Daftar model pihak pertama Google
Tabel berikut mencantumkan model pihak pertama Google yang tersedia di Model Garden:
| Nama model | Pengandaian | Deskripsi | Panduan Memulai |
|---|---|---|---|
| Gemini 2.5 Flash (Pratinjau) | Bahasa, audio, visi | Model pemikiran yang dirancang untuk menyeimbangkan harga dan performa. | Kartu model |
| Gemini 2.5 Pro (Pratinjau) | Bahasa, audio, visi | Model pemikiran dengan fitur generasi berikutnya dan kemampuan yang ditingkatkan. | Kartu model |
| Gemini 2.0 Flash | Bahasa, audio, visi | Model andalan untuk semua tugas harian dan fitur yang ditingkatkan performa dan mendukung Live API real-time. | Kartu model |
| Gemini 2.0 Flash-Lite | Bahasa, audio, visi | Model Flash tercepat dan paling hemat biaya. Model ini memberikan kualitas yang lebih baik daripada 1.5 dengan harga dan kecepatan yang sama. | Kartu model |
| Imagen for Image Generation | Vision | Buat gambar berkualitas studio dalam skala besar menggunakan perintah teks. Anda juga dapat menggunakan model ini untuk meningkatkan kualitas gambar. | Kartu model |
| Imagen untuk Pengeditan dan Penyesuaian | Vision | Edit atau gunakan pembelajaran sedikit data untuk membuat gambar berkualitas studio dalam skala besar menggunakan gambar dasar dan perintah teks, atau menggunakan gambar referensi dan perintah teks. | Kartu model |
| Segmentasi Gambar Vertex (Pratinjau) | Vision | Gunakan perintah teks atau gambar coretan untuk menyegmentasikan gambar. Segmentasi gambar memungkinkan Anda, misalnya, mendeteksi objek, menghapus latar belakang gambar, atau menyegmentasikan latar depan gambar. | Kartu model |
| Imagen for Captioning & VQA | Bahasa | Membuat deskripsi yang relevan untuk gambar tertentu. | Kartu model |
| Embedding untuk Multimodal | Vision | Membuat vektor berdasarkan gambar, yang dapat digunakan untuk tugas hilir seperti klasifikasi gambar dan penelusuran gambar. | Kartu model |
| Chirp 2 | Ucapan | Chirp 2 adalah model pengenalan ucapan otomatis (ASR) multibahasa yang dikembangkan oleh Google yang mentranskripsikan ucapan (speech-to-text). Dibandingkan dengan model Chirp generasi pertama, Chirp 2 memberikan akurasi dan kecepatan yang lebih baik, serta menawarkan kemampuan baru seperti stempel waktu tingkat kata, adaptasi model, dan terjemahan ucapan. | Kartu model |
Daftar model dengan resep penyesuaian atau penayangan open source di Model Garden
Tabel berikut mencantumkan model OSS yang mendukung resep penyesuaian atau penayangan open source di Model Garden:
| Nama model | Pengandaian | Deskripsi | Panduan memulai |
|---|---|---|---|
| Llama 4 | Bahasa, Visi | Serangkaian model multimodal yang menggunakan arsitektur Mixture-of-Experts (MoE) dan penggabungan awal. | Colab Kartu model |
| Llama 3.3 | Bahasa | Model bahasa besar (LLM) multilingu Meta Llama 3.3 adalah model generatif yang telah dilatih sebelumnya dan disesuaikan untuk mengikuti perintah dalam 70B (teks masuk/teks keluar). | Kartu model |
| Flux | Vision | Model transformer aliran yang diperbaiki dengan 12 miliar parameter yang menghasilkan gambar berkualitas tinggi dari deskripsi teks. | Kartu model |
