阿里云百炼平台支持哪些大模型？通义千问、DeepSeek等269种模型

最新推荐文章于 2025-04-20 09:46:30 发布
最新推荐文章于 2025-04-20 09:46:30 发布
阅读量1.4k 收藏 24
点赞数 7
分类专栏： AI大模型 文章标签： 前端 AI大模型 阿里云百炼 DeepSeek 通义千问
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/facaixxx2024/article/details/145746173
版权

阿里云百炼支持哪些大模型？如下，阿里云百科aliyunbaike.com整理目前支持通义千问、DeepSeek、通义万相、Llama、通义万相、StableDiffusion等269种大模型，详细参考阿里云百炼平台：

阿里云百炼支持大模型通义千问、DeepSeek等

阿里云百炼支持大模型通义千问、DeepSeek等

目前阿里云百炼平台开通即可领取100万免费Token额度，还能领券 aliyun.club 免费领阿里云上云补贴。

  • 通义千问-Omni-Turbo-2025-01-19（qwen-omni-turbo-2025-01-19）
  • 通义千问-Omni-Turbo（qwen-omni-turbo）
  • 通义千问-Omni-Turbo-Latest（qwen-omni-turbo-latest）
  • 通义千问-Max-Latest（qwen-max-latest）
  • 通义千问-Max-2025-01-25（qwen-max-2025-01-25）
  • 通义千问-Max（qwen-max）
  • 通义千问2.5-VL-72B（qwen2.5-vl-72b-instruct）
  • 通义千问2.5-VL-7B（qwen2.5-vl-7b-instruct）
  • 通义千问2.5-VL-3B（qwen2.5-vl-3b-instruct）
  • 通义千问2.5-7B-1M（qwen2.5-7b-instruct-1m）
  • 通义千问2.5-14B-1M（qwen2.5-14b-instruct-1m）
  • 通义千问-QvQ-72B-Preview（qvq-72b-preview）
  • 通义千问-QwQ-32B-Preview（qwq-32b-preview）
  • 通义千问VL-Plus（qwen-vl-plus）
  • 通义千问VL-Plus-Latest（qwen-vl-plus-latest）
  • 通义千问VL-Plus-2025-01-25（qwen-vl-plus-2025-01-25）
  • 通义千问-Audio-Turbo（qwen-audio-turbo）
  • 通义千问-Audio-Turbo-Latest（qwen-audio-turbo-latest）
  • 通义千问-Audio-Turbo-2024-12-04（qwen-audio-turbo-1204）
  • 通义千问-Plus（qwen-plus）
  • 通义千问-Plus-Latest（qwen-plus-latest）
  • DeepSeek-R1（deepseek-r1）
  • DeepSeek-V3（deepseek-v3）
  • Llama3.3-70B-Instruct（llama3.3-70b-instruct）
  • DeepSeek-R1-Distill-Qwen-1.5B（deepseek-r1-distill-qwen-1.5b）
  • DeepSeek-R1-Distill-Qwen-7B（deepseek-r1-distill-qwen-7b）
  • DeepSeek-R1-Distill-Qwen-14B（deepseek-r1-distill-qwen-14b）
  • DeepSeek-R1-Distill-Qwen-32B（deepseek-r1-distill-qwen-32b）
  • DeepSeek-R1-Distill-Llama-8B（deepseek-r1-distill-llama-8b）
  • DeepSeek-R1-Distill-Llama-70B（deepseek-r1-distill-llama-70b）
  • 通义千问-Max-2024-09-19（qwen-max-0919）
  • 通义千问-Plus-2025-01-25（qwen-plus-2025-01-25）
  • 通用多模态向量（multimodal-embedding-v1）
  • 通义千问-Turbo-2024-11-01（qwen-turbo-1101）
  • 通义千问-Turbo（qwen-turbo）
  • 通义千问-Turbo-2024-09-19（qwen-turbo-0919）
