Documentation Index
Fetch the complete documentation index at: /llms.txt
Use this file to discover all available pages before exploring further.
Help us improve these docs. Take our quick survey.
Parcourez les modèles de fondation disponibles dans W&B Inference
| Modèle | ID du modèle (pour l’utilisation de l’API) | Type | Fenêtre de contexte | Paramètres | Description |
|---|---|---|---|---|---|
| DeepSeek V3.1 | deepseek-ai/DeepSeek-V3.1 | Texte | 161k | 37B-671B (Active-Total) | Un grand modèle hybride qui prend en charge les modes avec et sans raisonnement via des templates de prompt. |
| Google Gemma 4 31B | google/gemma-4-31B-it | Texte, vision | 262k | 31B (total) | Gemma 4 31B Dense est conçu pour le raisonnement avancé, les flux de travail agentiques et les contextes plus longs, et il a été entraîné nativement sur plus de 140 langues. |
| Meta Llama 3.3 70B | meta-llama/Llama-3.3-70B-Instruct | Texte | 128k | 70B (total) | Modèle multilingue qui excelle dans les tâches conversationnelles, le suivi précis des instructions et le codage. |
| Meta Llama 3.1 70B | meta-llama/Llama-3.1-70B-Instruct | Texte | 128k | 70B (total) | Modèle conversationnel performant optimisé pour des interactions réactives avec des chatbots multilingues. |
| Meta Llama 3.1 8B | meta-llama/Llama-3.1-8B-Instruct | Texte | 128k | 8B (au total) | Modèle conversationnel performant, optimisé pour des interactions réactives avec des chatbots multilingues. |
| Microsoft Phi 4 Mini 3.8B | microsoft/Phi-4-mini-instruct | Texte | 128k | 3.8B (Total) | Modèle compact et efficace, idéal pour fournir des réponses rapides dans des environnements aux ressources limitées. |
| MiniMax M2.5 | MiniMaxAI/MiniMax-M2.5 | Texte | 197k | 10B-230B (actifs-total) | Modèle MoE à l’architecture très clairsemée, conçu pour offrir un débit élevé et une faible latence, avec de solides capacités de programmation. |
| Moonshot AI Kimi K2.5 | moonshotai/Kimi-K2.5 | Texte, vision | 262k | 32B-1T (actifs-total) | Kimi K2.5 est un modèle de langage multimodal de type Mixture-of-Experts, avec 32 milliards de paramètres activés et un total de 1 000 milliards de paramètres. |
| NVIDIA Nemotron 3 Super 120B | nvidia/NVIDIA-Nemotron-3-Super-120B-A12B-FP8 | Texte | 262k | 12B-120B (actifs/total) | Nemotron 3 est un modèle LatentMoE conçu pour offrir de fortes capacités en matière d’agents, de raisonnement et de conversation. |
| OpenAI GPT OSS 120B | openai/gpt-oss-120b | Texte | 131k | 5.1B-117B (actifs-total) | Modèle Mixture-of-Experts efficace conçu pour les cas d’usage nécessitant un raisonnement poussé, des capacités agentiques et des usages généralistes. |
| OpenAI GPT OSS 20B | openai/gpt-oss-20b | Texte | 131k | 3.6B-20B (actifs-total) | Modèle Mixture-of-Experts à faible latence, entraîné sur le format de réponse Harmony d’OpenAI et doté de capacités de raisonnement. |
| OpenPipe Qwen3 14B Instruct | OpenPipe/Qwen3-14B-Instruct | Texte | 32,8k | 14,8 B (total) | Un modèle multilingue dense et performant, entraîné pour le suivi d’instructions, optimisé par OpenPipe pour créer des agents grâce au fine-tuning. |
| Qwen3.5 35B A3B | Qwen/Qwen3.5-35B-A3B | Texte, vision | 262k | 3B-35B (actifs-total) | Qwen3.5-35B-A3B est un modèle MoE multimodal à poids ouverts, conçu pour une inférence efficace et à haut débit pour le chat, le raisonnement et les tâches agentiques. |
| Qwen3 235B A22B Thinking-2507 | Qwen/Qwen3-235B-A22B-Thinking-2507 | Texte | 262k | 22B-235B (actifs au total) | Modèle Mixture-of-Experts haute performance optimisé pour le raisonnement structuré, les mathématiques et la génération longue. |
| Qwen3 235B A22B-2507 | Qwen/Qwen3-235B-A22B-Instruct-2507 | Texte | 262k | 22B-235B (actifs-total) | Modèle multilingue efficace de type Mixture-of-Experts, affiné sur des instructions et optimisé pour le raisonnement logique. |
| Qwen3 30B A3B | Qwen/Qwen3-30B-A3B-Instruct-2507 | Texte | 262k | 3.3B-30.5B (actifs-total) | Qwen3-30B-A3B-Instruct-2507 est un modèle MoE de 30,5B ajusté par instruction, avec des capacités renforcées en raisonnement, en programmation et en compréhension de contextes longs. |
| Qwen3 Coder 480B A35B | Qwen/Qwen3-Coder-480B-A35B-Instruct | Texte | 262k | 35B-480B (actifs-total) | Modèle à mélange d’experts optimisé pour les tâches de programmation agentique, comme l’appel de fonctions, l’utilisation d’outils et le raisonnement en contexte long. |
| Z.AI GLM 5.1 | zai-org/GLM-5.1 | Texte | 203k | 40B-744B (Actifs-Total) | Puissant modèle MoE conçu pour l’ingénierie agentique à long horizon et le raisonnement avancé. |
| Modèle | ID du modèle (pour une utilisation avec l’API) | Type | Fenêtre de contexte | Paramètres | Description |
|---|---|---|---|---|---|
| Z.AI GLM 5 | zai-org/GLM-5-FP8 | Texte | 200k | 40B-744B (Active-Total) | Modèle Mixture-of-Experts pour les tâches agentiques de longue durée, offrant de solides performances en raisonnement et en code. |
ID du modèle figurant dans le tableau ci-dessus. Par exemple :
response = client.chat.completions.create(
model="meta-llama/Llama-3.1-8B-Instruct",
messages=[...]
)
Cette page vous a-t-elle été utile ?