概述
ModelArts Studio大模型开发平台支持纳管盘古大模型及三方大模型，模型在平台部署后，可以通过API调用推理接口。
| 类别 | 模型 | API | 功能 |
|---|---|---|---|
| 模型推理接口 | NLP大模型 | 基于对话问答功能，用户可以与模型进行自然而流畅的对话和交流。 | |
| CV大模型 | 根据在图像信息中所反映的不同特征，对图像进行定量分析，把图像划归为若干个类别中的某一种。适用于动植物分类、车辆类型分类、车牌分类、废钢定级、零部件分类等任务。 | ||
| 找出图像中所有感兴趣的目标，确定它们的位置和类别。物体检测-S模型特点是小参数量，适合在资源有限的环境中使用，提供较快的检测速度和合理的精度。 | |||
| 找出图像中所有感兴趣的目标，确定它们的位置和类别。物体检测-N模型特点是参数量适中，适合在资源有限的环境中使用，提供较快的检测速度和合理的精度。 | |||
| 盘古计算机视觉物体检测大模型，任务是找出图像中所有感兴趣的目标，确定它们的位置和类别。 | |||
| 将数字图像细分为多个图像子区域，适用于车道分割、建筑分割、选煤厂筛面状态识别等任务。 | |||
| 能够对输入图片中的不同类别物体及物体个体进行分割识别，输出每个实例的类别标签、置信度及坐标信息。 | |||
| 该模型主要实现物体检测的功能，输入图片的base64码和自定义的标签列表，模型识别出图片中该类别所在的位置，会返回带有标签的检测框信息和画好框的图片base64编码。 | |||
| 盘古视觉交互检测大模型，支持通过文本或者视觉提示来找出目标图像中所有感兴趣的目标，确定它们的位置和类别。 | |||
| 预测大模型 | 基于时序预测基模型实现分类预测能力。时序分类预测有很多应用场景，例如：基于工业设备传感器一段时间采集的连续数据，实现设备正常或异常状态的预测。 | ||
| 时序预测回归零样本直推-盘古统一编码时序预测回归大模型 | 使用行业大规模时序数据进行预训练，获得能够捕捉时序特征的预置模型。在推理阶段，该预置模型根据输入的历史时序特征，对未来时序进行预测，最多支持1024个时间点的预测。 | ||
| 时序预测回归微调产物推理-盘古统一编码时序预测回归大模型 | 使用微调产物进行部署推理。微调使用历史数据对基模型进行微调，实现时序预测任务，最多支持128个未来时间点的预测。预测目标数据需要是连续数值，数据类型一般是数值类。 | ||
| 数据分类预测-盘古统一编码表格预测分类大模型 | 基于统一编码大模型实现表格分类预测能力，面向具体业务场景的分类任务，用户传入分类数据，使用模型对指定的预测目标进行分类预测。 | ||
| 单条推理可解释（Shapley值分析）-盘古统一编码表格预测分类大模型 | 支持用户传入一组能够代表训练数据分布的参考数据集，以及待解释的单条推理样本，基于 Shapley 值理论计算该样本中各特征对模型预测结果的贡献程度，输出特征重要性排序。 | ||
| 盘古统一编码表格预测回归大模型 | 基于统一编码大模型实现表格回归预测能力，针对特定场景的回归任务，用户传入回归数据，使用模型对指定的预测目标进行回归预测。 | ||
| 盘古统一编码表格预测回归大模型 | 支持用户传入一组能够代表训练数据分布的参考数据集，以及待解释的单条推理样本，基于 Shapley 值理论计算该样本中各特征对模型预测结果的贡献程度，输出特征重要性排序。 | ||
| 时序异常检测零样本直推-盘古时序异常检测大模型 | 已使用行业大规模时序数据进行预训练，获得可捕获正常时序模式的预置模型。在推理阶段，使用该预置模型对输入的重构误差作为异常判别依据。 | ||
| 时序异常检测预训练工作流-盘古时序异常检测大模型 | 使用设备历史正常数据对时序异常检测大模型进行全量训练，使其更好地学习并重构正常数据的潜在特征分布。在推理阶段，利用模型对输入样本的重构误差作为异常判别依据：若重构效果显著下降，则表示该样本偏离正常模式，具有潜在异常趋势，从而实现对异常数据的有效检测与区分。 | ||
| 时序异常检测微调工作流-盘古时序异常检测大模型 | 在时序异常检测大模型基础上引入多种下游适配器，支持基于历史数据的阈值优化或基于标注正异常数据的二分类识别。通过此方式，将原始问题转化为针对特定时间点的二分类任务，判断其状态为正常或异常。 | ||
| 基于盘古时序异常检测基模型（V2）实现零样本推理，兼容单变量与多变量时序数据，针对点异常、区间异常、趋势异常、周期异常等常见时序异常场景，提供时间点级异常概率评分。 | |||
| 针对特定场景的异常检测任务，用户传入异常检测数据，使用模型对指定的预测目标进行异常检测预测。 | |||
| 数据分类预测-盘古融合推荐分类大模型 | 针对特定场景的分类任务，用户传入分类数据，使用模型对指定的预测目标进行分类预测。 | ||
| 排列特征重要性-盘古融合推荐分类大模型 | 支持用户传入一批数据样本，并据此计算各个特征的排列重要性（permutation importance）。 | ||