  • 通义千问-Turbo-Latest（qwen-turbo-latest）
  • 深度文本重排序（gte-rerank）
  • 通义千问VL-Max-2025-01-25（qwen-vl-max-2025-01-25）
  • 通义千问VL-Max（qwen-vl-max）
  • 通义千问VL-Max-Latest（qwen-vl-max-latest）
  • 通义千问ASR（qwen-audio-asr）
  • 通义千问ASR-Latest（qwen-audio-asr-latest）
  • 通义千问ASR-2025-12-04（qwen-audio-asr-1204）
  • 通义千问VL-Max-2024-10-30（qwen-vl-max-1030）
  • 通义千问VL-OCR（qwen-vl-ocr）
  • 通义千问VL-OCR-2024-10-28（qwen-vl-ocr-1028）
  • 通义千问VL-OCR-Latest（qwen-vl-ocr-latest）
  • 通义千问VL-Max-2024-11-19（qwen-vl-max-1119）
  • 通义千问VL-Max-2024-12-30（qwen-vl-max-1230）
  • 通义千问2-VL-7B（qwen2-vl-7b-instruct）
  • 通义千问2-VL-2B（qwen2-vl-2b-instruct）
  • 通义千问2-VL-72B（qwen2-vl-72b-instruct）
  • 通义千问2.5-72B（qwen2.5-72b-instruct）
  • 通义千问2.5-32B（qwen2.5-32b-instruct）
  • 通义千问2.5-14B（qwen2.5-14b-instruct）
  • 通义千问2.5-Math-72B（qwen2.5-math-72b-instruct）
  • 通义千问2.5-Math-7B（qwen2.5-math-7b-instruct）
  • 通义千问2.5-Coder-7B（qwen2.5-coder-7b-instruct）
  • 通义千问-Math-Plus（qwen-math-plus）
  • 通义千问-Math-Plus-2024-09-19（qwen-math-plus-0919）
  • 通义千问-Math-Plus-Latest（qwen-math-plus-latest）
  • 通义千问-Math-Turbo（qwen-math-turbo）
  • 通义千问-Math-Turbo-2024-09-19（qwen-math-turbo-0919）
  • 通义千问-Math-Turbo-Latest（qwen-math-turbo-latest）
  • 通义千问-Coder-Turbo（qwen-coder-turbo）
  • 通义千问-Coder-Turbo-2024-09-19（qwen-coder-turbo-0919）
  • 通义千问-Coder-Turbo-Latest（qwen-coder-turbo-latest）
  • 通义千问2.5-Math-1.5B（qwen2.5-math-1.5b-instruct）
  • 通义千问2.5-3B（qwen2.5-3b-instruct）
  • 通义千问2.5-1.5B（qwen2.5-1.5b-instruct）
  • 通义千问2.5-0.5B（qwen2.5-0.5b-instruct）
  • 通义千问2.5-7B（qwen2.5-7b-instruct）
  • 通义万相-图生视频2.1-Plus（wanx2.1-i2v-plus）
  • AI试衣OutfitAnyone-图片分割（aitryon-parsing-v1）
  • 通义万相-文生视频2.1-Turbo（wanx2.1-t2v-turbo）
  • 通义万相-文生图2.1-Turbo（wanx2.1-t2i-turbo）
  • 通义千问VL-Max-2024-08-09（qwen-vl-max-0809）
  • 通义千问VL-Max-2024-02-01（qwen-vl-max-0201）
  • 意图分类模型（tongyi-intent-detect-v3）
  • 通义万相-文生图2.1-Plus（wanx2.1-t2i-plus）
  • 通义万相-文生视频2.1-Plus（wanx2.1-t2v-plus）
  • FLUX-schnell（flux-schnell）
  • 通义千问2-Math-72B（qwen2-math-72b-instruct）
  • 通义千问2-Math-7B（qwen2-math-7b-instruct）
  • 通义千问2-Math-1.5B（qwen2-math-1.5b-instruct）
