтенията на хората за полезност и безопасност. Llama2 демонстрира значително подобрени резултати върху множество академични набори от данни, което предоставя възможности за дизайн и развитие на много други модели."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B предлага по-мощни способности за разсъждение на AI, подходящи за сложни приложения, поддържащи множество изчислителни обработки и осигуряващи ефективност и точност."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K е конфигуриран с голяма способност за обработка на контекст, с по-силно разбиране на контекста и логическо разсъждение, поддържащ текстови входове до 32K токена, подходящ за четене на дълги документи, частни въпроси и отговори и други сценарии."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct е голям езиков модел, напълно обучен от безкрайната връху чиповете. Megrez-3B-Instruct се стреми чрез концепцията за съвместно хардуерно-софтуерно взаимодействие да създаде решение за крайните устройства, което е бързо за извършване, компактно и лесно за използване."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "Мощен модел с 70 милиарда параметри, отличаващ се в разсъждения, кодиране и широки езикови приложения."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Мощен среден модел за код, поддържащ 32K дължина на контекста, специализиран в многоезично програмиране."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "Qwen1.5 серия е бета версия на Qwen2, която е декодиращ езиков модел, базиран на Transformer, предварително обучен на обемни данни. Сравнено с предходните версии на Qwen, моделите base и chat на Qwen1.5 серия поддържат множество езици и са подобрени както в общите разговори, така и в основните умения. Qwen1.5-14b-chat е модел с 14 милиарда параметри, специално предназначен за разговорни сценарии."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "Qwen1.5 серия е бета версия на Qwen2, което е декодиращ езиков модел, базиран на Transformer, предварително обучен на обемни данни. Сравнено с предходните версии на Qwen, серията Qwen1.5 поддържа множество езици и е подобрена както в общите разговорни, така и в основните функции. Qwen1.5-32b-chat е специализиран модел за разговорни сценарии с 32 милиарда параметри, който е по-силен в сценарии с интелектуални агенти спрямо 14 милиардната версия и има по-нисък разход за извършване на изводи спрямо 72 милиардната версия."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "Серия Qwen1.5 е бета версия на Qwen2 и представлява декодиращ езиков модел, базиран на Transformer, предварително обучен на обемни данни. Сравнено с предходните версии на Qwen, моделите base и chat от серията Qwen1.5 поддържат множество езици и са подобрени както в общите разговори, така и в основните умения. Qwen1.5-72b-chat е специално предназначен за разговорни сценарии и разполага с 72 милиарда параметри."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 е новото поколение голям езиков модел на Alibaba, предлагащ отлична производителност за разнообразни приложения."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 е новият серий на големи модели за език, предложен от екипа Qwen. Той се основава на архитектурата Transformer и използва SwiGLU активационна функция, внимание QKV смещение (attention QKV bias), групово запитване на внимание (group query attention), смесени техники за внимание с превъртващи се прозорци (mixture of sliding window attention) и пълно внимание. Освен това, екипът Qwen също е подобрал токенизатора, който поддържа множество езици и код."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 е новият серийен модел за големи езици, представен от екипа Qwen. Той се основава на архитектурата Transformer и използва SwiGLU активационна функция, внимание с QKV смещение (attention QKV bias), групово внимание за заявки (group query attention), смесени техники за обръщане на внимание с превъртващи се прозорци (mixture of sliding window attention) и пълно внимание. Освен това, екипът Qwen е подобрил токенизатора, който поддържа множество езици и код."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 е новото поколение мащабен езиков модел на Alibaba, който предлага отлична производителност, за да отговори на разнообразни приложни нужди."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 е езиков модел, предоставен от Microsoft AI, който се отличава в сложни диалози, многоезичност, разсъждение и интелигентни асистенти."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 е обновена версия на Yi. Тя използва висококачествен корпус от 500B токена за продължителна предварителна обучение на Yi и е майсторски подобрявана с 3M разнообразни примера за fino-tuning."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "Новият модел с хиляда милиарда параметри предлага изключителни способности за отговори и генериране на текст."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Работа с модели на машинно обучение, задвижвани от безсървърни GPU, в глобалната мрежа на Cloudflare."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere ви предлага най-съвременни многоезични модели, напреднали функции за търсене и AI работно пространство, проектирано специално за съвременните предприятия — всичко интегрирано в една сигурна платформа."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek е компания, специализирана в изследвания и приложения на технологии за изкуствен интелект, чийто най-нов модел DeepSeek-V2.5 комбинира способности за общи диалози и обработка на код, постигайки значителни подобрения в съответствието с човешките предпочитания, писателските задачи и следването на инструкции."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "Модел на голям език, разработен от Tencent, който притежава мощни способности за създаване на текст на китайски, логическо разсъждение в сложни контексти и надеждни способности за изпълнение на задачи."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Предоставя високопроизводителни, лесни за използване и сигурни услуги с големи модели за приложението разработчици, покриващи целия процес от разработка на големи модели до техното услугово разгъване."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "Отворена организация, посветена на изследването и разработването на инструменти за големи модели. Предоставя на всички AI разработчици ефективна и лесна за използване отворена платформа, която прави най-съвременните технологии и алгоритми за големи модели достъпни."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud позволява на разработчиците лесно да използват най-добрите отворени модели и да се наслаждават на най-бързата скорост на извеждане."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API предоставя достъп до серията модели DeepSeek, които могат да се свързват в мрежа при нужда, включително стандартна и бърза версия, с поддръжка за избор на модели с различни параметри."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseNova, с мощната основа на SenseTime, предлага ефективни и лесни за използване услуги за големи модели с пълен стек."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Списък с теми"
|
||||
},
|
||||
"searchPlaceholder": "Търсене на теми...",
|
||||
"searchResultEmpty": "Няма намерени резултати",
|
||||
"temp": "Временен",
|
||||
"title": "Тема"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Stoppen",
|
||||
"warp": "Zeilenumbruch"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Verstehe und analysiere gerade Ihre Absicht..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Alle Inhalte",
|
||||
"allFiles": "Alle Dateien",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Intelligente Beurteilung, ob eine Suche basierend auf dem Gesprächsinhalt erforderlich ist",
|
||||
"title": "Intelligente Vernetzung"
|
||||
},
|
||||
"disable": "Das aktuelle Modell unterstützt keine Funktionsaufrufe, daher kann die intelligente Vernetzungsfunktion nicht verwendet werden",
|
||||
"off": {
|
||||
"desc": "Verwendet nur das Grundwissen des Modells, ohne Netzsuche",
|
||||
"title": "Vernetzung deaktivieren"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Verwenden Sie die integrierte Suchmaschine des Modells"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "Das aktuelle Modell unterstützt keine Funktionsaufrufe, daher muss es mit einem Modell kombiniert werden, das Funktionsaufrufe unterstützt, um online zu suchen",
|
||||
"title": "Suchunterstützungsmodell"
|
||||
},
|
||||
"title": "Netzwerksuche"
|
||||
},
|
||||
"searchAgentPlaceholder": "Suchassistent...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Es tut uns leid, während des Initialisierungsprozesses der Pglite-Datenbank ist ein Fehler aufgetreten. Bitte klicken Sie auf die Schaltfläche, um es erneut zu versuchen. Wenn der Fehler nach mehreren Versuchen weiterhin auftritt, <1>reichen Sie bitte ein Problem ein</1>, und wir werden Ihnen umgehend bei der Untersuchung helfen.",
|
||||
"detail": "Fehlerursache: [{{type}}] {{message}}. Einzelheiten sind wie folgt:",
|
||||
"detailTitle": "Fehlerursache",
|
||||
"report": "Problem melden",
|
||||
"retry": "Erneut versuchen",
|
||||
"selfSolve": "Selbsthilfe",
|
||||
"title": "Datenbankinitialisierung fehlgeschlagen"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Jetzt verwenden",
|
||||
"desc": "Jetzt verwenden",
|
||||
"title": "PGlite-Datenbank ist bereit"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Sicherung",
|
||||
"backupSuccess": "Sicherung erfolgreich",
|
||||
"desc": "Wichtige Daten aus der aktuellen Datenbank exportieren",
|
||||
"export": "Alle Daten exportieren",
|
||||
"exportDesc": "Die exportierten Daten werden im JSON-Format gespeichert und können für eine spätere Wiederherstellung oder Analyse verwendet werden.",
|
||||
"reset": {
|
||||
"alert": "Warnung",
|
||||
"alertDesc": "Die folgenden Aktionen können zu Datenverlust führen. Bitte stellen Sie sicher, dass Sie wichtige Daten gesichert haben, bevor Sie fortfahren.",
|
||||
"button": "Datenbank vollständig zurücksetzen (alle Daten löschen)",
|
||||
"confirm": {
|
||||
"desc": "Diese Aktion wird alle Daten löschen und ist nicht rückgängig zu machen. Möchten Sie fortfahren?",
|
||||
"title": "Datenbank zurücksetzen bestätigen"
|
||||
},
|
||||
"desc": "Datenbank zurücksetzen, wenn eine Wiederherstellung nicht möglich ist",
|
||||
"title": "Datenbank zurücksetzen"
|
||||
},
|
||||
"restore": "Wiederherstellen",
|
||||
"restoreSuccess": "Wiederherstellung erfolgreich",
|
||||
"title": "Datenbackup"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Erstellungszeit",
|
||||
"migratedAt": "Migration abgeschlossen",
|
||||
"sql": "Migration SQL",
|
||||
"title": "Migrationsstatus"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Manuelle Verwaltung des Migrationsstatus",
|
||||
"runSQL": "Benutzerdefinierte Ausführung",
|
||||
"sql": {
|
||||
"clear": "Leeren",
|
||||
"desc": "Benutzerdefinierte SQL-Anweisungen ausführen, um Datenbankprobleme zu beheben",
|
||||
"markFinished": "Als abgeschlossen markieren",
|
||||
"placeholder": "SQL-Anweisung eingeben...",
|
||||
"result": "Ausführungsergebnis",
|
||||
"run": "Ausführen",
|
||||
"title": "SQL-Ausführungswerkzeug"
|
||||
},
|
||||
"title": "Migrationskontrolle"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Backup und Wiederherstellung",
|
||||
"diagnosis": "Diagnose",
|
||||
"repair": "Reparatur"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Schließen",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Benutzerdefiniertes Modell, standardmäßig unterstützt es sowohl Funktionsaufrufe als auch visuelle Erkennung. Bitte überprüfen Sie die Verfügbarkeit dieser Fähigkeiten basierend auf den tatsächlichen Gegebenheiten.",
|
||||
"file": "Dieses Modell unterstützt das Hochladen von Dateien und deren Erkennung.",
|
||||
"functionCall": "Dieses Modell unterstützt Funktionsaufrufe.",
|
||||
"imageOutput": "Dieses Modell unterstützt die Generierung von Bildern",
|
||||
"reasoning": "Dieses Modell unterstützt tiefes Denken",
|
||||
"search": "Dieses Modell unterstützt die Online-Suche",
|
||||
"tokens": "Dieses Modell unterstützt maximal {{tokens}} Tokens pro Sitzung.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "Kein aktiviertes Modell. Bitte gehen Sie zu den Einstellungen, um es zu aktivieren.",
|
||||
"emptyProvider": "Es sind keine aktiven Anbieter vorhanden, bitte gehen Sie zu den Einstellungen, um sie zu aktivieren",
|
||||
"goToSettings": "Zu den Einstellungen gehen",
|
||||
"provider": "Anbieter"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Es tut uns leid, der Server hat beim Warten auf eine Antwort die Zeit überschritten, möglicherweise aufgrund einer zu langsamen Antwort. Bitte versuchen Sie es später erneut.",
|
||||
"AgentRuntimeError": "Es ist ein Fehler bei der Ausführung des Lobe-Sprachmodells aufgetreten. Bitte überprüfen Sie die folgenden Informationen oder versuchen Sie es erneut.",
|
||||
"ConnectionCheckFailed": "Die Anfrage brachte eine leere Antwort zurück. Bitte überprüfen Sie, ob die API-Proxy-Adresse am Ende nicht mit `/v1` endet.",
|
||||
"CreateMessageError": "Es tut uns leid, die Nachricht konnte nicht erfolgreich gesendet werden. Bitte kopieren Sie den Inhalt und senden Sie ihn erneut. Nach dem Aktualisieren der Seite wird diese Nachricht nicht gespeichert.",
|
||||
"ExceededContextWindow": "Der aktuelle Anfrageinhalt überschreitet die von dem Modell verarbeitbare Länge. Bitte reduzieren Sie die Menge des Inhalts und versuchen Sie es erneut.",
|
||||
"FreePlanLimit": "Sie sind derzeit ein kostenloser Benutzer und können diese Funktion nicht nutzen. Bitte aktualisieren Sie auf ein kostenpflichtiges Abonnement, um fortzufahren.",
|
||||
"InsufficientQuota": "Es tut uns leid, das Kontingent (Quota) für diesen Schlüssel ist erreicht. Bitte überprüfen Sie Ihr Kontoguthaben oder erhöhen Sie das Kontingent des Schlüssels und versuchen Sie es erneut.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet bietet Fähigkeiten, die über Opus hinausgehen, und eine schnellere Geschwindigkeit als Sonnet, während es den gleichen Preis wie Sonnet beibehält. Sonnet ist besonders gut in Programmierung, Datenwissenschaft, visueller Verarbeitung und Agentenaufgaben."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet ist das intelligenteste Modell von Anthropic bis heute und das erste hybride Inferenzmodell auf dem Markt. Claude 3.7 Sonnet kann nahezu sofortige Antworten oder verlängerte, schrittweise Überlegungen erzeugen, wobei die Benutzer diesen Prozess klar nachvollziehen können. Sonnet ist besonders gut in den Bereichen Programmierung, Datenwissenschaft, visuelle Verarbeitung und Agentenaufgaben."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 ist ein mehrsprachiges Modell von Cohere, das 23 Sprachen unterstützt und die Anwendung in einer Vielzahl von Sprachen erleichtert."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse ist ein leistungsstarkes 32B mehrsprachiges Modell, das darauf abzielt, die Leistung von einsprachigen Modellen durch innovative Ansätze wie Anweisungsoptimierung, Datenarbitrage, Präferenztraining und Modellfusion herauszufordern. Es unterstützt 23 Sprachen."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse ist ein leistungsstarkes 8B mehrsprachiges Modell, das darauf abzielt, die Leistung von einsprachigen Modellen durch innovative Ansätze wie Anweisungsoptimierung, Datenarbitrage, Präferenztraining und Modellfusion herauszufordern. Es unterstützt 23 Sprachen."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision ist ein hochmodernes multimodales Modell, das in mehreren wichtigen Benchmarks für Sprache, Text und Bild hervorragende Leistungen zeigt. Diese 32B-Version konzentriert sich auf die fortschrittlichste mehrsprachige Leistung und unterstützt 23 Sprachen."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision ist ein hochmodernes multimodales Modell, das in mehreren wichtigen Benchmarks für Sprache, Text und Bild hervorragende Leistungen zeigt. Diese 8B-Version konzentriert sich auf niedrige Latenz und optimale Leistung."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3 ist für Rollenspiele und emotionale Begleitung konzipiert und unterstützt extrem lange Mehrfachgedächtnisse und personalisierte Dialoge, mit breiter Anwendung."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 ist ein proprietäres Modell, das von der KI-Forschungsgruppe Zhipu AI und dem KEG-Labor der Tsinghua-Universität veröffentlicht wurde. Es wurde durch umfangreiche Vortrainings mit chinesischen und englischen Bezeichnern sowie durch die Anpassung an menschliche Präferenzen entwickelt. Im Vergleich zum ersten Modell erzielte es Verbesserungen von 16 %, 36 % und 280 % in den Benchmarks MMLU, C-Eval und GSM8K und steht an der Spitze der chinesischen Aufgabenliste C-Eval. Es eignet sich für Szenarien, die hohe Anforderungen an das Wissensvolumen, die Inferenzfähigkeit und die Kreativität stellen, wie z. B. die Erstellung von Werbetexten, das Schreiben von Romanen, wissensbasiertes Schreiben und die Generierung von Code."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base ist das neueste Modell der ChatGLM-Serie mit 6 Milliarden Parametern, entwickelt von Zhipu."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o ist ein dynamisches Modell, das in Echtzeit aktualisiert wird, um die neueste Version zu gewährleisten. Es kombiniert starke Sprachverständnis- und Generierungsfähigkeiten und eignet sich für großangelegte Anwendungsszenarien, einschließlich Kundenservice, Bildung und technische Unterstützung."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ ist ein hochmodernes, RAG-optimiertes Modell, das für unternehmensgerechte Arbeitslasten konzipiert ist."
|
||||
},
|
||||
"command": {
|
||||
"description": "Ein dialogbasiertes Modell, das Anweisungen folgt und in sprachlichen Aufgaben hohe Qualität und Zuverlässigkeit bietet. Im Vergleich zu unserem grundlegenden Generierungsmodell hat es eine längere Kontextlänge."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A ist unser bisher leistungsstärkstes Modell, das in der Nutzung von Werkzeugen, Agenten, Retrieval-Enhanced Generation (RAG) und mehrsprachigen Anwendungsszenarien hervorragende Leistungen zeigt. Command A hat eine Kontextlänge von 256K, benötigt nur zwei GPUs zum Betrieb und bietet im Vergleich zu Command R+ 08-2024 eine Steigerung der Durchsatzrate um 150 %."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "Eine kleinere, schnellere Version von Command, die fast ebenso leistungsstark ist, aber schneller arbeitet."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "Um die Zeitspanne zwischen den Hauptversionsveröffentlichungen zu verkürzen, haben wir eine nächtliche Version des Command Modells eingeführt. Für die command-light-Serie wird diese Version als command-light-nightly bezeichnet. Bitte beachten Sie, dass command-light-nightly die neueste, experimentellste und (möglicherweise) instabilste Version ist. Die nächtlichen Versionen werden regelmäßig aktualisiert, ohne vorherige Ankündigung, daher wird die Verwendung in Produktionsumgebungen nicht empfohlen."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "Um die Zeitspanne zwischen den Hauptversionsveröffentlichungen zu verkürzen, haben wir eine nächtliche Version des Command Modells eingeführt. Für die Command-Serie wird diese Version als command-cightly bezeichnet. Bitte beachten Sie, dass command-nightly die neueste, experimentellste und (möglicherweise) instabilste Version ist. Die nächtlichen Versionen werden regelmäßig aktualisiert, ohne vorherige Ankündigung, daher wird die Verwendung in Produktionsumgebungen nicht empfohlen."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R ist ein LLM, das für Dialoge und Aufgaben mit langen Kontexten optimiert ist und sich besonders gut für dynamische Interaktionen und Wissensmanagement eignet."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R ist ein dialogbasiertes Modell, das Anweisungen folgt und in sprachlichen Aufgaben eine höhere Qualität und Zuverlässigkeit bietet. Im Vergleich zu früheren Modellen hat es eine längere Kontextlänge. Es kann für komplexe Workflows wie Codegenerierung, Retrieval-Enhanced Generation (RAG), Werkzeugnutzung und Agenten verwendet werden."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 ist die aktualisierte Version des Command R Modells, das im August 2024 veröffentlicht wurde."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ ist ein leistungsstarkes großes Sprachmodell, das speziell für reale Unternehmensszenarien und komplexe Anwendungen entwickelt wurde."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ ist ein dialogbasiertes Modell, das Anweisungen folgt und in sprachlichen Aufgaben eine höhere Qualität und Zuverlässigkeit bietet. Im Vergleich zu früheren Modellen hat es eine längere Kontextlänge. Es eignet sich am besten für komplexe RAG-Workflows und mehrstufige Werkzeugnutzung."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 ist eine kompakte und effiziente aktualisierte Version, die im Dezember 2024 veröffentlicht wurde. Es zeigt hervorragende Leistungen in Aufgaben, die komplexes Denken und mehrstufige Verarbeitung erfordern, wie RAG, Werkzeugnutzung und Agenten."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "Zweite Generation des DALL·E-Modells, unterstützt realistischere und genauere Bildgenerierung, mit einer Auflösung, die viermal so hoch ist wie die der ersten Generation."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 ist ein durch verstärkendes Lernen (RL) gesteuertes Inferenzmodell, das die Probleme der Wiederholbarkeit und Lesbarkeit im Modell löst. Vor dem RL führte DeepSeek-R1 Kaltstartdaten ein, um die Inferenzleistung weiter zu optimieren. Es zeigt in mathematischen, programmierbezogenen und Inferenzaufgaben eine vergleichbare Leistung zu OpenAI-o1 und verbessert durch sorgfältig gestaltete Trainingsmethoden die Gesamteffizienz."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B Schnellversion, die Echtzeit-Online-Suche unterstützt und eine schnellere Reaktionszeit bei gleichbleibender Modellleistung bietet."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B Standardversion, die Echtzeit-Online-Suche unterstützt und sich für Dialoge und Textverarbeitungsaufgaben eignet, die aktuelle Informationen benötigen."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 – das größere und intelligentere Modell im DeepSeek-Paket – wurde in die Llama 70B-Architektur destilliert. Basierend auf Benchmark-Tests und menschlicher Bewertung ist dieses Modell intelligenter als das ursprüngliche Llama 70B, insbesondere bei Aufgaben, die mathematische und faktische Genauigkeit erfordern."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "Erstmals veröffentlicht am 14. Februar 2025, destilliert vom Qianfan-Modellteam auf Basis des Llama3_70B Modells (gebaut mit Meta Llama), wobei auch die Qianfan-Korpora in die Destillationsdaten aufgenommen wurden."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "Erstmals veröffentlicht am 14. Februar 2025, destilliert vom Qianfan-Modellteam auf Basis des Llama3_8B Modells (gebaut mit Meta Llama), wobei auch die Qianfan-Korpora in die Destillationsdaten aufgenommen wurden."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "Das DeepSeek-R1-Distill Modell wurde durch Wissensdistillationstechniken entwickelt, indem Proben, die von DeepSeek-R1 generiert wurden, auf Qwen, Llama und andere Open-Source-Modelle feinabgestimmt wurden."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 Vollschnellversion, die Echtzeit-Online-Suche unterstützt und die leistungsstarken Fähigkeiten von 671B Parametern mit einer schnelleren Reaktionszeit kombiniert."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 Vollversion mit 671B Parametern, die Echtzeit-Online-Suche unterstützt und über verbesserte Verständnis- und Generierungsfähigkeiten verfügt."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "Das von DeepSeek entwickelte Inferenzmodell. Bevor das Modell die endgültige Antwort ausgibt, gibt es zunächst eine Denkprozesskette aus, um die Genauigkeit der endgültigen Antwort zu erhöhen."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "Das von Baidu entwickelte Flaggschiff-Modell für große Sprachmodelle zeigt hervorragende Gesamtergebnisse und ist weit verbreitet in komplexen Aufgabenbereichen anwendbar; es unterstützt die automatische Anbindung an das Baidu-Suchplugin, um die Aktualität der Antwortinformationen zu gewährleisten. Im Vergleich zu ERNIE 4.0 bietet es eine bessere Leistung."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "Das ERNIE 4.5 Modell ist ein neu entwickeltes, natives multimodales Basis-Modell von Baidu, das durch die gemeinsame Modellierung mehrerer Modalitäten eine synergistische Optimierung erreicht und über hervorragende multimodale Verständnisfähigkeiten verfügt; es bietet verbesserte Sprachfähigkeiten, umfassende Verbesserungen in Verständnis, Generierung, Logik und Gedächtnis, sowie signifikante Verbesserungen in der Vermeidung von Halluzinationen, logischen Schlussfolgerungen und Programmierfähigkeiten."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Das von Baidu entwickelte große Sprachmodell für vertikale Szenarien eignet sich für Anwendungen wie NPCs in Spielen, Kundenservice-Dialoge und Rollenspiele, mit einem klareren und konsistenteren Charakterstil, einer stärkeren Befolgung von Anweisungen und besserer Inferenzleistung."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash bietet nächste Generation Funktionen und Verbesserungen, einschließlich außergewöhnlicher Geschwindigkeit, nativer Werkzeugnutzung, multimodaler Generierung und einem Kontextfenster von 1M Tokens."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash-Modellvariante, die auf Kosteneffizienz und niedrige Latenz optimiert ist."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Gemini 2.0 Flash Experimentmodell, das die Bildgenerierung unterstützt"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash ist eine Modellvariante, die auf Kosteneffizienz und niedrige Latenz optimiert ist."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental ist Googles neuestes experimentelles multimodales KI-Modell, das im Vergleich zu früheren Versionen eine gewisse Qualitätsverbesserung aufweist, insbesondere in Bezug auf Weltwissen, Code und lange Kontexte."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental ist Googles fortschrittlichstes Denkmodell, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und STEM zu analysieren. Es kann auch lange Kontexte nutzen, um große Datensätze, Codebasen und Dokumente zu analysieren."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B eignet sich für die Verarbeitung von mittelgroßen Aufgaben und bietet ein gutes Kosten-Nutzen-Verhältnis."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "Das neueste multimodale Modell von Hunyuan, das mehrsprachige Antworten unterstützt und sowohl in Chinesisch als auch in Englisch ausgewogen ist."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Umfassende Entwicklung der Modellfähigkeiten in Geistes- und Naturwissenschaften, starke Fähigkeit zur Erfassung langer Textinformationen. Unterstützt die Lösung von wissenschaftlichen Problemen in verschiedenen Schwierigkeitsgraden, einschließlich Mathematik, logischem Denken, Wissenschaft und Code."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "Das erste ultra-skalierbare Hybrid-Transformer-Mamba-Inferenzmodell der Branche, das die Inferenzfähigkeiten erweitert, eine extrem hohe Dekodierungsgeschwindigkeit bietet und weiter auf menschliche Präferenzen abgestimmt ist."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Unterstützt die Übersetzung zwischen Chinesisch und Englisch, Japanisch, Französisch, Portugiesisch, Spanisch, Türkisch, Russisch, Arabisch, Koreanisch, Italienisch, Deutsch, Vietnamesisch, Malaiisch und Indonesisch in 15 Sprachen. Basierend auf einem automatisierten Bewertungs-Framework COMET, das auf mehrsprachigen Übersetzungsbewertungsszenarien basiert, übertrifft es insgesamt die Übersetzungsfähigkeiten anderer Modelle ähnlicher Größe auf dem Markt."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "Die Vorschauversion des neuen großen Sprachmodells von Hunyuan verwendet eine neuartige hybride Expertenmodellstruktur (MoE) und bietet im Vergleich zu Hunyuan-Pro eine schnellere Inferenz und bessere Leistung."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Hunyuan-turbo Version vom 20. November 2024, eine feste Version, die zwischen hunyuan-turbo und hunyuan-turbo-latest liegt."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "Diese Version optimiert: Datenanweisungs-Skalierung, erhebliche Verbesserung der allgemeinen Generalisierungsfähigkeit des Modells; erhebliche Verbesserung der mathematischen, programmierbaren und logischen Denkfähigkeiten; Optimierung der Fähigkeiten im Textverständnis und der Wortverständnisfähigkeiten; Optimierung der Qualität der Inhaltserzeugung in der Texterstellung."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "Das neue Flaggschiff-Modell der visuellen Sprache von Hunyuan, das eine brandneue Struktur des gemischten Expertenmodells (MoE) verwendet, bietet umfassende Verbesserungen in den Fähigkeiten zur grundlegenden Erkennung, Inhaltserstellung, Wissensfragen und Analyse sowie Schlussfolgerungen im Vergleich zum vorherigen Modell."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 ist eine feste Version mit aktualisierten Trainings-Tokens; verbesserte Denkfähigkeiten in Mathematik/Logik/Code; verbesserte allgemeine Erfahrung in Chinesisch und Englisch, einschließlich Textgenerierung, Textverständnis, Wissensfragen und Smalltalk."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Ein einheitlicher Stil für mathematische Problemlösungsprozesse, der die mehrstufige Beantwortung von mathematischen Fragen verbessert. Textgenerierung optimiert den Antwortstil, entfernt AI-typische Formulierungen und erhöht die sprachliche Eleganz."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS ist die neueste Version des Hunyuan-Flaggschiffmodells, das über verbesserte Denkfähigkeiten und ein besseres Nutzungserlebnis verfügt."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "Das neueste multimodale Modell von Hunyuan unterstützt die Eingabe von Bildern und Text zur Generierung von Textinhalten."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite ist ein leichtgewichtiges großes Sprachmodell mit extrem niedriger Latenz und effizienter Verarbeitung, das vollständig kostenlos und offen ist und Echtzeitsuchfunktionen unterstützt. Seine schnelle Reaktionsfähigkeit macht es besonders geeignet für Inferenzanwendungen und Modellanpassungen auf Geräten mit geringer Rechenleistung und bietet den Nutzern ein hervorragendes Kosten-Nutzen-Verhältnis sowie ein intelligentes Erlebnis, insbesondere in den Bereichen Wissensabfragen, Inhaltserstellung und Suchszenarien."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 ist eine Serie großer Sprachmodelle (LLM), die von Meta entwickelt und als Open Source veröffentlicht wurden. Diese Serie umfasst generative Textmodelle mit einer Parameteranzahl von 7 Milliarden bis 70 Milliarden, die vortrainiert und feinjustiert wurden. Architekturtechnisch ist Llama2 ein autoregressives Sprachmodell, das eine optimierte Transformer-Architektur verwendet. Die angepassten Versionen nutzen überwachte Feinabstimmung (SFT) und Reinforcement Learning mit menschlichem Feedback (RLHF), um den menschlichen Vorlieben für Nützlichkeit und Sicherheit zu entsprechen. Llama2 übertrifft die Leistung der Llama-Serie in mehreren akademischen Datensätzen und bietet Inspiration für die Entwicklung und Gestaltung vieler anderer Modelle."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B bietet leistungsstarke KI-Schlussfolgerungsfähigkeiten, die für komplexe Anwendungen geeignet sind und eine hohe Rechenverarbeitung bei gleichzeitiger Effizienz und Genauigkeit unterstützen."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K bietet eine große Kontextverarbeitungsfähigkeit mit verbesserter Kontextverständnis und logischer Schlussfolgerungsfähigkeit und unterstützt Texteingaben von bis zu 32K Tokens, was es ideal für das Lesen langer Dokumente und private Wissensabfragen macht."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct ist ein großes Sprachmodell, das vollständig von Wuxin XinQiong trainiert wurde. Megrez-3B-Instruct zielt darauf ab, durch die Idee der Hardware-Software-Kooperation eine schnelle Inferenz, ein kompaktes Design und eine benutzerfreundliche Endgerätlösung zu schaffen."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "Ein leistungsstarkes Modell mit 70 Milliarden Parametern, das in den Bereichen Schlussfolgerungen, Programmierung und breiten Sprachanwendungen herausragt."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Leistungsstarkes, mittelgroßes Codierungsmodell, das 32K Kontextlängen unterstützt und in der mehrsprachigen Programmierung versiert ist."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "Die Qwen1.5-Serie ist die Beta-Version von Qwen2 und basiert auf einem Transformer-basierten dekodierenden Sprachmodell, das auf umfangreichen Daten vorab trainiert wurde. Im Vergleich zu früheren Versionen der Qwen-Serie können sowohl das Base-Modell als auch das Chat-Modell der Qwen1.5-Serie mehrere Sprachen unterstützen und bieten Verbesserungen in der gesamten Chat-Funktionalität und den grundlegenden Fähigkeiten. Qwen1.5-14b-chat ist ein 14-Milliarden-Parameter-Modell, das speziell für Chat-Szenarien entwickelt wurde."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "Die Qwen1.5-Serie ist die Beta-Version von Qwen2 und basiert auf einem Transformer-basierten dekodierenden Sprachmodell, das auf umfangreichen Daten vorab trainiert wurde. Im Vergleich zu früheren Versionen der Qwen-Serie können sowohl das Base-Modell als auch das Chat-Modell der Qwen1.5-Serie mehrere Sprachen unterstützen und bieten Verbesserungen in der allgemeinen Konversation und den grundlegenden Fähigkeiten. Qwen1.5-32b-chat ist ein 32-Milliarden-Parameter-Modell, das speziell für Chat-Szenarien entwickelt wurde. Im Vergleich zum 14-Milliarden-Parameter-Modell ist es leistungsfähiger in Agentenszenarien, während es im Vergleich zum 72-Milliarden-Parameter-Modell günstigere Inferenzkosten aufweist."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "Die Qwen1.5-Serie ist die Beta-Version von Qwen2 und basiert auf einem Transformer-basierten dekodierenden Sprachmodell, das auf umfangreichen Daten vorab trainiert wurde. Im Vergleich zu früheren Versionen der Qwen-Serie können sowohl das Base-Modell als auch das Chat-Modell der Qwen1.5-Serie mehrere Sprachen unterstützen und bieten Verbesserungen in der gesamten Chat-Funktionalität und den grundlegenden Fähigkeiten. Qwen1.5-72b-chat ist das 72-Milliarden-Parameter-Modell, das speziell für Chat-Szenarien entwickelt wurde."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 ist das neue große Sprachmodell von Alibaba, das mit hervorragender Leistung eine Vielzahl von Anwendungsanforderungen unterstützt."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 ist die neueste Generation von Sprachmodellen, die vom Qwen-Team entwickelt wurde. Es basiert auf der Transformer-Architektur und verwendet Techniken wie die SwiGLU-Aktivierungsfunktion, die Aufmerksamkeits-QKV-Bias (attention QKV bias), die gruppenbasierte Abfrageaufmerksamkeit (group query attention) und eine Mischung aus rutschendem Fenster und voller Aufmerksamkeit (mixture of sliding window attention and full attention). Darüber hinaus hat das Qwen-Team den Tokenizer verbessert, der für die Verarbeitung von natürlicher Sprache und Code optimiert ist."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 ist die neueste Serie von großen Sprachmodellen, die vom Qwen-Team entwickelt wurde. Es basiert auf der Transformer-Architektur und verwendet Techniken wie die SwiGLU-Aktivierungsfunktion, die Aufmerksamkeits-QKV-Bias (attention QKV bias), die Gruppenabfrageaufmerksamkeit (group query attention) und eine Mischung aus rutschendem Fenster und voller Aufmerksamkeit (mixture of sliding window attention and full attention). Zudem hat das Qwen-Team den Tokenizer verbessert, um mehrere natürliche Sprachen und Code besser zu verarbeiten."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 ist das neue, groß angelegte Sprachmodell der Alibaba-Gruppe, das hervorragende Leistungen zur Unterstützung vielfältiger Anwendungsbedürfnisse bietet."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 ist ein Sprachmodell von Microsoft AI, das in komplexen Dialogen, mehrsprachigen Anwendungen, Schlussfolgerungen und intelligenten Assistenten besonders gut abschneidet."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 ist eine verbesserte Version von Yi. Es wurde mit einem hochwertigen Korpus von 500B Tokens auf Yi fortlaufend vortrainiert und auf 3M diversen Feinabstimmungsbeispielen feinjustiert."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "Das brandneue Modell mit einer Billion Parametern bietet außergewöhnliche Frage- und Textgenerierungsfähigkeiten."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Führen Sie von serverlosen GPUs betriebene Machine-Learning-Modelle im globalen Netzwerk von Cloudflare aus."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere bringt Ihnen die fortschrittlichsten mehrsprachigen Modelle, leistungsstarke Suchfunktionen und einen maßgeschneiderten KI-Arbeitsbereich für moderne Unternehmen – alles integriert in einer sicheren Plattform."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek ist ein Unternehmen, das sich auf die Forschung und Anwendung von KI-Technologien spezialisiert hat. Ihr neuestes Modell, DeepSeek-V2.5, kombiniert allgemeine Dialog- und Codeverarbeitungsfähigkeiten und hat signifikante Fortschritte in den Bereichen menschliche Präferenzanpassung, Schreibaufgaben und Befehlsbefolgung erzielt."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "Ein von Tencent entwickeltes großes Sprachmodell, das über starke Fähigkeiten zur Erstellung von Inhalten in chinesischer Sprache, logisches Denkvermögen in komplexen Kontexten und zuverlässige Fähigkeiten zur Aufgabenerfüllung verfügt."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Bietet Anwendungsentwicklern hochleistungs-fähige, benutzerfreundliche und sichere Dienste für große Modelle, die den gesamten Prozess von der Entwicklung großer Modelle bis hin zur Dienstbereitstellung abdecken."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "Eine Open-Source-Organisation, die sich der Forschung und Entwicklung von großen Modellen und Werkzeugketten widmet. Sie bietet allen KI-Entwicklern eine effiziente und benutzerfreundliche Open-Source-Plattform, die den Zugang zu den neuesten Technologien und Algorithmen für große Modelle ermöglicht."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud ermöglicht es Entwicklern, die besten Open-Source-Modelle einfach zu nutzen und von der schnellsten Inferenzgeschwindigkeit zu profitieren."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API bietet Zugriff auf die DeepSeek-Modellreihe, die bei Bedarf selbstständig online gehen kann, einschließlich der Standard- und Schnellversion, und unterstützt die Auswahl von Modellen in verschiedenen Parametergrößen."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseTime bietet mit der starken Basisunterstützung von SenseTimes großem Gerät effiziente und benutzerfreundliche Full-Stack-Modelldienste."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Themenliste"
