Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
# Modèles de fondation disponibles
Amazon SageMaker JumpStart propose des modèles de base de pointe, intégrés, accessibles au public et propriétaires, à personnaliser et à intégrer à vos flux de travail d'IA génératifs.
Les deux premiers onglets répertorient les modèles de fondation. Les deux derniers onglets répertorient les algorithmes intégrés et les algorithmes classiques d'apprentissage automatique qui fournissent JumpStart également, qui ne sont pas des modèles de base.
Pour répertorier tous les modèles de JumpStart fondations disponibles :
```
import boto3
sagemaker_client = boto3.client("sagemaker", region_name="us-west-2")
# List all available models in the SageMakerPublicHub
all_models = []
next_token = None
while True:
params = {"HubName": "SageMakerPublicHub", "HubContentType": "Model"}
if next_token:
params["NextToken"] = next_token
response = sagemaker_client.list_hub_contents(**params)
all_models.extend(response["HubContentSummaries"])
next_token = response.get("NextToken")
if not next_token:
break
print(f"Total models available: {len(all_models)}")
for model in all_models[:5]:
print(model["HubContentName"], model["HubContentVersion"])
```
Pour obtenir les types d'instance pris en charge et d'autres métadonnées pour un modèle spécifique, procédez comme suit :
```
import json
import boto3
sagemaker_client = boto3.client("sagemaker", region_name="us-west-2")
model_id = "meta-textgeneration-llama-3-3-70b-instruct"
response = sagemaker_client.describe_hub_content(
HubName="SageMakerPublicHub",
HubContentType="Model",
HubContentName=model_id
)
# Parse the model metadata
model_doc = json.loads(response["HubContentDocument"])
print(f"Supported instances: {model_doc['SupportedInferenceInstanceTypes']}")
print(f"Default instance: {model_doc['DefaultInferenceInstanceType']}")
```
Les tableaux suivants répertorient les modèles disponibles avec leur licence et les types d'instances d'inférence pris en charge au 29 juillet 2026. Pour obtenir les informations les plus récentes, utilisez les exemples d'API ci-dessus ou consultez le hub de modèles dans SageMaker Studio.
Une cellule de licence indique « Non applicable » lorsque le hub de modèles ne publie aucune licence pour ce modèle. Vérifiez les termes de la licence auprès du fournisseur du modèle avant d'utiliser un tel modèle. Une valeur vide ou un espace réservé dans le tableau n'accorde aucun droit.
Certains modèles proposent d'autres configurations de déploiement ** d'hébergement ** en plus de leur configuration par défaut. Chaque configuration ajuste le modèle en fonction d'un cas d'utilisation et d'un objectif de performance, et chacune prend en charge son propre ensemble de types d'instances. Une configuration prend souvent en charge une instance plus petite ou moins coûteuse que la configuration par défaut. Vérifiez donc les configurations avant de conclure qu'un modèle nécessite une instance de grande taille.
Un nom de configuration associe un cas d'utilisation à un objectif de performance. Il s'agit des mêmes cas d'utilisation et objectifs de performances que SageMaker Studio propose dans la section ** Performances ** sur la ** page de ** déploiement du modèle au point de terminaison. Par conséquent, un nom ici et un choix là décrivent le même déploiement. Le cas d'utilisation décrit la charge de travail :
+ `generate`(**Générer**) : créez du contenu long, tel que des articles, des rapports ou du code, à partir d'une invite.
+ `interact`(**Interagissez**) : alimentez les conversations en temps réel, telles que les chatbots ou les assistants virtuels.
+ `summarize`(**Résumer**) : Condensez de longs documents, articles ou données dans des résumés concis.
+ `modify`(**Modifier**) : transformez ou modifiez le contenu existant, notamment en le réécrivant, en le traduisant ou en le reformatant.
+ `max_context`(Contexte ** maximal**) : traite les entrées volumineuses qui nécessitent la fenêtre contextuelle complète du modèle.
L'objectif de performance décrit les objectifs que la configuration optimise pour :
+ `best_price_performance`(**Équilibré**) : équilibre entre coût, latence et débit. Idéal pour les charges de travail générales ou lorsque vous ne savez pas quelle métrique est la plus importante.
+ `lowest_cost`(Optimisation des ** coûts**) : coût d'infrastructure le plus faible par demande. Accepte une latence plus élevée et un débit plus faible pour minimiser les dépenses.
+ `highest_throughput`(**Débit optimisé**) : nombre maximal de jetons par seconde pour les charges de travail à volume élevé. Utilise le décodage spéculatif pour augmenter le débit.
+ `lowest_latency`(**Latence optimisée**) : délai le plus bas avant le premier jeton (TTFT). Privilégiez la vitesse au détriment du débit et des coûts.
Quelques modèles désignent plutôt un conteneur de service, tel que `lmi` ou`tgi`, ou utilisent `all_purpose` pour servir sans aucune hypothèse de charge de travail.
Répertoriez les configurations d'un modèle, ainsi que leurs mesures de référence, puis déployez-en une avec le SDK SageMaker Python :
```
from sagemaker.jumpstart.model import JumpStartModel
model = JumpStartModel(model_id="meta-textgeneration-llama-3-1-8b-instruct")
# Print every configuration with its instance types and benchmark metrics.
model.list_deployment_configs()
# Select a configuration and one of the instance types it supports.
model.set_deployment_config(
config_name="generate_lowest_cost",
instance_type="ml.g6e.xlarge",
)
predictor = model.deploy()
```
Le déploiement sans appel `set_deployment_config` utilise la configuration par défaut et le type d'instance par défaut.
------
#### [ Open-Weight Models (436) ]
Open-weight les modèles de base sont des modèles accessibles au public provenant de fournisseurs tels que Meta, Google, Mistral AI et autres. Vous pouvez déployer, affiner et personnaliser ces modèles en fonction de votre cas d'utilisation.
Pour commencer à utiliser l'un de ces modèles, consultez [JumpStart utilisation du modèle de base](jumpstart-foundation-models-use.md) ou explorez l'un des modèles disponibles[Exemples de blocs-notes](jumpstart-foundation-models-example-notebooks.md). Dans un exemple de bloc-notes donné, essayez de changer l'identifiant du modèle pour tester différents modèles au sein de la même famille de modèles.
Pour plus d'informations sur les ID de modèle et les ressources relatives au déploiement de modèles de JumpStart base accessibles au public avec le SageMaker Python SDK, consultez[Utilisez les modèles de base avec le SageMaker Python Kit SDK](jumpstart-foundation-models-use-python-sdk.md).
| Fournisseur | Nom du modèle | ID du modèle | Sous-tâche | Licence | Fine-tunable | Types d'instances d'inférence pris en charge |
| --- | --- | --- | --- | --- | --- | --- |
| 01-Ai | Yi-1.5-34B | huggingface-llm-yi-1-5-34b | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| 01-Ai | Yi-1.5-9B | huggingface-llm-yi-1-5-9b | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Ahxte | Lite Lama 460M 1T | huggingface-llm-ahxt-litellama-460m-1t | Génération de texte | mit | Non | ml.g5.2xlarge |
| Ai-Forever | Multilingual GPT | huggingface-llm-ai-forever-mgpt | Génération de texte | apache 2.0 | Non | ml.g5.2xlarge |
| A/Singapour | Instructions Llama3 8B v2.1 SEA-Lion | huggingface-llm-llama3-8b-sealionv21-instruct | Génération de texte | lama 3 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. p 4 x large, ml. p 5,48 x large |
| A/Singapour | SEA-LION 3B | huggingface-llm-sealion-3b | Génération de texte | mit | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5.xlarge, ml.p3,8xlarge |
| A/Singapour | SEA-LION 7B | huggingface-llm-sealion-7b | Génération de texte | mit | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.p4d.24 x large |
| A/Singapour | SEA-LION 7B Instruire | huggingface-llm-sealion-7b-instruct | Génération de texte | mit | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.p4d.24 x large |
| Alibaba-Nlp | Alibaba-NLP get- Qwen2-7B-instruct | huggingface-textembedding-gte-qwen2-7b-instruct | Intégration de texte | Apache-2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Allenai | Olmo-3-7B-Instruct | huggingface-textgeneration-olmo-3-7b-instruct | Génération de texte | apache 2.0 | Non | ml.g6e.24xlarge |
| Amazon | Chronos 2 | pytorch-forecasting-chronos-2 | Prévisions de séries chronologiques | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.2xlarge, ml.g6.xlarge, ml.g6e.2xlarge, ml.g6e.xlarge, ml.m5.m5.2 x large, ml. m 5,4 x large, ml. m 5 x large |
| Amazon | Falcon Lite | huggingface-llm-amazon-falconlite | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Amazon | Falcon Lite 2 | huggingface-llm-amazon-falconlite2 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Amazon | Mistral Lite | huggingface-llm-amazon-mistrallite | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Autogluon | Chronos-Bolt (Base) | autogluon-forecasting-chronos-bolt-base | Prévisions de séries chronologiques | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5.2xlarge, ml.g5.4xlarge, ml.g5.xlarge, ml.m5.2xlarge, ml.m5.xlarge, ml.p3.2xlarge |
| Autogluon | Chronos-Bolt (Petit) | autogluon-forecasting-chronos-bolt-small | Prévisions de séries chronologiques | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5.2xlarge, ml.g5.4xlarge, ml.g5.xlarge, ml.m5.2xlarge, ml.m5.xlarge, ml.p3.2xlarge |
| Autogluon | Chronos-T5 (Base) | autogluon-forecasting-chronos-t5-base | Prévisions de séries chronologiques | apache 2.0 | Non | ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Autogluon | Chronos-T5 (Grand) | autogluon-forecasting-chronos-t5-large | Prévisions de séries chronologiques | apache 2.0 | Non | ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Autogluon | Chronos-T5 (Petit) | autogluon-forecasting-chronos-t5-small | Prévisions de séries chronologiques | apache 2.0 | Non | ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Baai | BAAI bge-base-en-v1.5 | huggingface-textembedding-bge-base-en-v1-5 | Intégration de texte | MIT | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Baai | BGE Base Fr | huggingface-sentencesimilarity-bge-base-en | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | BGE Base Fr V1.5 | huggingface-sentencesimilarity-bge-base-en-v1-5 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | BGE Large End | huggingface-sentencesimilarity-bge-large-en | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | BGE Large End V1.5 | huggingface-sentencesimilarity-bge-large-en-v1-5 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | SAC 3 M 3 | huggingface-sentencesimilarity-bge-m3 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | BGE Small End | huggingface-sentencesimilarity-bge-small-en | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Baai | BGE Small End V1.5 | huggingface-sentencesimilarity-bge-small-en-v1-5 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Berkeley-Nest | Starling LM 7B alpha | huggingface-llm-berkeley-nest-starling-lm-7b-alpha | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Bharatgenai | Param2-17B-A2.4B-Thinking | huggingface-llm-param2-17b-a2-4b-thinking | Génération de texte | Non applicable | Non | ml.g7e.2 x large, ml.g7e.4 x large, ml.g7e.8x large |
| Bigcode | StarCoder | huggingface-llm-starcoder | Génération de texte | bigcode-openrail-m | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Bigcode | StarCoderBase | huggingface-llm-starcoderbase | Génération de texte | bigcode-openrail-m | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Grande science | Bloom 1b1 | huggingface-textgeneration-bloom-1b1 | Génération de texte | BigScience-Bloom-Rail 1.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Grande science | Bloom 3B | huggingface-textgeneration1-bloom-3b | Génération de texte | BigScience-Bloom-Rail 1.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Grande science | Bloom 7B1 | huggingface-textgeneration1-bloom-7b1 | Génération de texte | BigScience-Bloom-Rail 1.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Grande science | Bloomz 1b7 | huggingface-textgeneration-bloomz-1b7 | Génération de texte | BigScience-Bloom-Rail 1.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Grande science | BloomZ 7B1 FP16 | huggingface-textgeneration1-bloomz-7b1-fp16 | Génération de texte | BigScience-Bloom-Rail 1.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Bingsu | Bingsu My Korean Stable Diffusion v1 5 | huggingface-txt2img-bingsu-my-korean-stable-diffusion-v1-5 | Text-to-Image | creativeml-openrail-m | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.p3.2xlarge |
| Black-Forest-Labs | Black Forest Labs FLUX.1 [rapide] | huggingface-txt2img-black-forest-labs-flux-1-schnell | Text-to-Image | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 x 24 x large, ml. p 5,48 x large |
| Black-Forest-Labs | FLUX.2-Klein-Base-4B | huggingface-img2img-flux-2-klein-base-4b | Image-Text-to-Image | Apache-2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6, 24 x large, ml. g6 x large, ml. g6 x large, ml. ml.g6e.8xlarge, ml.g6e.xlarge, ml.g7e.12x large, ml.g7e.24x large, ml.g7e.2xlarge, ml.g7e.48x large, ml.g7e.4xlarge, ml.g7e.8xlarge |
| Calculs cognitifs | Dolphin 2.2.1 Mistral 7B | huggingface-llm-dolphin-2-2-1-mistral-7b | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Calculs cognitifs | Dolphin 2.5 Mixtral 8 7B | huggingface-llm-dolphin-2-5-mixtral-8x7b | Génération de texte | apache 2.0 | Non | ml.g5.48xlarge |
| Calculs cognitifs | Dolphin 2.7 Mixtral 8 7B | huggingface-llm-dolphin-2-7-mixtral-8x7b | Génération de texte | apache 2.0 | Non | ml.g5.48xlarge |
| Calculs cognitifs | Dolphin 2.9 Llama 3 8b | huggingface-llm-cognitive-dolphin-29-llama3-8b | Génération de texte | autre | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Cohéreforai | Aya 101 | huggingface-llm-aya-101 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Cross-Encoder | Encodeur croisé Nli Deberta Base | huggingface-zstc-cross-encoder-nli-deberta-base | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Cross-Encoder | Encodeur croisé Nli Distilroberta Base | huggingface-zstc-cross-encoder-nli-distilroberta-base | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Cross-Encoder | Encodeur croisé Nli MiniLM2 L6 H768 | huggingface-zstc-cross-encoder-nli-minilm2-l6-h768 | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Cross-Encoder | Encodeur croisé Nli Roberta Base | huggingface-zstc-cross-encoder-nli-roberta-base | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Cyberagent | CyberAgentLM2-7B-Chat (CALM2-7B-Chat) | huggingface-llm-calm2-7b-chat-bf16 | Génération de texte | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5 x large |
| Databricks | DBRX Base | huggingface-llm-dbrx-base | Génération de texte | modèle ouvert databricks-open-model | Non | ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48x large |
| Databricks | DBRX Instruct | huggingface-llm-dbrx-instruct | Génération de texte | modèle ouvert databricks-open-model | Non | ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48x large |
| Databricks | Dolly V2 12b BF16 | huggingface-textgeneration-dolly-v2-12b-bf16 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Databricks | Dolly V2 3b BF16 | huggingface-textgeneration-dolly-v2-3b-bf16 | Génération de texte | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Deepseek-Ai | DeepSeek-OCR | deepseek-vlm-deepseek-ocr | Image-Text-to-Text | mit | Non | ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5,16xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.g5.xlarge, ml.g6,1x large, ml.g6,2xlarge, ml.g6,4 x large, ml.g6,8 x large, ml.g6e.x large, ml.g6e.16 x large, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large, ml.p3,2 x large |
| Deepseek-Ai | DeepSeek-R1 | deepseek-llm-r1 | Génération de texte | mit | Non | ml.p5e.48 x large, ml.p5en.48 x large |
| Deepseek-Ai | DeepSeek-R1-0528 | deepseek-llm-r1-0528 | Génération de texte | mit | Non | ml.p5e.48 x large, ml.p5en.48 x large |
| Deepseek-Ai | DeepSeek-R1-Distill-Llama-70B | deepseek-llm-r1-distill-llama-70b | Génération de texte | mit | Oui | Par défaut : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `djl`(conteneur de service Deep Java Library) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `generate_lowest_latency` (Génération, optimisation de la latence), (Interaction, Équilibré), `interact_best_price_performance` (Interaction, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation de la latence) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge `interact_lowest_latency`
+ `modify_best_price_performance`(Modifier, Équilibré), `modify_highest_throughput` (Modifier, Optimisation du débit), `modify_lowest_cost` (Modifier, Optimisation des coûts), `modify_lowest_latency` (Modifier, Optimisation de la latence), `summarize_best_price_performance` (Synthèse, Optimisation du débit), `summarize_highest_throughput` (Synthèse, Optimisation des coûts), `summarize_lowest_cost` (Synthèse, Optimisation de la latence) : ml.g6e.48xlarge `summarize_lowest_latency` |
| Deepseek-Ai | DeepSeek-R1-Distill-Llama-8B | deepseek-llm-r1-distill-llama-8b | Génération de texte | mit | Oui | Par défaut : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.12xlarge, ml.g7e.2xlarge, ml.g7e.4xlarge, ml.g7e.8xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `djl`(conteneur de service Deep Java Library) : ml.g5.12xlarge, ml.g5.24xlarge, ml.g5.48xlarge, ml.g6.12xlarge, ml.g6.24xlarge, ml.g6.48xlarge
+ `generate_best_price_performance`(Génération, équilibrage), `generate_lowest_cost` (Génération, optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Contexte maximum, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.g7e.12xlarge `max_context_highest_throughput`
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.4xlarge, ml.g7e.2xlarge
+ `interact_best_price_performance`(Interaction, Équilibré), (Modifier, Équilibré), `modify_best_price_performance` (Modifier, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `modify_lowest_cost`
+ `interact_lowest_cost`(Interact, optimisation des coûts) : ml.g6.48xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `interact_lowest_latency`(Interaction, latence optimisée), `modify_lowest_latency` (Modifier, optimisation de la latence) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g7e.12xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge `summarize_lowest_cost`
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge
+ `summarize_highest_throughput`(Synthèse, débit optimisé), `summarize_lowest_latency` (Synthèse, optimisation de la latence) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge |
| Deepseek-Ai | DeepSeek-R1-Distill-Qwen-1.5B | deepseek-llm-r1-distill-qwen-1-5b | Génération de texte | mit | Oui | Par défaut : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.xlarge, ml.g7e.2xlarge, ml.g7e.4xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts), `interact_lowest_cost` (Résumer, Optimisation des coûts), `summarize_best_price_performance` (Résumer, Optimisation des coûts) : ml.g6.2xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `summarize_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.4xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.16xlarge, ml.g7e.2xlarge