  • 通义千问-Max-2024-04-28（qwen-max-0428）
  • Qwen-Long（qwen-long）
  • 通义千问2-72B（qwen2-72b-instruct）
  • 通义千问2-57B（qwen2-57b-a14b-instruct）
  • 通义千问2-7B（qwen2-7b-instruct）
  • 通义千问2-1.5B（qwen2-1.5b-instruct）
  • 通义千问2-0.5B（qwen2-0.5b-instruct）
  • FLUX-dev（flux-dev）
  • 通义千问1.5-开源版-110B（qwen1.5-110b-chat）
  • Llama-3.2-3B-Instruct（llama3.2-3b-instruct）
  • Llama3.2-11B-Vision（llama3.2-11b-vision）
  • Llama3.2-90B-Vision-Instruct（llama3.2-90b-vision-instruct）
  • Llama-3.2-1B-Instruct（llama3.2-1b-instruct）
  • Llama-3.1-405B-Instruct（llama3.1-405b-instruct）
  • Llama-3.1-70B-Instruct（llama3.1-70b-instruct）
  • Llama-3.1-8B-Instruct（llama3.1-8b-instruct）
  • LlaMa3-8B（llama3-8b-instruct）
  • Llama3-70B（llama3-70b-instruct）
  • Llama2-7B（llama2-7b-chat-v2）
  • Llama2-13B（llama2-13b-chat-v2）
  • ChatGLM2-6B（chatglm-6b-v2）
  • Baichuan2-开源版-7B（baichuan2-7b-chat-v1）
  • 姜子牙-13B（ziya-llama-13b-v1）
  • 通义万相-文本生成图像（wanx-v1）
  • 表情包Emoji（emoji-v1）
  • Yi-Large（yi-large）
  • 表情包Emoji-detect（emoji-detect-v1）
  • Yi-Large-Turbo（yi-large-turbo）
  • Yi-Large-RAG（yi-large-rag）
  • 通义千问-开源版-7B（qwen-7b-chat）
  • Yi-Medium（yi-medium）
  • 通义千问-Plus-2024-09-19（qwen-plus-0919）
  • 通义千问-Plus-2024-11-25（qwen-plus-1125）
  • 通义千问-Plus-2024-11-27（qwen-plus-1127）
  • 通义千问-Plus-2024-12-20（qwen-plus-1220）
  • 通义千问-Plus-2025-01-12（qwen-plus-0112）
  • 舞动人像AnimateAnyone（animate-anyone-gen2）
  • 通义千问-Math-Plus-2024-08-16（qwen-math-plus-0816）
  • 通义千问VL-Plus-2024-08-09（qwen-vl-plus-0809）
  • 声音复刻CosyVoice大模型（cosyvoice-clone-v1）
  • 舞动人像AnimateAnyone-template（animate-anyone-template-gen2）
  • 通义千问VL-Plus-2025-01-02（qwen-vl-plus-0102）
  • 舞动人像AnimateAnyone-detect（animate-anyone-detect-gen2）
  • 声动人像VideoRetalk（videoretalk）
  • 视频风格重绘（video-style-transform）
  • 悦动人像EMO（emo-v1）
  • 悦动人像EMO-detect（emo-detect-v1）
  • 通用文本向量-v3（text-embedding-v3）
  • 灵动人像LivePortrait（liveportrait）
  • 灵动人像LivePortrait-detect（liveportrait-detect）
  • 幻影人像Motionshop（motionshop-synthesis）
  • 语音合成CosyVoice大模型（cosyvoice-v1）
  • 幻影人像Motionshop-视频检测（motionshop-video-detect）
  • 通用文本向量-v2（text-embedding-v2）