|
||||
},
|
||||
"searchPlaceholder": "Themen suchen...",
|
||||
"searchResultEmpty": "Keine Suchergebnisse vorhanden",
|
||||
"temp": "Vorübergehend",
|
||||
"title": "Thema"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Stop",
|
||||
"warp": "New Line"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Understanding and analyzing your intent..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "All Content",
|
||||
"allFiles": "All Files",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Intelligently determine whether a search is needed based on the conversation content",
|
||||
"title": "Smart Online Search"
|
||||
},
|
||||
"disable": "The current model does not support function calls, so the smart online search feature is unavailable",
|
||||
"off": {
|
||||
"desc": "Use only the model's basic knowledge without performing a web search",
|
||||
"title": "Disable Online Search"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Use the model's built-in search engine"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "The current model does not support function calls, so it needs to be paired with a model that does support function calls for online searching.",
|
||||
"title": "Search Assistant Model"
|
||||
},
|
||||
"title": "Online Search"
|
||||
},
|
||||
"searchAgentPlaceholder": "Search assistants...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "We apologize, an error occurred during the Pglite database initialization process. Please click the button to retry. If the error persists after multiple attempts, please <1>submit an issue</1>, and we will assist you as soon as possible.",
|
||||
"detail": "Error reason: [{{type}}] {{message}}. Details are as follows:",
|
||||
"detailTitle": "Error Reason",
|
||||
"report": "Report Issue",
|
||||
"retry": "Retry",
|
||||
"selfSolve": "Self-Solve",
|
||||
"title": "Database Initialization Failed"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Use Now",
|
||||
"desc": "Ready to use",
|
||||
"title": "PGlite Database is Ready"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Backup",
|
||||
"backupSuccess": "Backup Successful",
|
||||
"desc": "Export key data from the current database",
|
||||
"export": "Export All Data",
|
||||
"exportDesc": "The exported data will be saved in JSON format, which can be used for future recovery or analysis.",
|
||||
"reset": {
|
||||
"alert": "Warning",
|
||||
"alertDesc": "The following actions may result in data loss. Please ensure you have backed up important data before proceeding.",
|
||||
"button": "Completely Reset Database (Delete All Data)",
|
||||
"confirm": {
|
||||
"desc": "This action will delete all data and cannot be undone. Do you confirm to continue?",
|
||||
"title": "Confirm Database Reset"
|
||||
},
|
||||
"desc": "Reset the database in case of irreversible migration",
|
||||
"title": "Database Reset"
|
||||
},
|
||||
"restore": "Restore",
|
||||
"restoreSuccess": "Restore Successful",
|
||||
"title": "Data Backup"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Creation Time",
|
||||
"migratedAt": "Migration Completion Time",
|
||||
"sql": "Migration SQL",
|
||||
"title": "Migration Status"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Manually manage migration status",
|
||||
"runSQL": "Custom Execute",
|
||||
"sql": {
|
||||
"clear": "Clear",
|
||||
"desc": "Execute custom SQL statements to fix database issues",
|
||||
"markFinished": "Mark as Finished",
|
||||
"placeholder": "Enter SQL statement...",
|
||||
"result": "Execution Result",
|
||||
"run": "Execute",
|
||||
"title": "SQL Executor"
|
||||
},
|
||||
"title": "Migration Control"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Backup & Restore",
|
||||
"diagnosis": "Diagnosis",
|
||||
"repair": "Repair"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Close",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Custom model, by default, supports both function call and visual recognition. Please verify the availability of the above capabilities based on actual situations.",
|
||||
"file": "This model supports file upload for reading and recognition.",
|
||||
"functionCall": "This model supports function call.",
|
||||
"imageOutput": "This model supports image generation",
|
||||
"reasoning": "This model supports deep thinking",
|
||||
"search": "This model supports online search",
|
||||
"tokens": "This model supports up to {{tokens}} tokens in a single session.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "No enabled model. Please go to settings to enable.",
|
||||
"emptyProvider": "No enabled providers. Please go to settings to enable one.",
|
||||
"goToSettings": "Go to settings",
|
||||
"provider": "Provider"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Sorry, the server timed out while waiting for a response, possibly due to a slow reply. Please try again later.",
|
||||
"AgentRuntimeError": "Lobe language model runtime execution error. Please troubleshoot or retry based on the following information.",
|
||||
"ConnectionCheckFailed": "The request returned empty. Please check if the API proxy address does not end with `/v1`.",
|
||||
"CreateMessageError": "Sorry, the message could not be sent successfully. Please copy the content and try sending it again. This message will not be retained after refreshing the page.",
|
||||
"ExceededContextWindow": "The current request content exceeds the length that the model can handle. Please reduce the amount of content and try again.",
|
||||
"FreePlanLimit": "You are currently a free user and cannot use this feature. Please upgrade to a paid plan to continue using it.",
|
||||
"InsufficientQuota": "Sorry, the quota for this key has been reached. Please check your account balance or increase the key quota and try again.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet offers capabilities that surpass Opus and faster speeds than Sonnet, while maintaining the same pricing as Sonnet. Sonnet excels particularly in programming, data science, visual processing, and agent tasks."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet is Anthropic's most advanced model to date and the first hybrid reasoning model on the market. Claude 3.7 Sonnet can generate near-instant responses or extended step-by-step reasoning, allowing users to clearly observe these processes. Sonnet excels particularly in programming, data science, visual processing, and agent tasks."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 is a multilingual model launched by Cohere, supporting 23 languages, facilitating diverse language applications."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse is a high-performance 32B multilingual model designed to challenge the performance of single-language models through innovations in instruction tuning, data arbitrage, preference training, and model merging. It supports 23 languages."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse is a high-performance 8B multilingual model designed to challenge the performance of single-language models through innovations in instruction tuning, data arbitrage, preference training, and model merging. It supports 23 languages."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision is a state-of-the-art multimodal model that excels in multiple key benchmarks for language, text, and image capabilities. This 32 billion parameter version focuses on cutting-edge multilingual performance and supports 23 languages."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision is a state-of-the-art multimodal model that excels in multiple key benchmarks for language, text, and image capabilities. This 8 billion parameter version focuses on low latency and optimal performance."
|
||||
},
|
||||
"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."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 is a closed-source model released by Zhipu AI and Tsinghua KEG Lab. It has been pre-trained on a massive amount of Chinese and English identifiers and fine-tuned with human preference alignment. Compared to the first-generation model, it has achieved improvements of 16%, 36%, and 280% in MMLU, C-Eval, and GSM8K, respectively, and topped the Chinese task leaderboard C-Eval. It is suitable for scenarios that require a high level of knowledge, reasoning, and creativity, such as advertising copywriting, novel writing, knowledge-based writing, and code generation."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base is the latest generation of the ChatGLM series, a 6 billion parameter open-source base model developed by Zhipu."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o is a dynamic model that updates in real-time to stay current with the latest version. It combines powerful language understanding and generation capabilities, making it suitable for large-scale applications, including customer service, education, and technical support."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ is a state-of-the-art RAG-optimized model designed to tackle enterprise-grade workloads."
|
||||
},
|
||||
"command": {
|
||||
"description": "An instruction-following dialogue model that delivers high quality and reliability in language tasks, with a longer context length compared to our base generation models."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A is our most powerful model to date, excelling in tool usage, agent tasks, retrieval-augmented generation (RAG), and multilingual applications. Command A features a context length of 256K and can run on just two GPUs, achieving a 150% increase in throughput compared to Command R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "A smaller, faster version of Command that is nearly as powerful but operates at a higher speed."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "To shorten the time interval between major version releases, we have launched nightly versions of the Command model. For the command-light series, this version is called command-light-nightly. Please note that command-light-nightly is the latest, most experimental, and (potentially) unstable version. Nightly versions are updated regularly without prior notice, so they are not recommended for production use."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "To shorten the time interval between major version releases, we have launched nightly versions of the Command model. For the Command series, this version is called command-cightly. Please note that command-nightly is the latest, most experimental, and (potentially) unstable version. Nightly versions are updated regularly without prior notice, so they are not recommended for production use."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R is an LLM optimized for dialogue and long context tasks, particularly suitable for dynamic interactions and knowledge management."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R is an instruction-following dialogue model that provides higher quality and reliability in language tasks, with a longer context length than previous models. It can be used for complex workflows such as code generation, retrieval-augmented generation (RAG), tool usage, and agent tasks."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 is an updated version of the Command R model, released in August 2024."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ is a high-performance large language model designed for real enterprise scenarios and complex applications."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ is an instruction-following dialogue model that delivers higher quality and reliability in language tasks, with a longer context length than previous models. It is best suited for complex RAG workflows and multi-step tool usage."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 is a compact and efficient updated version, released in December 2024. It excels in tasks requiring complex reasoning and multi-step processing, such as RAG, tool usage, and agent tasks."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "The second generation DALL·E model, supporting more realistic and accurate image generation, with a resolution four times that of the first generation."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 is a reinforcement learning (RL) driven inference model that addresses issues of repetitiveness and readability within the model. Prior to RL, DeepSeek-R1 introduced cold start data to further optimize inference performance. It performs comparably to OpenAI-o1 in mathematical, coding, and reasoning tasks, and enhances overall effectiveness through meticulously designed training methods."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B fast version, supporting real-time online search, providing faster response times while maintaining model performance."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B standard version, supporting real-time online search, suitable for dialogue and text processing tasks that require the latest information."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1—the larger and smarter model in the DeepSeek suite—has been distilled into the Llama 70B architecture. Based on benchmark tests and human evaluations, this model is smarter than the original Llama 70B, especially excelling in tasks requiring mathematical and factual accuracy."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "First released on February 14, 2025, distilled by the Qianfan model development team using Llama3_70B as the base model (Built with Meta Llama), with Qianfan's corpus also added to the distilled data."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "First released on February 14, 2025, distilled by the Qianfan model development team using Llama3_8B as the base model (Built with Meta Llama), with Qianfan's corpus also added to the distilled data."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "The DeepSeek-R1-Distill series models are fine-tuned versions of samples generated by DeepSeek-R1, using knowledge distillation techniques on open-source models like Qwen and Llama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 full fast version, supporting real-time online search, combining the powerful capabilities of 671B parameters with faster response times."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 full version, with 671B parameters, supporting real-time online search, offering enhanced understanding and generation capabilities."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "The reasoning model launched by DeepSeek. Before outputting the final answer, the model first provides a chain of thought to enhance the accuracy of the final response."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "Baidu's flagship ultra-large-scale language model, demonstrating outstanding overall performance, widely applicable to complex task scenarios across various fields; it supports automatic integration with Baidu search plugins to ensure the timeliness of Q&A information. It performs better than ERNIE 4.0 in terms of performance."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "ERNIE 4.5 is Baidu's self-developed next-generation native multimodal foundational model, achieving collaborative optimization through joint modeling of multiple modalities, with excellent multimodal understanding capabilities; it features enhanced language abilities, with significant improvements in understanding, generation, logic, and memory, as well as reduced hallucinations and improved logical reasoning and coding capabilities."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Baidu's vertical scene large language model, suitable for applications such as game NPCs, customer service dialogues, and role-playing conversations, with a more distinct and consistent character style, stronger instruction-following capabilities, and superior inference performance."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash offers next-generation features and improvements, including exceptional speed, native tool usage, multimodal generation, and a 1M token context window."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash model variant optimized for cost-effectiveness and low latency."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Gemini 2.0 Flash experimental model, supports image generation"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash is a variant of the model optimized for cost-effectiveness and low latency."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental is Google's latest experimental multimodal AI model, showing a quality improvement compared to previous versions, especially in world knowledge, coding, and long context."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental is Google's most advanced thinking model, capable of reasoning about complex problems in code, mathematics, and STEM fields, as well as analyzing large datasets, codebases, and documents using long context."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B is suitable for medium to small-scale task processing, offering cost-effectiveness."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "The latest multimodal model from Hunyuan, supporting multilingual responses with balanced capabilities in both Chinese and English."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Comprehensively builds model capabilities in both arts and sciences, with strong long-text information capture ability. Supports reasoning and answering various scientific questions, including mathematics, logic, science, and code, of varying difficulty."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "The industry's first ultra-large-scale Hybrid-Transformer-Mamba inference model, enhancing reasoning capabilities with exceptional decoding speed, further aligning with human preferences."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Supports translation between Chinese and 15 other languages including English, Japanese, French, Portuguese, Spanish, Turkish, Russian, Arabic, Korean, Italian, German, Vietnamese, Malay, and Indonesian. It is based on a multi-scenario translation evaluation set with automated COMET scoring, demonstrating overall superior translation capabilities compared to similarly scaled models in the market."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "The preview version of the next-generation Hunyuan large language model, featuring a brand-new mixed expert model (MoE) structure, which offers faster inference efficiency and stronger performance compared to Hunyuan Pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Hunyuan-turbo fixed version as of November 20, 2024, a version that lies between hunyuan-turbo and hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "This version optimizes: data instruction scaling, significantly enhancing the model's generalization capabilities; greatly improving mathematical, coding, and logical reasoning abilities; optimizing text understanding and word comprehension capabilities; enhancing the quality of content generation in text creation."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "The next-generation flagship visual language model from Hunyuan, utilizing a new mixed expert model (MoE) structure, with comprehensive improvements in basic recognition, content creation, knowledge Q&A, and analytical reasoning capabilities compared to the previous generation model."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 fixed version with upgraded training tokens; enhanced reasoning capabilities in mathematics, logic, and coding; improved performance in both Chinese and English across text creation, comprehension, knowledge Q&A, and casual conversation."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Unifies the style of mathematical problem-solving steps and enhances multi-turn Q&A in mathematics. Optimizes the response style for text creation, removing AI-like characteristics and adding literary flair."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "The latest version of hunyuan-TurboS, the flagship model of Hunyuan, features enhanced reasoning capabilities and improved user experience."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "The latest multimodal model from Hunyuan, supporting image + text input to generate textual content."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite is a lightweight large language model with extremely low latency and efficient processing capabilities, completely free and open, supporting real-time online search functionality. Its quick response feature makes it excel in inference applications and model fine-tuning on low-power devices, providing users with excellent cost-effectiveness and intelligent experiences, particularly in knowledge Q&A, content generation, and search scenarios."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 is a series of large language models (LLMs) developed and open-sourced by Meta. This series includes generative text models of varying sizes, ranging from 7 billion to 70 billion parameters, which have been pre-trained and fine-tuned. Architecturally, Llama2 is an autoregressive language model that uses an optimized transformer architecture. The fine-tuned versions leverage supervised fine-tuning (SFT) and reinforcement learning with human feedback (RLHF) to align with human preferences for usefulness and safety. Llama2 outperforms the Llama series on multiple academic datasets and provides valuable insights for the design and development of other models."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B provides enhanced AI reasoning capabilities, suitable for complex applications, supporting extensive computational processing while ensuring efficiency and accuracy."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K is configured with large context processing capabilities, enhanced contextual understanding, and logical reasoning abilities, supporting text input of 32K tokens, suitable for long document reading, private knowledge Q&A, and other scenarios."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct is a large language model fully trained by Wuwen Xin Qiong. Megrez-3B-Instruct aims to create an ultra-fast, compact, and easy-to-use intelligent solution for edge devices through the concept of hardware-software co-design."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "A powerful 70-billion parameter model excelling in reasoning, coding, and broad language applications."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "A powerful medium-sized code model supporting 32K context length, proficient in multilingual programming."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "The Qwen1.5 series is the Beta version of Qwen2, a Transformer-based decoder-only language model pre-trained on a vast amount of data. Compared to previously released versions of Qwen, both the base and chat models in the Qwen1.5 series support multiple languages and have seen improvements in overall chat and foundational capabilities. Qwen1.5-14b-chat is a 14 billion parameter model specifically designed for chat scenarios, representing a mainstream size in the field."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "The Qwen1.5 series is the Beta version of Qwen2, a Transformer-based decoder-only language model pre-trained on a vast amount of data. Compared to previously released versions of the Qwen series, the Qwen1.5 series, including both the base and chat models, supports multiple languages and has seen improvements in overall chat and foundational capabilities. Qwen1.5-32b-chat is a 32 billion parameter model specifically designed for chat scenarios, offering stronger performance in agent scenarios compared to the 14 billion parameter model, and lower inference costs compared to the 72 billion parameter model."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "The Qwen1.5 series is the Beta version of Qwen2, a decoder-only language model based on the Transformer architecture, pre-trained on a vast amount of data. Compared to previously released versions of the Qwen series, the Qwen1.5 series, including both the base and chat models, supports multiple languages and has seen improvements in overall chat and foundational capabilities. Qwen1.5-72b-chat is a 72 billion parameter model specifically designed for chat scenarios."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 is Alibaba's next-generation large-scale language model, supporting diverse application needs with excellent performance."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 is the new generation of large language model series introduced by the Qwen team. It is based on the Transformer architecture and incorporates technologies such as the SwiGLU activation function, attention QKV bias, group query attention, a mixture of sliding window attention, and full attention. Additionally, the Qwen team has improved the tokenizer to better adapt to multiple natural languages and code."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 is the new generation of large language model series introduced by the Qwen team. It is based on the Transformer architecture and incorporates technologies such as the SwiGLU activation function, attention QKV bias, group query attention, a mixture of sliding window attention, and full attention. Additionally, the Qwen team has improved the tokenizer to better adapt to multiple natural languages and code."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 is Alibaba's next-generation large-scale language model, supporting diverse application needs with outstanding performance."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 is a language model provided by Microsoft AI, excelling in complex dialogues, multilingual capabilities, reasoning, and intelligent assistant applications."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 is an upgraded version of Yi. It continues pre-training on Yi using a high-quality corpus of 500B tokens and is fine-tuned on 3M diverse samples."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "A new trillion-parameter model, providing super strong question-answering and text generation capabilities."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Run serverless GPU-powered machine learning models on Cloudflare's global network."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere brings you cutting-edge multilingual models, advanced retrieval capabilities, and an AI workspace tailored for modern enterprises—all integrated into a secure platform."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek is a company focused on AI technology research and application, with its latest model DeepSeek-V2.5 integrating general dialogue and code processing capabilities, achieving significant improvements in human preference alignment, writing tasks, and instruction following."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "A large language model developed by Tencent, equipped with powerful Chinese creative capabilities, logical reasoning abilities in complex contexts, and reliable task execution skills."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Provides high-performance, easy-to-use, and secure large model services for application developers, covering the entire process from large model development to service deployment."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "An open-source organization dedicated to the research and development of large model toolchains. It provides an efficient and user-friendly open-source platform for all AI developers, making cutting-edge large models and algorithm technologies easily accessible."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud allows developers to easily utilize the best open-source models and enjoy the fastest inference speeds."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API provides access to the DeepSeek series of models that can connect to the internet as needed, including standard and fast versions, supporting a variety of model sizes."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseNova, backed by SenseTime's robust infrastructure, offers efficient and user-friendly full-stack large model services."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Topic List"
|
||||
},
|
||||
"searchPlaceholder": "Search Topics...",
|
||||
"searchResultEmpty": "No search results found.",
|
||||
"temp": "Temporary",
|
||||
"title": "Topic"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Detener",
|
||||
"warp": "Salto de línea"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Entendiendo y analizando su intención..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Todo el contenido",
|
||||
"allFiles": "Todos los archivos",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Determina inteligentemente si se necesita buscar según el contenido de la conversación",
|
||||
"title": "Conexión inteligente"
|
||||
},
|
||||
"disable": "El modelo actual no admite llamadas a funciones, por lo que no se puede utilizar la función de conexión inteligente",
|
||||
"off": {
|
||||
"desc": "Utiliza solo el conocimiento básico del modelo, sin realizar búsquedas en línea",
|
||||
"title": "Desactivar conexión"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Utilizar el motor de búsqueda integrado del modelo"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "El modelo actual no admite llamadas a funciones, por lo que se necesita combinarlo con un modelo que admita llamadas a funciones para realizar búsquedas en línea",
|
||||
"title": "Modelo de búsqueda auxiliar"
|
||||
},
|
||||
"title": "Búsqueda en línea"
|
||||
},
|
||||
"searchAgentPlaceholder": "Asistente de búsqueda...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Lo sentimos, ha ocurrido una excepción en el proceso de inicialización de la base de datos Pglite. Por favor, haga clic en el botón para intentar de nuevo. Si después de varios intentos sigue ocurriendo el mismo error, por favor <1>envíe un problema</1>, y lo resolveremos lo antes posible.",
|
||||
"detail": "Razón del error: [{{type}}] {{message}}. Detalles a continuación:",
|
||||
"detailTitle": "Razón del error",
|
||||
"report": "Informar problema",
|
||||
"retry": "Reintentar",
|
||||
"selfSolve": "Solución autónoma",
|
||||
"title": "Falló la inicialización de la base de datos"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Usar ahora",
|
||||
"desc": "Listo para usar",
|
||||
"title": "La base de datos PGlite está lista"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Copia de seguridad",
|
||||
"backupSuccess": "Copia de seguridad exitosa",
|
||||
"desc": "Exportar datos clave de la base de datos actual",
|
||||
"export": "Exportar todos los datos",
|
||||
"exportDesc": "Los datos exportados se guardarán en formato JSON, que se puede utilizar para recuperación o análisis posterior.",
|
||||
"reset": {
|
||||
"alert": "Advertencia",
|
||||
"alertDesc": "Las siguientes operaciones pueden causar pérdida de datos. Asegúrese de haber respaldado datos importantes antes de continuar.",
|
||||
"button": "Restablecer completamente la base de datos (eliminar todos los datos)",
|
||||
"confirm": {
|
||||
"desc": "Esta operación eliminará todos los datos y no se puede deshacer, ¿confirma que desea continuar?",
|
||||
"title": "Confirmar restablecimiento de la base de datos"
|
||||
},
|
||||
"desc": "Restablecer la base de datos en caso de migración no recuperable",
|
||||
"title": "Restablecimiento de la base de datos"
|
||||
},
|
||||
"restore": "Restaurar",
|
||||
"restoreSuccess": "Restauración exitosa",
|
||||
"title": "Copia de seguridad de datos"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Fecha de creación",
|
||||
"migratedAt": "Fecha de finalización de la migración",
|
||||
"sql": "SQL de migración",
|
||||
"title": "Estado de la migración"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Gestionar manualmente el estado de la migración",
|
||||
"runSQL": "Ejecutar personalizado",
|
||||
"sql": {
|
||||
"clear": "Limpiar",
|
||||
"desc": "Ejecutar sentencias SQL personalizadas para reparar problemas de la base de datos",
|
||||
"markFinished": "Marcar como completado",
|
||||
"placeholder": "Introducir sentencia SQL...",
|
||||
"result": "Resultado de la ejecución",
|
||||
"run": "Ejecutar",
|
||||
"title": "Ejecutor de SQL"
|
||||
},
|
||||
"title": "Control de migración"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Copia de seguridad y restauración",
|
||||
"diagnosis": "Diagnóstico",
|
||||
"repair": "Reparar"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Cerrar",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Modelo personalizado: admite llamadas de función y reconocimiento visual. Verifique la disponibilidad de estas capacidades según sea necesario.",
|
||||
"file": "Este modelo admite la carga y reconocimiento de archivos.",
|
||||
"functionCall": "Este modelo admite llamadas de función.",
|
||||
"imageOutput": "Este modelo admite la generación de imágenes",
|
||||
"reasoning": "Este modelo admite un pensamiento profundo",
|
||||
"search": "Este modelo admite búsqueda en línea",
|
||||
"tokens": "Este modelo admite un máximo de {{tokens}} tokens por sesión.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "No hay modelos habilitados. Vaya a la configuración para habilitarlos.",
|
||||
"emptyProvider": "No hay proveedores habilitados, por favor ve a la configuración para activarlos",
|
||||
"goToSettings": "Ir a la configuración",
|
||||
"provider": "Proveedor"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Lo sentimos, el servidor ha agotado el tiempo de espera mientras esperaba una respuesta, puede ser debido a que la respuesta es demasiado lenta, por favor inténtelo de nuevo más tarde",
|
||||
"AgentRuntimeError": "Se produjo un error en la ejecución del tiempo de ejecución del modelo de lenguaje Lobe, por favor, verifica la siguiente información o inténtalo de nuevo",
|
||||
"ConnectionCheckFailed": "La respuesta de la solicitud está vacía, por favor verifica que la dirección del proxy de la API no termine con `/v1`",
|
||||
"CreateMessageError": "Lo sentimos, el mensaje no se pudo enviar correctamente. Por favor, copia el contenido y vuelve a enviarlo. Después de actualizar la página, este mensaje no se conservará.",
|
||||
"ExceededContextWindow": "El contenido de la solicitud actual excede la longitud que el modelo puede procesar. Por favor, reduzca la cantidad de contenido y vuelva a intentarlo.",
|
||||
"FreePlanLimit": "Actualmente eres un usuario gratuito y no puedes utilizar esta función. Por favor, actualiza a un plan de pago para seguir utilizando.",
|
||||
"InsufficientQuota": "Lo sentimos, la cuota de esta clave ha alcanzado su límite. Por favor, verifique si el saldo de su cuenta es suficiente o aumente la cuota de la clave y vuelva a intentarlo.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet ofrece capacidades que superan a Opus y una velocidad más rápida que Sonnet, manteniendo el mismo precio que Sonnet. Sonnet es especialmente hábil en programación, ciencia de datos, procesamiento visual y tareas de agente."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet es el modelo más inteligente de Anthropic hasta la fecha y el primer modelo de razonamiento híbrido en el mercado. Claude 3.7 Sonnet puede generar respuestas casi instantáneas o un pensamiento prolongado y gradual, permitiendo a los usuarios observar claramente estos procesos. Sonnet es especialmente hábil en programación, ciencia de datos, procesamiento visual y tareas de agente."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 es un modelo multilingüe lanzado por Cohere, que admite 23 idiomas, facilitando aplicaciones de lenguaje diversas."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse es un modelo multilingüe de alto rendimiento de 32B, diseñado para desafiar el rendimiento de los modelos monolingües a través de innovaciones en ajuste por instrucciones, arbitraje de datos, entrenamiento de preferencias y fusión de modelos. Soporta 23 idiomas."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse es un modelo multilingüe de alto rendimiento de 8B, diseñado para desafiar el rendimiento de los modelos monolingües a través de innovaciones en ajuste por instrucciones, arbitraje de datos, entrenamiento de preferencias y fusión de modelos. Soporta 23 idiomas."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision es un modelo multimodal de última generación, que destaca en múltiples benchmarks clave de capacidades lingüísticas, textuales y visuales. Soporta 23 idiomas. Esta versión de 32B se centra en el rendimiento multilingüe de vanguardia."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision es un modelo multimodal de última generación, que destaca en múltiples benchmarks clave de capacidades lingüísticas, textuales y visuales. Esta versión de 8B se centra en baja latencia y rendimiento óptimo."
