Modèles pris en charge par le service Azure AI Agent

Les agents sont fournis avec un ensemble diversifié de modèles proposant des fonctionnalités variées et à des prix différents. La disponibilité du modèle varie selon la région et le cloud. Certains outils et certaines fonctionnalités nécessitent les derniers modèles. Les modèles suivants sont disponibles dans les kits de développement logiciel (SDK) disponibles. Le tableau suivant concerne le paiement à l’utilisation. Pour plus d’informations sur la disponibilité de l’unité de débit approvisionné (PTU), consultez la section débit approvisionné de la documentation Azure OpenAI. Vous pouvez utiliser les modèles standard globaux s’ils sont pris en charge dans les régions répertoriées dans cet article.

Modèles Azure OpenAI

Le service Azure AI Agent prend en charge les mêmes modèles que l’API de saisie semi-automatique de conversation dans Azure OpenAI, dans les régions suivantes.

Région	gpt-4o, 2024-05-13	gpt-4o, 2024-08-06	gpt-4o-mini, 2024-07-18	gpt-4, 0613	gpt-4, 1106-Preview	gpt-4, 0125-Preview	gpt-4, turbo-2024-04-09	gpt-4-32k, 0613	gpt-35-turbo, 0613	gpt-35-turbo, 1106	gpt-35-turbo, 0125	gpt-35-turbo-16k, 0613
australiaeast	-	-	-	✅	✅	-	-	✅	✅	✅	✅	✅
eastus	✅	✅	✅	-	-	✅	✅	-	✅	-	✅	✅
eastus2	✅	✅	✅	-	✅	-	✅	-	✅	-	✅	✅
francecentral	-	-	-	✅	✅	-	-	✅	✅	✅	-	✅
japaneast	-	-	-	-	-	-	-	-	✅	-	✅	✅
norwayeast	-	-	-	-	✅	-	-	-	-	-	-	-
southindia	-	-	-	-	✅	-	-	-	-	✅	✅	-
centre de la suède	✅	✅	✅	✅	✅	-	✅	✅	✅	✅	-	✅
uksouth	-	-	-	-	✅	✅	-	-	✅	✅	✅	✅
westus	✅	✅	✅	-	✅	-	✅	-	-	✅	✅	-
westus3	✅	✅	✅	-	✅	-	✅	-	-	-	✅	-

Plus de modèles

Le service Azure AI Agent prend également en charge les modèles suivants à partir du catalogue de modèles Azure AI Foundry.

• Meta-Llama-405B-Instruct
• Mistral-large-2407
• Cohere-command-r-plus
• Cohere-command-r

Pour utiliser ces modèles, vous pouvez utiliser le portail Azure AI Foundry pour effectuer un déploiement, puis le référencer dans votre agent.

1. Accédez au portail Azure AI Foundry et sélectionnez Catalogue de modèles dans le menu de navigation de gauche, puis faites défiler jusqu’à Meta-Llama-3-70B-Instruct. Vous pouvez également rechercher et utiliser l’un des modèles répertoriés précédemment.

2. Sélectionnez Déployer.

3. Dans l’écran Options de déploiement qui s’affiche, sélectionnez API serverless avec Azure AI Sécurité du Contenu.

   

4. Sélectionnez votre projet, puis S’abonner et déployer.

   

5. Ajoutez la connexion serverless à votre hub/projet. Le nom de déploiement que vous choisissez est celui que vous référencez dans votre code.

6. Lorsque vous appelez l’API de création de l’agent, définissez le paramètre models sur le nom de votre déploiement. Par exemple :

   Python

   agent = project_client.agents.create_agent( model="llama-3", name="my-agent", instructions="You are a helpful agent" ) 
   

   C#

   Response<Agent> agentResponse = await client.CreateAgentAsync(
           model: "llama-3",
           name: "My agent",
           instructions: "You are a helpful agent"
   

Étapes suivantes

Créer un nouveau projet Agent