+ `interact_lowest_latency`(Interaction, latence optimisée), `max_context_lowest_latency` (Contexte maximum, latence optimisée) : ml.g6.24xlarge, ml.g6e.16xlarge, ml.g7e.4xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6.4xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.24xlarge, ml.g6e.4xlarge, ml.g7e.4xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6.24xlarge, ml.g6e.2xlarge, ml.g7e.2xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.24xlarge, ml.g6e.16xlarge, ml.g7e.2xlarge |
| Deepseek-Ai | DeepSeek-R1-Distill-Qwen-14B | deepseek-llm-r1-distill-qwen-14b | Génération de texte | mit | Oui | Par défaut : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, optimisation des coûts), `generate_lowest_cost` (Interaction, Équilibré), `interact_best_price_performance` (Interaction, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.g7e.4xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.4xlarge, ml.g7e.4xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g7e.4xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), `max_context_lowest_cost` (Contexte maximal, optimisation des coûts), (Contexte maximum, latence optimisée), `max_context_lowest_latency` (Résumé, Équilibré), `summarize_best_price_performance` (Synthèse, débit optimisé) : `summarize_highest_throughput` ml.g6.48xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.24xlarge, ml.g7e.2xlarge, ml.p5en.48xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.48xlarge |
| Deepseek-Ai | DeepSeek-R1-Distill-Qwen-32B | deepseek-llm-r1-distill-qwen-32b | Génération de texte | mit | Oui | Par défaut : ml.g6e.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, optimisation des coûts), `generate_lowest_cost` (Interaction, Équilibré), `interact_best_price_performance` (Interaction, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.g7e.4xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.4xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), (Modifier, Optimisation des coûts), `modify_lowest_cost` (Modifier, Optimisation de la latence) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge `modify_lowest_latency`
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge |
| Deepseek-Ai | DeepSeek-R1-Distill-Qwen-7B | deepseek-llm-r1-distill-qwen-7b | Génération de texte | mit | Oui | Par défaut : ml.g6.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge, ml.g7e.4xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, optimisation des coûts), `generate_lowest_cost` (Interaction, Équilibré), `interact_best_price_performance` (Interaction, optimisation des coûts) : ml.g6.4xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.24xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `interact_highest_throughput`(Interaction, débit optimisé), `interact_lowest_latency` (Interaction, latence optimisée), (Contexte maximum, latence optimisée), `max_context_lowest_latency` `modify_highest_throughput` (Modifier, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge `summarize_lowest_cost`
+ `modify_best_price_performance`(Modifier, Équilibrer), (Modifier, Optimisation des coûts), `modify_lowest_cost` (Modifier, Optimisation de la latence) : ml.g6.12xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `modify_lowest_latency`
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.4xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge |
| Deepseek-Ai | DeepSeek-V3.1 | deepseek-llm-deepseek-v3-1 | Génération de texte | mit | Non | ml.p5e.48 x large, ml.p5en.48 x large |
| Deepseek-Ai | DeepSeek-V3.2 | deepseek-llm-deepseek-v3-2 | Génération de texte | mit | Non | ml.p5en.48xlarge |
| Distillert | DistilBERT Base Cased | huggingface-eqa-distilbert-base-cased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilBERT Base Cased | huggingface-spc-distilbert-base-cased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilBERT Base Cased | huggingface-tc-distilbert-base-cased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilBERT Base Multilingual Cased | huggingface-eqa-distilbert-base-multilingual-cased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilBERT Base Multilingual Cased | huggingface-spc-distilbert-base-multilingual-cased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilBERT Base Multilingual Cased | huggingface-tc-distilbert-base-multilingual-cased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilGPT 2 | huggingface-textgeneration-distilgpt2 | Génération de texte | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Distillert | DistilRoBERTa Base | huggingface-eqa-distilroberta-base | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | DistilRoBERTa Base | huggingface-tc-distilroberta-base | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | Réponse aux questions | huggingface-eqa-distilbert-base-uncased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | Classification des paires de phrases | huggingface-spc-distilbert-base-uncased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Distillert | Classification de texte | huggingface-tc-distilbert-base-uncased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Elasticité | Distilbert Base Uncased | huggingface-ner-distilbert-base-uncased-finetuned-conll03-eng | Classification des jetons | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Elasticité | Reconnaissance d'entités nommées (NER) | huggingface-ner-distilbert-base-cased-finetuned-conll03-eng | Classification des jetons | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Elasticité | Reconnaissance d'entités nommées (NER) | huggingface-ner-distilbert-base-cased-finetuned-conll03-english | Classification des jetons | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Eleutheria | GPT-J 6B | huggingface-textgeneration1-gpt-j-6b | Génération de texte | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Eleutheria | GPT-Neo 125 M | huggingface-textgeneration1-gpt-neo-125m | Génération de texte | mit | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Eleutheria | gpt-néox-20b | huggingface-textgeneration2-gpt-neox-20b-fp16 | Génération de texte | Apache-2.0 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.g6,12 x large, ml.g6,24 x large, ml.g6,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.p4d.24x large |
| Eleutheria | Pythia 160 m déduite | huggingface-llm-eleutherai-pythia-160m-deduped | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large |
| Eleutheria | Pythie 7 mm déduite | huggingface-llm-eleutherai-pythia-70m-deduped | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Élyza | ELYZA-japanese-Llama-2-13b-chat | huggingface-llm-elyza-japanese-llama-2-13b-chat | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Élyza | ELYZA-japanese-Llama-2-13b-fast-chat | huggingface-llm-elyza-japanese-llama-2-13b-fast-chat | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Élyza | ELYZA-japanese-Llama-2-7b-chat | huggingface-llm-elyza-japanese-llama-2-7b-chat-bf16 | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5 x large |
| Élyza | ELYZA-japanese-Llama-2-7b-fast-chat | huggingface-llm-elyza-japanese-llama-2-7b-fast-chat-bf16 | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5 x large |
| Emrečan | Tr Allenli à base de viande turque Emrecan Bert | huggingface-zstc-emrecan-bert-base-turkish-cased-allnli-tr | Zero-Shot Classification | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebook | Zero-Shot Classification des textes | huggingface-zstc-facebook-bart-large-mnli | Zero-Shot Classification | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Base | huggingface-eqa-roberta-base | Réponse aux questions | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Base | huggingface-spc-roberta-base | Fill-Mask | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Base | huggingface-tc-roberta-base | Classification de texte | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Large | huggingface-eqa-roberta-large | Réponse aux questions | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Large | huggingface-spc-roberta-large | Fill-Mask | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | RoBERTa Large | huggingface-tc-roberta-large | Classification de texte | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM CLM English-German | huggingface-spc-xlm-clm-ende-1024 | Fill-Mask | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM CLM English-German | huggingface-tc-xlm-clm-ende-1024 | Classification de texte | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM 15 XNLI Languages | huggingface-spc-xlm-mlm-xnli15-1024 | Fill-Mask | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM English-German | huggingface-spc-xlm-mlm-ende-1024 | Fill-Mask | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM English-German | huggingface-tc-xlm-mlm-ende-1024 | Classification de texte | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM English-Romanian | huggingface-spc-xlm-mlm-enro-1024 | Fill-Mask | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM English-Romanian | huggingface-tc-xlm-mlm-enro-1024 | Classification de texte | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM TLM 15 XNLI Languages | huggingface-spc-xlm-mlm-tlm-xnli15-1024 | Fill-Mask | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Facebookai | XLM MLM TLM 15 XNLI Languages | huggingface-tc-xlm-mlm-tlm-xnli15-1024 | Classification de texte | cc-by-nc-4.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Fictif | Modèle de diffusion stable fictif BalloonArt | huggingface-txt2img-fictiverse-stable-diffusion-balloonart | Text-to-Image | creativeml-openrail-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Fictif | Modèle microscopique fictif à diffusion stable | huggingface-txt2img-fictiverse-stable-diffusion-micro-model | Text-to-Image | rail ouvert | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.p3.2xlarge |
| Fictif | Modèle de diffusion stable fictif PaperCut | huggingface-txt2img-fictiverse-stable-diffusion-papercut-model | Text-to-Image | creativeml-openrail-m | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.p3.2xlarge |
| Fictif | Modèle de diffusion stable fictif VoxelArt | huggingface-txt2img-fictiverse-stable-diffusion-voxelart-model | Text-to-Image | creativeml-openrail-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Google | Bigbird Pegasus Large Arxiv | huggingface-summarization-bigbird-pegasus-large-arxiv | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google | Bigbird Pegasus Large Pubmed | huggingface-summarization-bigbird-pegasus-large-pubmed | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google | Flan-T5 Base | huggingface-text2text-flan-t5-base | Génération Text2Text | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | Flan-T5 Grand | huggingface-text2text-flan-t5-large | Génération Text2Text | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | Flan-T5 Petit | huggingface-text2text-flan-t5-small | Génération Text2Text | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | Flan-T5 XL | huggingface-text2text-flan-t5-xl | Génération Text2Text | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | Flan-T5 XXL | huggingface-text2text-flan-t5-xxl | Génération Text2Text | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Google | Gemma 2 27B | huggingface-llm-gemma-2-27b | Génération de texte | gemma | Non | ml.g 5,48 x large, ml.p4D. 24 x large |
| Google | Gemma 2 27B Instruct | huggingface-llm-gemma-2-27b-instruct | Génération de texte | gemma | Non | ml.g 5,48 x large, ml.p4D. 24 x large |
| Google | Gemma 2 2B | huggingface-llm-gemma-2-2b | Génération de texte | gemma | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Google | Gemma 2 2B Instruct | huggingface-llm-gemma-2-2b-instruct | Génération de texte | gemma | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Google | Gemma 2 9B | huggingface-llm-gemma-2-9b | Génération de texte | gemma | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Google | Gemma 2 9B Instruct | huggingface-llm-gemma-2-9b-instruct | Génération de texte | gemma | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Google | Gemma 3 1B Instrut | huggingface-llm-gemma-3-1b-instruct | Génération de texte | gemma | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | Gemma 3 27B Instrut | huggingface-vlm-gemma-3-27b-instruct | Image-Text-to-Text | gemma | Non | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Google | Gemma 3 4B Instrut | huggingface-vlm-gemma-3-4b-instruct | Image-Text-to-Text | gemma | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Google | gemme-2b | huggingface-llm-gemma-2b | Génération de texte | gemma | Oui | Par défaut : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge, ml.p3.2xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g5.2xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `max_context_highest_throughput` (Contexte maximal, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximal, `max_context_lowest_cost` optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g4dn.2xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.4xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Google | gemma-2b-it | huggingface-llm-gemma-2b-instruct | Génération de texte | gemma | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.p3.16xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, Équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interagir, Équilibré), `interact_best_price_performance` (Interaction, Optimisation des coûts), `interact_lowest_cost` (Contexte maximal, Optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge `max_context_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), `max_context_lowest_latency` (Contexte maximum, latence optimisée) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée), `max_context_highest_throughput` (Contexte maximum, débit optimisé) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé), `interact_lowest_latency` (Interact, optimisation de la latence) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Google | gemma-4-26b-a4b-it | huggingface-vlm-gemma-4-26b-a4b-it | Génération de texte | apache 2.0 | Non | Par défaut : ml.g6.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Synthèse, optimisation de la latence) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `summarize_lowest_latency`
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_best_price_performance` (interaction, équilibre), (interaction, optimisation des coûts), `interact_lowest_cost` (modification, optimisation des coûts), `modify_best_price_performance` (modification, optimisation des coûts), `modify_lowest_cost` (synthèse, optimisation des coûts), `summarize_best_price_performance` (synthèse, optimisation des coûts) : `summarize_lowest_cost` ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.p5.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.p5en.48xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé), (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `summarize_highest_throughput` |
| Google | gemma-4-31b-it | huggingface-vlm-gemma-4-31b-it | Image-Text-to-Text | Apache-2.0 | Oui | ml. g 6,24 x large, ml. g 7 x x large |
| Google | gemme-4- E2B-it | huggingface-vlm-gemma-4-e2b-instruct | Image-Text-to-Text | Apache-2.0 | Non | Par défaut : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.8xlarge, ml.g6e.xlarge, ml.g7e.4xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g6.4xlarge, ml.g6e.xlarge, ml.g7e.4xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.8xlarge, ml.g6e.8xlarge, ml.g7e.4xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, optimisation des coûts), (Résumer, Équilibrer), `summarize_best_price_performance` (Résumer, Optimisation des coûts) : ml.g6.4xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `summarize_lowest_cost`
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.24xlarge, ml.g6e.8xlarge, ml.g7e.4xlarge
+ `summarize_highest_throughput`(Synthèse, débit optimisé), `summarize_lowest_latency` (Synthèse, optimisation de la latence) : ml.g6.24xlarge, ml.g6e.xlarge, ml.g7e.2xlarge |
| Google | gemma-4-e4b-it | huggingface-vlm-gemma-4-e4b-it | Génération de texte | apache 2.0 | Oui | Par défaut : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts), `interact_lowest_cost` (Modifier, Optimisation des coûts), `modify_best_price_performance` (Modifier, Optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge, ml.p5.48xlarge `modify_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.2xlarge, ml.g6e.2xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.16xlarge, ml.g6e.16xlarge, ml.p5.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.xlarge, ml.p5.48xlarge `summarize_lowest_cost`
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.p5.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.12xlarge, ml.g6e.16xlarge, ml.p5.48xlarge
+ `summarize_highest_throughput`(Synthèse, débit optimisé), `summarize_lowest_latency` (Synthèse, optimisation de la latence) : ml.g6e.8xlarge, ml.p5.48xlarge, ml.p5en.48xlarge |
| Google | gemma-7b | huggingface-llm-gemma-7b | Génération de texte | gemma | Oui | ml.g6e.48 x large, ml.p4D .24 x large, ml.p5en.48 x large |
| Google | gemma-7b-it | huggingface-llm-gemma-7b-instruct | Génération de texte | gemma | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibré) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximal, `max_context_lowest_cost` optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `generate_lowest_latency`(Génération, latence optimisée), `max_context_highest_throughput` (Contexte maximum, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g5.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.48xlarge, ml.g6e.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Google-Bert | BERT Base Cased | huggingface-eqa-bert-base-cased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Cased | huggingface-spc-bert-base-cased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Cased | huggingface-tc-bert-base-cased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Cased | huggingface-eqa-bert-base-multilingual-cased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Cased | huggingface-spc-bert-base-multilingual-cased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Cased | huggingface-tc-bert-base-multilingual-cased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Uncased | huggingface-eqa-bert-base-multilingual-uncased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Uncased | huggingface-spc-bert-base-multilingual-uncased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Multilingual Uncased | huggingface-tc-bert-base-multilingual-uncased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Uncased | huggingface-eqa-bert-base-uncased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Uncased | huggingface-spc-bert-base-uncased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Base Uncased | huggingface-tc-bert-base-uncased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Cased | huggingface-eqa-bert-large-cased | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Cased | huggingface-spc-bert-large-cased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Cased | huggingface-tc-bert-large-cased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Cased Whole Word Masking | huggingface-eqa-bert-large-cased-whole-word-masking | Réponse aux questions | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Cased Whole Word Masking | huggingface-spc-bert-large-cased-whole-word-masking | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Uncased | huggingface-spc-bert-large-uncased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Uncased | huggingface-tc-bert-large-uncased | Classification de texte | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | BERT Large Uncased Whole Word Masking | huggingface-spc-bert-large-uncased-whole-word-masking | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-Bert | Masque de remplissage | huggingface-fillmask-bert-base-uncased | Fill-Mask | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-T5 | Traduction automatique | huggingface-translation-t5-small | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-T5 | t5 Base en de | huggingface-translation-t5-base | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Google-T5 | t5 Large en de | huggingface-translation-t5-large | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Gradientai | Llama-3 8B Gradient Instrut 1048k | huggingface-llm-llama-3-8b-instruct-gradient | Génération de texte | lama 3 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Gradientai | Llama-3 8B Gradient Instruit 262 k | huggingface-llm-gradientai-llama-3-8B-instruct-262k | Génération de texte | lama 3 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Helsinki-Nlp | Helsinki opus en es | huggingface-translation-opus-mt-en-es | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Helsinki-Nlp | Helsinki opus en vi | huggingface-translation-opus-mt-en-vi | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Helsinki-Nlp | Helsinki opus mul en | huggingface-translation-opus-mt-mul-en | Traduction | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Face étreinte h4 | HuggingFaceH4 zéphyr-orpo-141b- A35b-v0.1 | huggingface-llm-huggingfaceh4-zephyr-orpo-141b-a35b-v01 | Génération de texte | apache 2.0 | Non | ml.g 5,48 x large, ml.p4D. 24 x large |
