你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
借助 Azure AI Foundry 模型，可以访问 Azure AI Foundry 中的旗舰模型，以将其用作具有灵活部署选项的 API。 本文列出了一系列模型产品/服务及其功能，不包括 已弃用和旧模型。
根据你在 Azure AI Foundry 中使用 的项目类型 ，你可能会看到这些模型的不同选择。 具体而言，如果使用基于 Azure AI Foundry 资源构建的 Foundry 项目，则会看到可用于标准部署到 Foundry 资源的模型。 或者，如果使用由 Azure AI Foundry 中心托管的基于中心的项目，则会看到可用于部署到托管计算和无服务器 API 的模型。 许多情况下，这些模型选择确实重叠，因为许多模型支持多个 部署选项。
模型目录中的 Foundry 模型属于两个主要类别：
由 Azure 直接销售的模型
由 Azure 直接销售的模型包括所有 Azure OpenAI 模型和来自顶级提供商的特定所选模型。 若要了解有关这些模型的详细信息，请参阅 Azure 直接销售的模型。
Azure OpenAI
Azure AI Foundry Models 中的 Azure OpenAI 提供了一组具有不同功能和价位的不同模型。 在 Azure OpenAI 模型可用性中了解更多详细信息。 这些模型包括：
- 为处理推理任务和问题解决任务设计的最先进的模型，具有更好的针对性和功能
- 可以理解和生成自然语言和代码的模型
- 可以将语音听录和翻译为文本的模型
| Models | Description |
|---|---|
| gpt-oss | 开放式权重推理模型 |
| codex-mini | 微调版本的 o4-mini。 |
| GPT-4.1 系列 | Azure OpenAI 的最新模型版本。 |
| model-router | 从一组基础聊天模型中智能选择以响应给定提示的模型。 |
| computer-use-preview | 一个经过训练的实验模型，可与响应 API 计算机使用工具一起使用。 |
| o 系列模型 | 具有高级问题解决能力、增强的专注力和功能的推理模型。 |
| GPT-4o、GPT-4o mini 和 GPT-4 Turbo | 具有多模式版本的最新支持 Azure OpenAI 模型，可以接受文本和图像作为输入。 |
| GPT-4 | 一组在 GPT-3.5 的基础上进行了改进的模型，可以理解并生成自然语言和代码。 |
| GPT-3.5 | 一组在 GPT-3 的基础上进行了改进的模型，可以理解并生成自然语言和代码。 |
| Embeddings | 一组模型，可将文本转换为数字矢量形式，以提高文本相似性。 |
| 图像生成 | 一系列可从自然语言生成原始图像的模型。 |
| Audio | 语音转文本、翻译和文本转语音的一系列模型。 GPT-4o 音频模型支持低延迟 语音输入、语音输出 对话交互或音频生成。 |
请参阅 Azure AI Foundry 门户中的此模型集合。
黑森林实验室的模型由 Azure 直接销售
图像生成模型的黑林实验室集合包括用于上下文生成和编辑的 FLUX.1 Kontext [pro]，以及用于文本到图像生成的 FLUX1.1 [pro]。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| FLUX.1-Kontext-pro | 图像生成 | - 输入： 文本和图像（5000 个标记和 1 个图像） - 输出： 一个图像 - 工具调用：无 - 响应格式：图像（PNG 和 JPG） |
Foundry，基于中心的 |
| FLUX-1.1-pro | 图像生成 | - 输入： 文本（5000 个标记） - 输出： 一个图像 - 工具调用：无 - 响应格式： 图像（PNG 和 JPG） |
基于中心的 |
请参阅 Azure AI Foundry 门户中的此模型集合。
DeepSeek 模型直接由 Azure 销售
DeepSeek 系列模型包括 DeepSeek-R1，它擅长使用分步训练过程（如语言、科学推理和编码任务）来推理任务。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| DeepSeek-R1-0528 | chat-completion （具有推理内容） |
- 输入： 文本（163,840 个标记） - 输出：（163,840 个标记） - 语言： en 和 zh - 工具调用：无 - 响应格式：文本。 |
Foundry，基于中心的 |
| DeepSeek-V3-0324 | chat-completion | - 输入：文本（131,072 个标记） - 输出： （131,072 个令牌） - 语言： en 和 zh - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| DeepSeek-R1 | chat-completion （具有推理内容） |
- 输入： 文本（163,840 个标记） - 输出：（163,840 个标记） - 语言： en 和 zh - 工具调用：无 - 响应格式：文本。 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的此模型集合。
Azure 直售元模型
Meta Llama 模型和工具是预训练和微调的生成式 AI 文本和图像推理模型的集合。 元模型的范围经过调整以包括：
- 小型语言模型 (SLM)，如 1B 和 3B Base 模型，以及用于设备和边缘推理的 Instruct 模型
- 中等大型语言模型 (LLM)，如 7B、8B 和 70B Base 模型和 Instruct 模型
- 高性能模型（如 Meta Llama 3.1-405B Instruct），用于合成数据生成和蒸馏用例。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| Llama-4-Maverick-17B-128E-Instruct-FP8 | chat-completion | - 输入：文本和图像（1M 个标记） - 输出： 文本（1M 词元） - 语言： ar、、en、fr和 dehiiditptestlthvi - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