  • 通用文本向量-v1（text-embedding-v1）
  • 通用文本向量-async-v2（text-embedding-async-v2）
  • 通用文本向量-async-v1（text-embedding-async-v1）
  • 幻影人像Motionshop-3D角色生成（motionshop-gen3d）
  • 通义千问2.5-Coder-3B（qwen2.5-coder-3b-instruct）
  • 通义千问2.5-Coder-32B（qwen2.5-coder-32b-instruct）
  • 通义千问2.5-Coder-14B（qwen2.5-coder-14b-instruct）
  • 通义千问2.5-Coder-0.5B（qwen2.5-coder-0.5b-instruct）
  • 通义千问-Coder-Plus-Latest（qwen-coder-plus-latest）
  • 通义千问-Coder-Plus-2024-11-06（qwen-coder-plus-1106）
  • 通义千问-Coder-Plus（qwen-coder-plus）
  • 通义千问2.5-Coder-1.5B（qwen2.5-coder-1.5b-instruct）
  • Paraformer语音识别-8k-v2（paraformer-8k-v2）
  • 通义千问-MT-Turbo（qwen-mt-turbo）
  • 通义千问-MT-Plus（qwen-mt-plus）
  • 通义万相-文生图2.0-Turbo（wanx2.0-t2i-turbo）
  • 通义千问-Audio-Turbo-2024-08-07（qwen-audio-turbo-0807）
  • 通义千问-开源版-14B（qwen-14b-chat）
  • BiLLa-开源版-7B（billa-7b-sft-v1）
  • 元语-开源版（chatyuan-large-v2）
  • Belle-开源版-13B（belle-llama-13b-2m-v1）
  • ChatGLM3-开源版-6B（chatglm3-6b）
  • Baichuan2-开源版-13B（baichuan2-13b-chat-v1）
  • Baichuan-开源版-7B（baichuan-7b-v1）
  • 通义千问-开源版-1.8B（qwen-1.8b-chat）
  • 通义千问-开源版-1.8B-32K（qwen-1.8b-longcontext-chat）
  • 通义千问-开源版-72B（qwen-72b-chat）
  • 人像风格重绘（wanx-style-repaint-v1）
  • 图像背景生成（wanx-background-generation-v2）
  • FaceChain人物图像检测（facechain-facedetect）
  • FaceChain人物写真生成（facechain-generation）
  • FaceChain人物形象训练（facechain-finetune）
  • WordArt锦书-文字纹理生成（wordart-texture）
  • WordArt锦书-文字变形（wordart-semantic）
  • StableDiffusion文生图模型-xl（stable-diffusion-xl）
  • StableDiffusion文生图模型-v1.5（stable-diffusion-v1.5）
  • OpenNLU开放域文本理解模型（opennlu-v1）
  • Paraformer语音识别-8k-v1（paraformer-8k-v1）
  • Paraformer语音识别-mtl-v1（paraformer-mtl-v1）
  • Paraformer语音识别-v1（paraformer-v1）
  • Sambert语音合成-Beth（sambert-beth-v1）
  • Sambert语音合成-Brian（sambert-brian-v1）
  • Sambert语音合成-Cally（sambert-cally-v1）
  • Sambert语音合成-Camila（sambert-camila-v1）
  • Sambert语音合成-Cindy（sambert-cindy-v1）
  • Sambert语音合成-Clara（sambert-clara-v1）
  • Sambert语音合成-Donna（sambert-donna-v1）
  • Sambert语音合成-Eva（sambert-eva-v1）
  • Sambert语音合成-Hanna（sambert-hanna-v1）
  • Sambert语音合成-Indah（sambert-indah-v1）
  • Sambert语音合成-Perla（sambert-perla-v1）