| Face étreinte h4 | Star Chat Alpha | huggingface-llm-huggingfaceh4-starchat-alpha | Génération de texte | bigcode-openrail-m | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Face étreinte h4 | Bêta de Star Chat | huggingface-llm-huggingfaceh4-starchat-beta | Génération de texte | bigcode-openrail-m | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Face étreinte h4 | Zephyr 7B Beta | huggingface-llm-huggingfaceh4-zephyr-7b-beta | Génération de texte | mit | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Ibm | Génération de paraphrases à qualité contrôlée | huggingface-text2text-qcpg-sentences | Génération Text2Text | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Idea-Ccnl | IDEA CCNL Taiyi Stable Diffusion 1B chinoise EN v0.1 | huggingface-txt2img-idea-ccnl-taiyi-1b-chinese-en-v01 | Text-to-Image | creativeml-openrail-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Idea-Ccnl | IDEA CCNL Taiyi Stable Diffusion 1B chinoise v0.1 | huggingface-txt2img-idea-ccnl-taiyi-1b-chinese-v0-1 | Text-to-Image | creativeml-openrail-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| À flot | Base E5 | huggingface-sentencesimilarity-e5-base | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| À flot | Base E5 V2 | huggingface-sentencesimilarity-e5-base-v2 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| À flot | E5 Large V2 | huggingface-sentencesimilarity-e5-large-v2 | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| À flot | Base E5 multilingue | huggingface-sentencesimilarity-multilingual-e5-base | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| À flot | E5 grand format multilingue | huggingface-sentencesimilarity-multilingual-e5-large | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Langboat | Langboat Guohua Diffusion | huggingface-txt2img-langboat-guohua-diffusion | Text-to-Image | creativeml-openrail-m | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.p3.2xlarge |
| Éternelle légère | Lighternal Nli Xlm R Grec | huggingface-zstc-lighteternal-nli-xlm-r-greek | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Lightonai | LightOnOCR-2-1B | huggingface-vlm-lightonai-lightonocr-2-1b | Image-Text-to-Text | Apache-2.0 | Non | ml.g6.2xlarge |
| Meta | Llama-2-7b-hf | meta-textgeneration-llama-2-7b | Génération de texte | lama 2 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts) : ml.g5.4xlarge, ml.g6.4xlarge, ml.g6e.4xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `generate_lowest_latency` (Génération, optimisation de la latence), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Contexte maximum, Latence optimisée) : ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `max_context_lowest_latency`
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_cost` (Interact, optimisation des coûts) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.2xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge |
| Meta | Llama-3.1-70B-Instruct | meta-textgeneration-llama-3-1-70b-instruct | Génération de texte | lama 3.1 | Oui | Par défaut : ml.g6e.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibré) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `generate_lowest_latency` (Génération, optimisation de la latence) : ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), (interaction, équilibre), `interact_best_price_performance` (interaction, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge `interact_lowest_cost`
+ `interact_highest_throughput`(Interact, débit optimisé), `interact_lowest_latency` (Interact, optimisation de la latence) : ml.g5.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, Équilibré), (Modifier, Optimisation du débit), `modify_highest_throughput` (Modifier, Optimisation des coûts), `modify_lowest_cost` (Modifier, Optimisation de la latence) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge `modify_lowest_latency`
+ `summarize_best_price_performance`(Synthèse, équilibrage), `summarize_highest_throughput` (Synthèse, optimisation du débit), (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, `summarize_lowest_latency` optimisation de la latence) : ml.p5en.48xlarge |
| Meta | Llama-3.1-8B-Instruct | meta-textgeneration-llama-3-1-8b-instruct | Génération de texte | lama 3.1 | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Générer, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Contexte maximum, latence optimisée), `max_context_lowest_latency` (Modifier, optimisation du débit), `modify_highest_throughput` (Modifier, optimisation de la latence), (Synthèse, optimisation du débit), `modify_lowest_latency` (Synthèse, `summarize_highest_throughput` optimisation de la latence) : ml.p4d.24xlarge, `summarize_lowest_latency` ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Générer, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6e.2xlarge
+ `interact_lowest_cost`(Interact, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.p4d.24xlarge
+ `modify_lowest_cost`(Modifier, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge |
| Meta | Llama-3.2-1B | meta-textgeneration-llama-3-2-1b | Génération de texte | lama 3.2 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.48xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.p3.16xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g6.2xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts) : ml.g4dn.xlarge, ml.g6.2xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.16xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_cost` (Interact, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.2xlarge, ml.g6.xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.16xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, coûts optimisés) : ml.g4dn.12xlarge, ml.g6.8xlarge, ml.g6e.2xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.48xlarge, ml.p3.16xlarge, ml.p5en.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g5.2xlarge, ml.g6e.8xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g5.xlarge, ml.g6.24xlarge, ml.g6e.xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6e.12xlarge, ml.p3.16xlarge, ml.p5en.48xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6e.4xlarge, ml.p3.16xlarge, ml.p5en.48xlarge |
| Meta | Llama-3.2-1B-Instruct | meta-textgeneration-llama-3-2-1b-instruct | Génération de texte | lama 3.2 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.24xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Contexte maximum, latence optimisée) : ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `max_context_lowest_latency`
+ `generate_lowest_cost`(Générer, optimisation des coûts), (Modifier, Équilibrer), `modify_best_price_performance` (Modifier, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.2xlarge `modify_lowest_cost`
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g4dn.xlarge, ml.g5.2xlarge, ml.g6e.2xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g5.48xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `interact_lowest_cost`(Interact, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.8xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.8xlarge, ml.g6e.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.24xlarge, ml.g6e.xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.4xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.8xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6e.24xlarge, ml.p3.16xlarge, ml.p5en.48xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6e.8xlarge, ml.p3.16xlarge, ml.p5en.48xlarge |
| Meta | Llama-3.2-3B | meta-textgeneration-llama-3-2-3b | Génération de texte | lama 3.2 | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge, ml.p3.16xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.24xlarge, ml.p3.8xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g5.8xlarge, ml.g6e.8xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `interact_highest_throughput`(Interaction, débit optimisé), `summarize_lowest_latency` (Synthèse, optimisation de la latence) : ml.p3.16xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g5.24xlarge, ml.g6.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.xlarge, ml.g6.4xlarge, ml.g6e.2xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.48xlarge, ml.p3.16xlarge, ml.p4d.24xlarge
+ `modify_lowest_cost`(Modifier, optimisation des coûts) : ml.g5.xlarge, ml.g6.4xlarge, ml.g6e.xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.8xlarge, ml.p3.16xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.p5.48xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `summarize_lowest_cost`(Résumé, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.24xlarge, ml.g6.12xlarge |
| Meta | Llama-3.2-3B-Instruct | meta-textgeneration-llama-3-2-3b-instruct | Génération de texte | lama 3.2 | Oui | Par défaut : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.48xlarge, ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `interact_best_price_performance` (Interagir, Équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.4xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_lowest_cost`(Modifier, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.8xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge |
| Meta | Llama-Guard-3-1B | meta-textgeneration-llama-guard-3-1b | Génération de texte | lama 3.2 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.g5,8xlarge, ml.g5.x large, ml.g6,12 x large, ml.g6,24 x large, ml.g6,48 x large, ml.g6e.12 x large, ml.g6e.16x large, ml.g6e. 24 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. p4 D. 24 x large |
| Meta | Llama-Guard-3-8B | meta-textgeneration-llama-guard-3-8b | Génération de texte | lama 3.1 | Non | ml.g5,12 x large, ml.g 5,24 x large, ml.g5,48 x large, ml.g6,12 x large, ml.g6,24 x large, ml .g6,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.p4d.24 x large |
| Meta | Meta Code Llama 13B | meta-textgeneration-llama-codellama-13b | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. p 4 D. 24 x large |
| Meta | Meta Code Llama 13B Instruct | meta-textgeneration-llama-codellama-13b-instruct | Génération de texte | lama 2 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. p 4 D. 24 x large |
| Meta | Meta Code Llama 13B Python | meta-textgeneration-llama-codellama-13b-python | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. p 4 D. 24 x large |
| Meta | Meta Code Llama 34B | meta-textgeneration-llama-codellama-34b | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 34B Instruct | meta-textgeneration-llama-codellama-34b-instruct | Génération de texte | lama 2 | Non | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 34B Python | meta-textgeneration-llama-codellama-34b-python | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 70B | meta-textgeneration-llama-codellama-70b | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 70B Instruct | meta-textgeneration-llama-codellama-70b-instruct | Génération de texte | lama 2 | Non | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 70B Neuron | meta-textgenerationneuron-llama-codellama-70b | Génération de texte | lama 2 | Non | ml.inf 2,48 x large |
| Meta | Meta Code Llama 70B Python | meta-textgeneration-llama-codellama-70b-python | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 7B | meta-textgeneration-llama-codellama-7b | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.12xlarge, ml.g5.24xlarge, ml.g5.2xlarge, ml.g5.48xlarge, ml.g5.4xlarge, ml.g5.8xlarge, ml.g6.2xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi-optimized`(Conteneur d'inférence de grands modèles utilisant un décodage spéculatif) : ml.g5.12xlarge, ml.g5.2xlarge, ml.g6.12xlarge, ml.g6.2xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 7B Instruct | meta-textgeneration-llama-codellama-7b-instruct | Génération de texte | lama 2 | Non | Par défaut : ml.g5.12xlarge, ml.g5.24xlarge, ml.g5.2xlarge, ml.g5.48xlarge, ml.g5.4xlarge, ml.g5.8xlarge, ml.g6.12xlarge, ml.g6.2xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi-optimized`(Conteneur d'inférence de grands modèles utilisant un décodage spéculatif) : ml.g5.12xlarge, ml.g5.2xlarge, ml.g6.12xlarge, ml.g6.2xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 7B Neuron | meta-textgenerationneuron-llama-codellama-7b | Génération de texte | lama 2 | Non | ml.inf2.8xlarge, ml.inf2.xlarge |
| Meta | Meta Code Llama 7B Python | meta-textgeneration-llama-codellama-7b-python | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.12xlarge, ml.g5.24xlarge, ml.g5.2xlarge, ml.g5.48xlarge, ml.g5.4xlarge, ml.g5.8xlarge, ml.g6.12xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi-optimized`(Conteneur d'inférence de grands modèles utilisant un décodage spéculatif) : ml.g5.12xlarge, ml.g5.2xlarge, ml.g6.12xlarge, ml.g6.2xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge |
| Meta | Meta Code Llama 7B Python Neuron | meta-textgenerationneuron-llama-codellama-7b-python | Génération de texte | lama 2 | Non | ml.inf2.8xlarge, ml.inf2.xlarge |
| Meta | Meta Llama 2 13B | meta-textgeneration-llama-2-13b | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. p 4 x 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 2 13B Chat | meta-textgeneration-llama-2-13b-f | Génération de texte | lama 2 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. p 4 x 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 2 13B Chat Neuron | meta-textgenerationneuron-llama-2-13b-f | Génération de texte | lama 2 | Non | ml. inf2,24 x large, ml. inf2,48 x large, ml. inf2,8 x large |
| Meta | Meta Llama 2 13B Neuron | meta-textgenerationneuron-llama-2-13b | Génération de texte | lama 2 | Oui | ml. inf2,24 x large, ml. inf2,48 x large, ml. inf2,8 x large |
| Meta | Meta Llama 2 70B | meta-textgeneration-llama-2-70b | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48xlarge |
| Meta | Meta Llama 2 70B Chat | meta-textgeneration-llama-2-70b-f | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.48xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèle), `lmi-optimized` (conteneur d'inférence de grand modèle utilisant un décodage spéculatif) : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48xlarge |
| Meta | Meta Llama 2 70B Chat Neuron | meta-textgenerationneuron-llama-2-70b-f | Génération de texte | lama 2 | Non | ml.inf 2,48 x large |
| Meta | Meta Llama 2 70B Neuron | meta-textgenerationneuron-llama-2-70b | Génération de texte | lama 2 | Non | ml.inf 2,48 x large |
| Meta | Meta Llama 2 7B Chat | meta-textgeneration-llama-2-7b-f | Génération de texte | lama 2 | Oui | Par défaut : ml.g5.12xlarge, ml.g5.24xlarge, ml.g5.2xlarge, ml.g5.48xlarge, ml.g5.4xlarge, ml.g5.8xlarge, ml.g6.12xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi-optimized`(Conteneur d'inférence de grands modèles utilisant un décodage spéculatif) : ml.g5.12xlarge, ml.g5.2xlarge, ml.g6.12xlarge, ml.g6.2xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48xlarge
+ `neuron`(accélérateurs AWS Inferentia et Trainium) : ml.inf2.24xlarge, ml.inf2.48xlarge, ml.inf2.8xlarge, ml.inf2.xlarge |
| Meta | Meta Llama 2 7B Chat Neuron | meta-textgenerationneuron-llama-2-7b-f | Génération de texte | lama 2 | Non | ml.inf2.24x large, ml.inf2.48x large, ml.inf2.8x large, ml.inf2.x large |
| Meta | Meta Llama 2 7B Neuron | meta-textgenerationneuron-llama-2-7b | Génération de texte | lama 2 | Oui | ml.inf2.24x large, ml.inf2.48x large, ml.inf2.8x large, ml.inf2.x large |
| Meta | Meta Llama 3 1 8B Neuron | meta-textgenerationneuron-llama-3-1-8b | Génération de texte | lama 3.1 | Non | ml.inf 2,24 x large, ml.inf 2,48 x large, ml.inf 2,8 x large, ml.trn 1,2 x large, ml. trn 1,32 x large, ml.trn 1 n 32 x large |
| Meta | Meta Llama 3 70B | meta-textgeneration-llama-3-70b | Génération de texte | lama 3 | Oui | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 3 70B Instruct | meta-textgeneration-llama-3-70b-instruct | Génération de texte | lama 3 | Oui | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 3 70B Instruct Neuron | meta-textgenerationneuron-llama-3-70b-instruct | Génération de texte | lama 3 | Non | ml.trn1.32xlarge |
| Meta | Meta Llama 3 70B Neuron | meta-textgenerationneuron-llama-3-70b | Génération de texte | lama 3 | Non | ml.trn1.32xlarge |
| Meta | Meta Llama 3 8B Instruct | meta-textgeneration-llama-3-8b-instruct | Génération de texte | lama 3 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. p 5,48 x large |
| Meta | Meta Llama 3 8B Instruct Neuron | meta-textgenerationneuron-llama-3-8b-instruct | Génération de texte | lama 3 | Non | ml. inf2,24 x large, ml. inf2,48 x large, ml. inf2,8 x large |
| Meta | Meta Llama 3 8B Neuron | meta-textgenerationneuron-llama-3-8b | Génération de texte | lama 3 | Non | ml. inf2,24 x large, ml. inf2,48 x large, ml. inf2,8 x large |
| Meta | Meta Llama 3.1 405B FP8 | meta-textgeneration-llama-3-1-405b-fp8 | Génération de texte | lama 3.1 | Oui | ml. P4 de 24 x large, ml. P 5,48 x large |
| Meta | Meta Llama 3.1 405B Instruct FP8 | meta-textgeneration-llama-3-1-405b-instruct-fp8 | Génération de texte | lama 3.1 | Oui | ml. P4 de 24 x large, ml. P 5,48 x large |
| Meta | Meta Llama 3.1 70B | meta-textgeneration-llama-3-1-70b | Génération de texte | lama 3.1 | Oui | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 3.1 70B Instruct Neuron | meta-textgenerationneuron-llama-3-1-70b-instruct | Génération de texte | lama 3.1 | Non | ml.inf 2,48 x large, ml.trn 1,32 x large, ml.trn 1 n x 32 x large |
| Meta | Meta Llama 3.1 70B Neuron | meta-textgenerationneuron-llama-3-1-70b | Génération de texte | lama 3.1 | Non | ml.inf 2,48 x large, ml.trn 1,32 x large, ml.trn 1 n x 32 x large |