| Perlindungan Perintah | Bahasa | Melindungi input LLM dari teknik jailbreak dan injeksi tidak langsung. | Kartu model |
| Llama 3.2 | Bahasa | Kumpulan model bahasa besar multibahasa yang merupakan model generatif yang telah dilatih awal dan dioptimalkan untuk mengikuti perintah dalam ukuran 1B dan 3B. | Kartu model |
| Llama 3.2-Vision | Bahasa, Visi | Kumpulan model bahasa besar multimodal yang merupakan model generatif penalaran gambar yang telah dilatih awal dan disesuaikan dengan petunjuk dalam ukuran 11B dan 90B. Model ini dioptimalkan untuk pengenalan visual, penalaran gambar, pemberian teks, dan menjawab pertanyaan umum tentang gambar. | Kartu model |
| Llama Guard 3 | Bahasa | Model pra-latih Llama-3.1-8B yang telah di-fine-tune untuk klasifikasi keamanan konten. | Kartu model |
| Qwen2 | Bahasa | Deploy Qwen2, seri model bahasa besar dasar. | Colab Kartu model |
| Phi-3 | Bahasa | Deploy Phi-3, seri model bahasa besar dasar. | Colab Kartu model |
| E5 | Bahasa | Men-deploy E5, seri model embedding teks. | Colab Kartu model |
| ID Instan | Bahasa, Visi | Men-deploy Instant ID, model pembuatan teks ke gambar yang mempertahankan identitas. | Colab Kartu model |
| Llama 3 | Bahasa | Jelajahi dan bangun dengan model Llama 3 Meta (8B, 70B, 405B) di Vertex AI. | Kartu model |
| Gemma 3 | Bahasa, Visi | Model dengan bobot terbuka (1B khusus teks, 4B, 12B, 27B) yang dibangun dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| Gemma 2 | Bahasa | Model bobot terbuka (9B, 27B) yang dibangun dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| Gemma | Bahasa | Model bobot terbuka (2B, 7B) yang dibuat dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| CodeGemma | Bahasa | Model bobot terbuka (2B, 7B) yang dirancang untuk pembuatan dan penyelesaian kode yang dibangun dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| PaliGemma 2 | Bahasa, Visi | Model 3B, 10B, dan 28B dengan bobot terbuka yang dirancang untuk tugas pemberian teks pada gambar dan tugas pertanyaan dan jawaban visual yang dibuat dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| PaliGemma | Bahasa, Visi | Model 3B dengan bobot terbuka yang dirancang untuk tugas pembuatan teks gambar dan tugas pertanyaan dan jawaban visual yang dibangun dari riset dan teknologi yang sama dengan yang digunakan untuk membuat model Gemini Google. | Kartu model |
| ShieldGemma 2 | Bahasa, Visi | Model 4B dengan bobot terbuka yang dilatih pada checkpoint IT 4B Gemma 3 untuk klasifikasi keamanan gambar di seluruh kategori utama yang menerima gambar dan menghasilkan label keamanan per kebijakan. | Kartu model |
| TxGemma | Bahasa | Model bobot terbuka (2B, 9B, 27B) yang dirancang untuk pengembangan terapeutik yang dibangun di atas Gemma 2. | Kartu model |
| Vicuna v1.5 | Bahasa | Men-deploy model seri Vicuna v1.5, yang merupakan model dasar yang di-fine-tune dari LLama2 untuk pembuatan teks. | Kartu model |
| NLLB | Bahasa | Men-deploy model seri nllb untuk terjemahan multi-bahasa. | Kartu model Colab |
| Mistral-7B | Bahasa | Men-deploy Mistral-7B, model dasar untuk pembuatan teks. | Kartu model |
| BioGPT | Bahasa | Men-deploy BioGPT, model generatif teks untuk domain biomedis. | Kartu model Colab |