  • Sambert语音合成-Waan（sambert-waan-v1）
  • Sambert语音合成-知厨（sambert-zhichu-v1）
  • Sambert语音合成-知达（sambert-zhida-v1）
  • Sambert语音合成-知德（sambert-zhide-v1）
  • Sambert语音合成-知飞（sambert-zhifei-v1）
  • Sambert语音合成-知柜（sambert-zhigui-v1）
  • Sambert语音合成-知浩（sambert-zhihao-v1）
  • Sambert语音合成-知佳（sambert-zhijia-v1）
  • Sambert语音合成-知婧（sambert-zhijing-v1）
  • Sambert语音合成-知伦（sambert-zhilun-v1）
  • Sambert语音合成-知猫（sambert-zhimao-v1）
  • Sambert语音合成-知妙（多情感）（sambert-zhimiao-emo-v1）
  • Sambert语音合成-知茗（sambert-zhiming-v1）
  • Sambert语音合成-知墨（sambert-zhimo-v1）
  • Sambert语音合成-知娜（sambert-zhina-v1）
  • Sambert语音合成-知琪（sambert-zhiqi-v1）
  • Sambert语音合成-知倩（sambert-zhiqian-v1）
  • Sambert语音合成-知茹（sambert-zhiru-v1）
  • Sambert语音合成-知树（sambert-zhishu-v1）
  • Sambert语音合成-知硕（sambert-zhishuo-v1）
  • Sambert语音合成-知莎（sambert-zhistella-v1）
  • Sambert语音合成-知婷（sambert-zhiting-v1）
  • Sambert语音合成-知薇（sambert-zhiwei-v1）
  • Sambert语音合成-知祥（sambert-zhixiang-v1）
  • Sambert语音合成-知笑（sambert-zhixiao-v1）
  • Sambert语音合成-知雅（sambert-zhiya-v1）
  • Sambert语音合成-知晔（sambert-zhiye-v1）
  • Sambert语音合成-知颖（sambert-zhiying-v1）
  • Sambert语音合成-知媛（sambert-zhiyuan-v1）
  • Sambert语音合成-知悦（sambert-zhiyue-v1）
  • 通义千问-Max-2024-04-03（qwen-max-0403）
  • 通义千问-Max-2024-01-07（qwen-max-0107）
  • 通义千问1.5-开源版-7B（qwen1.5-7b-chat）
  • 通义千问1.5-开源版-72B（qwen1.5-72b-chat）
  • 通义千问1.5-开源版-32B（qwen1.5-32b-chat）
  • 通义千问1.5-开源版-14B（qwen1.5-14b-chat）
  • 通义千问1.5-开源版-1.8B（qwen1.5-1.8b-chat）
  • 通义千问1.5-开源版-0.5B（qwen1.5-0.5b-chat）
  • Sambert语音合成-Betty（sambert-betty-v1）
  • Sambert语音合成-知楠（sambert-zhinan-v1）
  • Baichuan2-Turbo（baichuan2-turbo）
  • 悦动人像EMO-detect-deployment（emo-detect）
  • 悦动人像EMO-deployment（emo）
  • 舞动人像AnimateAnyone-detect-deployment（animate-anyone-detect）
  • 舞动人像AnimateAnyone-deployment（animate-anyone）
  • 通义法睿-Plus-32K（farui-plus）
  • 通义万相-文本生成图像-2024-05-21（wanx-v1-0521）
  • AI试衣OutfitAnyone（aitryon）
  • 图像画面扩展（image-out-painting）
  • 通义万相-图像局部重绘（wanx-x-painting）
  • Cosplay动漫人物生成（wanx-style-cosplay-v1）
  • 通义万相-涂鸦作画（wanx-sketch-to-image-lite）
  • 鞋靴模特（shoemodel-v1）
  • 创意海报生成（wanx-poster-generation-v1）