| Meta | Meta Llama 3.1 8B | meta-textgeneration-llama-3-1-8b | Génération de texte | lama 3.1 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. p4d. 24 x large, ml. P 5,48 x large |
| Meta | Meta Llama 3.1 8B Instruct Neuron | meta-textgenerationneuron-llama-3-1-8b-instruct | Génération de texte | lama 3.1 | Non | ml.inf 2,24 x large, ml.inf 2,48 x large, ml.inf 2,8 x large, ml.trn 1,2 x large, ml. trn 1,32 x large, ml.trn 1 n 32 x large |
| Meta | Meta Llama 3.2 11B Vision | meta-vlm-llama-3-2-11b-vision | Image-Text-to-Text | lama 3.2 | Oui | ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| Meta | Système de vision Meta Llama 3.2 11B | meta-vlm-llama-3-2-11b-vision-instruct | Image-Text-to-Text | lama 3.2 | Oui | ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| Meta | Meta Llama 3.2 1B Instrut Neurone | meta-textgenerationneuron-llama-3-2-1b-instruct | Génération de texte | lama 3.2 | Non | ml.inf2.24xlarge, ml.inf 2.48x large, ml.inf2.8xlarge, ml.inf2.xlarge, ml.trn1,2xlarge, ml.trn1,32x large, ml.trn1n.32x large |
| Meta | Neurone Meta Llama 3.2 1B | meta-textgenerationneuron-llama-3-2-1b | Génération de texte | lama 3.2 | Non | ml.inf2.24xlarge, ml.inf 2.48x large, ml.inf2.8xlarge, ml.inf2.xlarge, ml.trn1,2xlarge, ml.trn1,32x large, ml.trn1n.32x large |
| Meta | Meta Llama 3.2 3B Instrut Neurone | meta-textgenerationneuron-llama-3-2-3b-instruct | Génération de texte | lama 3.2 | Non | ml.inf2.24xlarge, ml.inf 2.48x large, ml.inf2.8xlarge, ml.inf2.xlarge, ml.trn1,2xlarge, ml.trn1,32x large, ml.trn1n.32x large |
| Meta | Neurone Meta Llama 3.2 3B | meta-textgenerationneuron-llama-3-2-3b | Génération de texte | lama 3.2 | Non | ml.inf2.24xlarge, ml.inf 2.48x large, ml.inf2.8xlarge, ml.inf2.xlarge, ml.trn1,2xlarge, ml.trn1,32x large, ml.trn1n.32x large |
| Meta | Meta Llama 3.2 90B Vision | meta-vlm-llama-3-2-90b-vision | Image-Text-to-Text | lama 3.2 | Oui | ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48x large |
| Meta | Système de vision Meta Llama 3.2 90B | meta-vlm-llama-3-2-90b-vision-instruct | Image-Text-to-Text | lama 3.2 | Oui | ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48x large |
| Meta | Meta Llama 3.3 70B Instruct | meta-textgeneration-llama-3-3-70b-instruct | Génération de texte | lama 3.3 | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi-optimized`(Conteneur d'inférence de grands modèles utilisant un décodage spéculatif) : ml.g5.16xlarge, ml.g5.48xlarge, ml.g6.48xlarge, ml.p4d.24xlarge, ml.p5.48xlarge |
| Meta | Meta Lama 4 Maverick 17B 128E FP8 | meta-vlm-llama-4-maverick-17b-128e-instruct-fp8 | Image-Text-to-Text | lama 4 | Non | ml.p5e.48 x large, ml.p5en.48 x large |
| Meta | Meta Llama 4 Maverick 17B 128E Instructions | meta-vlm-llama-4-maverick-17b-128e-instruct | Image-Text-to-Text | lama 4 | Non | ml.p5e.48 x large, ml.p5en.48 x large |
| Meta | Meta Llama 4 Scout 17B 16E Instructions | meta-vlm-llama-4-scout-17b-16e-instruct | Image-Text-to-Text | lama 4 | Oui | ml.g6e.48 x large, ml.p5,48 x large, ml.p5en.48 x large |
| Meta | Meta Llama Guard 3 11B Vision | meta-vlm-llama-guard-3-11b-vision | Image-Text-to-Text | lama 3.2 | Non | ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| Meta | Neurone Meta Llama Guard 3 1B | meta-textgenerationneuron-llama-guard-3-1b | Génération de texte | lama 3.2 | Non | ml.inf2.24xlarge, ml.inf 2.48x large, ml.inf2.8xlarge, ml.inf2.xlarge, ml.trn1,2xlarge, ml.trn1,32x large, ml.trn1n.32x large |
| Meta | Neurone Meta Llama Guard 3 8B | meta-textgenerationneuron-llama-guard-3-8b | Génération de texte | lama 3.1 | Non | ml.inf 2,24 x large, ml.inf 2,48 x large, ml.inf 2,8 x large, ml.trn 1,2 x large, ml. trn 1,32 x large, ml.trn 1 n 32 x large |
| Meta | Meta Lama Guard 7B | meta-textgeneration-llama-guard-7b | Génération de texte | lama 2 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 4 D. 24 x large |
| Meta | Meta Llama Prompt Guard 86M | meta-tc-llama-prompt-guard-86m | Classification de texte | lama 3.1 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Meta | Méta SAM 2.1 Hiera Base Plus | meta-vs-sam-2-1-hiera-base-plus | Segmentation d'images | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p4 de 24 x large |
| Meta | Meta SAM 2.1 Hiera Large | meta-vs-sam-2-1-hiera-large | Segmentation d'images | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p4 de 24 x large |
| Meta | Meta SAM 2.1 Hiera Small | meta-vs-sam-2-1-hiera-small | Segmentation d'images | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p4 de 24 x large |
| Meta | Meta SAM 2.1 Hiera Tiny | meta-vs-sam-2-1-hiera-tiny | Segmentation d'images | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p4 de 24 x large |
| Meta | Meta-Llama-3-8B | meta-textgeneration-llama-3-8b | Génération de texte | lama 3 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge, ml.p3.8xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts) : ml.g5.2xlarge, ml.g6.2xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.16xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_cost` (Interact, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g4dn.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Microsoft | Phi-2 | huggingface-llm-phi-2 | Génération de texte | mit | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Microsoft | Phi-3-Mini-128K-Instruct | huggingface-llm-phi-3-mini-128k-instruct | Génération de texte | mit | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Microsoft | Phi-3-mini-4k-instruct | huggingface-llm-phi-3-mini-4k-instruct | Génération de texte | mit | Non | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `interact_best_price_performance` (Interagir, Équilibré) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximal, `max_context_lowest_cost` optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.8xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.p4d.24xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.16xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Microsoft | Phi-3.5-mini-instruct | huggingface-llm-phi-3-5-mini-instruct | Génération de texte | mit | Non | ml.g 5,48 x large, ml.p4D. 24 x large |
| Microsoft | Phi-4-mini-instruct | huggingface-llm-phi-4-mini-instruct | Génération de texte | Apache-2.0 | Non | Par défaut : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts), `interact_lowest_cost` `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Modifier, optimisation du débit), `modify_highest_throughput` (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.8xlarge, ml.g7e.8xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.12xlarge, ml.g6e.12xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), `summarize_lowest_cost` (Résumer, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.24xlarge, ml.p4d.24xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.2xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge |
| Microsoft | Détection de transformateurs de table | huggingface-od-microsoft-table-transformer-detection | Object Detection | mit | Non | ml. g 5,2 x large, ml. g 5,4 x large, ml. g5 x large, ml. g 6,2 x large, ml. g6,4 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large |
| Minimaxai | MiniMax-M2 | huggingface-llm-minimax-m2 | Génération de texte | autre | Non | ml.p4de.24xlarge |
| Minimaxai | MiniMax-M2.1 | huggingface-llm-minimax-m2-1 | Génération de texte | autre | Non | ml. P4 de 24 x large, ml. P 5,48 x large |
| Minimaxai | MiniMax-M2.5 | huggingface-llm-minimax-m2-5 | Génération de texte | autre | Non | ml.p5.48xlarge |
| Minimaxai | MiniMax-M2.7 | huggingface-llm-minimax-m2-7 | Génération de texte | autre | Non | Par défaut : ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), `generate_highest_throughput` (Génération, débit optimisé), `generate_lowest_cost` (Génération, optimisation des coûts), `generate_lowest_latency` (Génération, optimisation de la latence), `interact_best_price_performance` (Interaction, Optimisation du débit), `interact_highest_throughput` (Interaction, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation de la latence), `interact_lowest_latency` (Synthèse, Équilibré), (Synthèse, optimisation du débit), `summarize_best_price_performance` (Synthèse, optimisation des coûts), `summarize_highest_throughput` (Synthèse, `summarize_lowest_cost` optimisation de la latence) : ml.g7e.48xlarge, ml.p5en.en.en.48 x large `summarize_lowest_latency`
+ `modify_best_price_performance`(Modifier, Équilibré), `modify_highest_throughput` (Modifier, Optimisation du débit), (Modifier, Optimisation des coûts), `modify_lowest_cost` (Modifier, Optimisation de la latence) : ml.g7e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `modify_lowest_latency` |
| Mistralai | Ministral-3-14B-Instruct-2512 | huggingface-llm-ministral-3-14b-instruct-2512 | Génération de texte | Apache-2.0 | Non | Par défaut : ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, optimisation des coûts), `generate_lowest_cost` (Interaction, Équilibré), `interact_best_price_performance` (Interaction, optimisation des coûts) : ml.g5.12xlarge, ml.g6e.48xlarge, ml.p5.4xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), (Génération, optimisation de la latence), `generate_lowest_latency` `interact_highest_throughput` (Interaction, optimisation du débit) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré), (Modifier, débit optimisé), `modify_highest_throughput` (Modifier, optimisation des coûts), `modify_lowest_cost` (Modifier, optimisation de la latence) : ml.p5.48xlarge, ml.p5.4xlarge, ml.p5en.48xlarge `modify_lowest_latency` |
| Mistralai | Mistral 7B Instruct Neuron | huggingface-llmneuron-mistral-7b-instruct | Génération de texte | apache 2.0 | Non | ml.inf2.8xlarge, ml.inf2.xlarge |
| Mistralai | Mistral 7B Neuron | huggingface-llmneuron-mistral-7b | Génération de texte | apache 2.0 | Non | ml.inf2.8xlarge, ml.inf2.xlarge |
| Mistralai | Mistral Nemo Base 2407 | huggingface-llm-mistral-nemo-base-2407 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Mistralai | Mistral Nemo Instruct 2407 | huggingface-llm-mistral-nemo-instruct-2407 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Mistralai | Mistral Pixtral-12B-2409 | huggingface-vlm-mistral-pixtral-12b-2409 | Image-Text-to-Text | apache 2.0 | Non | ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| Mistralai | Mistral-7B-Instruct-v0.2 | huggingface-llm-mistral-7b-instruct | Génération de texte | apache 2.0 | Non | Par défaut : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.2xlarge, ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), (Générer, optimisation des coûts), `generate_lowest_cost` (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts) : ml.g5.4xlarge, ml.g6.xlarge, ml.g6e.xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), (Contexte maximal, latence optimisée), `max_context_lowest_latency` (Résumé, débit optimisé), `summarize_highest_throughput` (Résumé, latence optimisée) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Modifier, Équilibré), `modify_best_price_performance` (Modifier, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6e.xlarge `modify_lowest_cost`
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.8xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `summarize_lowest_cost`(Résumé, optimisation des coûts) : ml.g5.24xlarge, ml.g6.12xlarge, ml.p4d.24xlarge |
| Mistralai | Mistral-7B-Instruct-v0.3 | huggingface-llm-mistral-7b-instruct-v3 | Génération de texte | apache 2.0 | Non | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g5.4xlarge, ml.g6.xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.48xlarge, ml.p3.16xlarge, ml.p5.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_best_price_performance` (interaction, équilibre), (interaction, optimisation des coûts) : ml.g5.4xlarge, ml.g6.xlarge, ml.g6e.xlarge `interact_lowest_cost`
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.2xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.p4d.24xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), `max_context_lowest_latency` (Contexte maximal, latence optimisée), (Modifier, débit optimisé), `modify_highest_throughput` (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, coût optimisé), `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge |
| Mistralai | Mistral-7B-Instruct-v0.3 | huggingface-llm-mistral-7b-v3 | Génération de texte | apache 2.0 | Non | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_best_price_performance` (interaction, équilibre), (interaction, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge `interact_lowest_cost`
+ `generate_lowest_latency`(Génération, optimisation de la latence), (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge `summarize_lowest_latency`
+ `interact_highest_throughput`(Interaction, débit optimisé), `max_context_highest_throughput` (Contexte maximum, débit optimisé), (Contexte maximum, latence optimisée), `max_context_lowest_latency` (Modifier, débit optimisé), `modify_highest_throughput` (Modifier, Latence optimisée) : `modify_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.8xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, coût optimisé), `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge |
| Mistralai | Mistral-7B-v0.1 | huggingface-llm-mistral-7b | Génération de texte | apache 2.0 | Oui | Par défaut : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.p3.16xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), (Générer, optimisation des coûts), `generate_lowest_cost` (Interaction, optimisation des coûts), `interact_lowest_cost` (Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge `max_context_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.48xlarge, ml.p3.16xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré), `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g5.48xlarge, ml.g6e.48xlarge, ml.p3.16xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.48xlarge, ml.g6e.24xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), (Contexte maximum, latence optimisée), `max_context_lowest_latency` (Modifier, Optimisation du débit), `modify_highest_throughput` (Modifier, Optimisation de la latence) : `modify_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.12xlarge, ml.g6.12xlarge, ml.p5.48xlarge
+ `summarize_best_price_performance`(Synthèse, équilibrage), (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `summarize_lowest_latency` |
| Mistralai | Mistral-Small-24B-Instruct-2501 | huggingface-llm-mistral-small-24B-Instruct-2501 | Génération de texte | apache 2.0 | Non | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `interact_best_price_performance` (Interagir, Équilibré) : ml.g5.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `generate_highest_throughput`(Générer, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Interaction, latence optimisée), `interact_lowest_latency` (Contexte maximum, débit optimisé), `max_context_highest_throughput` `modify_highest_throughput` (Modifier, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Générer, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximum, optimisation des coûts), `max_context_lowest_cost` `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `generate_lowest_latency`(Générer, latence optimisée), `modify_lowest_latency` (Modifier, optimisation de la latence) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Synthèse, équilibrage), (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge `summarize_lowest_latency` |
| Mistralai | Mistral-Small-3.1-24B-Base-2503 | huggingface-vlm-mistral-small-3-1-24b-base-2503 | Image-Text-to-Text | apache 2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. g6, 12 x large |
| Mistralai | Mistral-Small-3.2-24B-Instruct-2506 | huggingface-vlm-mistral-small-3-2-24b-instruct-2506 | Image-Text-to-Text | apache 2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. g6, 12 x large |
| Mistralai | Mixtral 8x7B | huggingface-llm-mixtral-8x7b | Génération de texte | apache 2.0 | Oui | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Mistralai | Mixtral-8x22B V1 | huggingface-llm-mixtral-8x22B | Génération de texte | apache 2.0 | Non | ml.p4d.24xlarge, ml.p4de.24xlarge |
| Mistralai | Mixtral-8x22B-Instruct-v0.1 | huggingface-llm-mistralai-mixtral-8x22B-instruct-v0-1 | Génération de texte | apache 2.0 | Non | Par défaut : ml.p4de.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `tgi`(conteneur d'inférence de génération de texte) : ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48xlarge |
| Mistralai | Mixtral-8x7B-Instruct-v0.1 | huggingface-llm-mixtral-8x7b-instruct | Génération de texte | apache 2.0 | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `interact_best_price_performance` (Interagir, Équilibré) : ml.g5.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), `modify_highest_throughput` (Modifier, optimisation du débit) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Générer, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximum, optimisation des coûts), `max_context_lowest_cost` `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interaction, latence optimisée), `modify_lowest_latency` (Modifier, optimisation de la latence) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), (Contexte maximal, latence optimisée), `max_context_lowest_latency` (Résumé, débit optimisé), `summarize_highest_throughput` (Résumé, latence optimisée) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge |
| Mistralai | Voxtral-Mini-4B-Realtime-2602 | huggingface-asr-voxtral-mini-4b-realtime-2602 | Génération de texte | Apache-2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6 x large, ml. g6 x 2 x large, ml. ml.g6e.48 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large, ml.g7e.2 x large, ml.g7e.4 x large |
| Moonshotaï | Kimi-K2.5 | huggingface-llm-kimi-k2-5 | Génération de texte | autre | Non | ml.p5en.48xlarge |
| Moritzlaurer | MoritzLaurer MDeBERTa V3 Base Xnli multilingue Nli 2mil7 | huggingface-zstc-moritzlaurer-mdeberta3base-xnli-mling-nli-2m7 | Zero-Shot Classification | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mosaïque ml | MPT 7B BF16 | huggingface-textgeneration1-mpt-7b-bf16 | Génération de texte | Apache-2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Mosaïque ml | MPT 7B Instruct BF16 | huggingface-textgeneration1-mpt-7b-instruct-bf16 | Génération de texte | CC-BY-SA-3.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Monsieur 8488 | Bert Small2bert | huggingface-summarization-bert-small2bert-cnn-dailymail-summ | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Intégration de texte financier | mxnet-tcembedding-robertafin-base-uncased | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RoBERTa-SEC-Large | mxnet-tcembedding-robertafin-large-uncased | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RoBERTa-SEC-WIKI-Base | mxnet-tcembedding-robertafin-base-wiki-uncased | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RoBERTa-SEC-WIKI-Large | mxnet-tcembedding-robertafin-large-wiki-uncased | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Naclabit | Naclbit Trinart Stable Diffusion V2 | huggingface-txt2img-naclbit-trinart-stable-diffusion-v2 | Text-to-Image | creativeml-openrail-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Narsil | Narsil Deberta Grand Manli Zero Clos | huggingface-zstc-narsil-deberta-large-mnli-zero-cls | Zero-Shot Classification | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Nexaai | NexaAI Octopus-v2 | huggingface-llm-nexaaidev-octopus-v2 | Génération de texte | cc-by-nc-4.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Nexus Flow | Nexus Flow Starling-LM-7B-beta | huggingface-llm-nexusflow-starling-lm-7b-beta | Génération de texte | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Aucune recherche | Hermès 2 8B Pro-Llama-3 | huggingface-llm-nousresearch-hermes-2-pro-llama-3-8B | Génération de texte | lama 3 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Aucune recherche | Nous Hermes 2 SOLAR 10.7B | huggingface-llm-nousresearch-nous-hermes-2-solar-10-7b | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Nova | Nova 2.0 Lite | nova-textgeneration-lite-v2 | Génération de texte | AWS Modalités de service | Oui | Non applicable |