| 单条推理可解释（Shapley值分析）-盘古融合推荐分类大模型 | 支持用户传入一组能够代表训练数据分布的参考数据集，以及待解释的单条推理样本，基于 Shapley 值理论计算该样本中各特征对模型预测结果的贡献程度，输出特征重要性排序。 | ||
| 数据回归预测-盘古融合推荐回归大模型 | 针对特定场景的回归任务，用户传入回归数据，使用模型对指定的预测目标进行回归预测。 | ||
| 排列特征重要性-盘古融合推荐回归大模型 | 支持用户传入一批数据样本，并据此计算各个特征的排列重要性（permutation importance）。 | ||
| 单条推理可解释（Shapley值分析）-盘古融合推荐回归大模型 | 支持用户传入一组能够代表训练数据分布的参考数据集，以及待解释的单条推理样本，基于 Shapley 值理论计算该样本中各特征对模型预测结果的贡献程度，输出特征重要性排序。 | ||
| 可实现免微调直推表格预测，面对有限样本条件下，基于上下文关联推理技术，免微调自适应数据分布，可以实现开箱即用的效果。 | |||
| 结构化数据预测是为了收编工业智能中枢历史预测功能，适用场景同回归模型、分类模型、时序预测模型。 | |||
| 高速交通流量预测模型，支持高速车流车速的回归预测任务。首次上线版本，支持多站点，多目标，多尺度的车流车速预测任务。 | |||
| 针对供热行业工况场景，升级统一编码模型架构。增加了供热机组数据融合训练、独立训练，融合部署架构和算法等功能。注意，推理请使用单机组数据作为请求体。 | |||
| 获取供热机组二网流量预测参数。 | |||
| 获取可查询的item列表及数量。 | |||
| 根据item列表查询预测的时序数据结果。 | |||
| 以层级为单位查询特征重要性。 | |||
| 提交新的异步推理任务，从 OBS 下载数据并执行推理。 | |||
| 查询推理任务状态。 | |||
| 科学计算大模型 | 支持调用科学计算大模型创建气象/降水模型的推理作业。 | ||
| 根据创建推理作业的作业ID获取科学计算大模型的结果数据。 | |||
| 行业大模型 | 基于文本对话功能，用户可以与医学行业大模型进行自然而流畅的对话和交流，实现医学领域的文本生成、行业推理等场景 | ||
| 三方大模型 | DeepSeek API是基于DeepSeek大模型推出的接口服务，它支持多场景文本交互，能够快速生成高质量对话、文案、故事等内容，可用于文本摘要、智能问答、内容创作等场景。 | ||
| Qwen2.5-VL系列模型，具备图像识别、准确视觉定位、文字识别和理解、文档解析、视频理解等能力。 | |||
| 多模态模型 | 多模态图像问答接口提供图片描述、视觉问答、OCR等能力，常用于图像理解、视觉问答等理解和生成任务。 | ||
| 支持调用多模态视频大模型创建文生视频的推理任务。 | |||
| 根据创建文生视频任务返回的ID获取文生视频的任务详情。 | |||
| 支持调用多模态视频大模型创建图生视频的推理任务。 | |||
| 根据创建图生视频任务返回的ID获取图生视频的任务详情。 | |||
| 支持调用多模态视频大模型创建视频续写的推理任务。 | |||
| 根据创建视频续写任务返回的ID获取视频续写的任务详情。 | |||
| 支持上传本地的图片或视频，得到图片或视频的URL，可以使用此图片URL执行图生视频任务，或使用视频URL执行视频续写任务。 | |||
| 图像搜索模型 | 基于服装图片返回图像中的服装类型、款式信息、工艺类别及置信度信息。 | ||
| 专业大模型 | Embedding模型服务在创建知识库中，文本处理阶段，用于对文本文档进行切片，转换成向量化表示。在知识检索阶段，根据用户输入的query对切片进行召回。 | ||
| Rerank模型服务用于对召回的切片，按照query与切片的相关度进行精细化排序，以确保召回相关度top切片。 | |||
| Pangu-SearchPlan模型，用于RAG场景，提供通用意图分类/多轮查询改写/复杂查询分解/时间抽取等功能，在RAG任务中生产用于检索的query，以及根据query分类路由到后续不同的流程。 | |||
| 数据工程接口 | - | 客户通过obs导入原始数据集，可基于该obs路径查询所有基于该路径创建的原始数据集及后续的血缘信息。 | |
| - | 只针对从obs上传的数据，在删除数据集的时候要关联删除OBS下对应的原始数据，客户认为原始数据应该在客户侧大数据中心长期归档，不应该在OBS长期保留。 | ||
| Token计算器 | - | 为了帮助用户更好地管理和优化Token消耗，平台提供了Token计算器工具。Token计算器可以帮助用户在模型推理前评估文本的Token数量，提供费用预估，并优化数据预处理策略。 |
用户在部署服务的过程中，建议开启“安全护栏”功能，以保证内容的安全性。