  • Paraformer实时语音识别-v1（paraformer-realtime-v1）
  • Paraformer实时语音识别-8k-v1（paraformer-realtime-8k-v1）
  • 虚拟模特（wanx-virtualmodel）
  • 虚拟模特V2（virtualmodel-v2）
  • 锦书-百家姓生成（wordart-surnames）
  • AI试衣OutfitAnyone-图片精修（aitryon-refiner）
  • MiniMax abab6.5s-245k（abab6.5s-chat）
  • MiniMax abab6.5t-8k（abab6.5t-chat）
  • MiniMax abab6.5g-8k（abab6.5g-chat）
  • 通义千问-Plus-2024-02-06（qwen-plus-0206）
  • 通义千问-Plus-2024-06-24（qwen-plus-0624）
  • 通义千问-Turbo-2024-02-06（qwen-turbo-0206）
  • 通义千问-Turbo-2024-06-24（qwen-turbo-0624）
  • 通义千问-Plus-2024-07-23（qwen-plus-0723）
  • 通义千问-Plus-2024-08-06（qwen-plus-0806）
  • 人物实例分割（image-instance-segmentation）
  • 图像擦除补全（image-erase-completion）
  • FLUX-merged（flux-merged）
  • Doll2-开源版-12B（dolly-12b-v2）
  • Paraformer语音识别-v2（paraformer-v2）
  • Paraformer实时语音识别-v2（paraformer-realtime-v2）
  • StableDiffusion文生图模型-3.5-large（stable-diffusion-3.5-large）
  • StableDiffusion文生图模型-3.5-large-turbo（stable-diffusion-3.5-large-turbo）
  • Paraformer实时语音识别-8k-v2（paraformer-realtime-8k-v2）

更多关于阿里云百炼大模型平台API调用接口收费标准及使用说明，请移步到阿里云百炼官方平台查看 aliyunbaike.com/go/bailian 阿里云百炼平台。

【大模型】阿里云百炼平台对接DeepSeek-R1大模型使用详解
congge
02-12 6742
阿里云百炼平台对接DeepSeek-R1大模型使用详解
【AI大模型】DeepSeek + 通义万相高效制作AI视频实战详解
热门推荐
congge
03-23 1万+
DeepSeek + 通义万相高效制作AI视频实战详解
阿里这次放大招了：Qwen2.5-Omni-7B 是开源多模态的天花板？
在信息的熵增中，记录结构、重建秩序。 技术思想者的笔记，系统构建者的注释。
03-27 1624
近年来，大模型从单模态文本生成向多模态认知跃迁已成业界共识。OpenAI 发布 GPT-4V 与 Gemini 1.5-Pro，Google DeepMind 推出 Flamingo 和 Gemini 系列，多模态技术逐渐成为 AI 实用化的关键路径。但多模态大模型往往意味着参数暴增、推理开销剧增、无法实时响应等现实问题。如何构建“轻量化、全模态、强泛化、可部署”的 AI 系统，一直是技术团队追求的目标。在这样的背景下，阿里通义团队开源发布的，无疑是一次重量级突破。
【调用通义千问实现手写文字识别】
ZHW-鲜橙大AI课题组的博客
04-02 997
OCR是Optical Character Recognition(光学字符识别)的英文简称，它借助光学与计算机技术，将纸上印刷或手写文字读取并转化为计算机可接受、人类能理解的格式。图像预处理：在进行文字识别之前，要对带有噪声的文字图像进行处理。以应对纸张的厚薄、光洁度和印刷质量都会造成的文字畸变，断笔、粘连和污点。字符分割：对文档版面进行分析，首先对每一行进行行分割，再对每一行的文字单独分割。特征提取：根据字符的结构、笔画等信息，提取能够代表字符的特征。
视频生成届的DeepSeek Wan2.1整合包，阿里巴巴出品！
2401_86439035的博客
03-06 6650
Wan2GP：为低配GPU用户打造的视频生成利器。这款基于阿里巴巴Wan2.1开发的开源模型，为资源受限用户带来前所未有的视频创作体验。
通义千问提出OmniFlatten | 一种基于GPT的端到端对话模型，解决对话中断、回话等问题
m0_59164520的博客
11-18 1191