| Llama-3.3-70B-Instruct | chat-completion | - 输入：文本（128,000 个标记） - 输出：文本（8,192 个标记） - 语言： en、、de、fr、itpt、hi、和 esth - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的此模型集合。 合作伙伴 和社区也提供了多个 Meta 模型。
Azure 直售 Microsoft 模型
Microsoft模型包括各种模型组，例如 MAI 模型、Phi 模型、医疗保健 AI 模型等。 若要查看所有可用的Microsoft模型，请查看 Azure AI Foundry 门户中的Microsoft模型集合。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| MAI-DS-R1 | chat-completion （具有推理内容） |
- 输入： 文本（163,840 个标记） - 输出：（163,840 个标记） - 语言： en 和 zh - 工具调用：无 - 响应格式：文本。 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的Microsoft模型集合。 合作伙伴 和社区还提供了多个Microsoft模型。
xAI 模型直接由 Azure 销售
xAI 的 Grok 3 和 Grok 3 微型模型设计为在各种企业领域表现出色。 Grok 3 是由 Colossus 数据中心预先训练的非推理模型，专为业务用例（如数据提取、编码和文本摘要）而定制，具有卓越的指令遵循能力。 它支持 131,072 令牌上下文窗口，允许它处理广泛的输入，同时保持一致性和深度，并且善于跨域和语言绘制连接。 另一方面，Grok 3 Mini 是一种轻型推理模型，旨在解决测试时计算的代理、编码、数学和深层科学问题。 它还支持一个 131,072 个令牌的上下文窗口，用于理解代码库和企业文档，并擅长使用工具解决新环境中的复杂逻辑问题，为思维预算可调整的用户检查提供原始推理跟踪。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| grok-31 | chat-completion | - 输入：文本（131,072 个标记） - 输出： 文本（131,072 个标记） - 语言： en - 工具调用： 是 - 响应格式： 文本 |
Foundry，基于中心的 |
| grok-3-mini1 | chat-completion | - 输入：文本（131,072 个标记） - 输出： 文本（131,072 个标记） - 语言： en - 工具调用： 是 - 响应格式： 文本 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的 xAI 模型集合。
来自合作伙伴和社区的模型
来自合作伙伴和社区的模型构成了大多数 Azure AI Foundry 模型，并由受信任的第三方组织、合作伙伴、研究实验室和社区参与者提供。 若要了解有关这些模型的详细信息，请参阅 来自合作伙伴和社区的模型。
Cohere
Cohere 模型系列包括针对不同用例优化的各种模型，其中包括会话补全和嵌入。 Cohere 模型针对各种用例进行了优化，包括推理、总结和问答。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| Cohere-command-a | chat-completion | - 输入：文本（131,072 个标记） - 输出： 文本（8,182 个标记） - 语言： en、、fr、es、it、dept-br、ja、ko和 zh-cnar - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Cohere-command-r-plus-08-2024 | chat-completion | - 输入：文本（131,072 个标记） - 输出：文本（4,096 个标记） - 语言： en、、fr、es、it、dept-br、ja、ko和 zh-cnar - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Cohere-command-r-08-2024 | chat-completion | - 输入：文本（131,072 个标记） - 输出：文本（4,096 个标记） - 语言： en、、fr、es、it、dept-br、ja、ko和 zh-cnar - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| embed-v-4-0 | embeddings | - 输入： 文本（512 标记）和图像（2MM 像素） - 输出： 矢量 （256， 512， 1024， 1536 dim.） - 语言： en、、fr、es、it、dept-br、ja、ko和 zh-cnar |
Foundry，基于中心的 |
| Cohere-embed-v3-english | embeddings | - 输入： 文本和图像（512 个标记） - 输出： 矢量 （1024 dim.） - 语言： en |
Foundry，基于中心的 |
| Cohere-embed-v3-multilingual | embeddings | - 输入：文本（512 个标记） - 输出： 矢量 （1024 dim.） - 语言： en、、fr、es、it、dept-br、ja、ko和 zh-cnar |
Foundry，基于中心的 |
Cohere 重新排序
| Model | 类型 | Capabilities | API 参考文档 | 项目类型 |
|---|---|---|---|---|
| Cohere-rerank-v3.5 | rerank 文本分类 |
- 输入： 文本 - 输出： 文本 - 语言： 英语、中文、法语、德语、印度尼西亚语、意大利语、葡萄牙语、俄语、西班牙语、阿拉伯语、荷兰语、印地语、日语、越南语 |
Cohere 的 v2/rerank API | 基于中心的 |
有关 Cohere 重新调整模型的定价的更多详细信息，请参阅 Cohere 重新调整模型的定价。