| BiomedCLIP | Bahasa, Visi | Men-deploy BiomedCLIP, model dasar multimodal untuk domain biomedis. | Kartu model Colab |
| ImageBind | Bahasa, Visi, Audio |
Men-deploy ImageBind, model dasar untuk embedding multimodal. | Kartu model Colab |
| DITO | Bahasa, Visi | Menyempurnakan dan men-deploy DITO, model dasar multimodal untuk tugas deteksi objek kosakata terbuka. | Kartu model Colab |
| OWL-ViT v2 | Bahasa, Visi | Men-deploy OWL-ViT v2, model dasar multimodal untuk tugas deteksi objek kosakata terbuka. | Kartu model Colab |
| FaceStylizer (Mediapipe) | Vision | Pipeline generatif untuk mengubah gambar wajah manusia ke gaya baru. | Kartu model Colab |
| Llama 2 | Bahasa | Menyesuaikan dan men-deploy model dasar Llama 2 Meta (7B, 13B, 70B) di Vertex AI. | Kartu model |
| Code Llama | Bahasa | Men-deploy model dasar Code Llama Meta (7B, 13B, 34B) di Vertex AI. | Kartu model |
| Falcon-instruct | Bahasa | Menyempurnakan dan men-deploy model Falcon-instruct (7B, 40B) menggunakan PEFT. | Colab Kartu model |
| OpenLLaMA | Bahasa | Sempurnakan dan deploy model OpenLLaMA (3B, 7B, 13B) dengan menggunakan PEFT. | Colab Kartu model |
| T5-FLAN | Bahasa | Menyesuaikan dan men-deploy T5-FLAN (dasar, kecil, besar). | Kartu model (termasuk pipeline penyesuaian) |
| BERT | Bahasa | Menyesuaikan dan men-deploy BERT menggunakan PEFT. | Colab Kartu model |
| BART-large-cnn | Bahasa | Men-deploy BART, model encoder-encoder transformer (seq2seq) dengan encoder dua arah (mirip BERT) dan dekoder autoregresif (mirip GPT). | Colab Kartu model |
| RoBERTa-large | Bahasa | Menyempurnakan dan men-deploy RoBERTa-large menggunakan PEFT. | Colab Kartu model |
| XLM-RoBERTa-large | Bahasa | Menyempurnakan dan men-deploy XLM-RoBERTa-large (versi multibahasa RoBERTa) menggunakan PEFT. | Colab Kartu model |
| Stable Diffusion XL v1.0 | Bahasa, Visi | Men-deploy Stable Diffusion XL v1.0, yang mendukung pembuatan teks ke gambar. | Colab Kartu model |
| Stable Diffusion XL Lightning | Bahasa, Visi | Men-deploy Stable Diffusion XL Lightning, model pembuatan teks ke gambar. | Colab Kartu model |
| Stable Diffusion v2.1 | Bahasa, Visi | Menyempurnakan dan men-deploy Stable Diffusion v2.1 (mendukung pembuatan teks ke gambar) menggunakan Dreambooth. | Colab Kartu model |
| Peningkatan Stable Diffusion 4x | Bahasa, Visi | Men-deploy peningkatan Stable Diffusion 4x, yang mendukung superresolusi gambar dengan kondisi teks. | Colab Kartu model |
| InstructPix2Pix | Bahasa, Visi | Men-deploy InstructPix2Pix, yang mendukung pengeditan gambar menggunakan perintah teks. | Colab Kartu model |
| Stable Diffusion Inpainting | Bahasa, Visi | Menyempurnakan dan men-deploy Stable Diffusion Inpainting, yang mendukung pewarnaan gambar yang disamarkan menggunakan perintah teks. | Colab Kartu model |
| SAM | Bahasa, Visi | Men-deploy Segmen Apa Pun, yang mendukung segmentasi gambar zero-shot. | Colab Kartu model |
| Pengambilan Gambar yang Ditulis Pic2Word | Bahasa, Visi | Men-deploy Pic2Word, yang mendukung pengambilan gambar multi-modal. | Colab Kartu model |
| BLIP2 | Bahasa, Visi | Men-deploy BLIP2, yang mendukung keterangan gambar dan jawaban pertanyaan visual. | Colab Kartu model |