传统的轮转式语音对话系统仅支持半双工通信，即用户和系统的通信是双向进行但不能同时进行。这类系统在许多实际应用中虽有效，但在处理中断、回声通道和重叠语音时往往显得不足，这反映了人类面对面交流的自发性。相比之下，全双工语音对话系统允许同时进行双向通信，更贴近人类面对面交流的动力学特征。全双工语音对话系统能够通过同时说话、听和思考促进更为自然和高效的交互。然而，在全双工系统中实现低延迟和自然交互仍然是一个重大挑战。
【RAG实践】Rerank，让大模型 RAG 更近一步
2301_78285120的博客
04-09 4365
近几年, 随着深度学习的发展，尤其是预训练语言模型的出现极大的推动了文本表示技术的效果, 基于预训练语言模型的文本表示模型在学术研究数据、工业实际应用中都明显优于传统的基于统计模型或者浅层神经网络的文本表示模型。本文主要关注在Rerank，本文中，Rerank可以在不牺牲准确性的情况下加速LLM的查询（实际上可能提高准确率），Rerank通过从上下文中删除不相关的节点，重新排序相关节点来实现这一点。加载数据后，基于文档对象列表（或节点列表），建设他们的index，就可以方便的检索他们。
多模态技术与实践应用
2301_81880649的博客
02-20 2419
多模态技术与实践应用的学习对于现代社会的科技发展和跨学科研究至关重要。在当今这个数字化和信息化的时代，人们接触到的信息不再局限于单一形式，而是以多种模态存在，包括文本、图像、音频、视频以及传感器数据等。多模态技术的兴起正是为了应对这种复杂的信息结构，通过综合处理不同模态的数据，实现更全面、更深入的信息理解和智能决策。学习多模态技术也意味着面对一系列挑战，如数据融合的难度、模型设计的复杂性以及跨学科合作的需求。然而，这些挑战同时也带来了机遇，推动着技术的进步和创新思维的发展。
OmniSearch Qwen2+VL+7B
怨行客
11-15 334
【代码】OmniSearch Qwen2+VL+7B。
dify平台，对多种大模型进行支持
那个西瓜有点甜
04-09 3219
目前各种大模型出来后，大家也意识到API的统一性很重要，通过DIFY我们可以用一致的标准去支持各种模型响应结果写了一个简单的页面： Dify 目前已支持主流的模型供应商，例如 OpenAI 的 GPT 系列、Anthropic 的 Claude 系列等。不同模型的能力表现、参数类型会不一样，你可以根据不同情景的应用需求选择你喜欢的模型供应商。你在 Dify 应用以下模型能力前，应该前往不同的模型厂商官方网站获得他们的 API key 。模型类型在 Dify 中，我们按模型的使用场景将模型分为以下 4 类：系
vue项目接入阿里云百炼的AI大模型
qq_53558235的博客
02-20 555
然后就是vue项目接入ai大模型的步骤，他有自带的api案例，但是是需要接入openai的插件，案例如下。，在我们进入百炼云后需要创建自己的key,第一次注册会送100w的token，有效期5-6个月左右吧。不同的模型参数也不一样，比如文本的，文本+图片的，文本+视频的等等。其实主要就是里面的参数不一样。以下是文本+图片的参数 具体克参考百炼云api接口的文档。而我使用的是通过fetch的方式直接去使用接口，下图就是百炼云获取key的路径。
大模型——阿里云百炼 MCP 服务评测与 Agent 构建实战
最新发布
04-20 154
第二个案例相对复杂一些，目标是让 AI 自动抓取指定网页内容，进行总结，并将总结结果连同标签一起保存到Flomo笔记应用中。此案例涉及两个第三方MCPFirecrawl（用于网页抓取）和Flomo（用于笔记记录）。
【四.RAG技术与应用】【11.阿里云百炼应用（上）：RAG在云端的实践】
再见孙悟空的专栏
03-04 235
正如阿里云CTO周靖人所说：“百炼的目标是成为大模型时代的‘云上工具箱’，让每个开发者都能低成本解锁AI潜力。”时，RAG会先从内部数据库检索近期的财报、新闻和政策文件，再将相关内容喂给大模型。最终生成的回答不仅包含通用分析，还能引用具体数据（比如某季度特斯拉的营收增长率），避免模型“凭空编造”。这时候，RAG（检索增强生成，Retrieval-Augmented Generation）技术就成了“外挂大脑”。百炼的Assistant API封装了RAG的复杂流程，开发者只需关注业务逻辑。
最新开源：边缘设备优化的多模态模型Omnivision！通义灵码团队开源Lingma SWE-GPT！
Everly_的博客
11-25 1122
01是一个紧凑的多模态模型，拥有 968M 参数，能够处理视觉和文本输入，专为边缘设备优化。该模型在 LLaVA 架构上进行了改进，显著减少了图像 token 数量，从而降低了延迟和计算成本。通过使用可信数据进行 DPO 训练，Omnivision 提供了更可靠的结果，适用于视觉问答和图像描述等任务。的架构由三个关键组件组成：Qwen2.5-0.5B-Instruct 作为基础语言模型处理文本输入；SigLIP-400M 作为视觉编码器生成图像嵌入；
