0 / 0
Volver a la versión inglesa de la documentación

Obtener información sobre modelos de base

Última actualización: 21 mar 2025
Obtener información sobre modelos de base

Obtenga una lista de los modelos de base desplegados en watsonx.ai y filtre la lista de forma útil.

Formas de desarrollarse

Puede obtener información sobre los modelos de bases disponibles utilizando estos métodos de programación:

También puede ver la lista de modelos de bases y filtrarlos desde el centro de recursos en la interfaz de usuario de watsonx.ai. Para obtener más información, consulte los siguientes recursos:

API REST

Puede utilizar el método List the available foundation models (Enumerar los modelos de base de maquillaje disponibles ) de la API de watsonx.ai para obtener información sobre los modelos de base de maquillaje disponibles.

La información del modelo que se devuelve incluye el ID del modelo, que necesita para hacer referencia al modelo desde su código.

Enumera los modelos de base disponibles

El método List the available foundation models (Enumerar los modelos de base disponibles ) en la API de watsonx.ai obtiene información sobre los modelos de base que IBM implementa en watsonx.ai y que usted puede inferir inmediatamente.

curl -X GET \
  'https://{region}.ml.cloud.ibm.com/ml/v1/foundation_model_specs?version=2024-05-01'

Después de obtener el ID del modelo, puede hacer referencia al ID del modelo en su código de la siguiente manera:

curl --request POST 'https://{cluster_url}/ml/v1/text/generation?version=2023-05-02'
-H 'Authorization: Bearer eyJhbGciOiJSUzUxM...'
-H 'Content-Type: application/json'
-H 'Accept: application/json'
--data-raw '{
  "model_id": "google/flan-t5-xxl",
  "input": "Tell me a story",
  "project_id": "63dc4cf1-252f-424b-b52d-5cdd9814987f"
}'

Enumere los modelos de bases de maquillaje personalizadas

Para obtener una lista de los modelos de bases personalizadas implementadas a las que puede acceder, utilice el siguiente método. Este método requiere un token al portador.

curl -X GET \
  'https://{region}.ml.cloud.ibm.com/ml/v4/deployments?version=2024-12-12&type=custom_foundation_model'

Enumere los modelos de implementación bajo demanda

Para obtener una lista de los modelos de bases de datos proporcionados por IBM que puede implementar usted mismo, utilice el siguiente método:

curl -X GET \
  'https://{region}.ml.cloud.ibm.com/ml/v1/foundation_model_specs?version=2024-12-10&filters=curated'

Utilice el ID de modelo devuelto para implementar el modelo de base de implementación bajo demanda en un espacio de implementación. Después de implementar el modelo, puede inferirlo utilizando el punto final de la API para su implementación.

Encontrar identificadores de modelos para inferir los modelos de base proporcionados

Para encontrar los ID de modelo de los modelos de base proporcionados, siga estos enlaces:

ID de modelo para modelos de cimientos desplegables bajo demanda

Atención : Recuerde que no se puede inferir un modelo de base de datos desplegado bajo demanda por su ID de modelo. El ID del modelo sólo se utiliza para desplegar el modelo. Después de implementar el modelo, puede inferirlo utilizando el punto final de la API para su implementación.

Desde la API REST de watsonx.ai, puede utilizar el método Crear una implementación para implementar el modelo base y, a continuación, utilizar el método Implementaciones > Inferir texto para inferir su modelo base implementado.

Para obtener más información, consulte Despliegue y gestión de modelos de la base desplegados a petición con la API REST.

La siguiente lista muestra los valores que se deben utilizar en el parámetro " {model_id} " cuando se implementa un modelo de base de implementación bajo demanda desde la API.

  • granite-3-8b-base

    ibm/granite-3-8b-base-curated

  • granite-7b-lab

    ibm/granite-7b-lab-curated

  • granite-8b-japanese

    ibm/granite-8b-japanese-curated

  • granite-20b-multilingual

    ibm/granite-20b-multilingual-curated

  • granite-13b-chat-v2

    ibm/granite-13b-chat-v2-curated

  • granite-13b-instruct-v2

    ibm/granite-13b-instruct-v2-curated

  • granite-20b-code-base-schema-linking

    ibm/granite-20b-code-base-schema-linking-curated

  • granite-20b-code-base-sql-gen

    ibm/granite-20b-code-base-sql-gen-curated

  • allam-1-13b-instruct

    ibm/allam-1-13b-instruct-curated

  • deepseek-r1-distill-llama-8b

    deepseek-ai/deepseek-r1-distill-llama-8b-curated

  • deepseek-r1-distill-llama-70b

    deepseek-ai/deepseek-r1-distill-llama-70b-curated

  • eurollm-1-7b-instruct

    utter-project/eurollm-1-7b-instruct-curated

  • eurollm-9b-instruct

    utter-project/eurollm-9b-instruct-curated

  • flan-t5-xl-3b

    google/flan-t5-xl-curated

  • flan-t5-xxl-11b

    google/flan-t5-xxl-curated

  • flan-ul2-20b

    google/flan-ul2-curated

  • llama-2-13b-chat

    meta-llama/llama-2-13b-chat-curated

  • llama-2-70b-chat

    meta-llama/llama-2-70b-chat-curated

  • llama-3-8b-instruct

    meta-llama/llama-3-8b-instruct-curated

  • llama-3-70b-instruct

    meta-llama/llama-3-70b-instruct-curated

  • llama-3-1-8b

    meta-llama/llama-3-1-8b-curated

  • llama-3-1-8b-instruct

    meta-llama/llama-3-1-8b-instruct-curated

  • llama-3-3-70b-instruct

    meta-llama/llama-3-3-70b-instruct-curated

  • llama-3-3-70b-instruct-hf

    meta-llama/llama-3-3-70b-instruct-hf-curated

  • mixtral-8x7b-base

    mistralai/mixtral-8x7b-base-curated

  • mixtral-8x7b-instruct-v01

    mistralai/mixtral-8x7b-instruct-v01-curated

  • mistral-nemo-instruct-2407

    mistralai/mistral-nemo-instruct-2407-curated

  • mt0-xxl-13b

    bigscience/mt0-xxl-curated

Tema principal: Codificación de soluciones generativas de IA