| Nova | Nova 2.0 Micro | nova-textgeneration-micro-v2 | Génération de texte | Non applicable | Oui | Non applicable |
| Nova | Nova Lite | nova-textgeneration-lite | Génération de texte | AWS Modalités de service | Oui | Non applicable |
| Nova | Nova Micro | nova-textgeneration-micro | Génération de texte | AWS Modalités de service | Oui | Non applicable |
| Nova | Nova Pro | nova-textgeneration-pro | Génération de texte | AWS Modalités de service | Oui | Non applicable |
| Nvidia | Nvidia Llama3-ChatQA-1.5 8B | huggingface-llm-nvidia-llama3-chatqa-1-5-8B | Génération de texte | lama 3 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml. p4 de 24 x large, ml. p 5,48 x large |
| Nvidia | Nvidia Nemotron 3 Ultra | huggingface-reasoning-nvidia-nemotron-3-ultra-550b-a55b-nvfp4 | Raisonnement | Apache-2.0 | Non | Par défaut : ml.g7e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `modify_best_price_performance`(Modifier, Équilibré), `modify_highest_throughput` (Modifier, Optimisation du débit), (Modifier, Optimisation des coûts), `modify_lowest_cost` (Modifier, Optimisation de la latence) : ml.g7e.48xlarge, ml.p5.48xlarge `modify_lowest_latency`
+ `summarize_best_price_performance`(Synthèse, équilibrage), `summarize_highest_throughput` (Synthèse, optimisation du débit), (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g7e.48xlarge, ml.p5en.48xlarge `summarize_lowest_latency` |
| Nvidia | Nvidia Nemotron 3 Nano Omni | huggingface-vlm-nvidia-nemotron3-nano-omni-30ba3b-reasoning-fp8 | Image-Text-to-Text | autre | Non | Par défaut : ml.g6.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interaction, optimisation des coûts), `interact_lowest_cost` (Modifier, Équilibrer), `modify_best_price_performance` (Modifier, Optimisation des coûts) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.xlarge `modify_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `generate_lowest_latency`(Génération, latence optimisée), `interact_lowest_latency` (Interaction, optimisation de la latence) : ml.g6.12xlarge, ml.g6e.16xlarge, ml.g6e.8xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g6.12xlarge, ml.g6e.4xlarge, ml.g6e.xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g6e.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), `modify_highest_throughput` (Modifier, débit optimisé), (Synthèse, débit optimisé) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge `summarize_highest_throughput`
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, optimisation des coûts) : ml.g6.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge `summarize_lowest_cost`
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.12xlarge, ml.g6e.16xlarge, ml.g6e.4xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g6e.48xlarge |
| Nvidia | NVIDIA-Nemotron-3-Nano-30B-A3B-BF16 | huggingface-reasoning-nvidia-nemotron-3-nano-30b-a3b-bf16 | Raisonnement | autre | Oui | Par défaut : ml.g6e.24xlarge, ml.g7e.12xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, débit optimisé), `generate_highest_throughput` (Génération, optimisation des coûts), `generate_lowest_cost` (Génération, optimisation de la latence) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge `generate_lowest_latency`
+ `interact_best_price_performance`(Interaction, équilibré), (Interaction, débit optimisé), `interact_highest_throughput` (Interaction, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation de la latence) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.4xlarge `interact_lowest_latency`
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6.24xlarge, ml.g6.48xlarge, ml.g7e.24xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.48xlarge, ml.g7e.12xlarge, ml.g7e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.12xlarge, ml.g6.24xlarge, ml.g7e.4xlarge
+ `summarize_best_price_performance`(Synthèse, équilibre), (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation des coûts) : ml.g6e.12xlarge, ml.g7e.24xlarge, ml.g7e.48xlarge `summarize_lowest_cost`
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6e.12xlarge, ml.g7e.12xlarge, ml.g7e.24xlarge |
| Nvidia | NVIDIA-Nemotron-3-Super-120B-A12B-BF16 | huggingface-llm-nvidia-nemotron-3-super-120b-a12b-bf16 | Génération de texte | Apache-2.0 | Oui | Par défaut : ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts) : ml.g6e.48xlarge, ml.g7e.48xlarge, ml.p5.48xlarge
+ `generate_highest_throughput`(Générer, débit optimisé), `modify_highest_throughput` (Modifier, optimisation du débit) : ml.g7e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.48xlarge, ml.g7e.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interaction, Équilibré), `interact_highest_throughput` (Interaction, débit optimisé), (Interaction, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation de la latence) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `interact_lowest_latency`
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6e.48xlarge, ml.g7e.24xlarge, ml.p5.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g7e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(Synthèse, équilibrage), (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g7e.24xlarge, ml.g7e.48xlarge, ml.p5.48xlarge `summarize_lowest_latency` |
| Nvidia | NVIDIA-Nemotron-3-Super-120B-A12B-FP8 | huggingface-reasoning-nvidia-nemotron-3-super-120b-a12b-fp8 | Raisonnement | autre | Non | Par défaut : ml.g7e.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, débit optimisé), `generate_highest_throughput` (Génération, optimisation des coûts), `generate_lowest_cost` (Génération, optimisation de la latence) : `generate_lowest_latency` ml.g6e.48xlarge, ml.g7e.24xlarge, ml.g7e.48xlarge
+ `interact_best_price_performance`(Interaction, Équilibré), `interact_highest_throughput` (Interaction, débit optimisé), `interact_lowest_cost` (Interaction, optimisation des coûts), (Interaction, optimisation de la latence), `interact_lowest_latency` (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g7e.24xlarge, ml.g7e.48xlarge `summarize_lowest_latency` |
| Nvidia | NVIDIA-Nemotron-Nano-12B-v2 | huggingface-reasoning-nvidia-nemotron-nano-12b-v2 | Raisonnement | Apache-2.0 | Non | Par défaut : ml.g6e.48xlarge, ml.g7e.12xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), `generate_lowest_cost` (Génération, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.xlarge, ml.g7e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.g7e.12xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.24xlarge, ml.g6e.2xlarge, ml.g7e.2xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé), (Synthèse, Équilibré), `summarize_best_price_performance` (Synthèse, Optimisation du débit), `summarize_highest_throughput` (Synthèse, Optimisation des coûts), `summarize_lowest_cost` (Synthèse, optimisation de la latence) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g7e.12xlarge `summarize_lowest_latency`
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.24xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge |
| OpenAI | gpt-oss-120b | openai-reasoning-gpt-oss-120b | Raisonnement | apache 2.0 | Oui | Par défaut : ml.g6e.48xlarge, ml.g7e.2xlarge, ml.p5.48xlarge, ml.p5e.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `lmi`(Grand conteneur d'inférence de modèles) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48xlarge, ml.p5e.48xlarge, ml.p5en.48xlarge |
| OpenAI | gpt-oss-20b | openai-reasoning-gpt-oss-20b | Raisonnement | apache 2.0 | Oui | ml.g5,12 x large, ml.g 5,24 x large, ml.g6,12 x large, ml.g6,24 x large, ml.g7e.2 x large, ml.p5,48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| OpenAI | filtre de confidentialité | openai-tokenclassification-privacy-filter | Classification des jetons | Apache-2.0 | Non | ml. m 5,2 x large, ml. m 5,4 x large, ml. m5 x large |
| OpenAI | Whisper Base | huggingface-asr-whisper-base | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Large | huggingface-asr-whisper-large | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Large V2 | huggingface-asr-whisper-large-v2 | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Large V3 | huggingface-asr-whisper-large-v3 | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Large V3 Turbo | huggingface-asr-whisper-large-v3-turbo | Reconnaissance vocale automatique | mit | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Medium | huggingface-asr-whisper-medium | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Small | huggingface-asr-whisper-small | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| OpenAI | Whisper Tiny | huggingface-asr-whisper-tiny | Reconnaissance vocale automatique | apache 2.0 | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Openai-Community | GPT 2 | huggingface-textgeneration-gpt2 | Génération de texte | mit | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Openai-Community | GPT-2 XL | huggingface-textgeneration1-gpt-2-xl | Génération de texte | mit | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Openai-Community | Détecteur OpenAI Roberta Base | huggingface-eqa-roberta-base-openai-detector | Réponse aux questions | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Openai-Community | Détecteur OpenAI Roberta Base | huggingface-spc-roberta-base-openai-detector | Fill-Mask | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Openai-Community | Détecteur OpenAI Roberta Base | huggingface-tc-roberta-base-openai-detector | Classification de texte | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Openai-Community | Détecteur Roberta Large OpenAI | huggingface-spc-roberta-large-openai-detector | Fill-Mask | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Openai-Community | Détecteur Roberta Large OpenAI | huggingface-tc-roberta-large-openai-detector | Classification de texte | mit | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Openlm-Research | Ouvrez Llama 7B V2 | huggingface-llm-openlm-research-open-llama-7b-v2 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Philschmid | Bart Large CNN samsum | huggingface-summarization-bart-large-cnn-samsum | Synthétisation de texte | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Philschmid | Flan-T5 Modèle de base Fine-tuned sur le jeu de données Samsum | huggingface-text2text-flan-t5-base-samsum | Génération Text2Text | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Pytorch | Alexa TM 20B | pytorch-textgeneration1-alexa20b | Génération de texte | licence logicielle Amazon | Non | ml.g4dn.12x large, ml.g5,16 x large, ml.p3,16 x large, ml.p3,8 x large |
| Qwen | Aperçu du QVQ 72B | huggingface-vlm-qvq-72b-preview | Image-Text-to-Text | autre | Non | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2 0,5 V | huggingface-llm-qwen2-0-5b | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 4 D. 24 x large |
| Qwen | Instructions Qwen2 0.5B | huggingface-llm-qwen2-0-5b-instruct | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2-1.5B | huggingface-llm-qwen2-1-5b | Génération de texte | apache 2.0 | Non | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `generate_lowest_cost`(Générer, optimiser les coûts), `interact_best_price_performance` (Interagir, Équilibrer), (Interagir, Optimisation des coûts), `interact_lowest_cost` `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g5.4xlarge, ml.g6.4xlarge, ml.g6e.2xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.2xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.24xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g4dn.xlarge, ml.g5.2xlarge, ml.g6e.xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g5.4xlarge, ml.g6.12xlarge, ml.g6e.4xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.2xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g5.16xlarge, ml.g6.24xlarge, ml.g6e.2xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g5.4xlarge, ml.g6.24xlarge, ml.g6e.8xlarge |
| Qwen | Qwen2-1.5B-Instruct | huggingface-llm-qwen2-1-5b-instruct | Génération de texte | apache 2.0 | Non | Par défaut : ml.g4dn.xlarge, ml.g5.2xlarge, ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.xlarge, ml.p3.2xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, Équilibrer), `interact_best_price_performance` (Interagir, Équilibrer), `modify_best_price_performance` (Modifier, Équilibrer) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `generate_lowest_cost`(Générer, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximal, optimisation des coûts), `max_context_lowest_cost` `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g5.8xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `interact_lowest_latency`(Interaction, latence optimisée) : ml.g4dn.8xlarge, ml.g6.12xlarge, ml.g6e.4xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.12xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.4xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g5.2xlarge, ml.g6.12xlarge, ml.g6e.2xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g5.4xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g5.8xlarge, ml.g6.8xlarge, ml.g6e.16xlarge |
| Qwen | Qwen2-7B | huggingface-llm-qwen2-7b | Génération de texte | apache 2.0 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g6,12 x large, ml.g6.24x large, ml.g6e.12x large, ml.g6e.16x large, ml.g6e.24x large, ml.g6e.2xlarge, ml.g6e.4 x large, ml.g6e.8 x large, ml. g6e.xlarge |
| Qwen | Qwen2-7B-Instruct | huggingface-llm-qwen2-7b-instruct | Génération de texte | apache 2.0 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24x large, ml.g6,12 x large, ml.g6.24x large, ml.g6e.12x large, ml.g6e.16x large, ml.g6e.24x large, ml.g6e.4 x large, ml.g6e.8 x large |
| Qwen | Qwen2-VL-7B-Instruct | huggingface-vlm-qwen2-vl-7b-instruct | Génération de texte | apache 2.0 | Non | Par défaut : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.g6e.4xlarge, ml.g6e.8xlarge, ml.g6e.xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g5.8xlarge, ml.g6.12xlarge, ml.g6e.8xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g5.2xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `interact_highest_throughput`(Interaction, débit optimisé), `modify_highest_throughput` (Modifier, optimisation du débit) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.4xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g5.24xlarge, ml.g6.24xlarge, ml.g6e.xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.16xlarge
+ `summarize_best_price_performance`(Synthèse, équilibrage), `summarize_highest_throughput` (Synthèse, optimisation du débit), (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, `summarize_lowest_latency` optimisation de la latence) : ml.g6e.12xlarge |
| Qwen | Qwen2.5 14B Instruire | huggingface-llm-qwen2-5-14b-instruct | Génération de texte | apache 2.0 | Oui | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2.5 32B Instruire | huggingface-llm-qwen2-5-32b-instruct | Génération de texte | apache 2.0 | Oui | ml. g 5,48 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2.5 Codeur 32B Instruct | huggingface-llm-qwen2-5-coder-32b-instruct | Génération de texte | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2.5 Coder 7B Instruct | huggingface-llm-qwen2-5-coder-7b-instruct | Génération de texte | apache 2.0 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,16 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen2.5-72B-Instruct | huggingface-llm-qwen2-5-72b-instruct | Génération de texte | autre | Oui | Par défaut : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibré) : ml.g5.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Synthèse, équilibrage), `summarize_highest_throughput` (Synthèse, optimisation du débit), (Synthèse, optimisation des coûts), `summarize_lowest_cost` (Synthèse, `summarize_lowest_latency` optimisation de la latence) : ml.p5en.48xlarge |
| Qwen | Qwen2.5-7B-Instruct | huggingface-llm-qwen2-5-7b-instruct | Génération de texte | apache 2.0 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g5.xlarge, ml.g6.2xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), (Interaction, optimisation de la latence), `interact_lowest_latency` (Synthèse, optimisation de la latence) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.24xlarge `summarize_lowest_latency`
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_best_price_performance` (interaction, équilibre), (interaction, optimisation des coûts) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge `interact_lowest_cost`
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.16xlarge
+ `interact_highest_throughput`(Interaction, débit optimisé), `summarize_highest_throughput` (Synthèse, débit optimisé) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.12xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), (Modifier, Équilibré), `modify_best_price_performance` (Modifier, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge `modify_lowest_cost`
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g5.24xlarge, ml.g6.12xlarge, ml.g6e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g4dn.12xlarge, ml.g6.24xlarge, ml.g6e.2xlarge
+ `summarize_best_price_performance`(Synthèse, équilibre), `summarize_lowest_cost` (Synthèse, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge |
| Qwen | Qwen3 14B | huggingface-reasoning-qwen3-14b | Raisonnement | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen3-0.6B | huggingface-reasoning-qwen3-06b | Raisonnement | apache 2.0 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.2xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, Équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts), `interact_lowest_cost` `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), `modify_highest_throughput` (Modifier, optimisation du débit) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g5.8xlarge, ml.g6.12xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g4dn.16xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), `summarize_lowest_cost` (Résumer, optimisation des coûts) : ml.g4dn.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g4dn.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.2xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6e.8xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Qwen | Qwen3-1.7B | huggingface-reasoning-qwen3-1-7b | Raisonnement | apache 2.0 | Oui | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn,2x large, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g5,12 x large, ml.g5,24 x large, ml.g5,4 x large, ml.g6,12 x large, ml.g 6,24 x large, ml.. g 6,48 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6, 2 x large, ml. g6, 4 x large, ml. g6, 8 x large, ml. g6, x large, ml. p 3,2 x large, ml. p 4 D. 24 x large |
| Qwen | Qwen3-30B-A3B | huggingface-reasoning-qwen3-30b-a3b | Raisonnement | apache 2.0 | Non | ml.g5.24xlarge |