| Open-CLIP | Bahasa, Visi | Menyempurnakan dan men-deploy Open-CLIP, yang mendukung klasifikasi zero-shot. | Colab Kartu model |
| F-VLM | Bahasa, Visi | Men-deploy F-VLM, yang mendukung deteksi objek gambar kosakata terbuka. | Colab Kartu model |
| tfhub/EfficientNetV2 | Vision | Menyempurnakan dan men-deploy implementasi TensorFlow Vision dari model klasifikasi gambar EfficientNetV2. | Colab Kartu model |
| EfisienNetV2 (TIMM) | Vision | Menyempurnakan dan men-deploy implementasi PyTorch dari model klasifikasi image barang efisienNetV2. | Colab Kartu model |
| Eksklusif/EfficientNetV2 | Vision | Menyempurnakan dan men-deploy checkpoint eksklusif Google dari model klasifikasi gambar EefisienNetV2. | Colab Kartu model |
| EfficientNetLite (MediaPipe) | Vision | Menyempurnakan model klasifikasi gambar EffectiveNetLite melalui pembuat model MediaPipe. | Colab Kartu model |
| tfvision/vit | Vision | Menyempurnakan dan men-deploy implementasi TensorFlow Vision dari model klasifikasi gambar ViT. | Colab Kartu model |
| ViT (TIMM) | Vision | Menyempurnakan dan men-deploy implementasi PyTorch dari model klasifikasi image ViT. | Colab Kartu model |
| Eksklusif/ViT | Vision | Menyempurnakan dan men-deploy checkpoint eksklusif Google dari model klasifikasi image ViT. | Colab Kartu model |
| Eksklusif/MaxViT | Vision | Menyempurnakan dan men-deploy checkpoint eksklusif Google untuk model klasifikasi gambar MaxViT hybrid (CNN + ViT). | Colab Kartu model |
| ViT (JAX) | Vision | Menyempurnakan dan men-deploy implementasi JAX dari model klasifikasi gambar ViT. | Colab Kartu model |
| tfvision/SpineNet | Vision | Menyempurnakan dan men-deploy implementasi TensorFlow Vision untuk model deteksi objek SpineNet. | Colab Kartu model |
| Eksklusif/Spinenet | Vision | Menyempurnakan dan men-deploy checkpoint eksklusif Google untuk model deteksi objek SpineNet. | Colab Kartu model |
| tfvision/YOLO | Vision | Menyempurnakan dan men-deploy implementasi TensorFlow Vision untuk model deteksi objek satu tahap YOLO. | Colab Kartu model |
| Eksklusif/YOLO | Vision | Menyempurnakan dan men-deploy checkpoint eksklusif Google untuk model deteksi objek satu tahap YOLO. | Colab Kartu model |
| YOLOv8 (Keras) | Vision | Menyempurnakan dan men-deploy implementasi Keras model YOLOv8 untuk deteksi objek. | Colab Kartu model |
| tfvision/YOLOv7 | Vision | Menyempurnakan dan menddeploy model YOLOv7 untuk deteksi objek. | Colab Kartu model |
| Pelacakan Objek Video ByteTrack | Vision | Menjalankan prediksi batch untuk pelacakan objek video menggunakan pelacak ByteTrack. | Colab Kartu model |
| ResNeSt (TIMM) | Vision | Menyempurnakan dan men-deploy implementasi PyTorch dari model klasifikasi image ResNeSt. | Colab Kartu model |
| ConvNeXt (TIMM) | Vision | Menyempurnakan dan men-deploy ConvNeXt, model konvolusional murni untuk klasifikasi gambar yang terinspirasi dari desain Vision Transformers. | Colab Kartu model |
| CspNet (TIMM) | Vision | Menyempurnakan dan men-deploy model klasifikasi image CSPNet (Cross Stage Partial Network). | Colab Kartu model |
| Inception (TIMM) | Vision | Menyempurnakan dan men-deploy model klasifikasi image Inception. | Colab Kartu model |