请参阅 Azure AI Foundry 门户中的 Cohere 模型集合。
Core42
Core42 包含阿拉伯语和英语的自回归双语 LLM，在阿拉伯语中具有最先进的功能。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| jais-30b-chat | chat-completion | - 输入：文本（8,192 个标记） - 输出：（4,096 个标记） - 语言：en 和 ar - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的此模型集合。
Meta
Meta Llama 模型和工具是预训练和微调的生成式 AI 文本和图像推理模型的集合。 元模型的范围经过调整以包括：
- 小型语言模型 (SLM)，如 1B 和 3B Base 模型，以及用于设备和边缘推理的 Instruct 模型
- 中等大型语言模型 (LLM)，如 7B、8B 和 70B Base 模型和 Instruct 模型
- 高性能模型（如 Meta Llama 3.1-405B Instruct），用于合成数据生成和蒸馏用例。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| Llama-3.2-11B-Vision-Instruct | chat-completion | - 输入：文本和图像（128,000 个标记） - 输出：（8,192 个标记） - 语言： en - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
| Llama-3.2-90B-Vision-Instruct | chat-completion | - 输入：文本和图像（128,000 个标记） - 输出：（8,192 个标记） - 语言： en - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
| Meta-Llama-3.1-405B-Instruct | chat-completion | - 输入：文本（131,072 个标记） - 输出：（8,192 个标记） - 语言： en、、de、fr、itpt、hi、和 esth - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
| Meta-Llama-3.1-8B-Instruct | chat-completion | - 输入：文本（131,072 个标记） - 输出：（8,192 个标记） - 语言： en、、de、fr、itpt、hi、和 esth - 工具调用：无* - 响应格式：文本 |
Foundry，基于中心的 |
| Llama-4-Scout-17B-16E-Instruct | chat-completion | - 输入：文本和图像（128,000 个标记） - 输出：文本（8,192 个标记） - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的此模型集合。 还有几种 Meta 模型可作为产品由 Azure 直接销售。
Microsoft
Microsoft模型包括各种模型组，例如 MAI 模型、Phi 模型、医疗保健 AI 模型等。 若要查看所有可用的Microsoft模型，请查看 Azure AI Foundry 门户中的Microsoft模型集合。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| Phi-4-mini-instruct | chat-completion | - 输入：文本（131,072 个标记） - 输出：（4,096 个标记） - 语言： ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr和uk - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
| Phi-4-multimodal-instruct | chat-completion | - 输入： 文本、图像和音频（131,072 个标记） - 输出：（4,096 个标记） - 语言： ar、zh、cs、da、nl、en、fi、fr、de、he、hu、it、ja、ko、no、pl、pt、ru、es、sv、th、tr和uk - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
| Phi-4 | chat-completion | - 输入：文本（16,384 个标记） - 输出：（16,384 个标记） - 语言： en、ar、bn、cs、da、de、el、es、fa、fi、fr、gu、ha、he、hi、hu、id、it、ja、jv、kn、ko、ml、mr、nl、no、or、pa、pl、ps、pt、ro、ru、sv、sw、ta、te、th、tl、tr、uk、ur、vi、yo、及zh - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
| Phi-4-reasoning | 使用推理内容的聊天补全 | - 输入： 文本（32,768 个标记） - 输出： 文本（32,768 个标记） - 语言： en - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
| Phi-4-mini-reasoning | 使用推理内容的聊天补全 | - 输入：文本（128,000 个标记） - 输出： 文本（128,000 个标记） - 语言： en - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
请参阅 Azure AI Foundry 门户中的Microsoft模型集合。 还有 Microsoft 模型，作为 Azure 直售模型提供。
Mistral人工智能
Mistral AI 提供两类模型：高级模型（如 Mistral Large 2411 和 Ministral 3B），以及 Mistral Nemo 等开放模型。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| Codestral-2501 | chat-completion | - 输入：文本（262,144 个标记） - 输出：文本（4,096 个标记） - 语言：en - 工具调用：无 - 响应格式：文本 |