| Qwen | Qwen3-30B-A3B-Instruct-2507 | huggingface-reasoning-qwen3-30b-a3b-instruct-2507 | Génération de texte | apache 2.0 | Non | ml.g5,48 x large, ml.g 6,48 x large, ml.g6e.12 x large, ml.p4de.24 x large |
| Qwen | Qwen3-30B-A3B-Thinking-2507 | huggingface-reasoning-qwen3-30b-a3b-thinking-2507 | Raisonnement | apache 2.0 | Non | ml.g6e.12xlarge |
| Qwen | Qwen3-32B | huggingface-reasoning-qwen3-32b | Raisonnement | apache 2.0 | Oui | Par défaut : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), (Interagir, Équilibrer), `interact_best_price_performance` (Résumer, Équilibrer), `summarize_best_price_performance` (Résumer, Optimisation des coûts) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge `summarize_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé), `generate_lowest_latency` (Génération, optimisation de la latence), `interact_highest_throughput` (Interaction, optimisation du débit), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Contexte maximum, Latence optimisée), `max_context_lowest_latency` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `summarize_lowest_latency`
+ `generate_lowest_cost`(Générer, optimisation des coûts), `max_context_lowest_cost` (contexte maximum, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge
+ `interact_lowest_cost`(Interact, optimisation des coûts) : ml.g5.48xlarge, ml.g6.24xlarge, ml.g6e.12xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, Optimisation des coûts) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Qwen | Qwen3-4B | huggingface-reasoning-qwen3-4b | Raisonnement | apache 2.0 | Oui | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,4 x large, ml.g5,8 x large, ml.g5.xlarge, ml.g6,1x large, ml.g6,16 x large, ml.g6,24 x large, ml. g6,24 x large, ml.. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6 E. 12 x large, ml. g6 E. 24 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. .p4d.24xlarge |
| Qwen | Qwen3-4B-Instruct-2507 | huggingface-reasoning-qwen3-4b-instruct-2507 | Raisonnement | apache 2.0 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.g6,12 x large, ml.g6,24 x large, ml.g6,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.p4d.24x large |
| Qwen | Qwen3-8B | huggingface-reasoning-qwen3-8b | Raisonnement | apache 2.0 | Oui | Par défaut : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), (Générer, optimisation des coûts), `generate_lowest_cost` (Interagir, Équilibrer), `interact_best_price_performance` (Interagir, Optimisation des coûts) : ml.g5.2xlarge, ml.g6.xlarge, ml.g6e.xlarge `interact_lowest_cost`
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Générer, optimisation de la latence), `modify_highest_throughput` (Modifier, optimisation du débit), (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : `summarize_lowest_latency` ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interaction, débit optimisé), (Contexte maximum, débit optimisé), `max_context_highest_throughput` (Contexte maximum, latence optimisée) : ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge `max_context_lowest_latency`
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g4dn.12xlarge, ml.g5.12xlarge, ml.g6.12xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g5.12xlarge, ml.g6e.xlarge, ml.p5.48xlarge
+ `modify_lowest_cost`(Modifier, optimisation des coûts) : ml.g5.12xlarge, ml.g6.24xlarge, ml.g6e.xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g5.24xlarge, ml.g6e.12xlarge, ml.p5.48xlarge |
| Qwen | Qwen3-ASR-1.7B | huggingface-asr-qwen3-asr-1-7b | Reconnaissance vocale automatique | Apache-2.0 | Non | ml.g6.2xlarge, ml.g6.xlarge |
| Qwen | Qwen3-Coder-30B-A3B-Instruct | huggingface-reasoning-qwen3-coder-30b-a3b-instruct | Raisonnement | apache 2.0 | Non | ml.g6e.24 x large, ml.g7e.2 x large |
| Qwen | Qwen3-Coder-Next | huggingface-reasoning-qwen3-coder-next | Raisonnement | apache 2.0 | Non | ml.g7e.24 x large, ml.g7e.48 x large, ml.p4d.24 x large, ml.p5en.48 x large |
| Qwen | Qwen3-Embedding-0.6B | huggingface-textembedding-qwen3-embedding-0-6b | Intégration de texte | Apache-2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6, 24 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. ml.g6e.8 x large, ml.g6e.x large, ml.g7e.24 x large, ml.g7e.2 x large, ml.g7e.48 x large, ml.g7e.4 x large, ml.g7e.8 x large |
| Qwen | Qwen3-Next-80B-A3B-Instruct | huggingface-reasoning-qwen3-next-80b-a3b-instruct | Génération de texte | apache 2.0 | Non | ml.g6e.48 x large, ml.p4de.24 x large |
| Qwen | Qwen3-Reranker-4B | huggingface-textembedding-qwen3-reranker-4b | Intégration de texte | Apache-2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6 x large, ml. g6 x 2 x large, ml. ml.g6e.48x large, ml.g6e.4xlarge, ml.g6e.8x large, ml.g6e.x large, ml.g7e.24x large, ml.g7e.2xlarge, ml.g7e.48x large, ml.g7e.4xlarge, ml.g7e.8xlarge |
| Qwen | Qwen3-TTS-12Hz-1.7B-Base | huggingface-ttsvoiceclone-qwen3-tts-12hz-1-7b-base | Text-to-Speech | Apache-2.0 | Non | ml.g6,16 x large, ml.g6,2 x large, ml.g6,4 x large, ml.g6,8 x large, ml.g6e.xlarge, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8xlarge, ml.g6e.xlarge, ml.g7e.2 x large, ml.g7e.4 x large, ml. g7,8 x large |
| Qwen | Qwen3-TTS-12Hz-1.7B-CustomVoice | huggingface-tts-qwen3-tts-customvoice | Text-to-Speech | Apache-2.0 | Non | ml.g6,16 x large, ml.g6,2 x large, ml.g6,4 x large, ml.g6,8 x large, ml.g6e.xlarge, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8xlarge, ml.g6e.xlarge, ml.g7e.2 x large, ml.g7e.4 x large, ml. g7,8 x large |
| Qwen | Qwen3-VL-8B-Instruct | huggingface-vlm-qwen3-vl-8b-instruct | Génération de texte | apache 2.0 | Non | ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large |
| Qwen | Qwen3-VL-Embedding-2B | huggingface-textembedding-qwen3-vl-embedding-2b | Intégration de texte | Apache-2.0 | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6 x large, ml. g6 x 2 x large, ml. ml.g6e.48 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g7e.x large, ml.g7e.24 x large, ml.g7e.2 x large, ml.g7e.4 x large, ml.g7e.8 x large |
| Qwen | Qwen3.5-0.8B | huggingface-vlm-qwen3-5-0-8b | Génération de texte | apache 2.0 | Non | Par défaut : ml.g6.4xlarge, ml.g6e.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.xlarge, ml.g7e.4xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g6.xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6.24xlarge, ml.g6e.24xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.4xlarge, ml.g6e.4xlarge
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_latency` (Interact, latence optimisée) : ml.g6.2xlarge, ml.g6.xlarge, ml.g6e.2xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6.24xlarge, ml.g6e.16xlarge, ml.g6e.2xlarge
+ `interact_lowest_cost`(Interaction, optimisation des coûts), `modify_best_price_performance` (modification, équilibre), (modification, optimisation des coûts) : ml.g6.2xlarge, ml.g6.xlarge, ml.g6e.xlarge `modify_lowest_cost`
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g7e.4xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g6.2xlarge, ml.g6e.xlarge, ml.g7e.4xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.16xlarge, ml.g6e.4xlarge, ml.g7e.4xlarge
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.24xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.8xlarge, ml.g6e.4xlarge, ml.g6e.8xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6.xlarge, ml.g6e.2xlarge, ml.g7e.8xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g7e.8xlarge
+ `summarize_lowest_cost`(Résumer, optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge, ml.g7e.8xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.24xlarge, ml.g6e.16xlarge, ml.g7e.8xlarge |
| Qwen | Qwen3.5-27b | huggingface-vlm-qwen3-5-27b | Génération de texte | apache 2.0 | Oui | ml.g6.48xlarge |
| Qwen | Qwen3.5-27B-FP8 | huggingface-vlm-qwen3-5-27b-fp8 | Image-Text-to-Text | apache 2.0 | Non | ml.g6.24xlarge |
| Qwen | Qwen3.5-2B | huggingface-vlm-qwen3-5-2b | Génération de texte | apache 2.0 | Non | Par défaut : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g6e.2xlarge, ml.g6e.4xlarge, ml.g6e.8xlarge, ml.g6e.xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `modify_best_price_performance` (Modifier, Équilibrer) : ml.g6.xlarge, ml.g6e.2xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `generate_lowest_cost`(Générer, optimisation des coûts), `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g6.2xlarge, ml.g6.xlarge, ml.g6e.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.16xlarge, ml.g6.xlarge, ml.g6e.16xlarge
+ `interact_best_price_performance`(Interactif, équilibré) : ml.g6.xlarge, ml.g6e.2xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6.24xlarge, ml.g6e.48xlarge
+ `interact_lowest_cost`(Interact, optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g6.4xlarge, ml.g6e.4xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), `modify_highest_throughput` (Modifier, optimisation du débit) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.g6e.24xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g6e.xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6.48xlarge, ml.g6e.16xlarge, ml.g6e.48xlarge
+ `modify_lowest_latency`(Modifier, latence optimisée) : ml.g6.8xlarge, ml.g6e.2xlarge, ml.g6e.8xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g6.xlarge, ml.g6e.xlarge, ml.g7e.4xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6.12xlarge, ml.g6e.2xlarge, ml.g7e.4xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.2xlarge, ml.g6e.2xlarge, ml.g7e.4xlarge |
| Qwen | Qwen3.5-4B | huggingface-vlm-qwen3-5-4b | Génération de texte | apache 2.0 | Oui | Par défaut : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge, ml.g7e.2xlarge, ml.g7e.4xlarge, ml.g7e.8xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Génération, équilibrage), (Génération, débit optimisé), `generate_highest_throughput` (Génération, optimisation des coûts), `generate_lowest_cost` (Génération, optimisation de la latence) : ml.g6.8xlarge, ml.g6e.8xlarge, ml.g7e.4xlarge `generate_lowest_latency`
+ `interact_best_price_performance`(Interaction, Équilibré), `interact_highest_throughput` (Interaction, débit optimisé), (Interaction, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation de la latence) : ml.g6.2xlarge, ml.g6e.xlarge, ml.g7e.2xlarge `interact_lowest_latency`
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé), (Contexte maximal, optimisation des coûts), `max_context_lowest_cost` (Contexte maximum, latence optimisée) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.2xlarge `max_context_lowest_latency`
+ `modify_best_price_performance`(Modifier, équilibré), (Modifier, optimisation des coûts), `modify_lowest_cost` (Modifier, optimisation de la latence) : ml.g6.2xlarge, ml.g6e.8xlarge, ml.g7e.2xlarge `modify_lowest_latency`
+ `modify_highest_throughput`(Modifier, débit optimisé) : ml.g6.2xlarge, ml.g6e.8xlarge, ml.g7e.4xlarge
+ `summarize_best_price_performance`(résumé, équilibre), `summarize_lowest_cost` (résumé, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.12xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6.12xlarge, ml.g6e.24xlarge, ml.g7e.24xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.24xlarge, ml.g6e.16xlarge, ml.g7e.2xlarge |
| Qwen | Qwen3.5-9b | huggingface-vlm-qwen3-5-9b | Génération de texte | apache 2.0 | Oui | ml. g 6,24 x large, ml. g 6,48 x large |
| Qwen | Qwen3.6-27B | huggingface-vlm-qwen3-6-27b | Image-Text-to-Text | apache 2.0 | Oui | Par défaut : ml.g7e.12xlarge, ml.g7e.24xlarge, ml.g7e.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Modifier, Équilibrer), `modify_best_price_performance` (Modifier, Optimisation des coûts), `modify_lowest_cost` (Résumer, Optimisation des coûts), `summarize_best_price_performance` (Résumer, Optimisation des coûts) : `summarize_lowest_cost` ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `generate_highest_throughput`(Générer, débit optimisé), (Modifier, optimisation du débit), `modify_highest_throughput` (Modifier, optimisation de la latence) : ml.g7e.48xlarge, ml.p5.4xlarge, ml.p5en.48xlarge `modify_lowest_latency`
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.12xlarge, ml.p5.4xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_cost` (Interact, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé), `interact_lowest_latency` (Interact, latence optimisée) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g7e.24xlarge, ml.g7e.48xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts), `max_context_lowest_latency` (Contexte maximal, latence optimisée) : ml.g7e.12xlarge, ml.g7e.48xlarge, ml.p5en.48xlarge
+ `summarize_highest_throughput`(Résumé, débit optimisé) : ml.g6e.24xlarge, ml.g7e.48xlarge, ml.p5en.48xlarge
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge |
| Qwen | Qwen3.6-35B-A3B | huggingface-vlm-qwen3-6-35b-a3b | Génération de texte | apache 2.0 | Non | Par défaut : ml.g6e.24xlarge, ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5.48xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `max_context_highest_throughput` (Contexte maximum, débit optimisé) : ml.g6e.48xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Générer, optimisation de la latence), `max_context_lowest_cost` (Contexte maximum, optimisation des coûts), (Contexte maximum, latence optimisée), `max_context_lowest_latency` (Modifier, optimisation du débit), `modify_highest_throughput` (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit) : `summarize_highest_throughput` ml.g6e.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré), `interact_lowest_cost` (Interact, optimisation des coûts) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p5en.48xlarge
+ `interact_highest_throughput`(Interact, débit optimisé), `interact_lowest_latency` (Interact, optimisation de la latence) : ml.g6.48xlarge, ml.g6e.48xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, Équilibrer), `modify_lowest_cost` (Modifier, optimisation des coûts), (Résumer, Équilibrer), `summarize_best_price_performance` (Résumer, Optimisation des coûts) : ml.g6.48xlarge, ml.g6e.12xlarge, ml.p5.48xlarge `summarize_lowest_cost`
+ `summarize_lowest_latency`(Résumé, latence optimisée) : ml.g6e.12xlarge, ml.p5.48xlarge, ml.p5en.48xlarge |
| Qwen | QWq 32 V | huggingface-llm-qwq-32b | Génération de texte | apache 2.0 | Non | ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large |
| Reconnaître | Étuis de Wam espagnol à base de betterave Reconnai Xnli | huggingface-zstc-recognai-bert-base-spanish-wwm-cased-xnli | Zero-Shot Classification | mit | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Reconnaître | Reconnaissez Zeroshot Selectra Medium | huggingface-zstc-recognai-zeroshot-selectra-medium | Zero-Shot Classification | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Rinna | Rinna Japanese GPT NeoX 3.6B Instructions PPO | huggingface-llm-rinna-3-6b-instruction-ppo-bf16 | Génération de texte | mit | Non | ml. g 5,2 x large, ml. g 5,4 x grand, ml. g 5 x large |
| Salesforce | Salesforce \_R SFR-Embedding-2 | huggingface-textembedding-sfr-embedding-2-r | Intégration de texte | CC-BY-NC-4.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,8 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Salesforce | Salesforce SFR-Embedding-Mistral | huggingface-textembedding-sfr-embedding-mistral | Intégration de texte | CC-BY-NC-4.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,8 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Sentence-Transformers | Tous les MiniLM L6 v2 | huggingface-sentencesimilarity-all-MiniLM-L6-v2 | Similitude de phrases | apache 2.0 | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Sentence-Transformers | Tous les MiniLM L6 v2 | huggingface-textembedding-all-MiniLM-L6-v2 | Intégration de texte | Apache-2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,2 x large, ml. g 6,8 x large, ml. g 6,4 x large, ml. g 6,8 x large grand, ml.g6.xlarge, ml.p4d.24xlarge |
| Sentence-Transformers | tous- MiniLM-L12-v2 | huggingface-textembedding-all-MiniLM-L12-v2 | Intégration de texte | Apache-2.0 | Non | ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge |
| Sentence-Transformers | Paraphrase MiniLM multilingue L12 v2 | huggingface-textembedding-paraphrase-multilingual-MiniLM-L12-v2 | Intégration de texte | Apache-2.0 | Non | ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge |
| Shenzhi-Wang | Chat chinois Llama3 8B | huggingface-llm-shenzhi-wang-llama3-8B-chinese-chat | Génération de texte | lama 3 | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Snowflake | Snowflake Arctic Instruct Vllm | huggingface-llm-snowflake-arctic-instruct-vllm | Génération de texte | apache 2.0 | Non | ml.p5.48xlarge |
| Speakleash | Bielik-11B-v3.0-Instruct | huggingface-llm-bielik-11b-v3-0-instruct | Génération de texte | apache 2.0 | Non | Par défaut : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge, ml.g7e.2xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Générer, équilibrer), `generate_lowest_cost` (Générer, optimisation des coûts), (Interaction, optimisation des coûts), `interact_lowest_cost` `modify_lowest_cost` (Modifier, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.xlarge
+ `generate_highest_throughput`(Génération, débit optimisé), `interact_highest_throughput` (Interaction, débit optimisé), (Modifier, optimisation du débit), `modify_highest_throughput` (Modifier, optimisation de la latence), `modify_lowest_latency` (Synthèse, optimisation du débit), `summarize_highest_throughput` (Synthèse, optimisation de la latence) : `summarize_lowest_latency` ml.p4d.24xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6e.16xlarge, ml.p5.48xlarge, ml.p5en.48xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g5.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.48xlarge, ml.g6.24xlarge, ml.g6e.24xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_cost`(Contexte maximal, optimisation des coûts) : ml.g5.12xlarge, ml.g6.12xlarge, ml.g6e.12xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g5.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `modify_best_price_performance`(Modifier, équilibré) : ml.g6.12xlarge, ml.g6e.xlarge, ml.p4d.24xlarge
+ `summarize_best_price_performance`(Résumé, équilibré) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5.48xlarge
+ `summarize_lowest_cost`(Résumé, optimisation des coûts) : ml.g5.48xlarge, ml.g6.48xlarge, ml.g6e.12xlarge |
| Schleifer | Distilbart CNN 12-6 | huggingface-summarization-distilbart-cnn-12-6 | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Schleifer | Distilbart CNN 6-6 | huggingface-summarization-distilbart-cnn-6-6 | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Schleifer | Synthétisation de texte | huggingface-summarization-distilbart-xsum-1-1 | Synthétisation de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Stabilité | StableLM Instrut Alpha 7B v2 en japonais | model-textgenerationjp-japanese-stablelm-instruct-alpha-7b-v2 | Génération de texte | Apache-2.0 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p4 d. 24 x large, ml. p4 de 24 x large |