| DeepLabv3+ (dengan checkpoint) | Vision | Menyempurnakan dan men-deploy model DeepLab-v3 Plus untuk segmentasi gambar semantik. | Colab Kartu model |
| R-CNN yang lebih cepat (Detectron2) | Vision | Menyempurnakan dan men-deploy implementasi Detectron2 dari model Faster R-CNN untuk deteksi objek gambar. | Colab Kartu model |
| RetinaNet (Detectron2) | Vision | Menyempurnakan dan men-deploy implementasi Detectron2 dari model RetinaNet untuk deteksi objek gambar. | Colab Kartu model |
| Mask R-CNN (Detectron2) | Vision | Menyempurnakan dan men-deploy implementasi Detectron2 dari model Mask R-CNN untuk deteksi dan segmentasi objek gambar. | Colab Kartu model |
| ControlNet | Vision | Menyempurnakan dan men-deploy model pembuatan teks ke gambar ControlNet. | Colab Kartu model |
| MobileNet (TIMM) | Vision | Menyempurnakan dan men-deploy implementasi PyTorch dari model klasifikasi image MobileNet. | Colab Kartu model |
| Klasifikasi Gambar MobileNetV2 (MediaPipe) | Vision | Menyempurnakan model klasifikasi gambar MobileNetV2 dengan menggunakan pembuat model MediaPipe. | Colab Kartu model |
| Deteksi Objek MobileNetV2 (MediaPipe) | Vision | Menyempurnakan model deteksi objek MobileNetV2 dengan menggunakan pembuat model MediaPipe. | Colab Kartu model |
| MobileNet-MultiHW-AVG (MediaPipe) | Vision | Menyempurnakan model deteksi objek MobileNet-MultiHW-AVG dengan menggunakan pembuat model MediaPipe. | Colab Kartu model |
| DeiT | Vision | Menyempurnakan dan men-deploy model DeiT (Transformer Gambar Hemat data) untuk klasifikasi gambar. | Colab Kartu model |
| BEiT | Vision | Menyempurnakan dan men-deploy model BEiT (representasi Encoder Dua Arah dari Transformer Gambar) untuk klasifikasi gambar. | Colab Kartu model |
| Pengenalan Gestur Tangan (MediaPipe) | Vision | Menyempurnakan dan men-deploy model Pengenalan Gestur Tangan di perangkat menggunakan MediaPipe. | Colab Kartu model |
| Pengklasifikasi Penyematan Kata Rata-Rata (MediaPipe) | Vision | Menyempurnakan dan men-deploy model Pengklasifikasi Kata Penyematan di perangkat dengan menggunakan MediaPipe. | Colab Kartu model |
| Pengklasifikasi MobileBERT (MediaPipe) | Vision | Menyempurnakan dan men-deploy model MobileBERT Classifier di perangkat dengan menggunakan MediaPipe. | Colab Kartu model |
| Klasifikasi Klip Video MoViNet | Video | Menyempurnakan dan men-deploy model klasifikasi klip video MoViNet. | Colab Kartu model |
| Pengenalan Tindakan Video MoViNet | Video | Menyempurnakan dan men-deploy model MoViNet untuk inferensi pengenalan tindakan. | Colab Kartu model |
| Stable Diffusion XL LCM | Vision | Deploy model ini yang menggunakan Latent Consistency Model (LCM) untuk meningkatkan pembuatan teks ke gambar dalam Latent Diffusion Model dengan memungkinkan pembuatan gambar yang lebih cepat dan berkualitas tinggi dengan lebih sedikit langkah. | Colab Kartu model |
| LLaVA 1.5 | Vision, Language | Men-deploy model LLaVA 1.5. | Colab Kartu model |
| Pytorch-ZipNeRF | Vision, Video | Latih model Pytorch-ZipNeRF yang merupakan implementasi algoritma ZipNeRF mutakhir dalam framework Pytorch, yang dirancang untuk rekonstruksi 3D yang efisien dan akurat dari gambar 2D. | Colab Kartu model |