|
||||
},
|
||||
"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."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 es un modelo de código cerrado desarrollado por Zhipu AI y el Laboratorio KEG de Tsinghua. Ha sido preentrenado con una gran cantidad de identificadores en chino e inglés y ajustado a las preferencias humanas. En comparación con el modelo de primera generación, ha logrado mejoras del 16%, 36% y 280% en MMLU, C-Eval y GSM8K, respectivamente, y ha alcanzado el primer lugar en el ranking de tareas en chino C-Eval. Es adecuado para escenarios que requieren un alto nivel de conocimiento, capacidad de razonamiento y creatividad, como la redacción de anuncios, la escritura de novelas, la redacción de contenido de conocimiento y la generación de código."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base es el modelo base de la última generación de la serie ChatGLM, desarrollado por Zhipu, con una escala de 6.000 millones de parámetros y de código abierto."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o es un modelo dinámico que se actualiza en tiempo real para mantener la versión más actual. Combina una poderosa comprensión y generación de lenguaje, adecuado para aplicaciones a gran escala, incluyendo servicio al cliente, educación y soporte técnico."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ es un modelo optimizado para RAG de última generación diseñado para abordar cargas de trabajo de nivel empresarial."
|
||||
},
|
||||
"command": {
|
||||
"description": "Un modelo de conversación que sigue instrucciones, ofreciendo alta calidad y fiabilidad en tareas lingüísticas, además de tener una longitud de contexto más larga que nuestros modelos de generación básicos."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A es nuestro modelo más potente hasta la fecha, destacando en el uso de herramientas, agentes, generación aumentada por recuperación (RAG) y aplicaciones multilingües. Command A tiene una longitud de contexto de 256K, puede ejecutarse con solo dos GPU y ha mejorado su rendimiento en un 150% en comparación con Command R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "Una versión más pequeña y rápida de Command, casi igual de potente, pero más rápida."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "Para acortar el intervalo entre lanzamientos de versiones principales, hemos lanzado versiones nocturnas del modelo Command. Para la serie command-light, esta versión se llama command-light-nightly. Tenga en cuenta que command-light-nightly es la versión más reciente, experimental y (posiblemente) inestable. Las versiones nocturnas se actualizan regularmente sin previo aviso, por lo que no se recomienda su uso en entornos de producción."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "Para acortar el intervalo entre lanzamientos de versiones principales, hemos lanzado versiones nocturnas del modelo Command. Para la serie Command, esta versión se llama command-cightly. Tenga en cuenta que command-nightly es la versión más reciente, experimental y (posiblemente) inestable. Las versiones nocturnas se actualizan regularmente sin previo aviso, por lo que no se recomienda su uso en entornos de producción."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R es un LLM optimizado para tareas de diálogo y contexto largo, especialmente adecuado para interacciones dinámicas y gestión del conocimiento."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R es un modelo de conversación que sigue instrucciones, ofreciendo una mayor calidad y fiabilidad en tareas lingüísticas, además de tener una longitud de contexto más larga que los modelos anteriores. Se puede utilizar en flujos de trabajo complejos, como generación de código, generación aumentada por recuperación (RAG), uso de herramientas y agentes."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 es una versión actualizada del modelo Command R, lanzada en agosto de 2024."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ es un modelo de lenguaje de gran tamaño de alto rendimiento, diseñado para escenarios empresariales reales y aplicaciones complejas."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ es un modelo de conversación que sigue instrucciones, ofreciendo una mayor calidad y fiabilidad en tareas lingüísticas, además de tener una longitud de contexto más larga que los modelos anteriores. Es ideal para flujos de trabajo complejos de RAG y uso de herramientas en múltiples pasos."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 es una versión pequeña y eficiente, lanzada en diciembre de 2024. Destaca en tareas que requieren razonamiento complejo y procesamiento en múltiples pasos, como RAG, uso de herramientas y agentes."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "El segundo modelo DALL·E, que admite generación de imágenes más realistas y precisas, con una resolución cuatro veces mayor que la de la primera generación."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 es un modelo de inferencia impulsado por aprendizaje reforzado (RL) que aborda los problemas de repetitividad y legibilidad en el modelo. Antes de RL, DeepSeek-R1 introdujo datos de arranque en frío, optimizando aún más el rendimiento de la inferencia. Su desempeño en tareas matemáticas, de código e inferencia es comparable al de OpenAI-o1, y ha mejorado su efectividad general a través de métodos de entrenamiento cuidadosamente diseñados."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B versión rápida, que soporta búsqueda en línea en tiempo real, ofreciendo una velocidad de respuesta más rápida mientras mantiene el rendimiento del modelo."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B versión estándar, que soporta búsqueda en línea en tiempo real, adecuada para tareas de conversación y procesamiento de textos que requieren información actualizada."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1, el modelo más grande e inteligente del conjunto DeepSeek, ha sido destilado en la arquitectura Llama 70B. Basado en pruebas de referencia y evaluaciones humanas, este modelo es más inteligente que el Llama 70B original, destacándose especialmente en tareas que requieren precisión matemática y factual."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "Lanzado por primera vez el 14 de febrero de 2025, destilado por el equipo de desarrollo del modelo Qianfan a partir del modelo base Llama3_70B (Construido con Meta Llama), con datos de destilación que también incluyen el corpus de Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "Lanzado por primera vez el 14 de febrero de 2025, destilado por el equipo de desarrollo del modelo Qianfan a partir del modelo base Llama3_8B (Construido con Meta Llama), con datos de destilación que también incluyen el corpus de Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "El modelo de la serie DeepSeek-R1-Distill se obtiene mediante la técnica de destilación de conocimiento, ajustando muestras generadas por DeepSeek-R1 a modelos de código abierto como Qwen y Llama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 versión rápida completa, que soporta búsqueda en línea en tiempo real, combinando la potente capacidad de 671B de parámetros con una velocidad de respuesta más rápida."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 versión completa, con 671B de parámetros, que soporta búsqueda en línea en tiempo real, con una capacidad de comprensión y generación más potente."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "Modelo de inferencia lanzado por DeepSeek. Antes de proporcionar la respuesta final, el modelo genera primero una cadena de pensamiento para mejorar la precisión de la respuesta final."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "El modelo de lenguaje grande de bandera de Baidu, desarrollado internamente, de ultra gran escala, muestra un rendimiento excepcional en general, siendo ampliamente aplicable en escenarios de tareas complejas en diversos campos; soporta la integración automática con el plugin de búsqueda de Baidu, garantizando la actualidad de la información de preguntas y respuestas. En comparación con ERNIE 4.0, presenta un rendimiento superior."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "El modelo grande Wenxin 4.5 es un nuevo modelo base multimodal nativo desarrollado por Baidu, que logra una optimización colaborativa a través de modelado conjunto de múltiples modalidades, con excelentes capacidades de comprensión multimodal; presenta una capacidad lingüística más avanzada, con mejoras en comprensión, generación, lógica y memoria, así como una notable reducción de alucinaciones y mejoras en razonamiento lógico y capacidades de codificación."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Modelo de lenguaje grande de escenario vertical desarrollado internamente por Baidu, adecuado para aplicaciones como NPC de juegos, diálogos de servicio al cliente y juegos de rol de diálogos, con un estilo de personaje más distintivo y consistente, y una mayor capacidad de seguimiento de instrucciones y rendimiento de inferencia."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash ofrece funciones y mejoras de próxima generación, incluyendo velocidad excepcional, uso de herramientas nativas, generación multimodal y una ventana de contexto de 1M tokens."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Variante del modelo Gemini 2.0 Flash, optimizada para objetivos como la rentabilidad y la baja latencia."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Modelo experimental Gemini 2.0 Flash, que admite la generación de imágenes"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Variante del modelo Gemini 2.0 Flash, optimizada para objetivos como la rentabilidad y la baja latencia."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental es el último modelo de IA multimodal experimental de Google, con mejoras de calidad en comparación con versiones anteriores, especialmente en conocimiento del mundo, código y contextos largos."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental es el modelo de pensamiento más avanzado de Google, capaz de razonar sobre problemas complejos en código, matemáticas y campos STEM, además de utilizar contextos largos para analizar grandes conjuntos de datos, bibliotecas de código y documentos."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B es adecuado para el procesamiento de tareas de pequeña y mediana escala, combinando rentabilidad."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "El modelo multimodal más reciente de Hunyuan, que soporta respuestas en múltiples idiomas, con capacidades equilibradas en chino e inglés."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Construye de manera integral las capacidades de modelos en ciencias exactas y humanidades, con una fuerte capacidad para capturar información de textos largos. Soporta la inferencia y respuesta a problemas científicos de diversas dificultades, incluyendo matemáticas, lógica, ciencias y código."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "El primer modelo de inferencia híbrido de gran escala Hybrid-Transformer-Mamba de la industria, que amplía la capacidad de inferencia, ofrece una velocidad de decodificación excepcional y alinea aún más con las preferencias humanas."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Soporta la traducción entre 15 idiomas, incluyendo chino, inglés, japonés, francés, portugués, español, turco, ruso, árabe, coreano, italiano, alemán, vietnamita, malayo e indonesio, con evaluación automatizada basada en el conjunto de evaluación de traducción en múltiples escenarios y puntuación COMET, superando en general a modelos de tamaño similar en la capacidad de traducción entre idiomas comunes."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "Versión preliminar de la nueva generación del modelo de lenguaje de Hunyuan, que utiliza una nueva estructura de modelo de expertos mixtos (MoE), con una eficiencia de inferencia más rápida y un rendimiento más fuerte en comparación con Hunyuan-Pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Versión fija de hunyuan-turbo del 20 de noviembre de 2024, una versión intermedia entre hunyuan-turbo y hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "Optimización de esta versión: escalado de instrucciones de datos, mejora significativa de la capacidad de generalización del modelo; mejora significativa de las capacidades de matemáticas, código y razonamiento lógico; optimización de la comprensión de texto y de palabras relacionadas; optimización de la calidad de generación de contenido en la creación de texto."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "El nuevo modelo insignia de lenguaje visual de Hunyuan de nueva generación, que utiliza una nueva estructura de modelo de expertos mixtos (MoE), mejorando de manera integral las capacidades de reconocimiento básico, creación de contenido, preguntas y respuestas de conocimiento, y análisis y razonamiento en comparación con la generación anterior de modelos."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 es una versión fija con un aumento en el número de tokens de entrenamiento; mejora en las capacidades de pensamiento en matemáticas/lógica/código; mejora en la experiencia general en chino e inglés, incluyendo creación de textos, comprensión de textos, preguntas y respuestas de conocimiento, y charlas informales."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Unificación del estilo de pasos de resolución matemática, mejorando las preguntas y respuestas matemáticas en múltiples rondas. Optimización del estilo de respuesta en la creación de textos, eliminando el sabor a IA y aumentando la elegancia."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS es la última versión del modelo insignia Hunyuan, con una mayor capacidad de pensamiento y una mejor experiencia."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "El último modelo multimodal de Hunyuan, que admite la entrada de imágenes y texto para generar contenido textual."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite es un modelo de lenguaje grande y ligero, con una latencia extremadamente baja y una capacidad de procesamiento eficiente, completamente gratuito y de código abierto, que admite funciones de búsqueda en línea en tiempo real. Su característica de respuesta rápida lo hace destacar en aplicaciones de inferencia y ajuste de modelos en dispositivos de baja potencia, brindando a los usuarios una excelente relación costo-beneficio y experiencia inteligente, especialmente en escenarios de preguntas y respuestas, generación de contenido y búsqueda."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 es una serie de modelos de lenguaje de gran escala (LLM) desarrollados y publicados por Meta, que incluye modelos de texto generativo preentrenados y ajustados de diferentes tamaños, desde 7 mil millones hasta 70 mil millones de parámetros. A nivel de arquitectura, Llama2 es un modelo de lenguaje autoregresivo que utiliza una arquitectura de transformador optimizada. Las versiones ajustadas utilizan un ajuste de fine-tuning supervisado (SFT) y aprendizaje por refuerzo con retroalimentación humana (RLHF) para alinear las preferencias de utilidad y seguridad humanas. Llama2 supera a la serie Llama en varios conjuntos de datos académicos, proporcionando ideas para el diseño y desarrollo de numerosos otros modelos."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B ofrece una capacidad de razonamiento AI más potente, adecuada para aplicaciones complejas, soportando un procesamiento computacional extenso y garantizando eficiencia y precisión."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K está equipado con una capacidad de procesamiento de contexto grande, con una comprensión contextual más fuerte y habilidades de razonamiento lógico, soportando entradas de texto de 32K tokens, adecuado para la lectura de documentos largos, preguntas y respuestas de conocimiento privado y otros escenarios."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct es un modelo de lenguaje grande entrenado completamente de forma autónoma por Wúwèn Xīnqióng. Megrez-3B-Instruct tiene como objetivo crear una solución de inteligencia periférica rápida, compacta y fácil de usar, basada en el concepto de colaboración entre hardware y software."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "Un poderoso modelo de 70 mil millones de parámetros que sobresale en razonamiento, codificación y amplias aplicaciones de lenguaje."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Poderoso modelo de código de tamaño mediano, que soporta longitudes de contexto de 32K, experto en programación multilingüe."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "La serie Qwen1.5 es la versión Beta de Qwen2, un modelo de lenguaje de solo decodificación basado en Transformer, preentrenado en una gran cantidad de datos. En comparación con las versiones anteriores de la serie Qwen, tanto el modelo base como el modelo de chat de la serie Qwen1.5 admiten múltiples idiomas y han mejorado en términos de chat general y capacidades básicas. Qwen1.5-14b-chat es el modelo de 14 mil millones de parámetros diseñado específicamente para escenarios de chat, considerado como un tamaño de modelo principal."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "Qwen1.5 es la versión Beta de Qwen2, un modelo de lenguaje de solo decodificación basado en Transformer, preentrenado en una gran cantidad de datos. En comparación con las versiones anteriores de la serie Qwen, tanto el modelo base como el modelo de chat de Qwen1.5 admiten múltiples idiomas y han mejorado tanto en chat general como en capacidades básicas. Qwen1.5-32b-chat es un modelo de 320 mil millones de parámetros diseñado específicamente para escenarios de chat, que ofrece un mejor rendimiento en escenarios de agentes inteligentes en comparación con el modelo de 14 mil millones de parámetros y un menor costo de inferencia en comparación con el modelo de 72 mil millones de parámetros."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "La serie Qwen1.5 es la versión Beta de Qwen2, un modelo de lenguaje de solo decodificación basado en Transformer, preentrenado en una gran cantidad de datos. En comparación con las versiones anteriores de la serie Qwen, tanto el modelo base como el modelo de chat de la serie Qwen1.5 pueden soportar múltiples idiomas, mejorando tanto en el chat general como en las capacidades básicas. Qwen1.5-72b-chat es el modelo de 72 mil millones de parámetros dedicado a escenarios de chat."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 es el nuevo modelo de lenguaje a gran escala de Alibaba, que ofrece un rendimiento excepcional para satisfacer diversas necesidades de aplicación."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 es la nueva serie de modelos de lenguaje de gran escala presentada por el equipo de Qwen. Se basa en la arquitectura Transformer y utiliza funciones de activación SwiGLU, sesgo de atención QKV (attention QKV bias), atención de consulta grupal (group query attention), una mezcla de atención de ventana deslizante y atención completa (mixture of sliding window attention and full attention). Además, el equipo de Qwen ha mejorado el tokenizador para adaptarse a múltiples lenguajes naturales y códigos."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 es una nueva serie de modelos de lenguaje de gran escala desarrollada por el equipo de Qwen. Se basa en la arquitectura Transformer y utiliza funciones de activación SwiGLU, sesgo de atención QKV (attention QKV bias), atención de consulta grupal (group query attention), una mezcla de atención de ventana deslizante y atención completa (mixture of sliding window attention and full attention). Además, el equipo de Qwen ha mejorado el tokenizador para adaptarse a múltiples lenguajes naturales y códigos."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 es la nueva generación de modelos de lenguaje a gran escala de Alibaba, que ofrece un rendimiento excepcional para satisfacer diversas necesidades de aplicación."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 es un modelo de lenguaje proporcionado por Microsoft AI, que destaca en diálogos complejos, multilingües, razonamiento y asistentes inteligentes."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 es una versión mejorada de Yi. Utiliza un corpus de alta calidad de 500B tokens para continuar el preentrenamiento de Yi y se微调 en 3M muestras de ajuste fino diversificadas."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "Modelo de mil millones de parámetros completamente nuevo, que ofrece capacidades excepcionales de preguntas y respuestas y generación de texto."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Ejecuta modelos de aprendizaje automático impulsados por GPU sin servidor en la red global de Cloudflare."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere le ofrece los modelos multilingües más avanzados, potentes funciones de búsqueda y un espacio de trabajo de IA diseñado a medida para empresas modernas, todo integrado en una plataforma segura."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek es una empresa centrada en la investigación y aplicación de tecnologías de inteligencia artificial, cuyo modelo más reciente, DeepSeek-V2.5, combina capacidades de diálogo general y procesamiento de código, logrando mejoras significativas en alineación con preferencias humanas, tareas de escritura y seguimiento de instrucciones."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "Un modelo de lenguaje desarrollado por Tencent, que posee una poderosa capacidad de creación en chino, habilidades de razonamiento lógico en contextos complejos y una capacidad confiable para ejecutar tareas."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Proporciona a los desarrolladores de aplicaciones servicios de modelos grandes de alto rendimiento, fáciles de usar y seguros, cubriendo todo el proceso desde el desarrollo de modelos grandes hasta su implementación como servicio."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "Organización de código abierto dedicada a la investigación y desarrollo de herramientas para modelos grandes. Proporciona a todos los desarrolladores de IA una plataforma de código abierto eficiente y fácil de usar, permitiendo el acceso a las tecnologías y algoritmos más avanzados."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud permite a los desarrolladores utilizar fácilmente los mejores modelos de código abierto y disfrutar de la velocidad de inferencia más rápida."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API proporciona acceso a la serie de modelos DeepSeek que se pueden conectar a Internet según sea necesario, incluyendo versiones estándar y rápidas, con soporte para la selección de modelos de diferentes escalas de parámetros."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseTime ofrece servicios de modelos grandes de pila completa, aprovechando el sólido soporte de la gran infraestructura de SenseTime."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Lista de temas"
|
||||
},
|
||||
"searchPlaceholder": "Buscar temas...",
|
||||
"searchResultEmpty": "No hay resultados de búsqueda disponibles",
|
||||
"temp": "Temporal",
|
||||
"title": "Tema"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "توقف",
|
||||
"warp": "خط جدید"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "در حال درک و تحلیل نیت شما..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "همه محتوا",
|
||||
"allFiles": "همه فایلها",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "به طور هوشمندانه بر اساس محتوای گفتگو تشخیص میدهد که آیا نیاز به جستجو است",
|
||||
"title": "اتصال هوشمند"
|
||||
},
|
||||
"disable": "مدل فعلی از فراخوانی توابع پشتیبانی نمیکند، بنابراین نمیتوان از ویژگی اتصال هوشمند استفاده کرد",
|
||||
"off": {
|
||||
"desc": "فقط از دانش پایه مدل استفاده میکند و جستجوی اینترنتی انجام نمیدهد",
|
||||
"title": "قطع اتصال"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "استفاده از موتور جستجوی داخلی مدل"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "مدل فعلی از فراخوانی توابع پشتیبانی نمیکند، بنابراین نیاز است که با مدلی که از فراخوانی توابع پشتیبانی میکند، برای جستجوی آنلاین ترکیب شود",
|
||||
"title": "مدل جستجوی کمکی"
|
||||
},
|
||||
"title": "جستجوی متصل"
|
||||
},
|
||||
"searchAgentPlaceholder": "جستجوی دستیار...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "متأسفیم، در روند初始化 پایگاه داده Pglite خطایی رخ داده است. لطفاً دکمه را برای تلاش مجدد فشار دهید. اگر پس از چندین بار تلاش، هنوز خطا تکرار شد، لطفاً <1>مسئله را گزارش کنید</1>، ما در اولین فرصت به شما کمک خواهیم کرد.",
|
||||
"detail": "علت خطا: [{{type}}] {{message}}، جزئیات به شرح زیر است:",
|
||||
"detailTitle": "علت خطا",
|
||||
"report": "گزارش مشکل",
|
||||
"retry": "تکرار",
|
||||
"selfSolve": "حل خودکار",
|
||||
"title": "خطای در初始化 پایگاه داده"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "همین حالا استفاده کنید",
|
||||
"desc": "همین حالا میخواهید استفاده کنید",
|
||||
"title": "پایگاه داده PGlite آماده است"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "پشتیبانگیری",
|
||||
"backupSuccess": "پشتیبانگیری موفق",
|
||||
"desc": "صادرات دادههای کلیدی از پایگاه داده فعلی",
|
||||
"export": "صادرات تمام دادهها",
|
||||
"exportDesc": "دادههای صادراتی به فرمت JSON ذخیره خواهند شد و میتوانند برای بازیابی یا تحلیلهای بعدی استفاده شوند.",
|
||||
"reset": {
|
||||
"alert": "هشدار",
|
||||
"alertDesc": "عملیات زیر ممکن است منجر به از دست رفتن دادهها شود. لطفاً اطمینان حاصل کنید که دادههای مهم را پشتیبانگیری کردهاید و سپس ادامه دهید.",
|
||||
"button": "بازنشانی کامل پایگاه داده (حذف تمام دادهها)",
|
||||
"confirm": {
|
||||
"desc": "این عملیات تمام دادهها را حذف کرده و غیرقابل بازگشت خواهد بود، آیا مطمئن هستید که میخواهید ادامه دهید؟",
|
||||
"title": "تأیید بازنشانی پایگاه داده"
|
||||
},
|
||||
"desc": "در صورت عدم امکان بازیابی، پایگاه داده را بازنشانی کنید",
|
||||
"title": "بازنشانی پایگاه داده"
|
||||
},
|
||||
"restore": "بازیابی",
|
||||
"restoreSuccess": "بازیابی موفق",
|
||||
"title": "پشتیبانگیری دادهها"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "زمان ایجاد",
|
||||
"migratedAt": "زمان اتمام مهاجرت",
|
||||
"sql": "SQL مهاجرت",
|
||||
"title": "وضعیت مهاجرت"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "مدیریت دستی وضعیت مهاجرت",
|
||||
"runSQL": "اجرا سفارشی",
|
||||
"sql": {
|
||||
"clear": "پاک کردن",
|
||||
"desc": "اجرای دستورات SQL سفارشی برای رفع مشکلات پایگاه داده",
|
||||
"markFinished": "علامتگذاری به عنوان تکمیل شده",
|
||||
"placeholder": "دستور SQL را وارد کنید...",
|
||||
"result": "نتیجه اجرا",
|
||||
"run": "اجرا",
|
||||
"title": "اجراکننده SQL"
|
||||
},
|
||||
"title": "کنترل مهاجرت"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "بازیابی پشتیبان",
|
||||
"diagnosis": "تشخیص",
|
||||
"repair": "رفع مشکل"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "بستن",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "مدل سفارشی، تنظیمات پیشفرض از فراخوانی توابع و تشخیص بصری پشتیبانی میکند، لطفاً قابلیتهای فوق را بر اساس شرایط واقعی بررسی کنید",
|
||||
"file": "این مدل از بارگذاری و شناسایی فایلها پشتیبانی میکند",
|
||||
"functionCall": "این مدل از فراخوانی توابع (Function Call) پشتیبانی میکند",
|
||||
"imageOutput": "این مدل از تولید تصویر پشتیبانی میکند",
|
||||
"reasoning": "این مدل از تفکر عمیق پشتیبانی میکند",
|
||||
"search": "این مدل از جستجوی آنلاین پشتیبانی میکند",
|
||||
"tokens": "این مدل در هر جلسه حداکثر از {{tokens}} توکن پشتیبانی میکند",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "هیچ مدلی فعال نیست، لطفاً به تنظیمات بروید و آن را فعال کنید",
|
||||
"emptyProvider": "هیچ ارائهدهندهای فعال نیست، لطفاً به تنظیمات بروید و آن را فعال کنید",
|
||||
"goToSettings": "به تنظیمات بروید",
|
||||
"provider": "ارائهدهنده"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "متأسفیم، سرور در انتظار پاسخ زمانسنجی کرد، ممکن است به دلیل کندی پاسخ باشد، لطفاً بعداً دوباره تلاش کنید",
|
||||
"AgentRuntimeError": "اجرای Lobe AI Runtime با خطا مواجه شد، لطفاً بر اساس اطلاعات زیر بررسی کنید یا دوباره تلاش کنید",
|
||||
"ConnectionCheckFailed": "درخواست بدون پاسخ برگشت، لطفاً بررسی کنید که آیا آدرس پروکسی API در انتها شامل `/v1` نیست",
|
||||
"CreateMessageError": "متأسفیم، پیام نتوانست به درستی ارسال شود، لطفاً محتوا را کپی کرده و دوباره ارسال کنید، پس از تازهسازی صفحه، این پیام حفظ نخواهد شد",
|
||||
"ExceededContextWindow": "محتوای درخواست فعلی از طول قابل پردازش مدل فراتر رفته است، لطفاً حجم محتوا را کاهش داده و دوباره تلاش کنید",
|
||||
"FreePlanLimit": "شما در حال حاضر کاربر رایگان هستید و نمیتوانید از این قابلیت استفاده کنید، لطفاً به یک طرح پولی ارتقا دهید تا ادامه دهید",
|
||||
"InsufficientQuota": "متأسفیم، سهمیه این کلید به حداکثر رسیده است، لطفاً موجودی حساب خود را بررسی کرده یا سهمیه کلید را افزایش دهید و دوباره تلاش کنید",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet تواناییهایی فراتر از Opus ارائه میدهد و سرعتی سریعتر از Sonnet دارد، در حالی که قیمت آن با Sonnet یکسان است. Sonnet بهویژه در برنامهنویسی، علم داده، پردازش بصری و وظایف نمایندگی مهارت دارد."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet هو هوش مصنوعی پیشرفتهترین مدل Anthropic است و همچنین اولین مدل استدلال ترکیبی در بازار به شمار میرود. Claude 3.7 Sonnet میتواند پاسخهای تقریباً آنی یا تفکر تدریجی و طولانیتری تولید کند که کاربران میتوانند این فرآیندها را به وضوح مشاهده کنند. Sonnet بهویژه در برنامهنویسی، علم داده، پردازش بصری و وظایف نمایندگی مهارت دارد."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 یک مدل چندزبانه است که توسط Cohere ارائه شده و از 23 زبان پشتیبانی میکند و برای برنامههای چندزبانه تسهیلات فراهم میآورد."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse یک مدل چندزبانه با عملکرد بالا و 32B است که با هدف به چالش کشیدن عملکرد مدلهای تکزبانه از طریق بهینهسازی دستور، آربیتراژ دادهها، آموزش ترجیحات و نوآوری در ادغام مدلها طراحی شده است. این مدل از 23 زبان پشتیبانی میکند."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse یک مدل چندزبانه با عملکرد بالا و 8B است که با هدف به چالش کشیدن عملکرد مدلهای تکزبانه از طریق بهینهسازی دستور، آربیتراژ دادهها، آموزش ترجیحات و نوآوری در ادغام مدلها طراحی شده است. این مدل از 23 زبان پشتیبانی میکند."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision یک مدل چندرسانهای پیشرفته است که در چندین معیار کلیدی در زمینه زبان، متن و تصویر عملکرد فوقالعادهای دارد. این نسخه با 320 میلیارد پارامتر بر روی عملکرد چندزبانه پیشرفته تمرکز دارد."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision یک مدل چندرسانهای پیشرفته است که در چندین معیار کلیدی در زمینه زبان، متن و تصویر عملکرد فوقالعادهای دارد. این نسخه با 80 میلیارد پارامتر بر روی تأخیر کم و بهترین عملکرد تمرکز دارد."