| Stabilité | Diffusion stable 2 | model-txt2img-stabilityai-stable-diffusion-v2 | Text-to-Image | creativeml-openrail\+\+-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Stabilité | Diffusion stable à 2 profondeurs FP16 | model-depth2img-stable-diffusion-2-depth-fp16 | Image-to-Image | creativeml-openrail\+\+-m | Non | ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.16xlarge, ml.g5.2xlarge, ml.g5.4xlarge, ml.g5.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Stabilité | Diffusion stable 2 FP16 | model-txt2img-stabilityai-stable-diffusion-v2-fp16 | Text-to-Image | creativeml-openrail\+\+-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Stabilité | Stable Diffusion 2 en peinture | model-inpainting-stabilityai-stable-diffusion-2-inpainting | Image-to-Image | creativeml-openrail\+\+-m | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Stabilité | Stable Diffusion 2 Inpainting FP16 | model-inpainting-stabilityai-stable-diffusion-2-inpainting-fp16 | Image-to-Image | creativeml-openrail\+\+-m | Non | ml.g4dn.xlarge, ml.g5.2xlarge, ml.p3.2xlarge |
| Stabilité | Stable Diffusion 2 Inpainting FP16 | model-inpainting-stabilityai-stable-diffusion2-inpainting-fp16 | Image-to-Image | creativeml-openrail\+\+-m | Non | ml.g4dn.xlarge, ml.g5.2xlarge, ml.p3.2xlarge |
| Stabilité | Stable Diffusion 2.1 | model-txt2img-stabilityai-stable-diffusion-v2-1-base | Text-to-Image | creativeml-openrail\+\+-m | Oui | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Stabilité | Neurone 2.1 à diffusion stable | huggingface-txt2imgneuron-stabilityai-stable-diffusion-v2-1 | Text-to-Image | creativeml-openrail\+\+-m | Non | ml.inf2.24x large, ml.inf2.48x large, ml.inf2.8x large, ml.inf2.x large |
| Stabilité | Upscaler Stable Diffusion x4 FP16 | model-upscaling-stabilityai-stable-diffusion-x4-upscaler-fp16 | Image-to-Image | openrail\+\+ | Non | ml. g4 dn.4 x large, ml. g4 dn.8 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. p 3,2 x large |
| Stabilité | Stable Diffusion XL 1.0 (code source libre) | model-imagegeneration-stabilityai-stable-diffusion-xl-base-1-0 | Text-to-Image | openrail\+\+ | Non | ml. g 5,16 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Stabilité | Neurone à diffusion stable XL Base 1.0 | huggingface-txt2imgneuron-stabilityai-stable-diffusion-xlbase1 | Text-to-Image | openrail\+\+ | Non | ml.inf2.24x large, ml.inf2.48x large, ml.inf2.8x large, ml.inf2.x large |
| Swiss-Ai | Apertus 70B 2509 | huggingface-llm-apertus-70b-2509 | Génération de texte | apache 2.0 | Non | ml.g5,48 x large, ml.g6,48 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| Swiss-Ai | Apertus 70B Instrut 2509 | huggingface-llm-apertus-70b-instruct-2509 | Génération de texte | apache 2.0 | Non | ml.g5,48 x large, ml.g6,48 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| Swiss-Ai | Ouverture 8B, instruction 2509 | huggingface-llm-apertus-8b-instruct-2509 | Génération de texte | apache 2.0 | Non | ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,48 x large, ml.g5,4 x large, ml.g5,x large, ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,2 x large, ml.g6. 48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. p4d.24x large, ml.p4de.24x large, ml.p5.48x large, ml.p5e.48x large, ml.p5en.48x large |
| Le type | Mistral 7B AWQ OpenOrca | huggingface-llm-thebloke-mistral-7b-openorca-awq | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| Le type | Mistral 7B GPTQ OpenOrca | huggingface-llm-mistral-7b-openorca-gptq | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g5,4 x large, ml. g5,8 x large, ml. p4 d. 24 x large, ml. p4 de. 24 x large, ml. p 5,48 x large |
| Le type | Mixtral 8x7B Instruction GPTQ | huggingface-llm-mixtral-8x7b-instruct-gptq | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Puis lper | GTE Large | huggingface-sentencesimilarity-gte-large | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Puis lper | GTE Small | huggingface-sentencesimilarity-gte-small | Similitude de phrases | mit | Oui | ml.c6i.x large, ml.g4dn,2xlarge, ml.g5,2xlarge, ml.g5,4xlarge, ml.g5,8xlarge, ml.p3,2xlarge |
| Tiou-émirats | Falcon180B BF16 | huggingface-llm-falcon-180b-bf16 | Génération de texte | Non applicable | Non | ml. P4 de 24 x large, ml. P 5,48 x large |
| Tiou-émirats | Tableau Falcon180B BF16 | huggingface-llm-falcon-180b-chat-bf16 | Génération de texte | Non applicable | Non | ml. P4 de 24 x large, ml. P 5,48 x large |
| Tiou-émirats | Falcon 40B BF16 | huggingface-llm-falcon-40b-bf16 | Génération de texte | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Tiou-émirats | Falcon 40B Instruct BF16 | huggingface-llm-falcon-40b-instruct-bf16 | Génération de texte | apache 2.0 | Oui | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Tiou-émirats | Falcon 7B BF16 | huggingface-llm-falcon-7b-bf16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Tiou-émirats | Falcon 7B Instruct BF16 | huggingface-llm-falcon-7b-instruct-bf16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Tiou-émirats | Falcon RW 1B | huggingface-llm-tiiuae-falcon-rw-1b | Génération de texte | apache 2.0 | Non | ml.g5.2xlarge |
| Tiou-émirats | Falcon-H1-0.5B-Instruct | huggingface-llm-falcon-h1-0-5b-instruct | Génération de texte | autre | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5,16x large, ml.g5.24x large, ml.g5.2xlarge, ml.g5.48x large, ml.g5.48x large, ml.. g 5,4 x large, ml. g 5,8 x large, ml. g6, 12 x large, ml. g 6,16 x large, ml. g 6,24 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6, 12 x large, ml. g6 e.16 xlarge, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large, ml.p3,2 x large, ml.p4D.24 x large |
| Tiou-émirats | Falcon-H1-1.5B-Deep-Instruct | huggingface-llm-falcon-h1-1-5b-deep-instruct | Génération de texte | autre | Non | ml.g5,16 x large, ml.g5,4 x large, ml.g5,8 x large, ml.g6,16 x large, ml.g6,2x large, ml.g6,4 x large, ml.g6,x large, ml.g6e.16x large, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.8 x large, ml.g6e.x large, ml.g6e.8 x large, ml.g6e.8 x large, ml.g6e.x large ex.large |
| Tiou-émirats | Falcon-H1-1.5B-Instruct | huggingface-llm-falcon-h1-1-5b-instruct | Génération de texte | autre | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6 x large, ml. g6 x 2 x large, ml. ml.g6e.48 x large, ml.g6e.4 x large, ml.g6e.8 x large |
| Tiou-émirats | Falcon-H1-34B-Instruct | huggingface-llm-falcon-h1-34b-instruct | Génération de texte | autre | Non | ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large |
| Tiou-émirats | Falcon-H1-3B-Instruct | huggingface-llm-falcon-h1-3b-instruct | Génération de texte | autre | Non | ml.g6e.16 x large, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large |
| Tiou-émirats | Falcon-H1-7B-Instruct | huggingface-llm-falcon-h1-7b-instruct | Génération de texte | autre | Non | ml.g6e.12 x large, ml.g6e.24 x large |
| Tiou-émirats | Falcon2-11B | huggingface-llm-falcon2-11b | Génération de texte | Non applicable | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| Tiou-émirats | Falcon3-10B-Base | huggingface-llm-falcon-3-10B-base | Génération de texte | autre | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Tiémirats arabes unis | Falcon3-10B-Instruct | huggingface-llm-falcon-3-10B-Instruct | Génération de texte | autre | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g6,12 x large, ml.g6.24x large, ml.g6e.12x large, ml.g6e.16x large, ml.g6e.24x large, ml.g6e.2xlarge, ml.g6e.4 x large, ml.g6e.8 x large, ml. g6e.xlarge |
| Tiémirats arabes unis | Falcon3-1B-Instruct | huggingface-llm-falcon-3-1B-Instruct | Génération de texte | autre | Non | Par défaut : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge, ml.g6e.xlarge, ml.p3.2xlarge, ml.p4d.24xlarge
Des types d'instances supplémentaires sont disponibles via ces configurations de déploiement d'hébergement :+ `generate_best_price_performance`(Généré, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.2xlarge
+ `generate_highest_throughput`(Génération, débit optimisé) : ml.g6e.12xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `generate_lowest_cost`(Génération, optimisation des coûts), `interact_lowest_cost` (Interaction, optimisation des coûts), (Contexte maximal, `max_context_lowest_cost` optimisation des coûts) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6.xlarge
+ `generate_lowest_latency`(Génération, latence optimisée) : ml.g6.12xlarge, ml.g6e.12xlarge, ml.p4d.24xlarge
+ `interact_best_price_performance`(Interact, équilibré) : ml.g4dn.xlarge, ml.g5.xlarge, ml.g6e.xlarge
+ `interact_highest_throughput`(Interact, débit optimisé) : ml.g6e.48xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `interact_lowest_latency`(Interact, latence optimisée) : ml.g5.2xlarge, ml.g6.48xlarge, ml.g6e.48xlarge
+ `max_context_highest_throughput`(Contexte maximal, débit optimisé) : ml.g6e.24xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge
+ `max_context_lowest_latency`(Contexte maximal, latence optimisée) : ml.g6e.4xlarge, ml.p4d.24xlarge, ml.p5en.48xlarge |
| Tiémirats arabes unis | Falcon3-3B-Base | huggingface-llm-falcon-3-3B-base | Génération de texte | autre | Non | ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,48 x large, ml.g5,4 x large, ml.g5,x large, ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,2 x large, ml.g6. 48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g 6 x large, ml. p 4 x large, ml. p 5,48 x large |
| Tiémirats arabes unis | Falcon3-3B-Instruct | huggingface-llm-falcon-3-3B-Instruct | Génération de texte | autre | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.4xlarge, ml.g5,12 x large, ml.g5,16 x large, ml.g5,2 x large, ml.g5,4xlarge, ml.g5.xlarge, ml.g6,16 x large, ml.g6,16 x large, ml.g24xlarge xlarge, ml.g6,2 x large, ml.g6,4 x large, ml.g6,8 x large, ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.xlarge, ml.g6e.xlarge, ml.p3,2 x large |
| Tiémirats arabes unis | Falcon3-7B-Base | huggingface-llm-falcon-3-7B-base | Génération de texte | autre | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 6,12 x large, ml. g 6,24 x large, ml. g 6,48 x large, ml. p 4 D. 24 x large, ml. p 5,48 x large |
| Tiémirats arabes unis | Falcon3-7B-Instruct | huggingface-llm-falcon-3-7B-Instruct | Génération de texte | autre | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,24 x large, ml.g6,12 x large, ml.g6,24 x large, ml.g6e.12x large, ml.g6e.24x large, ml.g6e.2xlarge, ml.g6e.4 x large, ml.g6e.xlarge |
| Tinyllama | Petit lama 1,1B | huggingface-llm-tinyllama-1-1b-intermediate-step-1431k-3 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large |
| Tinyllama | Tiny Llama 1.1B Chat V0.6 | huggingface-llm-tinyllama-tinyllama-1-1b-chat-v0-6 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large |
| Tinyllama | Tiny Llama 1.1B Chat V1 | huggingface-llm-tinyllama-tinyllama-1-1b-chat-v1-0 | Génération de texte | apache 2.0 | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,2 x large |
| Ordinateur Together | RedPajama Tableau INCITE 3B V1 | huggingface-textgeneration1-redpajama-incite-chat-3B-v1-fp16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Ordinateur Together | RedPajama Tableau INCITE 7B V1 | huggingface-textgeneration1-redpajama-incite-chat-7B-v1-fp16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Ordinateur Together | RedPajama INCITE Instrut 3B V1 | huggingface-textgeneration1-redpajama-incite-instruct-3Bv1fp16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Ordinateur Together | RedPajama Invite Instruit 7B V1 | huggingface-textgeneration1-redpajama-incite-instruct-7B1fp16 | Génération de texte | apache 2.0 | Oui | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| Tokyotech-Llm | Swallow-7b-instruct-hf | huggingface-llm-swallow-7b-instruct-hf | Génération de texte | lama 2 | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,4 x large, ml.g5,8 x large, ml.g5.xlarge, ml.g6,1x large, ml.g6,16 x large, ml.g6,24 x large, ml. g6,24 x large, ml.. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6 E. 12 x large, ml. g6 E. 16 x large, ml. g6 x large, ml. g6 x x large |
| Volrah 50 | Diffusion de cartes fantastiques Volrath50 | huggingface-txt2img-volrath50-fantasy-card-diffusion | Text-to-Image | creativeml-openrail-m | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.p3.2xlarge |
| Writer | Writer Palmyra Small | huggingface-llm-writer-palmyra-small | Génération de texte | apache 2.0 | Non | ml.g5.2xlarge |
| Zai-Org | GLM-5.1-FP8 | huggingface-llm-glm-5-1-fp8 | Génération de texte | Apache-2.0 | Non | ml.p5en.48xlarge |
------
#### [ Proprietary Models (121) ]
Des modèles de base propriétaires sont proposés par des fournisseurs tiers via Amazon SageMaker JumpStart. Pour utiliser un modèle de base propriétaire, vous devez d'abord vous abonner au modèle AWS sur Marketplace. Une fois inscrit, vous pouvez localiser et déployer le modèle de base dans Amazon SageMaker Studio.
| Nom du modèle | ID du modèle | Sous-tâche | Fine-tunable | Types d'instances d'inférence pris en charge |
| --- | --- | --- | --- | --- |
| A.X 4.0 Lumière | sk-telecom-ax4-light | Génération de texte | Non | ml.g5.2xlarge |
| Réponses contextuelles de l'AI21 | ai21-contextual-answers | Génération de texte | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,48 x large, ml.p4d.24x large |
| Lampe AI21 Jurassic-2 | ai21-jurassic-2-light | Génération de texte | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,48 x large, ml.p4d.24x large |
| AI21 Mid Jurassic-2 | ai21-jurassic-2-grande-instruct | Génération de texte | Non | ml.g4dn.12x large, ml.g5,12 x large, ml.g5,48 x large, ml.p4d.24x large |
| AI21 Ultra Jurassic-2 | ai21-jurassic-2-jumbo-instruct | Génération de texte | Non | ml.g 5,48 x large, ml.p4d. 24 x large, ml.p4de.24 x large |
| Paraphrase AI21 | ai21-paraphrase | Génération de texte | Non | ml.g4dn.2xlarge |
| AI21 Résumé | ai21-summarization | Génération de texte | Non | ml.g4dn.12x large, ml.g4dn.4xlarge, ml.g5.x large |
| Arcee Lite | arcee-lite | Génération de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Arcee SuperNova | arcee-supernova | Génération de texte | Non | ml.p4d.24xlarge, ml.p4de.24xlarge, ml.p5.48x large |
| Arcee Virtuoso Small | arcee-virtuoso-small | Génération de texte | Non | ml.g5,12 x large, ml.g 5,24 x large, ml.g5,48 x large, ml.g6,12 x large, ml.g6,24 x large, ml .g6,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4de.24 x large, ml. .p 5,48 x large |
| Bria 2.2HD Commercial Text-to-image | bria-ai-2-2-hd-commercial | ReRank | Non | ml.g5,12 x large, ml.g 5,2 x large, ml.g5,48 x large, ml.p4d.24 x large, ml.p4de.24 x large |
| Bria 2.3 Commercial Text-to-image | bria-ai-2-3-commercial | ReRank | Non | ml.g5,12 x large, ml.g 5,2 x large, ml.g5,48 x large, ml.p4d.24 x large, ml.p4de.24 x large |
| Bria 2.3 Fast Commercial Text-to-image | bria-ai-2-3-fast-commercial | ReRank | Non | ml.g5,12 x large, ml.g 5,2 x large, ml.g5,48 x large, ml.p4d.24 x large, ml.p4de.24 x large |
| Cohérence de la commande R (RA100) | cohere-command-r-a100 | Génération de texte | Non | ml.p4de.24xlarge |
| Cohérence de la commande (RH100) | cohere-command-r-h100 | Génération de texte | Non | ml.p5.48xlarge |
| Cohérer la commande R\+ (A100) | cohere-command-r-plus-a100 | Génération de texte | Non | ml.p4de.24xlarge |
| Cohérer la commande R\+ (H100) | cohere-command-r-plus-h100 | Génération de texte | Non | ml.p5.48xlarge |
| Cohere Intégrer 4 | cohere-embed-v4-0 | Intégration de texte | Non | ml.g5.2xlarge, ml.g5.xlarge, ml.g6.2xlarge, ml.g6.xlarge |
| Cohere Embed Light Model v3 - Anglais | cohere-embed-light-english | Intégration de texte | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Cohere Embed Light v3 - Multilingue | cohere-embed-light-multilingual | Intégration de texte | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Cohere Embed Model 3 - Multilingue | cohere-embed-multilingual | Intégration de texte | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Modèle Cohere Embed v3 - anglais | cohere-embed-english | Intégration de texte | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Modèle Cohere Rrank 2 - anglais | cohere-rerank-english-v2 | ReRank | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Modèle Cohere Rrank 2 - Multilingue | cohere-rerank-multilingual-v2 | ReRank | Non | ml.g4dn.2xlarge, ml.g4dn.xlarge, ml.g5,2xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Modèle Cohere Rrank 3 - anglais | cohere-rerank-v3-english | ReRank | Non | ml.g5.2xlarge, ml.g5.xlarge |
| Modèle Cohere Rrank 3 - Multilingue | cohere-rerank-v3-multilingual | ReRank | Non | ml.g5.2xlarge, ml.g5.xlarge |
| Modèle Nimble de Cohere Rde 3 - Anglais | cohere-rerank-nimble-english | ReRank | Non | ml.g5.2xlarge, ml.g5.xlarge |
| Modèle Nimble Cochere Rank3 - Multi | cohere-rerank-nimble-multi | ReRank | Non | ml.g5.2xlarge, ml.g5.xlarge |
| Cohérence Rhano v3.5 | cohere-rerank-v3-5 | Intégration de texte | Non | ml.g5.2xlarge, ml.g5.xlarge, ml.g6.2xlarge, ml.g6.xlarge |
| Cochere Rhono v4.0 Fast | cohere-rerank-v4-0-fast | Intégration de texte | Non | ml. g 5,2 x large, ml. g 5 x large, ml. p 5,4 x large |
| Cohérence Rhono v4.0 Pro | cohere-rerank-v4-0-pro | Intégration de texte | Non | ml. g 5,2 x large, ml. g 5 x large, ml. p 5,4 x large |
| Commande A (A100) | cohere-command-a-a100 | Génération de texte | Non | ml.p4de.24xlarge |
| Commande A (H100) | cohere-command-a-h100 | Génération de texte | Non | ml.p5.48xlarge |
| Commande R 08-2024 (H100) | cohere-command-r-08-2024-h100 | Génération de texte | Non | ml.p5.48xlarge |
| Commande R\+ 08-2024 (H100) | cohere-command-r-plus-08-2024-h100 | Génération de texte | Non | ml.p5.48xlarge |
| OCR de documents | upstage-document-ocr | Reconnaissance optique de caractères | Non | ml.g5.2xlarge |
| Analyse de documents | upstage-document-layout-analysis | Reconnaissance optique de caractères | Non | ml. g 5,2 x large, ml. g 6,2 x grand, ml. p 3,2 x grand |
| Intégrer | upstage-solar-embedding-large | Intégration de texte | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6, 24 x large, ml. g6 x large, ml. g6, 48 x large grand, ml.g6E.4 x large, ml.g6E.8xlarge |
| ESM3-open | evolutionary-scale-esm3 | Génération multimodale | Non | ml. g 5,4 x large, ml. g 5,8 x large |
| Evo2-NIM | nvidia-evo2-nim | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| EXAONE Atelier - De l'image au texte | lgresearch-exaone | Génération de texte Image2Text | Non | ml.g5.12x large, ml.g5.48 x large, ml.g5.x large, ml.p4d.24x large |
| Gretel Navigator Tabular | gretel-navigator-tabular | Génération de texte | Non | ml.g5.2xlarge, ml.g5.xlarge |
| H-Optimus-0 | bioptimus-h-optimus-0 | Extraction de fonctionnalités | Non | ml.g5.xlarge |
| IBM Granite 20B Code Instruct - 8K | ibm-granite-20b-code-instruct-8k | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| IBM Granite 3.0 2B Instructions | granite-3-0-2b-instruct | Génération de texte | Non | ml. P 4 D. 24 x large, ml. P 5,48 x large |
| IBM Granite 3.0 8B Instructions | granite-3-0-8b-instruct | Génération de texte | Non | ml. P 4 D. 24 x large, ml. P 5,48 x large |
| IBM Granite 3.2 Instrut 2B | ibm-granite-3-2-2b-instruct | Génération de texte | Non | ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,48 x large, ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.p4d.24 x large, ml. p 5,48 x large |
| IBM Granite 3.2 Instrut 8B | ibm-granite-3-2-8b-instruct | Génération de texte | Non | ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,48 x large, ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.p4d.24 x large, ml. p 5,48 x large |
| IBM Granite 34B Code Instruct - 8K | ibm-granite-34b-code-instruct-8k | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large |