| Mixtral | Bahasa | Deploy model Mixtral yang merupakan model bahasa besar (LLM) Mixture of Experts (MoE) yang dikembangkan oleh Mistral AI. | Kartu model |
| Llama 2 (Terkuantisasi) | Bahasa | Menyesuaikan dan men-deploy versi terkuantisasi dari model Llama 2 Meta. | Colab Kartu model |
| LaMa (Large Mask Inpainting) | Vision | Deploy LaMa yang menggunakan konvolusi Fourier cepat (FFC), kerugian perseptual bidang reseptif tinggi dan mask pelatihan besar memungkinkan inpainting gambar yang kuat terhadap resolusi. | Colab Kartu model |
| AutoGluon | Berbentuk tabel | Dengan AutoGluon, Anda dapat melatih dan men-deploy model machine learning dan deep learning dengan akurasi tinggi untuk data tabuler. | Colab Kartu model |
| MaMMUT | Bahasa, Visi | Arsitektur vision-encoder dan text-decoder untuk tugas multimodal seperti visual question answering, pengambilan gambar-teks, pengambilan teks-gambar, dan pembuatan embedding multimodal. | Colab Kartu model |
| Whisper Besar | Ucapan | Deploy Whisper Large, model canggih OpenAI untuk pengenalan ucapan otomatis (ASR). | Colab Kartu model |
Daftar model partner yang tersedia di Model Garden
Beberapa model partner ditawarkan sebagai API terkelola di Model Garden Vertex AI (juga dikenal sebagai model as a service). Tabel berikut mencantumkan model yang tersedia dari partner Google di Model Garden:
| Nama model | Pengandaian | Deskripsi | Panduan memulai |
|---|---|---|---|
| Claude Opus 4 | Bahasa, Visi | Model Anthropic yang paling canggih hingga saat ini dan model coding tercanggih. Claude Opus 4 memberikan performa berkelanjutan pada tugas yang berjalan lama yang memerlukan upaya terfokus dan ribuan langkah, sehingga secara signifikan memperluas kemampuan agen AI dalam menyelesaikan masalah. | Kartu model |
| Claude Sonnet 4 | Bahasa, Visi | Model berukuran sedang dari Anthropic dengan kecerdasan yang lebih unggul untuk penggunaan bervolume tinggi, seperti coding, riset mendalam, dan agen. | Kartu model |
| Claude 3.7 Sonnet dari Anthropic | Bahasa, Visi | Model terdepan untuk coding dan mendukung agen AI—serta model Claude pertama yang menawarkan kemampuan berpikir yang lebih luas. | Kartu model |
| Claude 3.5 Sonnet v2 dari Anthropic | Bahasa, Visi | Claude 3.5 Sonnet yang telah di-upgrade adalah model canggih untuk tugas-tugas software engineering di dunia nyata dan kemampuan agentic. Claude 3.5 Sonnet menghadirkan peningkatan ini dengan harga dan kecepatan yang sama seperti pendahulunya. | Kartu model |
| Claude 3.5 Haiku dari Anthropic | Bahasa, Visi | Claude 3.5 Haiku, model Anthropic generasi berikutnya yang paling cepat dan hemat biaya, optimal untuk kasus penggunaan yang membutuhkan kecepatan dan keterjangkauan. | Kartu model |
| Claude 3 Opus dari Anthropic | Bahasa | Model AI canggih, dengan performa terbaik untuk menyelesaikan tugas yang sangat kompleks. Model ini dapat menavigasi perintah terbuka dan skenario yang tidak terlihat dengan kemahiran yang luar biasa dan pemahaman layaknya manusia. | Kartu model |
| Claude 3 Haiku dari Anthropic | Bahasa | Model teks dan visi tercepat dari Anthropic untuk respons hampir instan terhadap kueri dasar, yang ditujukan untuk pengalaman AI yang lancar yang meniru interaksi manusia. | Kartu model |