|
||||
},
|
||||
"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."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 یک مدل بستهشده است که توسط هوش مصنوعی Zhima و آزمایشگاه KEG دانشگاه Tsinghua منتشر شده است. این مدل با پیشآموزش بر روی مجموعهای وسیع از نمادهای چینی و انگلیسی و همچنین آموزش مطابق با ترجیحات انسانی، نسبت به نسل اول مدل، بهبودهای 16٪، 36٪ و 280٪ در MMLU، C-Eval و GSM8K به دست آورده است و در رتبهبندی وظایف چینی C-Eval رتبه اول را کسب کرده است. این مدل برای صحنههایی که نیاز به مقدار زیادی دانش، توانایی استدلال و خلاقیت دارند، مانند نوشتن متن تبلیغاتی، نویسندگی داستان، نوشتن محتوای دانشگاهی و تولید کد مناسب است."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base یک مدل پایه منبع باز با مقیاس ۶ میلیارد پارامتر از نسل جدید سری ChatGLM است که توسط شرکت Zhizhu (智谱) توسعه یافته است."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o یک مدل پویا است که بهصورت زنده بهروزرسانی میشود تا همیشه نسخهی جدید و بهروز باشد. این مدل ترکیبی از تواناییهای قوی در درک و تولید زبان است و برای کاربردهای گسترده مانند خدمات مشتری، آموزش و پشتیبانی فنی مناسب است."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ یک مدل پیشرفته بهینهسازی RAG است که برای مدیریت بارهای کاری در سطح سازمانی طراحی شده است."
|
||||
},
|
||||
"command": {
|
||||
"description": "یک مدل گفتگوی پیروی از دستور که در وظایف زبانی کیفیت بالاتر و قابلیت اطمینان بیشتری را ارائه میدهد و نسبت به مدلهای تولید پایه ما دارای طول زمینه بیشتری است."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A قویترین مدل ما تا به امروز است که در استفاده از ابزارها، نمایندگی، تولید تقویتشده با جستجو (RAG) و سناریوهای چندزبانه عملکرد فوقالعادهای دارد. Command A دارای طول زمینه 256K است و تنها به دو واحد GPU نیاز دارد و نسبت به Command R+ 08-2024، توان عملیاتی آن 150% افزایش یافته است."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "یک نسخه کوچکتر و سریعتر از Command که تقریباً به همان اندازه قوی است اما سریعتر عمل میکند."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "برای کاهش فاصله زمانی بین انتشار نسخههای اصلی، ما نسخههای شبانه مدل Command را معرفی کردهایم. برای سری command-light، این نسخه به نام command-light-nightly شناخته میشود. لطفاً توجه داشته باشید که command-light-nightly جدیدترین، آزمایشیترین و (احتمالاً) ناپایدارترین نسخه است. نسخههای شبانه بهطور منظم بهروزرسانی میشوند و بدون اطلاع قبلی منتشر میشوند، بنابراین استفاده از آن در محیطهای تولیدی توصیه نمیشود."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "برای کاهش فاصله زمانی بین انتشار نسخههای اصلی، ما نسخههای شبانه مدل Command را معرفی کردهایم. برای سری Command، این نسخه به نام command-cightly شناخته میشود. لطفاً توجه داشته باشید که command-nightly جدیدترین، آزمایشیترین و (احتمالاً) ناپایدارترین نسخه است. نسخههای شبانه بهطور منظم بهروزرسانی میشوند و بدون اطلاع قبلی منتشر میشوند، بنابراین استفاده از آن در محیطهای تولیدی توصیه نمیشود."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R یک LLM بهینهسازی شده برای مکالمات و وظایف با متن طولانی است که بهویژه برای تعاملات پویا و مدیریت دانش مناسب است."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R یک مدل گفتگوی پیروی از دستور است که در وظایف زبانی کیفیت بالاتری را ارائه میدهد و نسبت به مدلهای قبلی دارای طول زمینه بیشتری است. این مدل میتواند در جریانهای کاری پیچیده مانند تولید کد، تولید تقویتشده با جستجو (RAG)، استفاده از ابزارها و نمایندگی استفاده شود."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 نسخه بهروزرسانی شده مدل Command R است که در آگوست 2024 منتشر شد."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ یک مدل زبان بزرگ با عملکرد بالا است که برای سناریوهای واقعی کسبوکار و کاربردهای پیچیده طراحی شده است."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ یک مدل گفتگوی پیروی از دستور است که در وظایف زبانی کیفیت بالاتری را ارائه میدهد و نسبت به مدلهای قبلی دارای طول زمینه بیشتری است. این مدل برای جریانهای کاری پیچیده RAG و استفاده از ابزارهای چند مرحلهای مناسبترین است."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 یک نسخه کوچک و کارآمد بهروزرسانی شده است که در دسامبر 2024 منتشر شد. این مدل در RAG، استفاده از ابزارها، نمایندگی و سایر وظایفی که نیاز به استدلال پیچیده و پردازش چند مرحلهای دارند، عملکرد فوقالعادهای دارد."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "مدل نسل دوم DALL·E، پشتیبانی از تولید تصاویر واقعیتر و دقیقتر، با وضوح 4 برابر نسل اول."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 یک مدل استنتاجی مبتنی بر یادگیری تقویتی (RL) است که به مشکلات تکرار و خوانایی در مدل پرداخته است. قبل از RL، DeepSeek-R1 دادههای شروع سرد را معرفی کرد و عملکرد استنتاج را بهینهتر کرد. این مدل در وظایف ریاضی، کدنویسی و استنتاج با OpenAI-o1 عملکرد مشابهی دارد و با استفاده از روشهای آموزشی به دقت طراحی شده، کیفیت کلی را بهبود بخشیده است."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B نسخه سریع است که از جستجوی آنلاین زنده پشتیبانی میکند و در عین حفظ عملکرد مدل، سرعت پاسخدهی سریعتری را ارائه میدهد."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B نسخه استاندارد است که از جستجوی آنلاین زنده پشتیبانی میکند و برای گفتگوها و وظایف پردازش متنی که به اطلاعات جدید نیاز دارند، مناسب است."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 - مدل بزرگتر و هوشمندتر در مجموعه DeepSeek - به معماری Llama 70B تقطیر شده است. بر اساس آزمونهای معیار و ارزیابیهای انسانی، این مدل از Llama 70B اصلی هوشمندتر است، به ویژه در وظایفی که نیاز به دقت ریاضی و واقعی دارند."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "مدلهای سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونههای تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدلهای متنباز مانند Qwen و Llama به کار میبرند."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "این مدل در تاریخ 14 فوریه 2025 برای اولین بار منتشر شد و توسط تیم توسعه مدل بزرگ Qianfan با استفاده از Llama3_70B به عنوان مدل پایه (ساخته شده با متا لاما) تقطیر شده است و دادههای تقطیر شده همچنین شامل متون Qianfan است."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "این مدل در تاریخ 14 فوریه 2025 برای اولین بار منتشر شد و توسط تیم توسعه مدل بزرگ Qianfan با استفاده از Llama3_8B به عنوان مدل پایه (ساخته شده با متا لاما) تقطیر شده است و دادههای تقطیر شده همچنین شامل متون Qianfan است."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "مدلهای سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونههای تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدلهای متنباز مانند Qwen و Llama به کار میبرند."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "مدلهای سری DeepSeek-R1-Distill از طریق تکنیک تقطیر دانش، نمونههای تولید شده توسط DeepSeek-R1 را برای تنظیم دقیق بر روی مدلهای متنباز مانند Qwen و Llama به کار میبرند."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 نسخه سریع کامل است که از جستجوی آنلاین زنده پشتیبانی میکند و ترکیبی از تواناییهای قوی 671B پارامتر و سرعت پاسخدهی سریعتر است."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 نسخه کامل است که دارای 671B پارامتر است و از جستجوی آنلاین زنده پشتیبانی میکند و دارای تواناییهای درک و تولید قویتری است."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "مدل استدلالی ارائه شده توسط DeepSeek. قبل از ارائه پاسخ نهایی، مدل ابتدا یک زنجیره تفکر را تولید میکند تا دقت پاسخ نهایی را افزایش دهد."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "مدل زبان بزرگ فوقالعاده پرچمدار خود توسعه یافته توسط بایدو، که عملکرد کلی آن بسیار خوب است و به طور گستردهای در زمینههای مختلف برای وظایف پیچیده کاربرد دارد؛ از اتصال خودکار به افزونه جستجوی بایدو پشتیبانی میکند تا اطلاعات پرسش و پاسخ به روز باشد. نسبت به ERNIE 4.0 در عملکرد بهتر است."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "مدل بزرگ 4.5 Ernie یک مدل پایه چندرسانهای نسل جدید است که توسط بایدو بهطور مستقل توسعه یافته و از طریق مدلسازی مشترک چندین حالت به بهینهسازی همزمان دست مییابد و توانایی درک چندرسانهای فوقالعادهای دارد؛ دارای تواناییهای زبانی پیشرفتهتر، درک، تولید، منطق و حافظه بهطور کلی بهبود یافته و تواناییهای حذف توهم، استدلال منطقی و کد بهطور قابل توجهی افزایش یافته است."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "مدل زبان بزرگ با کاربرد خاص که توسط بایدو توسعه یافته است و برای کاربردهایی مانند NPCهای بازی، مکالمات خدمات مشتری، و نقشآفرینی در مکالمات مناسب است، سبک شخصیت آن واضحتر و یکدستتر است و توانایی پیروی از دستورات و عملکرد استدلال بهتری دارد."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash ویژگیها و بهبودهای نسل بعدی را ارائه میدهد، از جمله سرعت عالی، استفاده از ابزارهای بومی، تولید چندرسانهای و پنجره متن 1M توکن."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "مدل متغیر Gemini 2.0 Flash که برای بهینهسازی هزینه و تأخیر کم طراحی شده است."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "مدل آزمایشی Gemini 2.0 Flash، از تولید تصویر پشتیبانی میکند"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "مدل متغیر Gemini 2.0 Flash برای بهینهسازی هزینه و تأخیر کم طراحی شده است."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental جدیدترین مدل AI چندرسانهای آزمایشی گوگل است که نسبت به نسخههای قبلی خود بهبود کیفیت قابل توجهی داشته است، به ویژه در زمینه دانش جهانی، کد و متنهای طولانی."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental پیشرفتهترین مدل تفکر گوگل است که قادر به استدلال در مورد مسائل پیچیده در زمینههای کد، ریاضیات و STEM میباشد و همچنین میتواند با استفاده از زمینههای طولانی، مجموعههای داده بزرگ، کتابخانههای کد و مستندات را تحلیل کند."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B برای پردازش وظایف کوچک و متوسط مناسب است و از نظر هزینه مؤثر است."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "مدل چندرسانهای جدید Hunyuan، از پاسخگویی به چند زبان پشتیبانی میکند و تواناییهای چینی و انگلیسی را بهطور متوازن ارائه میدهد."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "مدلهای تواناییهای علمی و انسانی را به طور کامل ایجاد میکند و توانایی بالایی در ضبط اطلاعات متنی طولانی دارد. از استدلال برای پاسخ به مسائل علمی مختلف با درجات سختی متفاوت در ریاضیات/منطق/علم/کد و غیره پشتیبانی میکند."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "اولین مدل استدلال هیبریدی-ترنسفورمر-مامبا با مقیاس فوقالعاده بزرگ در صنعت، که توانایی استدلال را گسترش میدهد و سرعت رمزگشایی فوقالعادهای دارد و به طور بیشتری با ترجیحات انسانی همراستا میشود."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "از ۱۵ زبان شامل چینی، انگلیسی، ژاپنی، فرانسوی، پرتغالی، اسپانیایی، ترکی، روسی، عربی، کرهای، ایتالیایی، آلمانی، ویتنامی، مالایی و اندونزیایی پشتیبانی میکند و به طور خودکار با استفاده از مجموعه ارزیابی ترجمه چند صحنهای، امتیاز COMET را ارزیابی میکند. در توانایی ترجمه متقابل در بیش از ده زبان رایج، به طور کلی از مدلهای هممقیاس در بازار برتر است."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "نسخه پیشنمایش مدل زبان بزرگ نسل جدید HunYuan که از ساختار مدل متخصص ترکیبی (MoE) جدید استفاده میکند. در مقایسه با hunyuan-pro، کارایی استنتاج سریعتر و عملکرد بهتری دارد."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "نسخه ثابت hunyuan-turbo 20 نوامبر 2024، نسخهای بین hunyuan-turbo و hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "بهینهسازیهای این نسخه: مقیاسدهی دستورات داده، بهطور قابل توجهی توانایی تعمیم عمومی مدل را افزایش میدهد؛ بهطور قابل توجهی تواناییهای ریاضی، کدنویسی و استدلال منطقی را بهبود میبخشد؛ بهینهسازی تواناییهای درک متن و کلمات مرتبط با آن؛ بهینهسازی کیفیت تولید محتوای خلق متن."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "مدل بزرگ زبان بصری نسل جدید Hunyuan، با استفاده از ساختار جدید مدلهای متخصص ترکیبی (MoE)، در تواناییهای مربوط به درک تصویر و متن، خلق محتوا، پرسش و پاسخ دانش و تحلیل استدلال نسبت به مدلهای نسل قبلی بهطور جامع بهبود یافته است."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 نسخه ثابت پیشساخته با ارتقاء تعداد توکنهای آموزش؛ بهبود تواناییهای تفکر در ریاضی/منطق/کد و بهبود تجربه عمومی در زبانهای چینی و انگلیسی، شامل تولید متن، درک متن، پرسش و پاسخ دانش، گپ و گفت و غیره."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "سبک یکسانسازی مراحل حل مسائل ریاضی، تقویت پرسش و پاسخ چند مرحلهای ریاضی. بهینهسازی سبک پاسخگویی در تولید متن، حذف طعم AI و افزایش ادبیات."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS آخرین نسخه مدل بزرگ پرچمدار مختلط است که دارای توانایی تفکر قویتر و تجربه بهتری است."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "جدیدترین مدل چندوجهی هونیوان، پشتیبانی از ورودی تصویر + متن برای تولید محتوای متنی."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite یک مدل زبان بزرگ سبک است که دارای تأخیر بسیار کم و توانایی پردازش کارآمد میباشد. بهطور کامل رایگان و باز است و از قابلیت جستجوی آنلاین در زمان واقعی پشتیبانی میکند. ویژگی پاسخدهی سریع آن باعث میشود که در کاربردهای استنتاجی و تنظیم مدل در دستگاههای با توان محاسباتی پایین عملکرد برجستهای داشته باشد و تجربهای هوشمند و مقرونبهصرفه برای کاربران فراهم کند. بهویژه در زمینههای پرسش و پاسخ دانش، تولید محتوا و جستجو عملکرد خوبی دارد."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "سری مدلهای زبانی بزرگ (LLM) Llama2 توسط Meta توسعه یافته و به صورت متنباز منتشر شده است. این مجموعه شامل مدلهای متنی تولیدی با مقیاسهای مختلف از 7 میلیارد تا 70 میلیارد پارامتر است که پیشآموزش و ریآموزش داده شدهاند. از نظر معماری، Llama2 یک مدل زبانی خودرگرسیو با استفاده از معماری تبدیلکننده بهینهشده است. نسخههای تنظیمشده از این مدل با استفاده از ریآموزش نظارتشده (SFT) و یادگیری تقویتی با بازخورد انسانی (RLHF) برای همگرایی با ترجیحات انسانی در مورد مفیدیت و ایمنی تنظیم شدهاند. Llama2 نسبت به سری Llama در مجموعههای داده علمی مختلف عملکرد بهتری دارد و الهام بخش طراحی و توسعه مدلهای دیگر بسیاری بوده است."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "لاما 3.1 70B توانایی استدلال هوش مصنوعی قویتری را ارائه میدهد، مناسب برای برنامههای پیچیده، پشتیبانی از پردازشهای محاسباتی فراوان و تضمین کارایی و دقت بالا."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K با قابلیت پردازش متن با زمینه بزرگتر، توانایی درک و استدلال منطقی قویتری دارد و از ورودی متنی تا 32K توکن پشتیبانی میکند. مناسب برای خواندن اسناد طولانی، پرسش و پاسخ با دانش خصوصی و موارد مشابه."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct یک مدل زبانی بزرگ است که به طور کامل توسط شرکت ووونگ شیونگ آموزش داده شده است. هدف از Megrez-3B-Instruct ایجاد یک راهحل هوشمند از طریق هماهنگی سختافزار و نرمافزار است که دارای استنتاج سریع، حجم کوچک و آسانی در استفاده باشد."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "یک مدل قدرتمند با ۷۰ میلیارد پارامتر که در استدلال، کدنویسی و کاربردهای گسترده زبانی عملکرد برجستهای دارد."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "مدل کد قدرتمند و متوسط که از طول زمینه 32K پشتیبانی میکند و در برنامهنویسی چند زبانه مهارت دارد."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "سری Qwen1.5 نسخه بیتا از Qwen2 است، که یک مدل زبانی تنها دکد کننده بر پایه Transformer است که روی دادههای بسیار زیاد آموزش داده شده است. نسبت به نسخههای قبلی سری Qwen، هم مدل base و هم مدل chat سری Qwen1.5 قادر به پشتیبانی از زبانهای مختلف هستند و در مجموع در چت و تواناییهای پایه بهبود یافتهاند. Qwen1.5-14b-chat یک مدل با 14 میلیارد پارامتر است که برای صحنههای چت طراحی شده است."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "سری Qwen1.5 نسخه بتهای Qwen2 است، یک مدل زبانی تنها دیکد کننده بر پایه Transformer است که روی دادههای بسیار زیاد پیش آموزش داده شده است. نسبت به نسخههای قبلی سری Qwen، هم مدلهای base و chat سری Qwen1.5 چندین زبان را پشتیبانی میکنند و در مکالمات کلی و تواناییهای پایه بهبود یافتهاند. Qwen1.5-32b-chat مدل 32 میلیارد پارامتری است که برای صحنههای چت تخصصیتر است، نسبت به مدل 14 میلیارد پارامتری در صحنههای هوشمند تر است و نسبت به مدل 72 میلیارد پارامتری هزینه استنتاج کمتری دارد."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "سری Qwen1.5 نسخه بیتا از Qwen2 است، که یک مدل زبانی تنها دکد کننده بر پایه Transformer است و روی دادههای بسیار زیاد آموزش داده شده است. نسبت به نسخههای قبلی سری Qwen، هم مدل base و هم مدل chat سری Qwen1.5 قادر به پشتیبانی از زبانهای مختلف هستند و در مجموع در چت و تواناییهای پایه بهبود یافتهاند. Qwen1.5-72b-chat مدل گستردهای با 72 میلیارد پارامتر است که برای صحنههای چت تخصصی است."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 مدل زبان بزرگ نسل جدید علیبابا است که با عملکرد عالی از نیازهای متنوع کاربردی پشتیبانی میکند."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2، سری جدیدی از مدلهای زبانی بزرگ توسط تیم Qwen ارائه شده است. این مدل بر اساس معماری Transformer ساخته شده و از توابع فعالسازی SwiGLU، بایاس QKV توجه (attention QKV bias)، توجه سؤال گروهی (group query attention)، ترکیب توجه پنجرهای لغزشی و توجه کامل (mixture of sliding window attention and full attention) استفاده میکند. علاوه بر این، تیم Qwen بهبودی در تجزیهکنندههایی که برای تجزیه متنهای طبیعی و کد مناسب هستند ایجاد کردهاند."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2، سری جدیدی از مدلهای زبانی بزرگ توسط تیم Qwen ارائه شده است. این مدل بر اساس معماری Transformer ساخته شده و از توابع فعالسازی SwiGLU، بایاس QKV توجه (attention QKV bias)، توجه سرویسگروهی (group query attention)، ترکیب توجه پنجرهای لغزشی و توجه کامل (mixture of sliding window attention and full attention) استفاده میکند. علاوه بر این، تیم Qwen بهبودی در تجزیهکنندههایی ارائه کردهاند که برای تجزیه متنهای طبیعی و کد مناسب هستند."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 نسل جدید مدل زبانی مقیاس بزرگ Alibaba است که با عملکرد عالی از نیازهای متنوع کاربردی پشتیبانی میکند."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 یک مدل زبانی ارائه شده توسط مایکروسافت AI است که در زمینههای مکالمات پیچیده، چندزبانه، استدلال و دستیارهای هوشمند عملکرد برجستهای دارد."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 نسخهی بهروزرسانی شدهی Yi است. این مدل با استفاده از یک مجموعه داده با کیفیت بالا شامل 500 میلیارد توکن برای پیشآموزی و 3 میلیون نمونه متنوع برای آموزش ریزی مجدداً آموزش داده شده است."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "مدل جدید با میلیاردها پارامتر، ارائهدهنده تواناییهای فوقالعاده در پاسخگویی و تولید متن."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "مدلهای یادگیری ماشین مبتنی بر GPU بدون سرور را در شبکه جهانی Cloudflare اجرا کنید."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere جدیدترین مدلهای چند زبانه، قابلیتهای پیشرفته جستجو و فضای کاری هوش مصنوعی سفارشی برای کسبوکارهای مدرن را به شما ارائه میدهد - همه اینها در یک پلتفرم امن یکپارچه شدهاند."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek یک شرکت متمرکز بر تحقیق و کاربرد فناوری هوش مصنوعی است. مدل جدید آن، DeepSeek-V2.5، تواناییهای مکالمه عمومی و پردازش کد را ترکیب کرده و در زمینههایی مانند همترازی با ترجیحات انسانی، وظایف نوشتاری و پیروی از دستورات بهبود قابل توجهی داشته است."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "مدل زبان بزرگ توسعهیافته توسط تنسنت، با تواناییهای قدرتمند در خلق محتوای چینی، توانایی استدلال منطقی در زمینههای پیچیده، و قابلیت اجرای وظایف بهصورت قابل اعتماد"
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "خدمات مدلهای بزرگ با عملکرد بالا، راحت برای استفاده و امن برای توسعهدهندگان اپلیکیشن، که شامل مراحل از توسعه مدلهای بزرگ تا پیشگیری از نصب خدمات مدلهای بزرگ میشود."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "سازمان متن باز متعهد به تحقیق و توسعه ابزارهای مدلهای بزرگ. ارائه یک پلتفرم متن باز کارآمد و آسان برای تمام توسعهدهندگان هوش مصنوعی، تا جدیدترین مدلها و تکنیکهای الگوریتمی در دسترس باشد."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud به توسعهدهندگان این امکان را میدهد که به راحتی از بهترین مدلهای متنباز استفاده کنند و از سریعترین سرعت استنتاج بهرهمند شوند."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API دسترسی به مجموعه مدلهای DeepSeek را که میتوانند به صورت خودکار به اینترنت متصل شوند، ارائه میدهد، شامل نسخه استاندارد و نسخه سریع، که از انتخاب مدل با مقیاسهای مختلف پارامتر پشتیبانی میکند."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "سنسنووا، با تکیه بر زیرساختهای قوی سنستک، خدمات مدلهای بزرگ تمامپشتهای را بهصورت کارآمد و آسان ارائه میدهد."