Foundry，基于中心的 |
| Ministral-3B | chat-completion | - 输入：文本（131,072 个标记） - 输出：文本（4,096 个标记） - 语言：fr、de、es、it、en - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Mistral-Nemo | chat-completion | - 输入：文本（131,072 个标记） - 输出：文本（4,096 个标记） - 语言： en、、fr、deesitzhjakopt、和 nlpl - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Mistral-small-2503 | chat-completion | - 输入： 文本（32,768 个标记） - 输出：文本（4,096 个标记） - 语言：fr、de、es、it、en - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Mistral-medium-2505 | chat-completion | - 输入： 文本（128,000 个标记），图像 - 输出： 文本（128,000 个标记） - 工具调用：无 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Mistral-Large-2411 | chat-completion | - 输入：文本（128,000 个标记） - 输出：文本（4,096 个标记） - 语言： en、、fr、deesitzhjakopt、和 nlpl - 工具调用： 是的 - 响应格式：文本、JSON |
Foundry，基于中心的 |
| Mistral-OCR-2503 | 图像到文本 | - 输入： 图像或 PDF 页面（1,000 页，最大 50MB PDF 文件） - 输出： 文本 - 工具调用：无 - 响应格式： 文本、JSON、Markdown |
基于枢纽的 |
| mistralai-Mistral-7B-Instruct-v01 | chat-completion | - 输入： 文本 - 输出： 文本 - 语言：en - 响应格式：文本 |
基于中心的 |
| mistralai-Mistral-7B-Instruct-v0-2 | chat-completion | - 输入： 文本 - 输出： 文本 - 语言：en - 响应格式：文本 |
基于中心的 |
| mistralai-Mixtral-8x7B-Instruct-v01 | chat-completion | - 输入： 文本 - 输出： 文本 - 语言：en - 响应格式：文本 |
基于中心的 |
| mistralai-Mixtral-8x22B-Instruct-v0-1 | chat-completion | - 输入： 文本（64,000 个标记） - 输出：文本（4,096 个标记） - 语言： fr、it、de、es、en - 响应格式：文本 |
基于集线器的 |
请参阅 Azure AI Foundry 门户中的此模型集合。
Nixtla
Nixtla 的 TimeGEN-1 是用于时序数据的生成式预训练预测模型和异常检测模型。 TimeGEN-1 可以在不训练的情况下为新的时序生成准确的预测，仅使用历史值和外生协变量作为输入。
若要执行推理，TimeGEN-1 要求使用 Nixtla 的自定义推理 API。
| Model | 类型 | Capabilities | 推理 API | 项目类型 |
|---|---|---|---|---|
| TimeGEN-1 | Forecasting | - 输入： 时序数据作为 JSON 或数据帧（支持多变量输入） - 输出： 时序数据作为 JSON - 工具调用：无 - 响应格式： JSON |
预测客户端与 Nixtla 的 API 交互 | 基于集线器的 |
有关 Nixtla 模型的定价的更多详细信息，请参阅 Nixtla。
NTT 数据
tsuzumi 是自动回归语言优化转换器。 优化版本使用监督式微调(SFT)。 tsuzumi 可以高效地处理日语和英语。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| tsuzumi-7b | chat-completion | - 输入：文本（8,192 个标记） - 输出：文本（8,192 个标记） - 语言： en 和 jp - 工具调用：无 - 响应格式：文本 |
基于枢纽的 |
稳定性 AI
稳定性AI的图像生成模型集合包括Stable Image Core、Stable Image Ultra和Stable Diffusion 3.5 Large。 Stable Diffusion 3.5 Large 允许图像和文本输入。
| Model | 类型 | Capabilities | 项目类型 |
|---|---|---|---|
| 稳定扩散 3.5 大型版 | 图像生成 | - 输入： 文本和图像（1,000 个令牌和 1 个图像） - 输出： 一个图像 - 工具调用：无 - 响应格式：图像（PNG 和 JPG） |
基于中心的 |
| 稳定映像核心 | 图像生成 | - 输入： 文本（1,000 个词元） - 输出： 一个图像 - 工具调用：无 - 响应格式： 图像（PNG 和 JPG） |
基于中心的 |
| 超稳图像 | 图像生成 | - 输入： 文本（1,000 个词元） - 输出： 一个图像 - 工具调用：无 - 响应格式： 图像（PNG 和 JPG） |
中心化的 |
请参阅 Azure AI Foundry 门户中的此模型集合。
打开和自定义模型
模型目录提供更丰富的模型选择，来自更多样的提供商。 对于这些模型，不能将选项用于 Azure AI Foundry 资源中的标准部署，其中模型以 API 的形式提供;相反，若要部署这些模型，可能需要将它们托管在基础结构上，创建 AI 中心，并提供基础计算配额来托管模型。
此外，这些模型可以开放访问或 IP 保护。 在这两种情况下，必须在 Azure AI Foundry 的托管计算产品/服务中部署它们。 若要开始，请参阅 操作指南：部署到托管计算。