| Claude 3.5 Sonnet dari Anthropic | Bahasa | Claude 3.5 Sonnet mengungguli Claude 3 Opus dari Anthropic di berbagai evaluasi Anthropic dengan kecepatan dan biaya layaknya model tingkat menengah Anthropic, Claude 3 Sonnet. | Kartu model |
| DeepSeek-R1-0528 (Pratinjau) | Bahasa | Versi terbaru model DeepSeek R1 dari DeepSeek. | Kartu model |
| Jamba 1.5 Large (Pratinjau) | Bahasa | Jamba 1.5 Large dari AI21 Labs dirancang untuk memberikan respons berkualitas tinggi, throughput tinggi, dan harga yang kompetitif dibandingkan dengan model lain dalam kelas ukurannya. | Kartu model |
| Jamba 1.5 Mini (Pratinjau) | Bahasa | Jamba 1.5 Mini dari AI21 Labs memiliki keseimbangan yang baik antara kualitas, throughput, dan biaya rendah. | Kartu model |
| Llama 4 Maverick 17B-128E (GA) | Bahasa, Visi | Model Llama 4 terbesar dan paling mumpuni yang memiliki kemampuan coding, penalaran, dan gambar. Llama 4 Maverick 17B-128E adalah model multimodal yang menggunakan arsitektur Mixture-of-Experts (MoE) dan fusi awal. | Kartu model |
| Llama 4 Scout 17B-16E (GA) | Bahasa, Visi | Llama 4 Scout 17B-16E memberikan hasil terbaik untuk kelas ukurannya, mengungguli generasi Llama sebelumnya serta model terbuka dan berpemilik lainnya pada beberapa tolok ukur. Llama 4 Scout 17B-16E adalah model multimodal yang menggunakan arsitektur Mixture-of-Experts (MoE) dan fusi awal. | Kartu model |
| Llama 3.3 (GA) | Bahasa | Llama 3.3 adalah model yang disesuaikan untuk perintah 70B khusus teks yang memberikan peningkatan performa dibandingkan Llama 3.1 70B dan Llama 3.2 90B saat digunakan untuk aplikasi khusus teks. Selain itu, untuk beberapa aplikasi, Llama 3.3 70B mendekati performa Llama 3.1 405B. | Kartu model |
| Llama 3.2 (Pratinjau) | Bahasa, Visi | Model multimodal berukuran sedang 90B yang dapat mendukung penalaran gambar, seperti analisis diagram dan grafik serta pemberian teks gambar. | Kartu model |
| Llama 3.1 (GA dan Pratinjau) | Bahasa |
Kumpulan LLM multibahasa yang dioptimalkan untuk kasus penggunaan dialog multibahasa dan mengungguli banyak model chat open source dan tertutup yang tersedia pada tolok ukur industri umum. Llama 3.1 405B tersedia secara umum (GA) dan diberi harga per dolar per 1 juta token. Lihat harga. Llama 3.1 8B dan Llama 3.1 70B tersedia dalam Pratinjau tanpa biaya. |
Kartu model |
| Mistral OCR (25.05) | Bahasa, Visi | Mistral OCR (25.05) adalah API Pengenalan Karakter Optik untuk pemahaman dokumen. Model ini memahami setiap elemen dokumen seperti media, teks, tabel, dan persamaan. | Kartu model |
| Mistral Small 3.1 (25.03) | Bahasa | Mistral Small 3.1 (25.03) adalah versi terbaru model Small dari Mistral, yang menampilkan kemampuan multimodal dan panjang konteks yang lebih luas. | Kartu model |
| Mistral Large (24.11) | Bahasa | Mistral Large (24.11) adalah versi berikutnya dari model Mistral Large (24.07) yang kini memiliki kemampuan penalaran dan panggilan fungsi yang lebih baik. | Kartu model |
| Codestral (25.01) | Kode | Model canggih yang dirancang untuk pembuatan kode, termasuk pengisian di tengah dan penyelesaian kode. | Kartu model |