【AGI】中国大模型扛把子：通义家族
LeeZhao的博客
02-26 1068
【AGI】中国大模型扛把子：通义家族
阿里云，又一款神器爆了！！
终码一生
07-23 2170
百炼平台还有其他许多功能，像数据清洗，模型训练，模型调优，模型评测等，大家感兴趣，可以自己去体验下，总之非常强大，也都很实用。可以帮我们快速搭建自己的基于大模型的应用产品，可定制化很高，并且操作非常简单。目前百炼平台也在不断的快速迭代升级，期待后续更多的功能出现。百炼官方：https://bailian.console.aliyun.com/使用文档：https://help.aliyun.com/zh/model-studio/
Qwen2.5-Omni突然爆火，它究竟是什么？
2301_76168381的博客
03-29 1063
Qwen 团队最近（2025 年 3 月）发布了一款统一多模态大模型 Qwen2.5-Omni，开放了 7B 版本的权重。能够同时处理，并以。
运行 通义千问2.5-VL-32B-Instruct（Qwen/Qwen2.5-VL-32B-Instruct）时遇到的问题及解决方法合集
yyywxk的博客
04-14 912
是 modelscope 库较新版本才支持的功能。是基于 CUDA 实现的高性能矩阵乘法库，若 CUDA 版本与所使用的深度学习框架、flash_attn 等库不兼容，就可能找不到合适的内核。这是因为启用了 FlashAttention2 功能，但系统中并未安装。该错误是由于 Transformers 库版本过旧，尚未支持。时遭遇了一系列问题，特此记录。包，因此无法使用该功能。
FunASR 模型 GPU 部署
02-02
### FunASR 模型 GPU 部署教程 #### 准备工作 为了在GPU上成功部署FunASR模型，需先完成一系列准备工作。这包括但不限于安装必要的依赖库以及配置相应的开发环境。对于依赖项的管理，推荐通过`pip`工具来简化操作流程[^4]。 #### 安装 ModelScope 和其他必要组件 确保已安装最新版本的ModelScope SDK以及其他可能需要用到的支持包。具体命令如下所示： ```bash pip install -U modelscope ``` 此步骤能够帮助获取最新的API接口定义和其他辅助函数支持，从而更好地适配后续的操作需求。 #### 获取并准备 Docker 映像 针对希望利用Docker容器化技术来进行快速部署的情况，官方提供了专门定制化的映像文件供用户下载使用。按照指引，在本地机器上拉取指定标签下的映像，并启动一个新的实例以便进一步设置[^2]。 ```bash docker pull registry.cn-hangzhou.aliyuncs.com/modelscope/funasr-gpu:latest docker run --gpus all -itd \ -v /path/to/local/dir:/workspace/models \ --name funasr_container \ registry.cn-hangzhou.aliyuncs.com/modelscope/funasr-gpu:latest ``` 这里特别需要注意的是，当涉及到Windows操作系统时，挂载路径应指向实际存储位置，例如 `D:\FunASR\model` 对应于 `/workspace/models` 的映射关系已经建立好，方便之后访问所需资源[^3]。 #### 加载预训练模型与执行推理任务 一旦上述条件均已满足，则可以着手加载由阿里云团队预先训练好的语音识别模型，并尝试对其进行简单的测试验证其有效性。下面给出了一段Python脚本作为示范用途，展示了如何创建Pipeline对象并通过它处理输入音频数据得到最终的结果输出[^1]。 ```python from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks inference_pipeline = pipeline( task=Tasks.auto_speech_recognition, model='damo/speech_paraformer-large_asr_nat-zh-cn-16k-common-vocab8404-pytorch', ) rec_result = inference_pipeline(audio_in='音频文件地址') print(rec_result) ``` 这段代码片段不仅实现了基本的功能调用逻辑，同时也体现了高度模块化的编程风格，使得整个过程更加清晰易懂。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值