# 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。 表1API清单 | 类别 | 模型 | API | 功能 | |:---|:---|:---|:---| | 模型推理接口 | NLP大模型 | [文本对话](https://support.huaweicloud.com/api-pangulm/pangulm_05_0012.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-图像分类-2.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0048.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-物体检测-S-2.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0049.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-物体检测-N-2.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0050.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-物体检测-S-3.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0051.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-语义分割-2.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0090.html) | 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。 | | 模型推理接口 | CV大模型 | [Pangu-CV-实例分割-1.1.0](https://support.huaweicloud.com/api-pangulm/pangulm_05_0091.html) | 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。 | | 模型推理接口 | 预测大模型 | [盘古统一编码时序预测分类大模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0053.html) | 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。 | | 模型推理接口 | 预测大模型 | [时序预测回归零样本直推](https://support.huaweicloud.com/api-pangulm/pangulm_05_0095.html) | 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。 | | 模型推理接口 | 预测大模型 | [时序预测回归微调产物推理](https://support.huaweicloud.com/api-pangulm/pangulm_05_0096.html) | 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。 | | 模型推理接口 | 预测大模型 | [数据分类预测](https://support.huaweicloud.com/api-pangulm/pangulm_05_0097.html) | 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。 | | 模型推理接口 | 预测大模型 | [单条推理可解释（Shapley值分析）](https://support.huaweicloud.com/api-pangulm/pangulm_05_0098.html) | 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。 | | 模型推理接口 | 预测大模型 | [数据回归预测](https://support.huaweicloud.com/api-pangulm/pangulm_05_0099.html) | 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。 | | 模型推理接口 | 预测大模型 | [时序异常检测零样本直推](https://support.huaweicloud.com/api-pangulm/pangulm_05_0101.html) | 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。 | | 模型推理接口 | 预测大模型 | [时序异常检测预训练工作流](https://support.huaweicloud.com/api-pangulm/pangulm_05_0088.html) | 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，则表明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。 | | 模型推理接口 | 预测大模型 | [时序异常检测微调工作流](https://support.huaweicloud.com/api-pangulm/pangulm_05_0089.html) | 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。 | | 模型推理接口 | 预测大模型 | [盘古融合推荐异常检测大模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0055.html) | 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。 | | 模型推理接口 | 预测大模型 | [数据分类预测](https://support.huaweicloud.com/api-pangulm/pangulm_05_0057.html)-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。 | | 模型推理接口 | 预测大模型 | [排列特征重要性](https://support.huaweicloud.com/api-pangulm/pangulm_05_0058.html)-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）。 | | 模型推理接口 | 预测大模型 | [数据回归预测](https://support.huaweicloud.com/api-pangulm/pangulm_05_0060.html)-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。 | | 模型推理接口 | 预测大模型 | [排列特征重要性](https://support.huaweicloud.com/api-pangulm/pangulm_05_0061.html)-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）。 | | 模型推理接口 | 预测大模型 | [盘古表格直推预测大模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0092.html) | 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。 | | 模型推理接口 | 预测大模型 | [结构化数据预测模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0104.html) | 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。 | | 模型推理接口 | 科学计算大模型 | [创建推理作业](https://support.huaweicloud.com/api-pangulm/pangulm_05_0035.html) | 支持调用科学计算大模型创建气象/降水模型的推理作业。 | | 模型推理接口 | 科学计算大模型 | [查询推理作业详情](https://support.huaweicloud.com/api-pangulm/pangulm_05_0038.html) | 根据[创建推理作业](https://support.huaweicloud.com/api-pangulm/pangulm_05_0035.html)的作业ID获取科学计算大模型的结果数据。 | | 模型推理接口 | 行业大模型 | [行业NLP大模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0077.html) | 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 | | 模型推理接口 | 三方大模型 | [三方NLP大模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0079.html) | 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。 | | 模型推理接口 | 多模态模型 | [图像问答](https://support.huaweicloud.com/api-pangulm/pangulm_05_0016.html) | 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。 | | 模型推理接口 | 图像搜索模型 | [服装图像标签搜索模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0081.html) | 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。 | | 模型推理接口 | 专业大模型 | [Embedding模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0073.html) | 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前片，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。 | | 模型推理接口 | 专业大模型 | [Rerank模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0074.html) | 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。 | | 模型推理接口 | 专业大模型 | [搜索规划模型](https://support.huaweicloud.com/api-pangulm/pangulm_05_0075.html) | 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 | - | [查询数据血缘](https://support.huaweicloud.com/api-pangulm/pangulm_05_0083.html) | 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。 | | 数据工程接口 | - | [数据集彻底删除](https://support.huaweicloud.com/api-pangulm/pangulm_05_0084.html) | 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 | - | [Token计算器](https://support.huaweicloud.com/api-pangulm/pangulm_05_0034.html) | 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。 | ![](https://support.huaweicloud.com/api-pangulm/public_sys-resources/note_3.0-zh-cn.png) 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。