|
||||
},
|
||||
|
||||
@@ -289,7 +289,7 @@
|
||||
"title": "زبان تشخیص گفتار"
|
||||
},
|
||||
"sttService": {
|
||||
"desc": "در این میان، browser به سرویس تشخیص گفتار بومی مرورگر اشاره دارد",
|
||||
"desc": "در این میان، broswer به سرویس تشخیص گفتار بومی مرورگر اشاره دارد",
|
||||
"title": "سرویس تشخیص گفتار"
|
||||
},
|
||||
"title": "سرویسهای گفتاری",
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "لیست موضوعات"
|
||||
},
|
||||
"searchPlaceholder": "جستجوی موضوع...",
|
||||
"searchResultEmpty": "نتیجهای برای جستجو یافت نشد",
|
||||
"temp": "موقت",
|
||||
"title": "موضوع"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Arrêter",
|
||||
"warp": "Saut de ligne"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "En train de comprendre et d'analyser votre intention..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Tout le contenu",
|
||||
"allFiles": "Tous les fichiers",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Détermine intelligemment si une recherche est nécessaire en fonction du contenu de la conversation",
|
||||
"title": "Connexion intelligente"
|
||||
},
|
||||
"disable": "Le modèle actuel ne prend pas en charge l'appel de fonctions, donc la fonctionnalité de connexion intelligente est indisponible",
|
||||
"off": {
|
||||
"desc": "Utilise uniquement les connaissances de base du modèle, sans recherche en ligne",
|
||||
"title": "Déconnexion"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Utiliser le moteur de recherche intégré du modèle"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "Le modèle actuel ne prend pas en charge les appels de fonction, il doit donc être associé à un modèle prenant en charge les appels de fonction pour effectuer une recherche en ligne",
|
||||
"title": "Modèle d'assistance à la recherche"
|
||||
},
|
||||
"title": "Recherche en ligne"
|
||||
},
|
||||
"searchAgentPlaceholder": "Assistant de recherche...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Nous sommes désolés, une erreur est survenue lors de l'initialisation de la base de données Pglite. Veuillez cliquer sur le bouton pour réessayer. Si l'erreur persiste après plusieurs tentatives, veuillez <1>soumettre un problème</1>, nous vous aiderons à le résoudre dans les meilleurs délais.",
|
||||
"detail": "Raison de l'erreur : [[{{type}}] {{message}}. Détails ci-dessous :",
|
||||
"detailTitle": "Raison de l'erreur",
|
||||
"report": "Signaler un problème",
|
||||
"retry": "Réessayer",
|
||||
"selfSolve": "Résolution autonome",
|
||||
"title": "Échec de l'initialisation de la base de données"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Utiliser maintenant",
|
||||
"desc": "Prêt à l'emploi",
|
||||
"title": "Base de données PGlite prête"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Sauvegarde",
|
||||
"backupSuccess": "Sauvegarde réussie",
|
||||
"desc": "Exporter les données clés de la base de données actuelle",
|
||||
"export": "Exporter toutes les données",
|
||||
"exportDesc": "Les données exportées seront enregistrées au format JSON, pouvant être utilisées pour une restauration ou une analyse ultérieure.",
|
||||
"reset": {
|
||||
"alert": "Avertissement",
|
||||
"alertDesc": "Les opérations suivantes peuvent entraîner une perte de données. Veuillez vous assurer que vous avez sauvegardé les données importantes avant de continuer.",
|
||||
"button": "Réinitialiser complètement la base de données (supprimer toutes les données)",
|
||||
"confirm": {
|
||||
"desc": "Cette opération supprimera toutes les données et ne pourra pas être annulée, confirmez-vous la poursuite ?",
|
||||
"title": "Confirmer la réinitialisation de la base de données"
|
||||
},
|
||||
"desc": "Réinitialiser la base de données en cas de migration irréversible",
|
||||
"title": "Réinitialisation de la base de données"
|
||||
},
|
||||
"restore": "Restaurer",
|
||||
"restoreSuccess": "Restauration réussie",
|
||||
"title": "Sauvegarde des données"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Date de création",
|
||||
"migratedAt": "Date de migration terminée",
|
||||
"sql": "SQL de migration",
|
||||
"title": "État de la migration"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Gestion manuelle de l'état de migration",
|
||||
"runSQL": "Exécution personnalisée",
|
||||
"sql": {
|
||||
"clear": "Vider",
|
||||
"desc": "Exécuter des instructions SQL personnalisées pour réparer les problèmes de la base de données",
|
||||
"markFinished": "Marquer comme terminé",
|
||||
"placeholder": "Entrer l'instruction SQL...",
|
||||
"result": "Résultat de l'exécution",
|
||||
"run": "Exécuter",
|
||||
"title": "Exécuteur SQL"
|
||||
},
|
||||
"title": "Contrôle de migration"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Sauvegarde et restauration",
|
||||
"diagnosis": "Diagnostic",
|
||||
"repair": "Réparation"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Fermer",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Modèle personnalisé par défaut prenant en charge à la fois les appels de fonction et la reconnaissance visuelle. Veuillez vérifier la disponibilité de ces capacités en fonction de vos besoins réels.",
|
||||
"file": "Ce modèle prend en charge la lecture et la reconnaissance de fichiers téléchargés.",
|
||||
"functionCall": "Ce modèle prend en charge les appels de fonction.",
|
||||
"imageOutput": "Ce modèle prend en charge la génération d'images",
|
||||
"reasoning": "Ce modèle prend en charge une réflexion approfondie",
|
||||
"search": "Ce modèle prend en charge la recherche en ligne",
|
||||
"tokens": "Ce modèle prend en charge jusqu'à {{tokens}} jetons par session.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "Aucun modèle activé. Veuillez vous rendre dans les paramètres pour l'activer.",
|
||||
"emptyProvider": "Aucun fournisseur activé, veuillez aller dans les paramètres pour l'activer",
|
||||
"goToSettings": "Aller aux paramètres",
|
||||
"provider": "Fournisseur"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Désolé, le serveur a dépassé le délai d'attente en attendant une réponse, cela peut être dû à une réponse trop lente, veuillez réessayer plus tard.",
|
||||
"AgentRuntimeError": "Erreur d'exécution du modèle linguistique Lobe, veuillez vérifier les informations ci-dessous ou réessayer",
|
||||
"ConnectionCheckFailed": "La réponse est vide, veuillez vérifier si l'URL du proxy API se termine par `/v1`",
|
||||
"CreateMessageError": "Désolé, le message n'a pas pu être envoyé correctement. Veuillez copier le contenu et le renvoyer. Ce message ne sera pas conservé après le rafraîchissement de la page.",
|
||||
"ExceededContextWindow": "Le contenu de la demande actuelle dépasse la longueur que le modèle peut traiter. Veuillez réduire la quantité de contenu et réessayer.",
|
||||
"FreePlanLimit": "Vous êtes actuellement un utilisateur gratuit et ne pouvez pas utiliser cette fonction. Veuillez passer à un plan payant pour continuer à l'utiliser.",
|
||||
"InsufficientQuota": "Désolé, le quota de cette clé a atteint sa limite. Veuillez vérifier si le solde de votre compte est suffisant ou augmenter le quota de la clé avant de réessayer.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet offre des capacités supérieures à celles d'Opus et une vitesse plus rapide que Sonnet, tout en maintenant le même prix que Sonnet. Sonnet excelle particulièrement dans la programmation, la science des données, le traitement visuel et les tâches d'agent."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet est le modèle le plus intelligent d'Anthropic à ce jour, et le premier modèle de raisonnement hybride sur le marché. Claude 3.7 Sonnet peut produire des réponses quasi instantanées ou un raisonnement prolongé, permettant aux utilisateurs de voir clairement ces processus. Sonnet excelle particulièrement dans la programmation, la science des données, le traitement visuel et les tâches d'agent."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 est un modèle multilingue lancé par Cohere, prenant en charge 23 langues, facilitant les applications linguistiques diversifiées."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse est un modèle multilingue haute performance de 32B, conçu pour défier les performances des modèles monolingues grâce à des innovations en matière d'optimisation par instructions, d'arbitrage de données, d'entraînement de préférences et de fusion de modèles. Il prend en charge 23 langues."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse est un modèle multilingue haute performance de 8B, conçu pour défier les performances des modèles monolingues grâce à des innovations en matière d'optimisation par instructions, d'arbitrage de données, d'entraînement de préférences et de fusion de modèles. Il prend en charge 23 langues."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision est un modèle multimodal de pointe, offrant d'excellentes performances sur plusieurs benchmarks clés en matière de langage, de texte et d'image. Cette version de 32 milliards de paramètres se concentre sur des performances multilingues de pointe."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision est un modèle multimodal de pointe, offrant d'excellentes performances sur plusieurs benchmarks clés en matière de langage, de texte et d'image. Cette version de 8 milliards de paramètres se concentre sur une faible latence et des performances optimales."
|
||||
},
|
||||
"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."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 est un modèle fermé développé par l'IA Zhipu et le laboratoire KEG de Tsinghua. Il a été pré-entraîné sur une grande quantité d'identifiants chinois et anglais et a été aligné sur les préférences humaines. Par rapport au modèle de première génération, il a amélioré ses performances de 16%, 36% et 280% sur MMLU, C-Eval et GSM8K respectivement, et est devenu le meilleur modèle sur le classement C-Eval pour les tâches en chinois. Il est adapté aux scénarios nécessitant une grande quantité de connaissances, des capacités de raisonnement et de créativité, tels que la rédaction de publicités, l'écriture de romans, la rédaction de contenu informatif et la génération de code."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base est le modèle de base open source de la dernière génération de la série ChatGLM, développé par Zhipu, avec une taille de 6 milliards de paramètres."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o est un modèle dynamique, mis à jour en temps réel pour rester à jour avec la dernière version. Il combine une compréhension et une génération de langage puissantes, adapté à des scénarios d'application à grande échelle, y compris le service client, l'éducation et le support technique."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ est un modèle optimisé RAG de pointe conçu pour traiter des charges de travail de niveau entreprise."
|
||||
},
|
||||
"command": {
|
||||
"description": "Un modèle de dialogue qui suit des instructions, offrant une haute qualité et une fiabilité accrue dans les tâches linguistiques, avec une longueur de contexte plus longue que notre modèle de génération de base."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A est notre modèle le plus performant à ce jour, offrant d'excellentes performances dans l'utilisation d'outils, l'agent, la génération augmentée par récupération (RAG) et les applications multilingues. Command A a une longueur de contexte de 256K, nécessite seulement deux GPU pour fonctionner, et a amélioré le débit de 150 % par rapport à Command R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "Une version plus petite et plus rapide de Command, presque aussi puissante, mais plus rapide."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "Pour réduire l'intervalle de temps entre les versions majeures, nous avons lancé une version nocturne du modèle Command. Pour la série command-light, cette version est appelée command-light-nightly. Veuillez noter que command-light-nightly est la version la plus récente, la plus expérimentale et (potentiellement) instable. Les versions nocturnes sont mises à jour régulièrement sans préavis, il n'est donc pas recommandé de les utiliser en production."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "Pour réduire l'intervalle de temps entre les versions majeures, nous avons lancé une version nocturne du modèle Command. Pour la série Command, cette version est appelée command-cightly. Veuillez noter que command-nightly est la version la plus récente, la plus expérimentale et (potentiellement) instable. Les versions nocturnes sont mises à jour régulièrement sans préavis, il n'est donc pas recommandé de les utiliser en production."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R est un LLM optimisé pour les tâches de dialogue et de long contexte, particulièrement adapté à l'interaction dynamique et à la gestion des connaissances."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R est un modèle de dialogue qui suit des instructions, offrant une qualité supérieure et une fiabilité accrue dans les tâches linguistiques, avec une longueur de contexte plus longue que les modèles précédents. Il peut être utilisé pour des flux de travail complexes tels que la génération de code, la génération augmentée par récupération (RAG), l'utilisation d'outils et l'agent."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 est une version mise à jour du modèle Command R, publiée en août 2024."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ est un modèle de langage de grande taille à haute performance, conçu pour des scénarios d'entreprise réels et des applications complexes."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ est un modèle de dialogue qui suit des instructions, offrant une qualité supérieure et une fiabilité accrue dans les tâches linguistiques, avec une longueur de contexte plus longue que les modèles précédents. Il est particulièrement adapté aux flux de travail RAG complexes et à l'utilisation d'outils en plusieurs étapes."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 est une version mise à jour, petite et efficace, publiée en décembre 2024. Il excelle dans les tâches nécessitant un raisonnement complexe et un traitement en plusieurs étapes, comme RAG, l'utilisation d'outils et l'agent."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "Le deuxième modèle DALL·E, prenant en charge la génération d'images plus réalistes et précises, avec une résolution quatre fois supérieure à celle de la première génération."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 est un modèle d'inférence alimenté par l'apprentissage par renforcement (RL), qui résout les problèmes de répétitivité et de lisibilité dans le modèle. Avant le RL, DeepSeek-R1 a introduit des données de démarrage à froid, optimisant ainsi les performances d'inférence. Il se compare à OpenAI-o1 en matière de tâches mathématiques, de code et d'inférence, et améliore l'efficacité globale grâce à des méthodes d'entraînement soigneusement conçues."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B version rapide, prenant en charge la recherche en ligne en temps réel, offrant une vitesse de réponse plus rapide tout en maintenant les performances du modèle."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B version standard, prenant en charge la recherche en ligne en temps réel, adaptée aux tâches de dialogue et de traitement de texte nécessitant des informations à jour."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 — le modèle plus grand et plus intelligent de la suite DeepSeek — a été distillé dans l'architecture Llama 70B. Basé sur des tests de référence et des évaluations humaines, ce modèle est plus intelligent que le Llama 70B d'origine, en particulier dans les tâches nécessitant précision mathématique et factuelle."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "Publié pour la première fois le 14 février 2025, distillé par l'équipe de développement du modèle Qianfan à partir du modèle de base Llama3_70B (construit avec Meta Llama), avec des données de distillation ajoutées provenant des corpus de Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "Publié pour la première fois le 14 février 2025, distillé par l'équipe de développement du modèle Qianfan à partir du modèle de base Llama3_8B (construit avec Meta Llama), avec des données de distillation ajoutées provenant des corpus de Qianfan."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "Le modèle de la série DeepSeek-R1-Distill est obtenu par la technique de distillation des connaissances, en ajustant les échantillons générés par DeepSeek-R1 sur des modèles open source tels que Qwen et Llama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 version rapide complète, prenant en charge la recherche en ligne en temps réel, combinant la puissance des 671B de paramètres avec une vitesse de réponse plus rapide."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 version complète, avec 671B de paramètres, prenant en charge la recherche en ligne en temps réel, offrant des capacités de compréhension et de génération plus puissantes."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "Modèle d'inférence proposé par DeepSeek. Avant de fournir la réponse finale, le modèle génère d'abord une chaîne de pensée pour améliorer l'exactitude de la réponse finale."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "Le modèle de langage de très grande taille phare développé par Baidu, avec d'excellentes performances globales, largement applicable à des scénarios de tâches complexes dans divers domaines ; supporte l'intégration automatique avec le plugin de recherche Baidu, garantissant la pertinence des informations de réponse. Par rapport à ERNIE 4.0, il offre de meilleures performances."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "Le modèle ERNIE 4.5 est un nouveau modèle de base multimodal natif développé par Baidu, réalisant une optimisation collaborative grâce à la modélisation conjointe de plusieurs modalités, avec d'excellentes capacités de compréhension multimodale ; il possède des capacités linguistiques améliorées, avec des améliorations significatives dans la compréhension, la génération, la logique et la mémoire, ainsi qu'une réduction des hallucinations et une amélioration des capacités de raisonnement logique et de codage."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Le modèle de langage pour des scénarios verticaux développé par Baidu, adapté aux dialogues de NPC de jeux, aux dialogues de service client, aux jeux de rôle, avec un style de personnage plus distinct et cohérent, une meilleure capacité de suivi des instructions et des performances d'inférence supérieures."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash propose des fonctionnalités et des améliorations de nouvelle génération, y compris une vitesse exceptionnelle, l'utilisation d'outils natifs, la génération multimodale et une fenêtre de contexte de 1M tokens."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Modèle variant Gemini 2.0 Flash, optimisé pour des objectifs tels que le rapport coût-efficacité et la faible latence."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Modèle expérimental Gemini 2.0 Flash, prenant en charge la génération d'images"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Une variante du modèle Gemini 2.0 Flash, optimisée pour des objectifs tels que le rapport coût-efficacité et la faible latence."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental est le dernier modèle AI multimodal expérimental de Google, offrant une amélioration de la qualité par rapport aux versions précédentes, en particulier pour les connaissances générales, le code et les longs contextes."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental est le modèle de pensée le plus avancé de Google, capable de raisonner sur des problèmes complexes en code, mathématiques et dans les domaines STEM, tout en utilisant un long contexte pour analyser de grands ensembles de données, des bibliothèques de code et des documents."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B est adapté au traitement de tâches de taille moyenne, alliant coût et efficacité."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "Le dernier modèle multimodal de Hunyuan, prenant en charge les réponses multilingues, avec des capacités équilibrées en chinois et en anglais."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Modèle complet construit pour les capacités en sciences humaines et exactes, avec une forte capacité de capture d'informations dans de longs textes. Prend en charge le raisonnement pour répondre à divers problèmes scientifiques de mathématiques/logique/sciences/code, quel que soit leur niveau de difficulté."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "Le premier modèle d'inférence Hybrid-Transformer-Mamba à grande échelle de l'industrie, qui étend les capacités d'inférence, offre une vitesse de décodage exceptionnelle et aligne davantage les préférences humaines."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Supporte la traduction entre le chinois et l'anglais, le japonais, le français, le portugais, l'espagnol, le turc, le russe, l'arabe, le coréen, l'italien, l'allemand, le vietnamien, le malais et l'indonésien, soit 15 langues au total, avec une évaluation automatisée basée sur le score COMET à partir d'un ensemble d'évaluation de traduction multi-scénarios, montrant une capacité de traduction globale supérieure à celle des modèles de taille similaire sur le marché."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "Version préliminaire du nouveau modèle de langage de génération Hunyuan, utilisant une nouvelle structure de modèle d'experts mixtes (MoE), offrant une efficacité d'inférence plus rapide et de meilleures performances par rapport à Hunyuan-Pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Version fixe de hunyuan-turbo du 20 novembre 2024, une version intermédiaire entre hunyuan-turbo et hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "Optimisations de cette version : mise à l'échelle des instructions de données, augmentation significative de la capacité de généralisation du modèle ; amélioration significative des capacités en mathématiques, en code et en raisonnement logique ; optimisation des capacités de compréhension des mots dans le texte ; optimisation de la qualité de génération de contenu dans la création de texte."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "Le nouveau modèle phare de langage visuel de Hunyuan de nouvelle génération, utilisant une toute nouvelle structure de modèle d'experts hybrides (MoE), avec des améliorations complètes par rapport à la génération précédente dans les capacités de reconnaissance de base, de création de contenu, de questions-réponses, et d'analyse et de raisonnement liés à la compréhension d'images et de textes."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 version fixe, mise à niveau des tokens d'entraînement de la base pré-entraînée ; amélioration des capacités de réflexion en mathématiques/logique/code ; amélioration de l'expérience générale en chinois et en anglais, y compris la création de texte, la compréhension de texte, les questions-réponses de connaissances, les discussions, etc."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Uniformisation du style des étapes de résolution mathématique, renforcement des questions-réponses mathématiques en plusieurs tours. Optimisation du style de réponse pour la création de texte, élimination du goût AI, ajout de l'éloquence."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS est la dernière version du modèle phare Hunyuan, offrant une capacité de réflexion améliorée et une expérience utilisateur optimisée."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "Dernier modèle multimodal Hunyuan, prenant en charge l'entrée d'images et de textes pour générer du contenu textuel."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite est un modèle de langage léger, offrant une latence extrêmement faible et une capacité de traitement efficace, entièrement gratuit et ouvert, prenant en charge la recherche en temps réel. Sa capacité de réponse rapide le rend exceptionnel pour les applications d'inférence sur des appareils à faible puissance de calcul et pour le réglage des modèles, offrant aux utilisateurs un excellent rapport coût-efficacité et une expérience intelligente, en particulier dans les scénarios de questions-réponses, de génération de contenu et de recherche."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 est une série de grands modèles de langage (LLM) développés et open-source par Meta. Elle comprend des modèles de génération de texte pré-entraînés et affinés, dont la taille varie de 7 milliards à 70 milliards de paramètres. Sur le plan architectural, Llama2 est un modèle de langage auto-régressif utilisant une architecture de transformateur optimisée. Les versions ajustées utilisent un affinage supervisé (SFT) et un apprentissage par renforcement avec feedback humain (RLHF) pour aligner les préférences d'utilité et de sécurité humaines. Llama2 offre de meilleures performances que la série Llama sur de nombreux jeux de données académiques, fournissant des idées pour la conception et le développement de nombreux autres modèles."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B offre une capacité de raisonnement AI plus puissante, adaptée aux applications complexes, prenant en charge un traitement de calcul intensif tout en garantissant efficacité et précision."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K est équipé d'une grande capacité de traitement de contexte, avec une compréhension contextuelle et des capacités de raisonnement logique renforcées, prenant en charge des entrées textuelles de 32K tokens, adapté à la lecture de documents longs, aux questions-réponses privées et à d'autres scénarios."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct est un grand modèle de langage entièrement formé par Wúwèn Xīnqióng. Megrez-3B-Instruct vise à créer une solution d'intelligence embarquée rapide, compacte et facile à utiliser, en adoptant une approche intégrée logiciel-hardware."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "Un puissant modèle de 70 milliards de paramètres excelling dans le raisonnement, le codage et les applications linguistiques larges."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Modèle de code puissant de taille moyenne, prenant en charge une longueur de contexte de 32K, spécialisé dans la programmation multilingue."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "La série Qwen1.5 est la version Beta de Qwen2, un modèle de langage de décodage uniquement basé sur Transformer, pré-entraîné sur de vastes volumes de données. Par rapport aux versions précédentes de la série Qwen, les modèles base et chat de la série Qwen1.5 prennent en charge plusieurs langues et ont été améliorés en termes de conversation globale et de capacités de base. Qwen1.5-14b-chat est le modèle de taille principale de 14 milliards de paramètres spécifiquement conçu pour les scénarios de chat."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "La série Qwen1.5 est la version Beta de Qwen2, un modèle de langage de décodage uniquement basé sur Transformer, pré-entraîné sur de vastes volumes de données. Par rapport aux versions précédentes de la série Qwen, la série Qwen1.5 améliore les modèles base et chat pour prendre en charge plusieurs langues, et offre des améliorations dans les capacités de conversation et de base. Qwen1.5-32b-chat est un grand modèle de 320 milliards de paramètres spécifiquement conçu pour les scénarios de chat, offrant des performances supérieures dans les scénarios d'agents intelligents par rapport au modèle 14b, tout en réduisant les coûts d'inférence par rapport au modèle 72b."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "La série Qwen1.5 est la version Beta de Qwen2, un modèle de langage de décodage uniquement basé sur Transformer, pré-entraîné sur de vastes volumes de données. Par rapport aux versions précédentes de la série Qwen, les modèles base et chat de la série Qwen1.5 prennent en charge plusieurs langues et ont été améliorés en termes de conversation globale et de capacités de base. Qwen1.5-72b-chat est le grand modèle de 72 milliards de paramètres dédié aux scénarios de chat."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 est le nouveau modèle de langage à grande échelle d'Alibaba, offrant d'excellentes performances pour des besoins d'application diversifiés."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 est la nouvelle série de modèles de langage grand format développée par l'équipe Qwen. Elle repose sur l'architecture Transformer et intègre des fonctions d'activation SwiGLU, un biais d'attention QKV (attention QKV bias), une attention de requête de groupe (group query attention), un mélange d'attention à fenêtre glissante (mixture of sliding window attention) et une attention complète. De plus, l'équipe Qwen a amélioré le segmenteur pour mieux s'adapter à diverses langues naturelles et au code."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 est la nouvelle génération de modèles de langage grand format développée par l'équipe Qwen. Il repose sur l'architecture Transformer et utilise des fonctions d'activation SwiGLU, des biais QKV d'attention, de l'attention de requête de groupe, un mélange d'attention à fenêtre glissante et d'attention complète. De plus, l'équipe Qwen a amélioré le segmenteur pour s'adapter à de nombreuses langues naturelles et à des codes."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 est le nouveau modèle de langage à grande échelle de Alibaba, offrant d'excellentes performances pour répondre à des besoins d'application diversifiés."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 est un modèle de langage proposé par Microsoft AI, particulièrement performant dans les domaines des dialogues complexes, du multilinguisme, du raisonnement et des assistants intelligents."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 est une version améliorée de Yi. Il utilise un corpus de haute qualité de 500 milliards de tokens pour poursuivre l'entraînement préalable de Yi, et est affiné sur 3 millions d'exemples de fine-tuning variés."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "Un modèle de nouvelle génération avec des milliards de paramètres, offrant des capacités de question-réponse et de génération de texte exceptionnelles."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Exécutez des modèles d'apprentissage automatique alimentés par GPU sans serveur sur le réseau mondial de Cloudflare."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere vous apporte les modèles multilingues les plus avancés, des fonctionnalités de recherche sophistiquées et un espace de travail AI sur mesure pour les entreprises modernes - le tout intégré dans une plateforme sécurisée."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek est une entreprise spécialisée dans la recherche et l'application des technologies d'intelligence artificielle, dont le dernier modèle, DeepSeek-V2.5, combine des capacités de dialogue général et de traitement de code, réalisant des améliorations significatives dans l'alignement des préférences humaines, les tâches d'écriture et le suivi des instructions."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "Un modèle de langage développé par Tencent, doté d'une puissante capacité de création en chinois, d'une capacité de raisonnement logique dans des contextes complexes, ainsi que d'une capacité fiable d'exécution des tâches."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Fournit aux développeurs d'applications des services de grands modèles performants, faciles à utiliser et sécurisés, couvrant l'ensemble du processus, de la conception des grands modèles à leur déploiement en tant que service."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "Organisation open source dédiée à la recherche et au développement d'outils pour les grands modèles. Fournit à tous les développeurs d'IA une plateforme open source efficace et facile à utiliser, rendant les technologies de pointe en matière de grands modèles et d'algorithmes accessibles."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud permet aux développeurs d'utiliser facilement les meilleurs modèles open source et de bénéficier de la vitesse d'inférence la plus rapide."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API offre un accès à la série de modèles DeepSeek pouvant se connecter à Internet selon les besoins, y compris les versions standard et rapide, avec un choix de modèles de différentes tailles de paramètres."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseNova, soutenue par la puissante infrastructure de SenseTime, offre des services de modèles de grande taille complets, efficaces et faciles à utiliser."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Liste des sujets"
|
||||
},
|
||||
"searchPlaceholder": "Rechercher des sujets...",
|
||||
"searchResultEmpty": "Aucun résultat de recherche disponible",
|
||||
"temp": "Temporaire",
|
||||
"title": "Sujet"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Ferma",
|
||||
"warp": "A capo"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Stiamo comprendendo e analizzando la tua intenzione..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Tutti i contenuti",
|
||||
"allFiles": "Tutti i file",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Determina intelligentemente se è necessario cercare in base al contenuto della conversazione",
|
||||
"title": "Collegamento intelligente"
|
||||
},
|
||||
"disable": "Il modello attuale non supporta le chiamate di funzione, quindi non è possibile utilizzare la funzionalità di collegamento intelligente",
|
||||
"off": {
|
||||
"desc": "Utilizza solo la conoscenza di base del modello, senza effettuare ricerche online",
|
||||
"title": "Disattiva collegamento"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Utilizza il motore di ricerca integrato del modello"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "Il modello attuale non supporta le chiamate di funzione, quindi è necessario utilizzarlo insieme a un modello che supporti le chiamate di funzione per cercare online",
|
||||
"title": "Modello di ricerca assistita"
|
||||
},
|
||||
"title": "Ricerca online"
|
||||
},
|
||||
"searchAgentPlaceholder": "Assistente di ricerca...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Ci scusiamo, si è verificato un errore durante il processo di inizializzazione del database Pglite. Clicca sul pulsante per riprovare. Se l'errore persiste dopo vari tentativi, per favore <1>invia un problema</1> e noi ci occuperemo di risolverlo il prima possibile",
|
||||
"detail": "Motivo dell'errore: [{{type}}] {{message}}. Dettagli come segue:",
|
||||
"detailTitle": "Motivo dell'errore",
|
||||
"report": "Segnala un problema",
|
||||
"retry": "Riprova",
|
||||
"selfSolve": "Risoluzione autonoma",
|
||||
"title": "Inizializzazione del database fallita"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Usa ora",
|
||||
"desc": "Inizia subito",
|
||||
"title": "Database PGlite pronto"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Backup",
|
||||
"backupSuccess": "Backup riuscito",
|
||||
"desc": "Esporta i dati chiave dal database attuale",
|
||||
"export": "Esporta tutti i dati",
|
||||
"exportDesc": "I dati esportati verranno salvati in formato JSON, utilizzabili per un successivo ripristino o analisi.",
|
||||
"reset": {
|
||||
"alert": "Attenzione",
|
||||
"alertDesc": "Le seguenti operazioni potrebbero causare la perdita di dati. Assicurati di aver eseguito il backup dei dati importanti prima di continuare.",
|
||||
"button": "Ripristina completamente il database (elimina tutti i dati)",
|
||||
"confirm": {
|
||||
"desc": "Questa operazione eliminerà tutti i dati e non sarà annullabile, sei sicuro di voler continuare?",
|
||||
"title": "Conferma ripristino del database"
|
||||
},
|
||||
"desc": "Ripristina il database in caso di migrazione non recuperabile",
|
||||
"title": "Ripristino del database"
|
||||
},
|
||||
"restore": "Ripristina",
|
||||
"restoreSuccess": "Ripristino riuscito",
|
||||
"title": "Backup dei dati"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Data di creazione",
|
||||
"migratedAt": "Data di completamento della migrazione",
|
||||
"sql": "SQL di migrazione",
|
||||
"title": "Stato della migrazione"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Gestisci manualmente lo stato della migrazione",
|
||||
"runSQL": "Esecuzione personalizzata",
|
||||
"sql": {
|
||||
"clear": "Svuota",
|
||||
"desc": "Esegui istruzioni SQL personalizzate per risolvere i problemi del database",
|
||||
"markFinished": "Contrassegna come completato",
|
||||
"placeholder": "Inserisci istruzioni SQL...",
|
||||
"result": "Risultato dell'esecuzione",
|
||||
"run": "Esegui",
|
||||
"title": "Esecutore SQL"
|
||||
},
|
||||
"title": "Controllo della migrazione"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Backup e ripristino",
|
||||
"diagnosis": "Diagnosi",
|
||||
"repair": "Riparazione"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Chiudi",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Modello personalizzato: di default supporta sia la chiamata di funzioni che il riconoscimento visivo. Verifica l'effettiva disponibilità di tali funzionalità.",
|
||||
"file": "Questo modello supporta il caricamento e il riconoscimento di file.",
|
||||
"functionCall": "Questo modello supporta la chiamata di funzioni.",
|
||||
"imageOutput": "Questo modello supporta la generazione di immagini",
|
||||
"reasoning": "Questo modello supporta un pensiero profondo",
|
||||
"search": "Questo modello supporta la ricerca online",
|
||||
"tokens": "Questo modello supporta un massimo di {{tokens}} token per sessione.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "Nessun modello attivo. Vai alle impostazioni per attivarne uno.",
|
||||
"emptyProvider": "Nessun fornitore attivo, vai alle impostazioni per attivarlo",
|
||||
"goToSettings": "Vai alle impostazioni",
|
||||
"provider": "Provider"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Ci dispiace, il server ha superato il timeout in attesa di una risposta, potrebbe essere a causa di una risposta troppo lenta, per favore riprova più tardi",
|
||||
"AgentRuntimeError": "Errore di esecuzione del modello linguistico Lobe, controlla le informazioni seguenti o riprova",
|
||||
"ConnectionCheckFailed": "La risposta è vuota, controlla se l'indirizzo del proxy API termina con `/v1`",
|
||||
"CreateMessageError": "Ci dispiace, il messaggio non è stato inviato correttamente. Si prega di copiare il contenuto e inviarlo nuovamente. Dopo aver aggiornato la pagina, questo messaggio non verrà conservato.",
|
||||
"ExceededContextWindow": "Il contenuto della richiesta attuale supera la lunghezza che il modello può gestire. Si prega di ridurre la quantità di contenuto e riprovare.",
|
||||
"FreePlanLimit": "Attualmente sei un utente gratuito e non puoi utilizzare questa funzione. Per favore, passa a un piano a pagamento per continuare.",
|
||||
"InsufficientQuota": "Ci dispiace, la quota per questa chiave ha raggiunto il limite. Si prega di controllare il saldo dell'account o di aumentare la quota della chiave e riprovare.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet offre capacità superiori rispetto a Opus e una velocità maggiore rispetto a Sonnet, mantenendo lo stesso prezzo di Sonnet. Sonnet è particolarmente abile in programmazione, scienza dei dati, elaborazione visiva e compiti di agenzia."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet è il modello più intelligente di Anthropic fino ad oggi ed è il primo modello di ragionamento ibrido sul mercato. Claude 3.7 Sonnet può generare risposte quasi istantanee o pensieri prolungati e graduali, consentendo agli utenti di vedere chiaramente questi processi. Sonnet è particolarmente abile nella programmazione, nella scienza dei dati, nell'elaborazione visiva e nei compiti di agenzia."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23 è un modello multilingue lanciato da Cohere, supporta 23 lingue, facilitando applicazioni linguistiche diversificate."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse è un modello multilingue ad alte prestazioni da 32B, progettato per sfidare le prestazioni dei modelli monolingue attraverso innovazioni in ottimizzazione delle istruzioni, arbitraggio dei dati, addestramento delle preferenze e fusione dei modelli. Supporta 23 lingue."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse è un modello multilingue ad alte prestazioni da 8B, progettato per sfidare le prestazioni dei modelli monolingue attraverso innovazioni in ottimizzazione delle istruzioni, arbitraggio dei dati, addestramento delle preferenze e fusione dei modelli. Supporta 23 lingue."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision è un modello multimodale all'avanguardia, eccellente in diversi benchmark chiave per capacità linguistiche, testuali e visive. Supporta 23 lingue. Questa versione da 32 miliardi di parametri si concentra sulle prestazioni multilingue all'avanguardia."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision è un modello multimodale all'avanguardia, eccellente in diversi benchmark chiave per capacità linguistiche, testuali e visive. Questa versione da 8 miliardi di parametri si concentra su bassa latenza e prestazioni ottimali."
|
||||
},
|
||||
"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."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3 è un modello a sorgente chiusa sviluppato da Zhipu AI e dal laboratorio KEG di Tsinghua. Dopo un pre-addestramento su una vasta quantità di identificatori cinesi e inglesi e un addestramento allineato alle preferenze umane, rispetto alla prima generazione di modelli, ha ottenuto miglioramenti del 16%, 36% e 280% rispettivamente in MMLU, C-Eval e GSM8K, e ha raggiunto il vertice della classifica C-Eval per compiti in cinese. È adatto a scenari che richiedono un alto livello di conoscenza, capacità di ragionamento e creatività, come la stesura di testi pubblicitari, la scrittura di romanzi, la composizione di testi informativi e la generazione di codice."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base è il modello di base open source più recente della serie ChatGLM, sviluppato da Zhipu con una dimensione di 6 miliardi di parametri."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o è un modello dinamico, aggiornato in tempo reale per mantenere la versione più recente. Combina una potente comprensione e generazione del linguaggio, adatta a scenari di applicazione su larga scala, inclusi servizi clienti, educazione e supporto tecnico."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+ è un modello ottimizzato per RAG all'avanguardia progettato per affrontare carichi di lavoro di livello aziendale."
|
||||
},
|
||||
"command": {
|
||||
"description": "Un modello di dialogo che segue le istruzioni, con alta qualità e maggiore affidabilità nelle attività linguistiche, e una lunghezza di contesto più lunga rispetto ai nostri modelli generativi di base."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A è il nostro modello più potente fino ad oggi, eccellente nell'uso degli strumenti, nell'agenzia, nella generazione aumentata da recupero (RAG) e in scenari applicativi multilingue. Command A ha una lunghezza di contesto di 256K, può essere eseguito con solo due GPU e ha un throughput aumentato del 150% rispetto a Command R+ 08-2024."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "Una versione Command più piccola e veloce, quasi altrettanto potente, ma più rapida."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "Per ridurre l'intervallo di tempo tra i rilasci delle versioni principali, abbiamo lanciato una versione notturna del modello Command. Per la serie command-light, questa versione è chiamata command-light-nightly. Si prega di notare che command-light-nightly è l'ultima, la più sperimentale e (potenzialmente) instabile versione. Le versioni notturne vengono aggiornate regolarmente senza preavviso, quindi non si consiglia di utilizzarle in ambienti di produzione."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "Per ridurre l'intervallo di tempo tra i rilasci delle versioni principali, abbiamo lanciato una versione notturna del modello Command. Per la serie Command, questa versione è chiamata command-cightly. Si prega di notare che command-nightly è l'ultima, la più sperimentale e (potenzialmente) instabile versione. Le versioni notturne vengono aggiornate regolarmente senza preavviso, quindi non si consiglia di utilizzarle in ambienti di produzione."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R è un LLM ottimizzato per compiti di dialogo e contesti lunghi, particolarmente adatto per interazioni dinamiche e gestione della conoscenza."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R è un modello di dialogo che segue le istruzioni, con una qualità superiore e una maggiore affidabilità nelle attività linguistiche, e una lunghezza di contesto più lunga rispetto ai modelli precedenti. Può essere utilizzato per flussi di lavoro complessi, come generazione di codice, generazione aumentata da recupero (RAG), uso di strumenti e agenzia."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024 è una versione aggiornata del modello Command R, rilasciata nell'agosto 2024."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+ è un modello di linguaggio di grandi dimensioni ad alte prestazioni, progettato per scenari aziendali reali e applicazioni complesse."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+ è un modello di dialogo che segue le istruzioni, con una qualità superiore e una maggiore affidabilità nelle attività linguistiche, e una lunghezza di contesto più lunga rispetto ai modelli precedenti. È particolarmente adatto per flussi di lavoro complessi RAG e per l'uso di strumenti in più passaggi."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024 è una versione aggiornata, piccola ed efficiente, rilasciata nel dicembre 2024. Eccelle in compiti che richiedono ragionamento complesso e elaborazione in più passaggi, come RAG, uso di strumenti e agenzia."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "Seconda generazione del modello DALL·E, supporta la generazione di immagini più realistiche e accurate, con una risoluzione quattro volte superiore rispetto alla prima generazione."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1 è un modello di inferenza guidato da apprendimento rinforzato (RL) che affronta i problemi di ripetitività e leggibilità nel modello. Prima dell'RL, DeepSeek-R1 ha introdotto dati di cold start, ottimizzando ulteriormente le prestazioni di inferenza. Si comporta in modo comparabile a OpenAI-o1 in compiti matematici, di codifica e di inferenza, e migliora l'efficacia complessiva attraverso metodi di addestramento accuratamente progettati."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B versione veloce, supporta la ricerca online in tempo reale, fornendo una velocità di risposta più rapida mantenendo le prestazioni del modello."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B versione standard, supporta la ricerca online in tempo reale, adatta per conversazioni e compiti di elaborazione del testo che richiedono informazioni aggiornate."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 - il modello più grande e intelligente del pacchetto DeepSeek - è stato distillato nell'architettura Llama 70B. Basato su test di benchmark e valutazioni umane, questo modello è più intelligente del Llama 70B originale, mostrando prestazioni eccezionali in compiti che richiedono precisione matematica e fattuale."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "Rilasciato per la prima volta il 14 febbraio 2025, distillato dal team di ricerca del grande modello Qianfan utilizzando Llama3_70B come modello base (costruito con Meta Llama), con l'aggiunta di dati di Qianfan nel set di dati di distillazione."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "Rilasciato per la prima volta il 14 febbraio 2025, distillato dal team di ricerca del grande modello Qianfan utilizzando Llama3_8B come modello base (costruito con Meta Llama), con l'aggiunta di dati di Qianfan nel set di dati di distillazione."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "Il modello della serie DeepSeek-R1-Distill è stato ottenuto tramite la tecnologia di distillazione della conoscenza, ottimizzando i campioni generati da DeepSeek-R1 su modelli open source come Qwen e Llama."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 versione veloce completa, supporta la ricerca online in tempo reale, combinando la potenza dei 671B parametri con una velocità di risposta più rapida."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 versione completa, con 671B parametri, supporta la ricerca online in tempo reale, con capacità di comprensione e generazione più potenti."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "Modello di ragionamento lanciato da DeepSeek. Prima di fornire la risposta finale, il modello genera una catena di pensiero per migliorare l'accuratezza della risposta finale."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "Il modello di linguaggio di grandi dimensioni di punta sviluppato internamente da Baidu, con prestazioni complessive eccezionali, ampiamente applicabile a scenari di compiti complessi in vari campi; supporta l'integrazione automatica con il plugin di ricerca di Baidu, garantendo l'aggiornamento delle informazioni nelle risposte. Rispetto a ERNIE 4.0, offre prestazioni migliori."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "Il modello di grandi dimensioni Wenxin 4.5 è una nuova generazione di modello di base multimodale sviluppato autonomamente da Baidu, realizzato attraverso la modellazione congiunta di più modalità per ottenere un'ottimizzazione collaborativa, con eccellenti capacità di comprensione multimodale; presenta capacità linguistiche più avanzate, con miglioramenti significativi nella comprensione, generazione, logica e memoria, riducendo le illusioni e migliorando il ragionamento logico e le capacità di codifica."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "Un modello di linguaggio di grandi dimensioni sviluppato internamente da Baidu, adatto per scenari di applicazione come NPC nei giochi, dialoghi di assistenza clienti e interpretazione di ruoli nei dialoghi, con uno stile di personaggio più distintivo e coerente, capacità di seguire istruzioni più forti e prestazioni di inferenza migliori."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash offre funzionalità e miglioramenti di nuova generazione, tra cui velocità eccezionale, utilizzo di strumenti nativi, generazione multimodale e una finestra di contesto di 1M token."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash è una variante del modello ottimizzata per obiettivi come il rapporto costo-efficacia e la bassa latenza."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Modello sperimentale Gemini 2.0 Flash, supporta la generazione di immagini"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flash è una variante del modello Flash, ottimizzata per obiettivi come il rapporto costo-efficacia e la bassa latenza."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental è il più recente modello AI multimodale sperimentale di Google, con un miglioramento della qualità rispetto alle versioni precedenti, in particolare per quanto riguarda la conoscenza del mondo, il codice e i contesti lunghi."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental è il modello di pensiero più avanzato di Google, in grado di ragionare su problemi complessi in codice, matematica e nei campi STEM, e di analizzare grandi set di dati, codebase e documenti utilizzando contesti lunghi."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B è adatto per l'elaborazione di compiti di piccole e medie dimensioni, combinando efficienza dei costi."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "Il modello multimodale più recente di Hunyuan, supporta risposte in più lingue, con capacità equilibrate in cinese e inglese."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "Costruisce completamente le capacità del modello in scienze umane e scientifiche, con una forte capacità di catturare informazioni in testi lunghi. Supporta il ragionamento per risolvere problemi scientifici di varia difficoltà, inclusi matematica, logica, scienza e codice."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "Il primo modello di inferenza ibrido su larga scala Hybrid-Transformer-Mamba del settore, che espande le capacità di inferenza, offre una velocità di decodifica eccezionale e allinea ulteriormente le preferenze umane."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "Supporta la traduzione tra cinese e inglese, giapponese, francese, portoghese, spagnolo, turco, russo, arabo, coreano, italiano, tedesco, vietnamita, malese e indonesiano, per un totale di 15 lingue, con valutazione automatica basata su un set di valutazione di traduzione multi-scenario e punteggio COMET, mostrando complessivamente prestazioni superiori rispetto ai modelli di dimensioni simili sul mercato in termini di capacità di traduzione reciproca tra le lingue più comuni."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "Anteprima della nuova generazione di modelli di linguaggio di Hunyuan, utilizza una nuova struttura di modello ibrido di esperti (MoE), con una maggiore efficienza di inferenza e prestazioni superiori rispetto a hunyuan-pro."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "Versione fissa di hunyuan-turbo del 20 novembre 2024, una versione intermedia tra hunyuan-turbo e hunyuan-turbo-latest."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "Ottimizzazione di questa versione: scaling delle istruzioni sui dati, notevole aumento della capacità di generalizzazione del modello; notevole miglioramento delle capacità matematiche, di codifica e di ragionamento logico; ottimizzazione delle capacità di comprensione del testo e delle parole; ottimizzazione della qualità della generazione dei contenuti di creazione del testo."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "Il nuovo modello di punta di linguaggio visivo di Hunyuan, adotta una nuova struttura di modello esperto misto (MoE), con miglioramenti complessivi nelle capacità di riconoscimento di base, creazione di contenuti, domande e risposte, analisi e ragionamento rispetto alla generazione precedente."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 versione fissa, aggiornamento del token di addestramento della base pre-addestrata; miglioramento delle capacità di pensiero in matematica/logica/codice; miglioramento dell'esperienza generale in cinese e inglese, inclusi creazione di testi, comprensione del testo, domande e risposte di conoscenza, conversazione casuale, ecc."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "Uniformare lo stile dei passaggi di risoluzione dei problemi matematici, rafforzare le domande e risposte matematiche in più turni. Ottimizzare lo stile delle risposte nella creazione di testi, rimuovendo il sapore AI e aumentando la letterarietà."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS è l'ultima versione del modello di punta Hunyuan, con capacità di pensiero più forti e un'esperienza utente migliore."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "Ultimo modello multimodale di Hunyuan, supporta l'input di immagini e testo per generare contenuti testuali."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite è un modello di linguaggio di grandi dimensioni leggero, con latenza estremamente bassa e capacità di elaborazione efficiente, completamente gratuito e aperto, supporta funzionalità di ricerca online in tempo reale. La sua caratteristica di risposta rapida lo rende eccellente per applicazioni di inferenza su dispositivi a bassa potenza e per il fine-tuning dei modelli, offrendo agli utenti un'ottima efficienza dei costi e un'esperienza intelligente, soprattutto nei contesti di domande e risposte, generazione di contenuti e ricerca."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2 è una serie di modelli linguistici di grandi dimensioni (LLM) sviluppati e resi open source da Meta. Questa serie comprende modelli generativi di testo pre-addestrati e finetunati, con dimensioni che variano da 7 miliardi a 70 miliardi di parametri. Sul piano architettonico, Llama2 è un modello linguistico autoregressivo che utilizza un'architettura di trasformatore ottimizzata. Le versioni aggiornate utilizzano il fine-tuning supervisionato (SFT) e l'apprendimento per rinforzo con feedback umano (RLHF) per allineare le preferenze di utilità e sicurezza umane. Llama2 supera Llama in diverse basi di dati accademiche, fornendo ispirazione per la progettazione e lo sviluppo di molti altri modelli."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B offre capacità di ragionamento AI più potenti, adatto per applicazioni complesse, supporta un'elaborazione computazionale elevata garantendo efficienza e precisione."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K è dotato di una grande capacità di elaborazione del contesto, con una comprensione del contesto e capacità di ragionamento logico superiori, supporta input testuali fino a 32K token, adatto per la lettura di documenti lunghi, domande e risposte su conoscenze private e altri scenari."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct è un modello di linguaggio grande completamente addestrato da Wuwen Xin Qiong. Megrez-3B-Instruct mira a creare una soluzione di intelligenza per dispositivi finali, rapida, compatta e facile da usare, attraverso il concetto di collaborazione hardware-software."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "Un potente modello con 70 miliardi di parametri che eccelle nel ragionamento, nella codifica e nelle ampie applicazioni linguistiche."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "Potente modello di codice di medie dimensioni, supporta una lunghezza di contesto di 32K, specializzato in programmazione multilingue."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "La serie Qwen1.5 è la versione Beta di Qwen2, un modello linguistico decodificatore basato su Transformer, pre-addestrato su un vasto corpus di dati. Rispetto alle versioni precedenti della serie Qwen, la serie Qwen1.5 supporta diverse lingue sia nel modello base che in quello per chat, migliorando le prestazioni complessive sia nella conversazione che nelle capacità di base. Qwen1.5-14b-chat è il modello specifico per scenari di chat, con 14 miliardi di parametri, una dimensione mainstream."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "La serie Qwen1.5 è la versione Beta di Qwen2, un modello linguistico di solo decodifica basato su Transformer, pre-addestrato su un vasto corpus di dati. Rispetto alle versioni precedenti della serie Qwen, sia il modello base che il modello chat della serie Qwen1.5 supportano diverse lingue e hanno migliorato le prestazioni complessive in chat e le capacità di base. Qwen1.5-32b-chat è un modello di 32 miliardi di parametri specificamente progettato per scenari di chat, che offre prestazioni superiori nel contesto di agenti intelligenti rispetto al modello da 14 miliardi di parametri e ha un costo inferiore di inferenza rispetto al modello da 72 miliardi di parametri."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "La serie Qwen1.5 è la versione Beta di Qwen2, un modello linguistico di solo decodifica basato su Transformer, pre-addestrato su un vasto corpus di dati. Rispetto alle precedenti versioni della serie Qwen, la serie Qwen1.5 supporta diverse lingue sia nel modello base che in quello per chat, migliorando le prestazioni complessive sia nella conversazione che nelle capacità di base. Qwen1.5-72b-chat è il modello specifico per scenari di chat, con 72 miliardi di parametri."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2 è la nuova generazione di modelli di linguaggio su larga scala di Alibaba, supporta prestazioni eccellenti per esigenze applicative diversificate."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2 è la nuova serie di modelli linguistici di grande dimensione sviluppata dal team Qwen. Si basa sull'architettura Transformer e utilizza funzioni di attivazione SwiGLU, bias QKV dell'attenzione, attenzione a query di gruppo, una combinazione di attenzione a finestra scorrevole e attenzione completa. Inoltre, il team Qwen ha migliorato il tokenizzatore per adattarlo a diverse lingue naturali e codici."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2 è la nuova serie di modelli linguistici di grandi dimensioni presentata dal team Qwen. Si basa sull'architettura Transformer e utilizza funzioni di attivazione SwiGLU, bias QKV dell'attenzione (attention QKV bias), attenzione a query di gruppo (group query attention), una combinazione di attenzione a finestra scorrevole (sliding window attention) e attenzione completa. Inoltre, il team Qwen ha migliorato il tokenizzatore per adattarlo a diverse lingue naturali e codici."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5 è la nuova generazione di modelli linguistici su larga scala di Alibaba, che supporta esigenze applicative diversificate con prestazioni eccellenti."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2 è un modello di linguaggio fornito da Microsoft AI, particolarmente efficace in dialoghi complessi, multilingue, ragionamento e assistenti intelligenti."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5 è una versione aggiornata di Yi. Utilizza un corpus di alta qualità di 500B token per il pre-addestramento continuo di Yi e viene finetunato su 3M campioni di micro-tuning diversificati."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "Un nuovo modello con centinaia di miliardi di parametri, offre capacità eccezionali di risposta e generazione di testi."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Esegui modelli di machine learning alimentati da GPU serverless sulla rete globale di Cloudflare."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere ti offre i modelli multilingue più all'avanguardia, funzionalità di ricerca avanzate e uno spazio di lavoro AI su misura per le moderne imprese - il tutto integrato in una piattaforma sicura."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek è un'azienda focalizzata sulla ricerca e applicazione della tecnologia AI, il cui ultimo modello DeepSeek-V2.5 combina capacità di dialogo generico e elaborazione del codice, realizzando miglioramenti significativi nell'allineamento delle preferenze umane, nei compiti di scrittura e nel rispetto delle istruzioni."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "Un modello di linguaggio sviluppato da Tencent, dotato di potenti capacità di creazione in cinese, abilità di ragionamento logico in contesti complessi e capacità affidabili di esecuzione dei compiti."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "Fornisce servizi di modelli di grande dimensione ad alta prestazione, facili da usare e sicuri per gli sviluppatori di applicazioni, coprendo l'intero processo dalla sviluppo dei modelli alla distribuzione dei servizi."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "Un'organizzazione open source dedicata alla ricerca e allo sviluppo di strumenti per modelli di grandi dimensioni. Fornisce a tutti gli sviluppatori di AI una piattaforma open source efficiente e facile da usare, rendendo le tecnologie e gli algoritmi all'avanguardia accessibili a tutti."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud consente agli sviluppatori di utilizzare facilmente i migliori modelli open source e di godere della velocità di inferenza più rapida."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API fornisce accesso alla serie di modelli DeepSeek che possono connettersi autonomamente, inclusa la versione standard e quella rapida, supportando la scelta di modelli con diverse dimensioni di parametri."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "SenseTime offre servizi di modelli di grandi dimensioni full-stack, supportati dalla potente infrastruttura di SenseTime."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "Elenco dei temi"
|
||||
},
|
||||
"searchPlaceholder": "Cerca temi...",
|
||||
"searchResultEmpty": "Nessun risultato trovato",
|
||||
"temp": "Temporaneo",
|
||||
"title": "Tema"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "停止",
|
||||
"warp": "改行"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "あなたの意図を理解し、分析しています..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "すべてのコンテンツ",
|
||||
"allFiles": "すべてのファイル",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "会話の内容に基づいて、検索が必要かどうかを自動的に判断します",
|
||||
"title": "インテリジェント接続"
|
||||
},
|
||||
"disable": "現在のモデルは関数呼び出しをサポートしていないため、インテリジェント接続機能は使用できません",
|
||||
"off": {
|
||||
"desc": "モデルの基本知識のみを使用し、ネット検索は行いません",
|
||||
"title": "接続をオフ"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "モデル内蔵の検索エンジンを使用"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "現在のモデルは関数呼び出しをサポートしていないため、関数呼び出しをサポートするモデルと組み合わせてネット検索を行う必要があります",
|
||||
"title": "検索補助モデル"
|
||||
},
|
||||
"title": "ネット接続検索"
|
||||
},
|
||||
"searchAgentPlaceholder": "検索アシスタント...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "申し訳ありませんが、Pglite データベースの初期化中にエラーが発生しました。ボタンをクリックして再試行してください。それでも何度もエラーが発生する場合は、<1>問題を報告</1>してください。すぐに調査いたします。",
|
||||
"detail": "エラーの原因：[{{type}}] {{message}}、詳細は以下の通りです：",
|
||||
"detailTitle": "エラーの理由",
|
||||
"report": "問題を報告",
|
||||
"retry": "再試行",
|
||||
"selfSolve": "自己解決",
|
||||
"title": "データベースの初期化に失敗しました"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "今すぐ使用",
|
||||
"desc": "すぐに使用したい",
|
||||
"title": "PGlite データベースは準備完了です"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "バックアップ",
|
||||
"backupSuccess": "バックアップ成功",
|
||||
"desc": "現在のデータベースから重要なデータをエクスポート",
|
||||
"export": "すべてのデータをエクスポート",
|
||||
"exportDesc": "エクスポートされたデータはJSON形式で保存され、後の復元や分析に使用できます。",
|
||||
"reset": {
|
||||
"alert": "警告",
|
||||
"alertDesc": "以下の操作はデータ損失を引き起こす可能性があります。重要なデータをバックアップしたことを確認してから続行してください。",
|
||||
"button": "データベースを完全にリセット（すべてのデータを削除）",
|
||||
"confirm": {
|
||||
"desc": "この操作はすべてのデータを削除し、元に戻すことはできません。続行してもよろしいですか？",
|
||||
"title": "データベースリセットの確認"
|
||||
},
|
||||
"desc": "復元できない場合にデータベースをリセット",
|
||||
"title": "データベースリセット"
|
||||
},
|
||||
"restore": "復元",
|
||||
"restoreSuccess": "復元成功",
|
||||
"title": "データバックアップ"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "作成日時",
|
||||
"migratedAt": "移行完了日時",
|
||||
"sql": "移行SQL",
|
||||
"title": "移行状況"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "移行状況を手動で管理",
|
||||
"runSQL": "カスタム実行",
|
||||
"sql": {
|
||||
"clear": "クリア",
|
||||
"desc": "カスタムSQL文を実行してデータベースの問題を修正",
|
||||
"markFinished": "完了としてマーク",
|
||||
"placeholder": "SQL文を入力...",
|
||||
"result": "実行結果",
|
||||
"run": "実行",
|
||||
"title": "SQL実行ツール"
|
||||
},
|
||||
"title": "移行管理"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "バックアップと復元",
|
||||
"diagnosis": "診断",
|
||||
"repair": "修正"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "閉じる",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "カスタムモデル、デフォルトでは関数呼び出しとビジョン認識の両方をサポートしています。上記機能の有効性を確認してください。",
|
||||
"file": "このモデルはファイルのアップロードと認識をサポートしています。",
|
||||
"functionCall": "このモデルは関数呼び出し（Function Call）をサポートしています。",
|
||||
"imageOutput": "このモデルは画像生成をサポートしています",
|
||||
"reasoning": "このモデルは深い思考をサポートしています",
|
||||
"search": "このモデルはオンライン検索をサポートしています",
|
||||
"tokens": "このモデルは1つのセッションあたり最大{{tokens}}トークンをサポートしています。",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "有効なモデルがありません。設定に移動して有効にしてください。",
|
||||
"emptyProvider": "有効なサービスプロバイダーがありません。設定に移動して有効にしてください。",
|
||||
"goToSettings": "設定に移動",
|
||||
"provider": "プロバイダー"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "申し訳ありませんが、サーバーは応答を待っている間にタイムアウトしました。応答が遅すぎる可能性があります。後でもう一度お試しください。",
|
||||
"AgentRuntimeError": "Lobe言語モデルの実行時にエラーが発生しました。以下の情報に基づいてトラブルシューティングを行うか、再試行してください。",
|
||||
"ConnectionCheckFailed": "リクエストの返答が空です。API プロキシのアドレスの末尾に `/v1` が含まれているか確認してください。",
|
||||
"CreateMessageError": "申し訳ありませんが、メッセージを正常に送信できませんでした。内容をコピーして再送信してください。このページを更新すると、このメッセージは保持されません。",
|
||||
"ExceededContextWindow": "現在のリクエスト内容がモデルが処理できる長さを超えています。内容量を減らして再試行してください。",
|
||||
"FreePlanLimit": "現在は無料ユーザーですので、この機能を使用することはできません。有料プランにアップグレードして継続してください。",
|
||||
"InsufficientQuota": "申し訳ありませんが、そのキーのクォータが上限に達しました。アカウントの残高を確認するか、キーのクォータを増やしてから再試行してください。",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 SonnetはOpusを超える能力を提供し、Sonnetよりも速い速度を持ちながら、Sonnetと同じ価格を維持します。Sonnetは特にプログラミング、データサイエンス、視覚処理、代理タスクに優れています。"
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnetは、Anthropicがこれまでに開発した最も知能の高いモデルであり、市場で初めての混合推論モデルです。Claude 3.7 Sonnetは、ほぼ瞬時の応答や段階的な思考を生成することができ、ユーザーはこれらのプロセスを明確に見ることができます。Sonnetは特にプログラミング、データサイエンス、視覚処理、代理タスクに優れています。"
|
||||
},
|
||||
"aya": {
|
||||
"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。"
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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。"
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanseは、高性能な32B多言語モデルで、指示調整、データアービトラージ、好みのトレーニング、モデル統合の革新を通じて、単一言語モデルのパフォーマンスに挑戦します。23の言語をサポートしています。"
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanseは、高性能な8B多言語モデルで、指示調整、データアービトラージ、好みのトレーニング、モデル統合の革新を通じて、単一言語モデルのパフォーマンスに挑戦します。23の言語をサポートしています。"
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Visionは、最先端のマルチモーダルモデルで、言語、テキスト、画像能力の複数の重要なベンチマークで優れたパフォーマンスを発揮します。23の言語をサポートしています。この320億パラメータのバージョンは、最先端の多言語パフォーマンスに焦点を当てています。"
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Visionは、最先端のマルチモーダルモデルで、言語、テキスト、画像能力の複数の重要なベンチマークで優れたパフォーマンスを発揮します。この80億パラメータのバージョンは、低遅延と最適なパフォーマンスに焦点を当てています。"
|
||||
},
|
||||
"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。"
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3は、智譜AIと清華KEGラボが公開したクローズドソースモデルで、大量の中国語と英語の識別子の事前学習と人間の好みの調整学習を経ています。1世代目のモデルと比較して、MMLU、C-Eval、GSM8Kでそれぞれ16%、36%、280%の向上を達成し、中国語タスクランキングC-Evalで1位を獲得しました。知識量、推論能力、創造性が求められる場面、例えば広告文の作成、小説の執筆、知識系の執筆、コードの生成などに適しています。"
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base は、智譜が開発した ChatGLM シリーズの最新世代の 60 億パラメータのオープンソースの基本モデルです。"
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4oは、リアルタイムで更新される動的モデルで、常に最新のバージョンを維持します。強力な言語理解と生成能力を組み合わせており、顧客サービス、教育、技術サポートなどの大規模なアプリケーションシナリオに適しています。"
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+は、企業グレードのワークロードに対応するために設計された最先端のRAG最適化モデルです。"
|
||||
},
|
||||
"command": {
|
||||
"description": "指示に従う対話モデルで、言語タスクにおいて高品質で信頼性が高く、私たちの基本生成モデルよりも長いコンテキスト長を持っています。"
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command Aは、ツールの使用、エージェント、検索強化生成（RAG）、および多言語アプリケーションシナリオにおいて優れたパフォーマンスを発揮する、これまでで最も強力なモデルです。Command Aは256Kのコンテキスト長を持ち、2つのGPUで動作し、Command R+ 08-2024と比較してスループットが150%向上しています。"
|
||||
},
|
||||
"command-light": {
|
||||
"description": "より小型で高速なCommandバージョンで、ほぼ同じ強力さを持ちながら、より速い速度を提供します。"
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "主要なバージョンリリース間の時間間隔を短縮するために、Commandモデルのナイトリーバージョンをリリースしました。command-lightシリーズでは、このバージョンはcommand-light-nightlyと呼ばれます。command-light-nightlyは最新で最も実験的であり（おそらく）不安定なバージョンです。ナイトリーバージョンは定期的に更新され、事前通知なしにリリースされるため、プロダクション環境での使用は推奨されません。"
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "主要なバージョンリリース間の時間間隔を短縮するために、Commandモデルのナイトリーバージョンをリリースしました。Commandシリーズでは、このバージョンはcommand-cightlyと呼ばれます。command-nightlyは最新で最も実験的であり（おそらく）不安定なバージョンです。ナイトリーバージョンは定期的に更新され、事前通知なしにリリースされるため、プロダクション環境での使用は推奨されません。"
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command Rは、対話と長いコンテキストタスクに最適化されたLLMであり、特に動的なインタラクションと知識管理に適しています。"
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command Rは、指示に従う対話モデルで、言語タスクにおいてより高い品質と信頼性を提供し、従来のモデルよりも長いコンテキスト長を持っています。コード生成、検索強化生成（RAG）、ツール使用、エージェントなどの複雑なワークフローに使用できます。"
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024はCommand Rモデルの更新版で、2024年8月にリリースされました。"
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+は、リアルな企業シーンと複雑なアプリケーションのために設計された高性能な大規模言語モデルです。"
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+は、指示に従う対話モデルで、言語タスクにおいてより高い品質と信頼性を提供し、従来のモデルよりも長いコンテキスト長を持っています。複雑なRAGワークフローや多段階ツール使用に最適です。"
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024は、小型で効率的な更新版で、2024年12月にリリースされました。RAG、ツール使用、エージェントなど、複雑な推論と多段階処理を必要とするタスクで優れたパフォーマンスを発揮します。"
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "第二世代DALL·Eモデル、よりリアルで正確な画像生成をサポートし、解像度は第一世代の4倍です"
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1は、強化学習（RL）駆動の推論モデルであり、モデル内の繰り返しと可読性の問題を解決します。RLの前に、DeepSeek-R1はコールドスタートデータを導入し、推論性能をさらに最適化しました。数学、コード、推論タスクにおいてOpenAI-o1と同等のパフォーマンスを発揮し、精巧に設計されたトレーニング手法によって全体的な効果を向上させました。"
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70Bファスト版で、リアルタイムのオンライン検索をサポートし、モデルのパフォーマンスを維持しながら、より速い応答速度を提供します。"
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70Bスタンダード版で、リアルタイムのオンライン検索をサポートし、最新情報が必要な対話やテキスト処理タスクに適しています。"
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1——DeepSeekスイートの中でより大きく、より賢いモデル——がLlama 70Bアーキテクチャに蒸留されました。ベンチマークテストと人間評価に基づき、このモデルは元のLlama 70Bよりも賢く、特に数学と事実の正確性が求められるタスクで優れたパフォーマンスを示します。"
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek-R1-Distillシリーズモデルは、知識蒸留技術を通じて、DeepSeek-R1が生成したサンプルをQwen、Llamaなどのオープンソースモデルに微調整して得られたものです。"
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "2025年2月14日に初めてリリースされ、千帆大モデル開発チームがLlama3_70Bをベースモデル（Built with Meta Llama）として蒸留したもので、蒸留データには千帆のコーパスも追加されています。"
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "2025年2月14日に初めてリリースされ、千帆大モデル開発チームがLlama3_8Bをベースモデル（Built with Meta Llama）として蒸留したもので、蒸留データには千帆のコーパスも追加されています。"
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "DeepSeek-R1-Distillシリーズモデルは、知識蒸留技術を通じて、DeepSeek-R1が生成したサンプルをQwen、Llamaなどのオープンソースモデルに微調整して得られたものです。"
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "DeepSeek-R1-Distillシリーズモデルは、知識蒸留技術を通じて、DeepSeek-R1が生成したサンプルをQwen、Llamaなどのオープンソースモデルに微調整して得られたものです。"
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1フルファスト版で、リアルタイムのオンライン検索をサポートし、671Bパラメータの強力な能力とより速い応答速度を組み合わせています。"
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1フルバージョンで、671Bパラメータを持ち、リアルタイムのオンライン検索をサポートし、より強力な理解と生成能力を備えています。"
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "DeepSeekが提供する推論モデルです。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高めます。"
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "百度が独自に開発したフラッグシップの超大規模言語モデルで、総合的なパフォーマンスが優れており、さまざまな分野の複雑なタスクシーンに広く適用されます。百度検索プラグインとの自動接続をサポートし、質問応答情報のタイムリーさを保証します。ERNIE 4.0に比べてパフォーマンスがさらに優れています。"
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "文心大モデル4.5は、百度が独自に開発した次世代のネイティブマルチモーダル基盤大モデルで、複数のモーダルを共同でモデル化することで協調最適化を実現し、優れたマルチモーダル理解能力を持っています。言語能力がさらに向上し、理解、生成、論理、記憶能力が全面的に向上し、幻覚の排除、論理推論、コード能力が顕著に向上しています。"
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "百度が独自に開発した垂直シーン向けの大規模言語モデルで、ゲームのNPC、カスタマーサービスの対話、対話キャラクターの役割演技などのアプリケーションシーンに適しており、キャラクターのスタイルがより鮮明で一貫しており、指示に従う能力が強く、推論性能が優れています。"
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flashは、卓越した速度、ネイティブツールの使用、マルチモーダル生成、1Mトークンのコンテキストウィンドウを含む次世代の機能と改善を提供します。"
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash モデルのバリアントで、コスト効率と低遅延などの目標に最適化されています。"
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Gemini 2.0 Flash 実験モデル、画像生成をサポート"
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 Flashモデルのバリアントで、コスト効率と低遅延などの目標に最適化されています。"
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimentalは、Googleの最新の実験的なマルチモーダルAIモデルで、歴史的なバージョンと比較して品質が向上しています。特に、世界の知識、コード、長いコンテキストにおいて顕著です。"
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimentalは、Googleの最先端の思考モデルであり、コード、数学、STEM分野の複雑な問題に対して推論を行うことができ、長いコンテキストを利用して大規模なデータセット、コードベース、文書を分析します。"
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7Bは、中小規模のタスク処理に適しており、コスト効果を兼ね備えています。"
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "混元最新のマルチモーダルモデルで、多言語での応答をサポートし、中英文能力が均衡している。"
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "モデルの文理科能力を全面的に構築し、長文情報のキャッチ能力が高いです。さまざまな難易度の数学、論理推論、科学、コードなどの科学問題に対する推論解答をサポートします。"
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "業界初の超大規模Hybrid-Transformer-Mamba推論モデルであり、推論能力を拡張し、超高速なデコード速度を実現し、人間の好みにさらに整合します。"
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "中国語、英語、日本語、フランス語、ポルトガル語、スペイン語、トルコ語、ロシア語、アラビア語、韓国語、イタリア語、ドイツ語、ベトナム語、マレー語、インドネシア語の15言語の相互翻訳をサポートし、多シーン翻訳評価セットに基づく自動評価COMETスコアを使用して、十数の一般的な言語間の翻訳能力が市場の同規模モデルを全体的に上回っています。"
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "混元の新世代大規模言語モデルのプレビュー版で、全く新しい混合専門家モデル（MoE）構造を採用し、hunyuan-proに比べて推論効率が向上し、パフォーマンスも強化されています。"
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "hunyuan-turbo 2024年11月20日の固定バージョンで、hunyuan-turboとhunyuan-turbo-latestの間に位置するバージョン。"
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "このバージョンの最適化：データ指令のスケーリングにより、モデルの汎用的な一般化能力を大幅に向上；数学、コード、論理推論能力を大幅に向上；テキスト理解と語彙理解に関連する能力を最適化；テキスト作成の内容生成の質を最適化。"
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "混元の次世代視覚言語フラッグシップ大モデルで、全く新しい混合専門家モデル（MoE）構造を採用し、画像とテキストの理解に関連する基礎認識、コンテンツ作成、知識問答、分析推論などの能力が前世代モデルに比べて全面的に向上。"
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2固定バージョンの事前トレーニングベースのトークン数がアップグレードされました。数学、論理、コードなどの思考能力が向上し、中国語と英語の一般的な体験効果が向上しました。テキスト作成、テキスト理解、知識質問、雑談などが含まれます。"
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "統一された数学問題解決手順のスタイルを強化し、数学の多段階質問応答を強化します。テキスト作成の回答スタイルを最適化し、AIの特徴を排除し、文才を増加させます。"
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS混元フラッグシップ大モデルの最新バージョンで、より強力な思考能力と優れた体験効果を備えています。"
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "混元の最新のマルチモーダルモデルで、画像とテキストの入力をサポートし、テキストコンテンツを生成します。"
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Liteは軽量な大規模言語モデルで、非常に低い遅延と高い処理能力を備えています。完全に無料でオープンであり、リアルタイムのオンライン検索機能をサポートしています。その迅速な応答特性により、低算力デバイスでの推論アプリケーションやモデルの微調整において優れたパフォーマンスを発揮し、特に知識問答、コンテンツ生成、検索シーンにおいて優れたコストパフォーマンスとインテリジェントな体験を提供します。"
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2は、Metaによって開発され、オープンソースの大型言語モデル（LLM）シリーズで、70億から700億パラメータの異なるスケールの生成テキストモデルです。アーキテクチャの面では、LLama2は最適化されたトランスフォーマーアーキテクチャを使用した自己回帰型言語モデルです。調整されたバージョンは、監視付き微調整（SFT）と人間のフィードバックを伴う強化学習（RLHF）を使用して、人間の有用性と安全性の好みに合わせています。Llama2は、Llamaシリーズに比べて多くの学術データセットで優れたパフォーマンスを示し、多くの他のモデルに設計と開発のアイデアを提供しています。"
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70Bは、より強力なAI推論能力を提供し、複雑なアプリケーションに適しており、非常に多くの計算処理をサポートし、高効率と精度を保証します。"
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32Kは大規模なコンテキスト処理能力を備え、より強力なコンテキスト理解と論理推論能力を持ち、32Kトークンのテキスト入力をサポートします。長文書の読解やプライベートな知識問答などのシーンに適しています。"
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct は、無問芯穹が完全に自主的に訓練した大規模言語モデルです。Megrez-3B-Instruct は、ソフトウェアとハードウェアの協調理念に基づき、高速推論、小型で高性能、そして非常に使いやすいエッジ側のスマートソリューションを目指しています。"
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "推論、コーディング、広範な言語アプリケーションに優れた70億パラメータの強力なモデルです。"
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "強力な中型コードモデルで、32Kのコンテキスト長をサポートし、多言語プログラミングに優れています。"
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "Qwen1.5 シリーズは Qwen2 のベータ版で、Transformer ベースのデコーダー専用言語モデルであり、大量のデータで事前学習されています。以前にリリースされた Qwen シリーズのバージョンと比較して、Qwen1.5 シリーズの base と chat モデルは複数の言語をサポートし、全体的なチャットと基本的な機能が向上しています。Qwen1.5-14b-chat は、チャット用途に特化した 140 億パラメータの主要なモデルです。"
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "Qwen1.5 シリーズは Qwen2 のベータ版で、Transformer ベースのデコーダー専用言語モデルであり、大量のデータで事前学習されています。以前にリリースされた Qwen シリーズのバージョンと比較して、Qwen1.5 シリーズの base と chat モデルは、複数の言語をサポートし、全体的なチャットと基本的な能力が向上しています。Qwen1.5-32b-chat は、チャット用途に特化した 320 億パラメータの大規模モデルで、14b モデルよりもエージェント用途で優れ、72b モデルよりも推論コストが低いです。"
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "Qwen1.5 シリーズは Qwen2 のベータ版で、Transformer ベースのデコーダー専用言語モデルであり、大量のデータで事前学習されています。以前にリリースされた Qwen シリーズのバージョンと比較して、Qwen1.5 シリーズの base と chat モデルは、複数の言語をサポートし、全体的なチャットと基本的な機能が向上しています。Qwen1.5-72b-chat は、チャット用途に特化した 720 億パラメータの大規模モデルです。"
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2は、Alibabaの新世代大規模言語モデルであり、優れた性能で多様なアプリケーションニーズをサポートします。"
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2は、Qwenチームが発表した次世代の大型言語モデルシリーズです。これは、Transformerアーキテクチャに基づいており、SwiGLU活性化関数、注意QKVバイアス、グループクエリ注意、スライディングウィンドウ注意と全注意の混合などの技術を採用しています。さらに、Qwenチームは、さまざまな自然言語とコードに適応するトークナイザーを改善しました。"
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2は、Qwenチームが発表した次世代の大型言語モデルシリーズです。これは、Transformerアーキテクチャに基づいており、SwiGLU活性化関数、注意QKVバイアス、グループクエリ注意、スライディングウィンドウ注意と全注意の混合などの技術を採用しています。さらに、Qwenチームは、さまざまな自然言語とコードに適応するトークナイザーを改善しました。"
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5はAlibabaの次世代大規模言語モデルで、優れた性能を持ち、多様なアプリケーションのニーズをサポートします。"
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2は、Microsoft AIが提供する言語モデルであり、複雑な対話、多言語、推論、インテリジェントアシスタントの分野で特に優れた性能を発揮します。"
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5は、Yiのアップグレード版です。500Bトークンの高品質なコーパスを使用してYiの事前学習を継続し、3Mの多様なファインチューニングサンプルでファインチューニングを行います。"
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "新しい千億パラメータモデルであり、超強力な質問応答およびテキスト生成能力を提供します。"
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Cloudflareのグローバルネットワーク上で、サーバーレスGPUによって駆動される機械学習モデルを実行します。"
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohereは、最先端の多言語モデル、高度な検索機能、そして現代企業向けにカスタマイズされたAIワークスペースを提供します。すべてが安全なプラットフォームに統合されています。"
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeekは、人工知能技術の研究と応用に特化した企業であり、最新のモデルDeepSeek-V2.5は、汎用対話とコード処理能力を融合させ、人間の好みの整合、ライティングタスク、指示の遵守などの面で顕著な向上を実現しています。"
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "テンセントが開発した大規模言語モデルであり、強力な中国語の創作能力、複雑な文脈における論理的推論能力、そして信頼性の高いタスク実行能力を備えています。"
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "アプリケーション開発者向けに、高性能、使いやすさ、セキュリティを兼ね備えた大規模モデルサービスを提供し、大規模モデルの開発からサービス展開までの全プロセスをカバーします。"
|
||||
},
|
||||
"internlm": {
|
||||
"description": "大規模モデルの研究と開発ツールチェーンに特化したオープンソース組織です。すべてのAI開発者に対して、高効率で使いやすいオープンプラットフォームを提供し、最先端の大規模モデルとアルゴリズム技術を身近に感じられるようにします。"
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloudは、開発者が最高のオープンソースモデルを簡単に利用でき、最速の推論速度を享受できるようにします。"
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1APIは、必要に応じて接続可能なDeepSeekシリーズモデルへのアクセスを提供します。標準版と高速版があり、さまざまなパラメータスケールのモデル選択をサポートしています。"
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "商湯日日新は、商湯の強力な基盤支援に基づき、高効率で使いやすい全スタックの大規模モデルサービスを提供します。"
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "トピックリスト"
|
||||
},
|
||||
"searchPlaceholder": "トピックを検索...",
|
||||
"searchResultEmpty": "検索結果はありません",
|
||||
"temp": "一時的",
|
||||
"title": "トピック"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "중지",
|
||||
"warp": "줄바꿈"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "귀하의 의도를 이해하고 분석하는 중입니다..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "모든 내용",
|
||||
"allFiles": "모든 파일",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "대화 내용을 기반으로 검색 필요성을 스마트하게 판단",
|
||||
"title": "스마트 연결"
|
||||
},
|
||||
"disable": "현재 모델은 함수 호출을 지원하지 않으므로 스마트 연결 기능을 사용할 수 없습니다",
|
||||
"off": {
|
||||
"desc": "모델의 기본 지식만 사용하고 네트워크 검색을 수행하지 않음",
|
||||
"title": "연결 끄기"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "모델 내장 검색 엔진 사용"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "현재 모델은 함수 호출을 지원하지 않으므로 함수 호출을 지원하는 모델과 함께 사용해야 인터넷 검색이 가능합니다.",
|
||||
"title": "검색 보조 모델"
|
||||
},
|
||||
"title": "연결 검색"
|
||||
},
|
||||
"searchAgentPlaceholder": "검색 도우미...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "죄송합니다. Pglite 데이터베이스 초기화 과정에서 예외가 발생했습니다. 버튼을 클릭하여 다시 시도해 주십시오. 여러 번 시도한 후에도 여전히 문제가 발생하면 <1>문제를 제출</1>해 주십시오. 저희가 즉시 문제를 해결해 드리겠습니다.",
|
||||
"detail": "오류 원인: [[[{{type}}]]] {{message}}，상세 내용은 다음과 같습니다：",
|
||||
"detailTitle": "오류 원인",
|
||||
"report": "문제 피드백",
|
||||
"retry": "재시도",
|
||||
"selfSolve": "자체 해결",
|
||||
"title": "데이터베이스 초기화 실패"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "즉시 사용",
|
||||
"desc": "즉시 사용하고 싶습니다.",
|
||||
"title": "PGlite 데이터베이스 준비 완료"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "백업",
|
||||
"backupSuccess": "백업 성공",
|
||||
"desc": "현재 데이터베이스의 중요한 데이터를 내보냅니다",
|
||||
"export": "모든 데이터 내보내기",
|
||||
"exportDesc": "내보낸 데이터는 JSON 형식으로 저장되며, 이후 복원 또는 분석에 사용할 수 있습니다.",
|
||||
"reset": {
|
||||
"alert": "경고",
|
||||
"alertDesc": "다음 작업은 데이터 손실을 초래할 수 있습니다. 중요한 데이터를 백업한 후 계속 진행하십시오.",
|
||||
"button": "데이터베이스 완전 초기화(모든 데이터 삭제)",
|
||||
"confirm": {
|
||||
"desc": "이 작업은 모든 데이터를 삭제하며 복구할 수 없습니다. 계속 진행하시겠습니까?",
|
||||
"title": "데이터베이스 초기화 확인"
|
||||
},
|
||||
"desc": "복구할 수 없는 경우 데이터베이스를 초기화합니다",
|
||||
"title": "데이터베이스 초기화"
|
||||
},
|
||||
"restore": "복원",
|
||||
"restoreSuccess": "복원 성공",
|
||||
"title": "데이터 백업"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "생성 시간",
|
||||
"migratedAt": "마이그레이션 완료 시간",
|
||||
"sql": "마이그레이션 SQL",
|
||||
"title": "마이그레이션 상태"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "마이그레이션 상태 수동 관리",
|
||||
"runSQL": "사용자 정의 실행",
|
||||
"sql": {
|
||||
"clear": "비우기",
|
||||
"desc": "사용자 정의 SQL 문을 실행하여 데이터베이스 문제를 수정합니다",
|
||||
"markFinished": "완료로 표시",
|
||||
"placeholder": "SQL 문 입력...",
|
||||
"result": "실행 결과",
|
||||
"run": "실행",
|
||||
"title": "SQL 실행기"
|
||||
},
|
||||
"title": "마이그레이션 제어"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "백업 및 복원",
|
||||
"diagnosis": "진단",
|
||||
"repair": "수리"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "닫기",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "사용자 정의 모델, 기본적으로 함수 호출 및 시각 인식을 모두 지원하며, 실제 기능을 확인하세요",
|
||||
"file": "이 모델은 파일 업로드 및 인식을 지원합니다",
|
||||
"functionCall": "이 모델은 함수 호출을 지원합니다",
|
||||
"imageOutput": "이 모델은 이미지를 생성하는 기능을 지원합니다.",
|
||||
"reasoning": "이 모델은 깊이 있는 사고를 지원합니다.",
|
||||
"search": "이 모델은 온라인 검색을 지원합니다.",
|
||||
"tokens": "이 모델은 단일 세션당 최대 {{tokens}} 토큰을 지원합니다",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "활성화된 모델이 없습니다. 설정으로 이동하여 활성화하세요",
|
||||
"emptyProvider": "활성화된 서비스 제공자가 없습니다. 설정으로 가서 활성화하세요.",
|
||||
"goToSettings": "설정으로 가기",
|
||||
"provider": "제공자"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "죄송합니다. 서버가 응답을 기다리는 동안 시간 초과가 발생했습니다. 응답이 너무 느릴 수 있습니다. 잠시 후 다시 시도해 주세요.",
|
||||
"AgentRuntimeError": "Lobe 언어 모델 실행 중 오류가 발생했습니다. 아래 정보를 확인하고 다시 시도하십시오.",
|
||||
"ConnectionCheckFailed": "요청이 빈 응답으로 돌아왔습니다. API 프록시 주소의 끝에 `/v1`이 포함되어 있는지 확인하세요.",
|
||||
"CreateMessageError": "죄송합니다. 메시지를 정상적으로 전송할 수 없습니다. 내용을 복사한 후 다시 전송해 주시고, 페이지를 새로 고치면 이 메시지는 보존되지 않습니다.",
|
||||
"ExceededContextWindow": "현재 요청 내용이 모델이 처리할 수 있는 길이를 초과했습니다. 내용량을 줄인 후 다시 시도해 주십시오.",
|
||||
"FreePlanLimit": "현재 무료 사용자이므로이 기능을 사용할 수 없습니다. 유료 요금제로 업그레이드 한 후 계속 사용하십시오.",
|
||||
"InsufficientQuota": "죄송합니다. 해당 키의 할당량이 초과되었습니다. 계좌 잔액이 충분한지 확인하거나 키 할당량을 늘린 후 다시 시도해 주십시오.",
|
||||
|
||||
+3
-117
@@ -506,9 +506,6 @@
|
||||
"anthropic/claude-3.5-sonnet": {
|
||||
"description": "Claude 3.5 Sonnet은 Opus를 초월하는 능력과 Sonnet보다 더 빠른 속도를 제공하며, Sonnet과 동일한 가격을 유지합니다. Sonnet은 프로그래밍, 데이터 과학, 비주얼 처리 및 에이전트 작업에 특히 강합니다."
|
||||
},
|
||||
"anthropic/claude-3.7-sonnet": {
|
||||
"description": "Claude 3.7 Sonnet은 Anthropic이 지금까지 개발한 가장 지능적인 모델로, 시장에서 최초의 혼합 추론 모델입니다. Claude 3.7 Sonnet은 거의 즉각적인 응답이나 연장된 단계적 사고를 생성할 수 있으며, 사용자는 이러한 과정을 명확하게 볼 수 있습니다. Sonnet은 프로그래밍, 데이터 과학, 시각 처리, 대리 작업에 특히 뛰어납니다."
|
||||
},
|
||||
"aya": {
|
||||
"description": "Aya 23은 Cohere에서 출시한 다국어 모델로, 23개 언어를 지원하여 다양한 언어 응용에 편리함을 제공합니다."
|
||||
},
|
||||
@@ -518,27 +515,9 @@
|
||||
"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."
|
||||
},
|
||||
"c4ai-aya-expanse-32b": {
|
||||
"description": "Aya Expanse는 지시 조정, 데이터 차익 거래, 선호 훈련 및 모델 통합의 혁신을 통해 단일 언어 모델의 성능에 도전하는 고성능 32B 다국어 모델입니다. 23개 언어를 지원합니다."
|
||||
},
|
||||
"c4ai-aya-expanse-8b": {
|
||||
"description": "Aya Expanse는 지시 조정, 데이터 차익 거래, 선호 훈련 및 모델 통합의 혁신을 통해 단일 언어 모델의 성능에 도전하는 고성능 8B 다국어 모델입니다. 23개 언어를 지원합니다."
|
||||
},
|
||||
"c4ai-aya-vision-32b": {
|
||||
"description": "Aya Vision은 언어, 텍스트 및 이미지 능력의 여러 주요 기준에서 뛰어난 성능을 발휘하는 최첨단 다중 모달 모델입니다. 23개 언어를 지원합니다. 이 320억 매개변수 버전은 최첨단 다국어 성능에 중점을 두고 있습니다."
|
||||
},
|
||||
"c4ai-aya-vision-8b": {
|
||||
"description": "Aya Vision은 언어, 텍스트 및 이미지 능력의 여러 주요 기준에서 뛰어난 성능을 발휘하는 최첨단 다중 모달 모델입니다. 이 80억 매개변수 버전은 낮은 지연 시간과 최상의 성능에 중점을 두고 있습니다."
|
||||
},
|
||||
"charglm-3": {
|
||||
"description": "CharGLM-3는 역할 수행 및 감정 동반을 위해 설계된 모델로, 초장 다회 기억 및 개인화된 대화를 지원하여 광범위하게 사용됩니다."
|
||||
},
|
||||
"chatglm3": {
|
||||
"description": "ChatGLM3는 지품 AI와 청화 KEG 연구실에서 발표한 폐원 모델로, 대량의 중영 식별자 사전 학습과 인간 선호도 맞춤 학습을 거쳤습니다. 1세대 모델에 비해 MMLU, C-Eval, GSM8K에서 각각 16%, 36%, 280%의 향상을 이루었으며, 중국어 작업 차트 C-Eval에서 1위를 차지했습니다. 이 모델은 지식량, 추론 능력, 창의력이 요구되는 상황, 예를 들어 광고 문안, 소설 작성, 지식 기반 작문, 코드 생성 등에 적합합니다."
|
||||
},
|
||||
"chatglm3-6b-base": {
|
||||
"description": "ChatGLM3-6b-base는 지푸에서 개발한 ChatGLM 시리즈의 최신 세대 60억 개 매개변수 규모의 오픈소스 기반 모델입니다."
|
||||
},
|
||||
"chatgpt-4o-latest": {
|
||||
"description": "ChatGPT-4o는 동적 모델로, 최신 버전을 유지하기 위해 실시간으로 업데이트됩니다. 강력한 언어 이해 및 생성 능력을 결합하여 고객 서비스, 교육 및 기술 지원을 포함한 대규모 응용 프로그램에 적합합니다."
|
||||
},
|
||||
@@ -614,39 +593,12 @@
|
||||
"cohere-command-r-plus": {
|
||||
"description": "Command R+는 기업급 작업을 처리하기 위해 설계된 최첨단 RAG 최적화 모델입니다."
|
||||
},
|
||||
"command": {
|
||||
"description": "지시를 따르는 대화 모델로, 언어 작업에서 높은 품질과 신뢰성을 제공하며, 우리의 기본 생성 모델에 비해 더 긴 컨텍스트 길이를 가지고 있습니다."
|
||||
},
|
||||
"command-a-03-2025": {
|
||||
"description": "Command A는 지금까지 성능이 가장 뛰어난 모델로, 도구 사용, 에이전트, 검색 강화 생성(RAG) 및 다국어 응용 시나리오에서 뛰어난 성능을 발휘합니다. Command A는 256K의 컨텍스트 길이를 가지고 있으며, 두 개의 GPU만으로 실행할 수 있으며, Command R+ 08-2024에 비해 처리량이 150% 향상되었습니다."
|
||||
},
|
||||
"command-light": {
|
||||
"description": "더 작고 빠른 Command 버전으로, 거의 동일한 강력함을 가지고 있지만 더 빠릅니다."
|
||||
},
|
||||
"command-light-nightly": {
|
||||
"description": "주요 버전 출시 간의 시간 간격을 단축하기 위해 Command 모델의 매일 버전을 출시했습니다. command-light 시리즈의 경우 이 버전은 command-light-nightly로 불립니다. command-light-nightly는 최신이며 가장 실험적이고(아마도) 불안정한 버전입니다. 매일 버전은 정기적으로 업데이트되며 사전 통지 없이 제공되므로 생산 환경에서 사용하지 않는 것이 좋습니다."
|
||||
},
|
||||
"command-nightly": {
|
||||
"description": "주요 버전 출시 간의 시간 간격을 단축하기 위해 Command 모델의 매일 버전을 출시했습니다. Command 시리즈의 경우 이 버전은 command-cightly로 불립니다. command-nightly는 최신이며 가장 실험적이고(아마도) 불안정한 버전입니다. 매일 버전은 정기적으로 업데이트되며 사전 통지 없이 제공되므로 생산 환경에서 사용하지 않는 것이 좋습니다."
|
||||
},
|
||||
"command-r": {
|
||||
"description": "Command R은 대화 및 긴 컨텍스트 작업에 최적화된 LLM으로, 동적 상호작용 및 지식 관리에 특히 적합합니다."
|
||||
},
|
||||
"command-r-03-2024": {
|
||||
"description": "Command R은 지시를 따르는 대화 모델로, 언어 작업에서 더 높은 품질과 신뢰성을 제공하며, 이전 모델에 비해 더 긴 컨텍스트 길이를 가지고 있습니다. 코드 생성, 검색 강화 생성(RAG), 도구 사용 및 에이전트와 같은 복잡한 워크플로우에 사용할 수 있습니다."
|
||||
},
|
||||
"command-r-08-2024": {
|
||||
"description": "command-r-08-2024는 Command R 모델의 업데이트 버전으로, 2024년 8월에 출시되었습니다."
|
||||
},
|
||||
"command-r-plus": {
|
||||
"description": "Command R+는 실제 기업 환경 및 복잡한 응용을 위해 설계된 고성능 대형 언어 모델입니다."
|
||||
},
|
||||
"command-r-plus-04-2024": {
|
||||
"description": "Command R+는 지시를 따르는 대화 모델로, 언어 작업에서 더 높은 품질과 신뢰성을 제공하며, 이전 모델에 비해 더 긴 컨텍스트 길이를 가지고 있습니다. 복잡한 RAG 워크플로우와 다단계 도구 사용에 가장 적합합니다."
|
||||
},
|
||||
"command-r7b-12-2024": {
|
||||
"description": "command-r7b-12-2024는 소형이면서도 효율적인 업데이트 버전으로, 2024년 12월에 출시되었습니다. RAG, 도구 사용, 에이전트 등 복잡한 추론과 다단계 처리가 필요한 작업에서 뛰어난 성능을 발휘합니다."
|
||||
},
|
||||
"dall-e-2": {
|
||||
"description": "2세대 DALL·E 모델로, 더 사실적이고 정확한 이미지 생성을 지원하며, 해상도는 1세대의 4배입니다."
|
||||
},
|
||||
@@ -707,24 +659,12 @@
|
||||
"deepseek-r1": {
|
||||
"description": "DeepSeek-R1은 강화 학습(RL) 기반의 추론 모델로, 모델 내의 반복성과 가독성 문제를 해결합니다. RL 이전에 DeepSeek-R1은 콜드 스타트 데이터를 도입하여 추론 성능을 더욱 최적화했습니다. 수학, 코드 및 추론 작업에서 OpenAI-o1과 유사한 성능을 보이며, 정교하게 설계된 훈련 방법을 통해 전체적인 효과를 향상시켰습니다."
|
||||
},
|
||||
"deepseek-r1-70b-fast-online": {
|
||||
"description": "DeepSeek R1 70B 빠른 버전으로, 실시간 온라인 검색을 지원하며 모델 성능을 유지하면서 더 빠른 응답 속도를 제공합니다."
|
||||
},
|
||||
"deepseek-r1-70b-online": {
|
||||
"description": "DeepSeek R1 70B 표준 버전으로, 실시간 온라인 검색을 지원하며 최신 정보가 필요한 대화 및 텍스트 처리 작업에 적합합니다."
|
||||
},
|
||||
"deepseek-r1-distill-llama-70b": {
|
||||
"description": "DeepSeek R1 - DeepSeek 패키지에서 더 크고 더 스마트한 모델이 Llama 70B 아키텍처로 증류되었습니다. 기준 테스트와 인공지능 평가에 따르면, 이 모델은 원래 Llama 70B보다 더 스마트하며, 특히 수학 및 사실 정확성이 필요한 작업에서 뛰어난 성능을 보입니다."
|
||||
},
|
||||
"deepseek-r1-distill-llama-8b": {
|
||||
"description": "DeepSeek-R1-Distill 시리즈 모델은 지식 증류 기술을 통해 DeepSeek-R1이 생성한 샘플을 Qwen, Llama 등 오픈 소스 모델에 미세 조정하여 얻은 것입니다."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-70b": {
|
||||
"description": "2025년 2월 14일 최초 출시된 이 모델은 천범 대모델 연구팀이 Llama3_70B를 기반 모델로 하여(메타 라마로 구축) 증류한 것입니다. 증류 데이터에는 천범의 말뭉치도 동기화되어 추가되었습니다."
|
||||
},
|
||||
"deepseek-r1-distill-qianfan-llama-8b": {
|
||||
"description": "2025년 2월 14일 최초 출시된 이 모델은 천범 대모델 연구팀이 Llama3_8B를 기반 모델로 하여(메타 라마로 구축) 증류한 것입니다. 증류 데이터에는 천범의 말뭉치도 동기화되어 추가되었습니다."
|
||||
},
|
||||
"deepseek-r1-distill-qwen-1.5b": {
|
||||
"description": "DeepSeek-R1-Distill 시리즈 모델은 지식 증류 기술을 통해 DeepSeek-R1이 생성한 샘플을 Qwen, Llama 등 오픈 소스 모델에 미세 조정하여 얻은 것입니다."
|
||||
},
|
||||
@@ -737,12 +677,6 @@
|
||||
"deepseek-r1-distill-qwen-7b": {
|
||||
"description": "DeepSeek-R1-Distill 시리즈 모델은 지식 증류 기술을 통해 DeepSeek-R1이 생성한 샘플을 Qwen, Llama 등 오픈 소스 모델에 미세 조정하여 얻은 것입니다."
|
||||
},
|
||||
"deepseek-r1-fast-online": {
|
||||
"description": "DeepSeek R1 풀 빠른 버전으로, 실시간 온라인 검색을 지원하며 671B 매개변수의 강력한 능력과 더 빠른 응답 속도를 결합합니다."
|
||||
},
|
||||
"deepseek-r1-online": {
|
||||
"description": "DeepSeek R1 풀 버전으로, 671B 매개변수를 가지고 있으며 실시간 온라인 검색을 지원하여 더 강력한 이해 및 생성 능력을 제공합니다."
|
||||
},
|
||||
"deepseek-reasoner": {
|
||||
"description": "DeepSeek에서 제공하는 추론 모델입니다. 최종 답변을 출력하기 전에 모델은 먼저 사고 과정을 출력하여 최종 답변의 정확성을 높입니다."
|
||||
},
|
||||
@@ -821,9 +755,6 @@
|
||||
"ernie-4.0-turbo-8k-preview": {
|
||||
"description": "바이두가 자체 개발한 플래그십 초대규모 언어 모델로, 종합적인 성능이 뛰어나며, 다양한 분야의 복잡한 작업 시나리오에 널리 적용됩니다. 바이두 검색 플러그인과 자동으로 연결되어 질문 답변 정보의 시의성을 보장합니다. ERNIE 4.0에 비해 성능이 더 우수합니다."
|
||||
},
|
||||
"ernie-4.5-8k-preview": {
|
||||
"description": "문심 대모델 4.5는 바이두가 독자적으로 개발한 차세대 원주율 다중 모달 기본 대모델로, 여러 모달의 공동 모델링을 통해 협동 최적화를 실현하며, 다중 모달 이해 능력이 뛰어납니다. 언어 능력이 더욱 향상되어 이해, 생성, 논리, 기억 능력이 전반적으로 향상되었으며, 환각 제거, 논리 추론, 코드 능력이 현저히 향상되었습니다."
|
||||
},
|
||||
"ernie-char-8k": {
|
||||
"description": "바이두가 자체 개발한 수직 장면 대형 언어 모델로, 게임 NPC, 고객 서비스 대화, 대화 역할극 등 응용 시나리오에 적합하며, 캐릭터 스타일이 더 뚜렷하고 일관되며, 지시 따르기 능력이 더 강하고 추론 성능이 우수합니다."
|
||||
},
|
||||
@@ -899,12 +830,6 @@
|
||||
"gemini-2.0-flash-001": {
|
||||
"description": "Gemini 2.0 Flash는 뛰어난 속도, 원주율 도구 사용, 다중 모달 생성 및 1M 토큰 문맥 창을 포함한 차세대 기능과 개선 사항을 제공합니다."
|
||||
},
|
||||
"gemini-2.0-flash-exp": {
|
||||
"description": "Gemini 2.0 Flash 모델 변형으로, 비용 효율성과 저지연 등의 목표를 위해 최적화되었습니다."
|
||||
},
|
||||
"gemini-2.0-flash-exp-image-generation": {
|
||||
"description": "Gemini 2.0 Flash 실험 모델, 이미지 생성을 지원합니다."
|
||||
},
|
||||
"gemini-2.0-flash-lite": {
|
||||
"description": "Gemini 2.0 플래시 모델 변형으로, 비용 효율성과 낮은 지연 시간 등의 목표를 위해 최적화되었습니다."
|
||||
},
|
||||
@@ -923,9 +848,6 @@
|
||||
"gemini-2.0-pro-exp-02-05": {
|
||||
"description": "Gemini 2.0 Pro Experimental은 Google의 최신 실험적 다중 모달 AI 모델로, 이전 버전과 비교하여 품질이 향상되었습니다. 특히 세계 지식, 코드 및 긴 문맥에 대해 개선되었습니다."
|
||||
},
|
||||
"gemini-2.5-pro-exp-03-25": {
|
||||
"description": "Gemini 2.5 Pro Experimental은 Google의 최첨단 사고 모델로, 코드, 수학 및 STEM 분야의 복잡한 문제를 추론할 수 있으며, 긴 문맥을 활용하여 대규모 데이터 세트, 코드베이스 및 문서를 분석할 수 있습니다."
|
||||
},
|
||||
"gemma-7b-it": {
|
||||
"description": "Gemma 7B는 중소 규모 작업 처리에 적합하며, 비용 효과성을 갖추고 있습니다."
|
||||
},
|
||||
@@ -1151,12 +1073,6 @@
|
||||
"hunyuan-standard-vision": {
|
||||
"description": "혼원 최신 다중 모달 모델, 다국어 응답 지원, 중문 및 영문 능력이 균형 잡혀 있습니다."
|
||||
},
|
||||
"hunyuan-t1-20250321": {
|
||||
"description": "모델의 문리과 능력을 종합적으로 구축하며, 긴 텍스트 정보 포착 능력이 뛰어납니다. 다양한 난이도의 수학/논리 추론/과학/코드 등 과학 문제에 대한 추론 답변을 지원합니다."
|
||||
},
|
||||
"hunyuan-t1-latest": {
|
||||
"description": "업계 최초의 초대형 Hybrid-Transformer-Mamba 추론 모델로, 추론 능력을 확장하고, 뛰어난 디코딩 속도를 자랑하며, 인간의 선호에 더욱 부합합니다."
|
||||
},
|
||||
"hunyuan-translation": {
|
||||
"description": "중국어, 영어, 일본어, 프랑스어, 포르투갈어, 스페인어, 터키어, 러시아어, 아랍어, 한국어, 이탈리아어, 독일어, 베트남어, 말레이어, 인도네시아어 등 15개 언어 간의 상호 번역을 지원하며, 다중 시나리오 번역 평가 집합을 기반으로 한 자동화 평가 COMET 점수를 통해, 10여 개의 일반 언어에서의 상호 번역 능력이 시장의 동급 모델보다 전반적으로 우수합니다."
|
||||
},
|
||||
@@ -1166,6 +1082,9 @@
|
||||
"hunyuan-turbo": {
|
||||
"description": "혼원 최신 세대 대형 언어 모델의 미리보기 버전으로, 새로운 혼합 전문가 모델(MoE) 구조를 채택하여 hunyuan-pro보다 추론 효율이 더 빠르고 성능이 더 뛰어납니다."
|
||||
},
|
||||
"hunyuan-turbo-20241120": {
|
||||
"description": "hunyuan-turbo 2024년 11월 20일 고정 버전, hunyuan-turbo와 hunyuan-turbo-latest 사이의 버전."
|
||||
},
|
||||
"hunyuan-turbo-20241223": {
|
||||
"description": "이번 버전 최적화: 데이터 지시 스케일링, 모델의 일반화 능력 대폭 향상; 수학, 코드, 논리 추론 능력 대폭 향상; 텍스트 이해 및 단어 이해 관련 능력 최적화; 텍스트 창작 내용 생성 질 최적화."
|
||||
},
|
||||
@@ -1175,15 +1094,6 @@
|
||||
"hunyuan-turbo-vision": {
|
||||
"description": "혼원 차세대 비주얼 언어 플래그십 대형 모델, 새로운 혼합 전문가 모델(MoE) 구조를 채택하여, 이미지 및 텍스트 이해 관련 기본 인식, 콘텐츠 창작, 지식 질문 응답, 분석 추론 등의 능력이 이전 세대 모델에 비해 전반적으로 향상되었습니다."
|
||||
},
|
||||
"hunyuan-turbos-20250226": {
|
||||
"description": "hunyuan-TurboS pv2.1.2 고정 버전 사전 훈련 기반 훈련 토큰 수 업그레이드; 수학/논리/코드 등의 사고 능력 향상; 중문 및 영문 공통 경험 효과 향상, 텍스트 창작, 텍스트 이해, 지식 질문 응답, 잡담 등을 포함합니다."
|
||||
},
|
||||
"hunyuan-turbos-20250313": {
|
||||
"description": "수학 문제 해결 단계를 통일하여 수학 다단계 질문 응답을 강화합니다. 텍스트 창작 최적화 답변 스타일로 AI 느낌을 제거하고 문학성을 높입니다."
|
||||
},
|
||||
"hunyuan-turbos-latest": {
|
||||
"description": "hunyuan-TurboS 혼원 플래그십 대모델 최신 버전으로, 더 강력한 사고 능력과 더 나은 경험 효과를 제공합니다."
|
||||
},
|
||||
"hunyuan-vision": {
|
||||
"description": "혼원 최신 다중 모달 모델로, 이미지와 텍스트 입력을 지원하여 텍스트 콘텐츠를 생성합니다."
|
||||
},
|
||||
@@ -1214,9 +1124,6 @@
|
||||
"lite": {
|
||||
"description": "Spark Lite는 경량 대형 언어 모델로, 매우 낮은 지연 시간과 효율적인 처리 능력을 갖추고 있으며, 완전히 무료로 제공되고 실시간 온라인 검색 기능을 지원합니다. 빠른 응답 특성 덕분에 저전력 장치에서의 추론 응용 및 모델 미세 조정에서 뛰어난 성능을 발휘하며, 사용자에게 뛰어난 비용 효율성과 스마트한 경험을 제공합니다. 특히 지식 질문 응답, 콘텐츠 생성 및 검색 시나리오에서 두각을 나타냅니다."
|
||||
},
|
||||
"llama-2-7b-chat": {
|
||||
"description": "Llama2는 Meta에서 개발하고 오픈소스로 공개한 대형 언어 모델(LLM) 시리즈로, 70억에서 700억 개의 매개변수를 가진 다양한 규모의 사전 학습 및 미세 조정된 생성형 텍스트 모델입니다. 구조적으로 Llama2는 최적화된 트랜스포머 아키텍처를 사용하는 자동 회귀 언어 모델입니다. 조정된 버전은 감독된 미세 조정(SFT)과 인간 피드백을 활용한 강화 학습(RLHF)을 사용하여 인간의 유용성과 안전성 선호도에 맞춥니다. Llama2는 Llama 시리즈보다 다양한 학술 데이터셋에서 더욱 뛰어난 성능을 보여주며, 많은 다른 모델의 설계와 개발에 영감을 주고 있습니다."
|
||||
},
|
||||
"llama-3.1-70b-versatile": {
|
||||
"description": "Llama 3.1 70B는 더 강력한 AI 추론 능력을 제공하며, 복잡한 응용 프로그램에 적합하고, 많은 계산 처리를 지원하며 효율성과 정확성을 보장합니다."
|
||||
},
|
||||
@@ -1280,9 +1187,6 @@
|
||||
"max-32k": {
|
||||
"description": "Spark Max 32K는 큰 컨텍스트 처리 능력을 갖추고 있으며, 더 강력한 컨텍스트 이해 및 논리 추론 능력을 지원합니다. 32K 토큰의 텍스트 입력을 지원하며, 긴 문서 읽기, 개인 지식 질문 응답 등 다양한 시나리오에 적합합니다."
|
||||
},
|
||||
"megrez-3b-instruct": {
|
||||
"description": "Megrez-3B-Instruct는 무문심궁이 완전히 독립적으로 훈련한 대형 언어 모델입니다. Megrez-3B-Instruct는 소프트웨어와 하드웨어의 협동 개념을 통해 빠른 추론, 컴팩트하고 강력하며 사용하기 쉬운 엣지 측 인텔리전스 솔루션을 제공하는 것을 목표로 합니다."
|
||||
},
|
||||
"meta-llama-3-70b-instruct": {
|
||||
"description": "추론, 코딩 및 광범위한 언어 응용 프로그램에서 뛰어난 성능을 발휘하는 강력한 70억 매개변수 모델입니다."
|
||||
},
|
||||
@@ -1670,24 +1574,9 @@
|
||||
"qwen/qwen2.5-coder-7b-instruct": {
|
||||
"description": "32K 컨텍스트 길이를 지원하는 강력한 중형 코드 모델로, 다국어 프로그래밍에 능숙합니다."
|
||||
},
|
||||
"qwen1.5-14b-chat": {
|
||||
"description": "Qwen1.5 시리즈는 Qwen2의 베타 버전으로, 트랜스포머 기반의 디코더 전용 언어 모델로 대규모 데이터에서 사전 학습되었습니다. 이전에 출시된 Qwen 시리즈 버전과 비교하여, Qwen1.5 시리즈의 base 및 chat 모델은 여러 언어를 지원하며, 전체 대화 및 기본 기능이 향상되었습니다. Qwen1.5-14b-chat은 140억 개의 매개변수를 가진 채팅 전용 주요 모델입니다."
|
||||
},
|
||||
"qwen1.5-32b-chat": {
|
||||
"description": "Qwen1.5 시리즈는 Qwen2의 베타 버전으로, 트랜스포머 기반의 디코더 전용 언어 모델로 대규모 데이터에서 사전 학습되었습니다. 이전에 출시된 Qwen 시리즈 버전과 비교하여, Qwen1.5 시리즈의 base 및 chat 모델은 여러 언어를 지원하며, 전체적인 대화와 기본 기능이 향상되었습니다. Qwen1.5-32b-chat은 320억 개의 매개변수를 가진 채팅 전용 대형 모델로, 14b 모델보다는 스마트 에이전트 시나리오에서 더 강하고, 72b 모델보다는 추론 비용이 낮습니다."
|
||||
},
|
||||
"qwen1.5-72b-chat": {
|
||||
"description": "Qwen1.5 시리즈는 Qwen2의 베타 버전으로, 트랜스포머 기반의 디코더 전용 언어 모델로 대규모 데이터에서 사전 학습되었습니다. 이전에 출시된 Qwen 시리즈 버전과 비교하여, Qwen1.5 시리즈의 base 및 chat 모델은 여러 언어를 지원하며, 전체적인 대화와 기본 기능이 향상되었습니다. Qwen1.5-72b-chat은 720억 개의 매개변수를 가진 채팅 전용 대형 모델입니다."
|
||||
},
|
||||
"qwen2": {
|
||||
"description": "Qwen2는 Alibaba의 차세대 대규모 언어 모델로, 뛰어난 성능으로 다양한 응용 요구를 지원합니다."
|
||||
},
|
||||
"qwen2-72b-instruct": {
|
||||
"description": "Qwen2는 Qwen 팀이 출시한 새로운 대형 언어 모델 시리즈입니다. 이 모델은 Transformer 아키텍처를 기반으로 하며, SwiGLU 활성화 함수, 주의 QKV 편향(attention QKV bias), 그룹 쿼리 주의(group query attention), 슬라이딩 윈도우 주의와 전체 주의의 혼합(mixture of sliding window attention and full attention) 등의 기술을 채택하고 있습니다. 또한, Qwen 팀은 다양한 자연어와 코드에 적합한 토크나이저를 개선했습니다."
|
||||
},
|
||||
"qwen2-7b-instruct": {
|
||||
"description": "Qwen2는 Qwen 팀이 출시한 새로운 대형 언어 모델 시리즈입니다. 이 모델은 Transformer 아키텍처를 기반으로 하며, SwiGLU 활성화 함수, 주의 QKV 편향(attention QKV bias), 그룹 쿼리 주의(group query attention), 슬라이딩 윈도우 주의와 전체 주의의 혼합(mixture of sliding window attention and full attention) 등의 기술을 채택하고 있습니다. 또한, Qwen 팀은 다양한 자연어와 코드에 적합한 토크나이저를 개선했습니다."
|
||||
},
|
||||
"qwen2.5": {
|
||||
"description": "Qwen2.5는 Alibaba의 차세대 대규모 언어 모델로, 뛰어난 성능으로 다양한 응용 요구를 지원합니다."
|
||||
},
|
||||
@@ -1865,9 +1754,6 @@
|
||||
"wizardlm2:8x22b": {
|
||||
"description": "WizardLM 2는 Microsoft AI에서 제공하는 언어 모델로, 복잡한 대화, 다국어, 추론 및 스마트 어시스턴트 분야에서 특히 뛰어난 성능을 발휘합니다."
|
||||
},
|
||||
"yi-1.5-34b-chat": {
|
||||
"description": "Yi-1.5는 Yi의 업그레이드 버전입니다. 500B 토큰의 고품질 데이터셋을 사용하여 Yi를 추가로 사전 학습시키고, 3M개의 다양한 미세 조정 샘플을 사용하여 미세 조정되었습니다."
|
||||
},
|
||||
"yi-large": {
|
||||
"description": "새로운 1000억 매개변수 모델로, 강력한 질문 응답 및 텍스트 생성 능력을 제공합니다."
|
||||
},
|
||||
|
||||
@@ -23,9 +23,6 @@
|
||||
"cloudflare": {
|
||||
"description": "Cloudflare의 글로벌 네트워크에서 서버리스 GPU로 구동되는 머신러닝 모델을 실행합니다."
|
||||
},
|
||||
"cohere": {
|
||||
"description": "Cohere는 최첨단 다국어 모델, 고급 검색 기능 및 현대 기업을 위해 맞춤 설계된 AI 작업 공간을 제공합니다 — 모든 것이 안전한 플랫폼에 통합되어 있습니다."
|
||||
},
|
||||
"deepseek": {
|
||||
"description": "DeepSeek는 인공지능 기술 연구 및 응용에 집중하는 회사로, 최신 모델인 DeepSeek-V2.5는 일반 대화 및 코드 처리 능력을 통합하고 인간의 선호 정렬, 작문 작업 및 지시 따르기 등에서 상당한 향상을 이루었습니다."
|
||||
},
|
||||
@@ -56,9 +53,6 @@
|
||||
"hunyuan": {
|
||||
"description": "텐센트가 개발한 대형 언어 모델로, 강력한 한국어 창작 능력과 복잡한 맥락에서의 논리적 추론 능력, 그리고 신뢰할 수 있는 작업 수행 능력을 갖추고 있습니다."
|
||||
},
|
||||
"infiniai": {
|
||||
"description": "애플리케이션 개발자에게 고성능, 사용하기 쉬운, 안전하고 신뢰할 수 있는 대형 모델 서비스를 제공하며, 대형 모델 개발부터 서비스 배포까지의 전체 프로세스를 지원합니다."
|
||||
},
|
||||
"internlm": {
|
||||
"description": "대규모 모델 연구 및 개발 도구 체인에 전념하는 오픈 소스 조직입니다. 모든 AI 개발자에게 효율적이고 사용하기 쉬운 오픈 소스 플랫폼을 제공하여 최첨단 대규모 모델 및 알고리즘 기술을 손쉽게 이용할 수 있도록 합니다."
|
||||
},
|
||||
@@ -104,9 +98,6 @@
|
||||
"sambanova": {
|
||||
"description": "SambaNova Cloud는 개발자가 최고의 오픈 소스 모델을 쉽게 사용하고 가장 빠른 추론 속도를 즐길 수 있도록 합니다."
|
||||
},
|
||||
"search1api": {
|
||||
"description": "Search1API는 필요에 따라 연결할 수 있는 DeepSeek 시리즈 모델에 대한 액세스를 제공하며, 표준 버전과 빠른 버전을 포함하고 다양한 매개변수 규모의 모델 선택을 지원합니다."
|
||||
},
|
||||
"sensenova": {
|
||||
"description": "상탕의 일일 혁신은 상탕의 강력한 기반 지원을 바탕으로 효율적이고 사용하기 쉬운 전체 스택 대모델 서비스를 제공합니다."
|
||||
},
|
||||
|
||||
@@ -32,7 +32,6 @@
|
||||
"title": "주제 목록"
|
||||
},
|
||||
"searchPlaceholder": "주제 검색...",
|
||||
"searchResultEmpty": "검색 결과가 없습니다.",
|
||||
"temp": "임시",
|
||||
"title": "주제"
|
||||
}
|
||||
|
||||
@@ -64,9 +64,6 @@
|
||||
"stop": "Stoppen",
|
||||
"warp": "Nieuwe regel"
|
||||
},
|
||||
"intentUnderstanding": {
|
||||
"title": "Bezig met het begrijpen en analyseren van uw intentie..."
|
||||
},
|
||||
"knowledgeBase": {
|
||||
"all": "Alle inhoud",
|
||||
"allFiles": "Alle bestanden",
|
||||
@@ -147,6 +144,7 @@
|
||||
"desc": "Intelligente beoordeling of er gezocht moet worden op basis van de gesprekinhoud",
|
||||
"title": "Slimme verbinding"
|
||||
},
|
||||
"disable": "Het huidige model ondersteunt geen functieaanroepen, dus de slimme verbindingsfunctie kan niet worden gebruikt",
|
||||
"off": {
|
||||
"desc": "Gebruik alleen de basiskennis van het model, zonder online zoekopdrachten",
|
||||
"title": "Verbinding uitschakelen"
|
||||
@@ -157,10 +155,6 @@
|
||||
},
|
||||
"useModelBuiltin": "Gebruik de ingebouwde zoekmachine van het model"
|
||||
},
|
||||
"searchModel": {
|
||||
"desc": "Het huidige model ondersteunt geen functieaanroepen, dus het moet worden gecombineerd met een model dat functieaanroepen ondersteunt om online te zoeken",
|
||||
"title": "Zoekhulpmiddel model"
|
||||
},
|
||||
"title": "Online zoeken"
|
||||
},
|
||||
"searchAgentPlaceholder": "Zoekassistent...",
|
||||
|
||||
@@ -41,10 +41,7 @@
|
||||
"error": {
|
||||
"desc": "Onze excuses, er is een fout opgetreden tijdens het initialisatieproces van de Pglite-database. Klik op de knop om het opnieuw te proberen. Als het probleem zich blijft voordoen na meerdere pogingen, gelieve <1>een probleem te melden</1> en we zullen u zo snel mogelijk helpen.",
|
||||
"detail": "Fout reden: [[{{type}}] {{message}}. Details zijn als volgt:",
|
||||
"detailTitle": "Foutreden",
|
||||
"report": "Probleem rapporteren",
|
||||
"retry": "Opnieuw proberen",
|
||||
"selfSolve": "Zelf oplossen",
|
||||
"title": "Fout bij database-initialisatie"
|
||||
},
|
||||
"initing": {
|
||||
@@ -83,54 +80,6 @@
|
||||
"button": "Nu gebruiken",
|
||||
"desc": "Direct gebruiken",
|
||||
"title": "PGlite-database is gereed"
|
||||
},
|
||||
"solve": {
|
||||
"backup": {
|
||||
"backup": "Back-up",
|
||||
"backupSuccess": "Back-up succesvol",
|
||||
"desc": "Exporteer belangrijke gegevens uit de huidige database",
|
||||
"export": "Exporteer alle gegevens",
|
||||
"exportDesc": "De geëxporteerde gegevens worden opgeslagen in JSON-formaat en kunnen worden gebruikt voor toekomstige herstel of analyse.",
|
||||
"reset": {
|
||||
"alert": "Waarschuwing",
|
||||
"alertDesc": "De volgende acties kunnen leiden tot gegevensverlies. Zorg ervoor dat u belangrijke gegevens hebt geback-upt voordat u verdergaat.",
|
||||
"button": "Database volledig resetten (alle gegevens verwijderen)",
|
||||
"confirm": {
|
||||
"desc": "Deze actie zal alle gegevens verwijderen en is onomkeerbaar. Bevestig dat u wilt doorgaan?",
|
||||
"title": "Bevestig database reset"
|
||||
},
|
||||
"desc": "Reset de database in het geval van onherstelbare migratie",
|
||||
"title": "Database reset"
|
||||
},
|
||||
"restore": "Herstellen",
|
||||
"restoreSuccess": "Herstel succesvol",
|
||||
"title": "Gegevensback-up"
|
||||
},
|
||||
"diagnosis": {
|
||||
"createdAt": "Aanmaakdatum",
|
||||
"migratedAt": "Migratie voltooid op",
|
||||
"sql": "Migratie SQL",
|
||||
"title": "Migratiestatus"
|
||||
},
|
||||
"repair": {
|
||||
"desc": "Handmatig migratiestatus beheren",
|
||||
"runSQL": "Aangepast uitvoeren",
|
||||
"sql": {
|
||||
"clear": "Leegmaken",
|
||||
"desc": "Voer aangepaste SQL-opdrachten uit om databaseproblemen te verhelpen",
|
||||
"markFinished": "Markeer als voltooid",
|
||||
"placeholder": "Voer SQL-opdracht in...",
|
||||
"result": "Uitvoeringsresultaat",
|
||||
"run": "Uitvoeren",
|
||||
"title": "SQL-uitvoerder"
|
||||
},
|
||||
"title": "Migratiecontrole"
|
||||
},
|
||||
"tabs": {
|
||||
"backup": "Back-up en herstel",
|
||||
"diagnosis": "Diagnose",
|
||||
"repair": "Herstel"
|
||||
}
|
||||
}
|
||||
},
|
||||
"close": "Sluiten",
|
||||
|
||||
@@ -76,7 +76,6 @@
|
||||
"custom": "Custom model, by default, supports both function call and visual recognition. Please verify the availability of the above capabilities based on actual needs.",
|
||||
"file": "This model supports file upload for reading and recognition.",
|
||||
"functionCall": "This model supports function call.",
|
||||
"imageOutput": "Dit model ondersteunt het genereren van afbeeldingen",
|
||||
"reasoning": "Dit model ondersteunt diepgaand denken",
|
||||
"search": "Dit model ondersteunt online zoeken",
|
||||
"tokens": "This model supports up to {{tokens}} tokens in a single session.",
|
||||
@@ -86,8 +85,6 @@
|
||||
},
|
||||
"ModelSwitchPanel": {
|
||||
"emptyModel": "No enabled model, please go to settings to enable.",
|
||||
"emptyProvider": "Geen ingeschakelde provider, ga naar instellingen om deze in te schakelen",
|
||||
"goToSettings": "Ga naar instellingen",
|
||||
"provider": "Provider"
|
||||
},
|
||||
"OllamaSetupGuide": {
|
||||
|
||||
@@ -69,7 +69,6 @@
|
||||
"524": "Het spijt ons, de server heeft een time-out terwijl hij op een antwoord wacht, mogelijk omdat de reactie te traag is, probeer het alstublieft later opnieuw",
|
||||
"AgentRuntimeError": "Lobe language model runtime execution error, please troubleshoot or retry based on the following information",
|
||||
"ConnectionCheckFailed": "Het verzoek heeft geen antwoord geleverd. Controleer of het API-proxyadres niet eindigt met `/v1`.",
|
||||
"CreateMessageError": "Het spijt ons, het bericht kon niet correct worden verzonden. Kopieer de inhoud en probeer het opnieuw. Na het vernieuwen van de pagina gaat dit bericht verloren.",
|
||||
"ExceededContextWindow": "De inhoud van de huidige aanvraag overschrijdt de lengte die het model kan verwerken. Verminder de hoeveelheid inhoud en probeer het opnieuw.",
|
||||
"FreePlanLimit": "U bent momenteel een gratis gebruiker en kunt deze functie niet gebruiken. Upgrade naar een betaald plan om door te gaan met gebruiken.",
|
||||
"InsufficientQuota": "Het spijt ons, de quotum van deze sleutel is bereikt. Controleer of uw account voldoende saldo heeft of vergroot het sleutelquotum en probeer het opnieuw.",
|
||||
|
||||
Some files were not shown because too many files have changed in this diff Show More
Reference in New Issue
Block a user