| IBM Granite 3B Code Instruct - 128K | ibm-granite-3b-code-instruct-128k | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| IBM Granite 4.0 h-micro | ibm-granite-4-0-h-micro | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.p4d.24 x large, ml.p5,48 x large |
| IBM Granite 4.0 h, taille S | ibm-granite-4-0-h-small | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.p4d.24 x large, ml.p5,48 x large |
| IBM Granite 4.0 h minuscule | ibm-granite-4-0-h-tiny | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.p4d.24 x large, ml.p5,48 x large |
| IBM Granite 8B Code Instruct - 128K | ibm-granite-8b-code-instruct-128k | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large |
| ixi- GEN-Fin-7.8B | lg-ixi-gen | Génération de texte | Non | ml.g5.4xlarge |
| JetBrains AI Mellum Tout | jbai-mellum-all | génération de texte à texte | Non | ml.g5,2 x large, ml.g6,2 x large, ml.g6e.x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large |
| JetBrains IA Mellum Kotlin | jbai-mellum-kotlin | génération de texte à texte | Non | ml.g5,2 x large, ml.g6,2 x large, ml.g6e.x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large |
| JetBrains IA Mellum Python | jbai-mellum-python | génération de texte à texte | Non | ml.g5,2 x large, ml.g6,2 x large, ml.g6e.x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large |
| Jina Embeddings v2 Base - fr | jinaai-embeddings-v2-base-en | Intégration de texte | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5,16x large, ml.g5.24x large, ml.g5.2xlarge, ml.g5.48x large, ml.g5.48x large, ml.. g 5,4 x large, ml. g 5,8 x large, ml. g5 x large, ml. p2,16 x large, ml. p2,8 x large, ml. p2 x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| KARAKURI LM 8x7b instruct | karakuri-lm-8x7b-instruct | Génération de texte | Non | ml. g 5,48 x large, ml. g 6,48 x large |
| LightOn Lyra-Fr 10B | lighton-lyra-fr | Génération de texte | Non | ml.p4d.24xlarge |
| LightOn Mini-instruct 40B | lighton-mini-instruct40b | Génération de texte | Non | ml.p4d.24xlarge |
| Liquide LFM 40B (A100) | liquid-lfm-40b-a100 | Génération de texte | Non | ml.p4d.24xlarge |
| Liquide LFM 40B (H100) | liquid-lfm-40b-h100 | Génération de texte | Non | ml.p5.48xlarge |
| Liquide LFM 40B (L40S) | liquid-lfm-40b-l40s | Génération de texte | Non | ml.g6e.12xlarge |
| LFM 7B liquide (L40S) | liquid-lfm-7b-l40s | Génération de texte | Non | ml.g6e.16 x large, ml.g6e.2 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large |
| Lama 3.1 Nemotron Nano 8B V1 | nvidia-nemotron-nano-8b-nim | Génération de texte | Non | ml.g5,12 x large, ml.g5,24 x large, ml.g5,48 x large, ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.g6e.8 x large, ml.p4d.24 x large, ml. p4de.24xlarge, ml.p5.48x large, ml.p5e.48x large, ml.p5en.48x large |
| Lama 3.1 Lite SuperNova | arcee-llama-3-1-supernova-lite | Génération de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Microservice NIM NVRE RankQA1b Llama 3.2 | nvidia-llama3-2-nv-rerankqa-1b-v2-nim | Génération de texte | Non | ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,48 x large, ml.g5,4 x large, ml.g5,x large, ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,2 x large, ml.g6. 48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| Lama 3.3 Nemotron Super 49B V1 | nvidia-nemotron-super-49b-nim | Génération de texte | Non | ml.g5,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| Nemotron Super 49B Lama 3.3 V1.5 | nvidia-nemotron-super-49b-nim-1-5 | Génération de texte | Non | ml.g5,48 x large, ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| Llama Spark | arcee-llama-spark | Génération de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Llama-3-Varco-Offsetbias-8B | ncsoft-llama-3-varco-offsetbias-8b | Génération de texte | Non | ml.g5.12xlarge |
| Llama-3.1-8B-Instruct avec support de transformation en vitrail | protopia-llama-3-1-8b-instruct | Génération de texte | Non | ml. g 4 d n x 12 x large, ml. g 5,16 x large, ml. g 5,4 x large |
| Llama-3.2-NV-EmbedQA-1B-v2 | nvidia-llama3-2-nv-embedqa-1b-v2-nim | Intégration de texte | Non | ml.g5,12 x large, ml.g5,16 x large, ml.g5,24 x large, ml.g5,2 x large, ml.g5,48 x large, ml.g5,4 x large, ml.g5,x large, ml.g6,12 x large, ml.g6,16 x large, ml.g6,24 x large, ml.g6,2 x large, ml.g6. 48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large, ml. g6, 12 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. p 4 x 24 x large, ml. p 4 de 24 x large, ml. p 5,48 x large |
| MARS6 | cambai-mars6 | Texte vers audio | Non | ml.g4dn,2xlarge, ml.g6,2xlarge |
| Medical LLM - Medium | john-snow-labs-medical-summarization-qa-8b | Synthétisation de texte | Non | ml. g 4 d n x 12 x large, ml. g 5,2 x large |
| Medical LLM - Small | john-snow-labs-summarization-qa | Synthétisation de texte | Non | ml.g5.12xlarge |
| Traduction de textes médicaux (EN-ES) | john-snow-labs-medical-translation-en-es | Traduction | Non | ml.g5.2xlarge |
| Mercury | inception-mercury | Génération de texte | Non | ml.p5.48xlarge |
| Codeur Mercury | inception-mercury-coder | Génération de texte | Non | ml.p5.48xlarge |
| recherche sur MSA | nvidia-nim-msa-search-v2-1 | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| Némotron nano 9b v2 | nvidia-nemotron-nano-9b-v2 | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g5,8 x large, ml .g6 e.12 x large, ml .g6e.16 x large, ml .g6e.24 x large, ml .g6e.2 x large, ml .g6e.48 x large grand, ml.g6e.4 x large, ml.g6e.8 x large, ml.g6e.x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| analyseur de némotrons | nvidia-nemotron-parse | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,48 x large, ml. g5,4 x large, ml. g5,8 x large, ml. g5 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6 x large, ml. g6 x 2 x large, ml. ml.g6e.48x large, ml.g6e.4xlarge, ml.g6e.8x large, ml.g6e.xlarge, ml.p4d.24x large, ml.p4de.24xlarge, ml.p5.48x large, ml.p5e.48x large, ml.p5en.48x large |
| NEXUS par Fundamental | fundamental-technologies-nexus | Classification | Non | ml.g4dn.8xlarge, ml.p5en.48x large |
| Nomic Embed Text v1.5 | nomic-embed-text | Intégration de texte | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5,16x large, ml.g5.24x large, ml.g5.2xlarge, ml.g5.48x large, ml.g5.48x large, ml.. g 5,4 x large, ml. g 5,8 x large, ml. g5 x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Nomic Embed Vision v1.5 | nomic-embed-image | Intégration de texte | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5,16x large, ml.g5.24x large, ml.g5.2xlarge, ml.g5.48x large, ml.g5.48x large, ml.. g 5,4 x large, ml. g 5,8 x large, ml. g5 x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| NVIDIA Cosmos Reason-1-7B | nvidia-nim-cosmos-reason1-7b | Génération de texte | Non | ml.g5,12 x large, ml.g5,24 x large, ml .g5,48 x large, ml.g6e.12 x large, ml.g6e.16 x large, ml.g6e.24 x large, ml.g6e.2 x large, ml.g6e.48 x large, ml.g6e.4 x large, ml.g6e.xlarge, ml.p6 4 x 24 x large, ml. p 4 de. 24 x large, ml. p 5,48 x large, ml. p 5,4 x large, ml. p 5 x large, ml. p5 en.48 x large |
| Microservice Nemotron-4 NIM NVIDIA 15B | nvidia-nemotron-4-15b-nim | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,24 x large |
| NVIDIA Parakeet VTDT 0.6B v2 | nvidia-parakeetvtdt-0-6b-v2 | Génération Audio2Text | Non | ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,4 x large, ml. g6,8 x large, ml. g6, 12 x large, ml. g6, 16 x large, ml. g6, 24 x large, ml. g6 x large, ml. g6, 48 x large grand, ml.g6E.4 x large, ml.g6E.8xlarge |
| NVIDIA-Parakeet-1-1b-CTC-EN-US-ASR | nvidia-parakeet-1-1b-ctc-en-us-asr | Génération Audio2Text | Non | ml. g 5,12 x large, ml. g 5,16 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 6,12 x large, ml. g 6,16 x large, ml. g 6,24 x large, ml. g 6,2 x large, ml. g 6,48 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x 12 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. g6 x large, ml. p 4 x large, ml. p4 de 24 x large |
| Orbe | orbital-materials-orb | Modélisation scientifique | Non | ml.g4dn.12x large, ml.g4dn.16x large, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.p3.16x large, ml.p3.2xlarge, ml.p3.8xlarge, ml.p4d.24x large |
| PLaMo Déploiement privé | preferred-networks-plamo-api | Génération de texte | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. p 4 D. 24 x large |
| ProteinMPNN-NIM | nvidia-nim-proteinmpnn-v1-0-2 | Génération de texte | Non | ml.g6e.12 x large, ml.g6e.24 x large, ml.g6e.48 x large, ml.p4d.24 x large, ml.p4de.24 x large, ml.p5.48 x large, ml.p5e.48 x large, ml.p5en.48 x large |
| rerank-lite-1 Réclassement | voyage-rerank-lite-1-reranker | ReRank | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 5 x large |
| Solar Mini - Quant | upstage-solar-mini-chat-quant | Génération de texte | Non | ml.g5.2xlarge |
| Solar Pro - Quant | upstage-solar-pro-quantized | Génération de texte | Non | ml.g5.12xlarge |
| Solar Pro 2 | upstage-solar-pro | Génération de texte | Non | ml. P 4 D. 24 x large, ml. P 5,48 x large |
| Sonic 3 SageMaker | cartesia-sonic-3-sagemaker | Texte vers audio | Non | ml.g6e.xlarge |
| Stable Diffusion 3.5 Large | stabilityai-stable-diffusion-3-5-large | Texte vers image | Non | ml.p5.48xlarge |
| Stable Diffusion XL 1.0 | stabilityai-sdxl-1-0 | Texte vers image | Non | ml.g 5,2 x large, ml.p4d .24 x large, ml.p4de.24 x large |
| Stable Diffusion XL Bêta 0,8 | stabilityai-sdxl-beta-0-8 | Texte vers image | Non | ml.g5.xlarge |
| Stockmark-LLM-13b | stockmark-llm-13b | Génération de texte | Non | ml.g5.2xlarge |
| VARCO LLM KO-1.3B-IST | ncsoft-ko-1-3b-ist | Génération de texte | Non | ml. g 4 d n x large, ml. g 5,2 x large, ml. g 5,4 x large |
| VARCO LLM KO-6.4B-IST | ncsoft-ko-6-4b-ist | Génération de texte | Non | ml.g4dn.4 x large, ml.g4dn.8xlarge, ml.g5,12 x large, ml.g5,4 x large, ml.g5,8xlarge |
| VARCO LLM KO/EN-13B-IST | ncsoft-ko-13b-ist | Génération de texte | Non | ml.g4dn.12x large, ml.g5,12 x large |
| Modèle d'intégration voyage-2 | voyage-2-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 5 x large |
| Modèle d'intégration voyage-3 | voyage-3-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Grand modèle d'intégration voyage-3 | voyage-3-large-embedding | Intégration de texte | Non | ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g 5 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large, ml. g6 x large |
| Modèle d'intégration voyage-3.5 | voyage-3-5-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Modèle d'intégration voyage-3.5-lite | voyage-3-5-lite-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Modèle d'intégration voyage-code-2 | voyage-code-2-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Modèle d'intégration voyage-code-3 | voyage-code-3-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Modèle d'intégration voyage-large-2 | voyage-large-2-embedding | Intégration de texte | Non | ml. g 5,16 x large, ml. g 5,2 x large, ml. g 5,4 x large, ml. g 5,8 x large, ml. g5, ml. g 6,16 x large, ml. g 6,2 x large, ml. g 6,4 x large, ml. g 6,8 x large |
| Widn Tower Anthill | widn-tower-anthill | Traduction | Non | ml.g5.xlarge |
| Widn Tower Sugarloaf | widn-tower-sugarloaf | Traduction | Non | ml.g5.12xlarge |
| Tour à vent Vésuve | widn-llama3-tower-vesuvius | Traduction | Non | ml.g 5,48 x large, ml.p4d. 24 x large, ml.p4de.24 x large |
| Moteur de vision IA Woven City | wovenbytoyota-woven-city-ai-vision-engine | Génération multimodale | Non | ml. g 5,12 x large, ml. g 5,24 x large, ml. g 5,48 x large, ml. g 5,8 x large |
| Rédacteur Palmyra-Fin-70B-32K | writer-palmyra-fin-70b-32k | Génération de texte | Non | ml.p4d.24xlarge |
| Rédacteur Palmyra-Med-70B-32K | writer-palmyra-med-70b-32k | Génération de texte | Non | ml.p4d.24xlarge |
| Rédacteur Palmyra-X-004 | writer-palmyra-x-004 | Génération de texte | Non | ml.p5.48xlarge |
------
#### [ Built-in Algorithms (135) ]
Amazon SageMaker JumpStart fournit des modèles préentraînés et spécifiques à des tâches pour les tâches courantes de vision par ordinateur, telles que la classification d'images, la détection d'objets et la segmentation d'images. Ces modèles sont basés sur des frameworks de deep learning établis (PyTorch,TensorFlow,MXNet) et sont prêts à être déployés ou affinés sur vos propres données.
| Fournisseur | Nom du modèle | ID du modèle | Sous-tâche | Licence | Fine-tunable | Types d'instances d'inférence pris en charge |
| --- | --- | --- | --- | --- | --- | --- |
| Mxnet | RCNN ResNet 101 V1d plus rapide | mxnet-od-faster-rcnn-fpn-resnet101-v1d-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RCNN ResNet 101 V1d plus rapide | mxnet-od-faster-rcnn-resnet101-v1d-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RCNN ResNet 50 V1b plus rapide | mxnet-od-faster-rcnn-fpn-resnet50-v1b-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RCNN ResNet 50 V1b plus rapide | mxnet-od-faster-rcnn-resnet50-v1b-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | RCNN ResNet 50 V1b plus rapide | mxnet-od-faster-rcnn-resnet50-v1b-voc | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | FCN ResNet 101 ADE20K | mxnet-semseg-fcn-resnet101-ade | Segmentation d'images | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | FCN ResNet 101 Pascal COV | mxnet-semseg-fcn-resnet101-voc | Segmentation d'images | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | FCN ResNet 50 ADE20K | mxnet-semseg-fcn-resnet50-ade | Segmentation d'images | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Segmentation d'instances | mxnet-is-mask-rcnn-fpn-resnet101-v1d-coco | Segmentation d'images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | MASK RCNN FPN RESNET18 COCO | mxnet-is-mask-rcnn-fpn-resnet18-v1b-coco | Segmentation d'images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | MASK RCNN FPN RESNET50 COCO | mxnet-is-mask-rcnn-fpn-resnet50-v1b-coco | Segmentation d'images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | MASK RCNN RESNET18 COCO | mxnet-is-mask-rcnn-resnet18-v1b-coco | Segmentation d'images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Object Detection | mxnet-od-ssd-512-mobilenet1-0-coco | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Semantic Segmentation | mxnet-semseg-fcn-resnet101-coco | Segmentation d'images | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Disque dur SSD 512 ResNet 50 V1 | mxnet-od-ssd-512-resnet50-v1-coco | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Disque dur SSD MobileNet 1.0 | mxnet-od-ssd-512-mobilenet1-0-voc | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Disque dur SSD ResNet 50 V1 | mxnet-od-ssd-512-resnet50-v1-voc | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | SSD VGG 16 Atrous 300 | mxnet-od-ssd-300-vgg16-atrous-voc | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | SSD VGG 16 Atrous 512 | mxnet-od-ssd-512-vgg16-atrous-coco | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Disque dur SSD VGG16 Atrous 300 | mxnet-od-ssd-300-vgg16-atrous-coco | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | Disque dur SSD VGG16 Atrous 512 | mxnet-od-ssd-512-vgg16-atrous-voc | Object Detection | apache 2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | YOLO V3 53 DarkNet | mxnet-od-yolo3-darknet53-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | YOLO V3 53 DarkNet | mxnet-od-yolo3-darknet53-voc | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | YOLO V3 1.0 MobileNet | mxnet-od-yolo3-mobilenet1-0-coco | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Mxnet | YOLO V3 1.0 MobileNet | mxnet-od-yolo3-mobilenet1-0-voc | Object Detection | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Pytorch | SqueezeNet 1 | pytorch-ic-squeezenet1-1 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | AlexNet | pytorch-ic-alexnet | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | DenseNet 121 | pytorch-ic-densenet121 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | DenseNet 169 | pytorch-ic-densenet169 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | FRCNN MobileNet V3 grand 320 FPN | pytorch-od1-fasterrcnn-mobilenet-v3-large-320-fpn | Object Detection | clause bsd-3 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Pytorch | Grand VPN FRCNN MobileNet V3 | pytorch-od1-fasterrcnn-mobilenet-v3-large-fpn | Object Detection | clause bsd-3 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Pytorch | GoogLeNet | pytorch-ic-googlenet | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | Classification d’images | pytorch-ic-mobilenet-v2 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | Object Detection | pytorch-od1-fasterrcnn-resnet50-fpn | Object Detection | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Pytorch | ResNet 101 | pytorch-ic-resnet101 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | ResNet 152 | pytorch-ic-resnet152 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | ResNet 18 | pytorch-ic-resnet18 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | ResNet 34 | pytorch-ic-resnet34 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | ResNet 50 | pytorch-ic-resnet50 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | Resnext 50 | pytorch-ic-resnext50-32x4d | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | ShuffleNet V2 | pytorch-ic-shufflenet-v2-x1-0 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | SSD | pytorch-od-nvidia-ssd | Object Detection | clause bsd-3 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Pytorch | VGG 11 | pytorch-ic-vgg11 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG 11-BN | pytorch-ic-vgg11-bn | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG 13-BN | pytorch-ic-vgg13-bn | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG 16 | pytorch-ic-vgg16 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG 16-BN | pytorch-ic-vgg16-bn | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG 19 | pytorch-ic-vgg19 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | VGG-13 | pytorch-ic-vgg13 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Pytorch | Large ResNet 101 | pytorch-ic-wide-resnet101-2 | Classification d’images | clause bsd-3 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge |
| Tensorflow | ALBERT Base | tensorflow-tc-albert-en-base | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | BERT Base Cased | tensorflow-tc-bert-en-cased-L-12-H-768-A-12-2 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Base BERT MEDLINE/PubMed | tensorflow-tc-experts-bert-pubmed-1 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | BERT Base Multilingual Cased | tensorflow-tc-bert-multi-cased-L-12-H-768-A-12-2 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | BERT Large Uncased | tensorflow-tc-bert-en-uncased-L-24-H-1024-A-16-2 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | BERT Small sans étui L-10 H-128 | tensorflow-tcembedding-bert-en-uncased-L-10-H-128-A-2-2 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | BERT Small sans étui L-12 H-256 | tensorflow-tcembedding-bert-en-uncased-L-12-H-256-A-4 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | BERT Small sans étui L-12 H-768 | tensorflow-tcembedding-bert-en-uncased-L-12-H-768-A-12-2 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | BERT Small sans étui L-4 H-768 | tensorflow-tcembedding-bert-en-uncased-L-4-H-768-A-12-2 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | BiT-M R 101 x 1 | tensorflow-ic-bit-m-r101x1-ilsvrc2012-classification-1 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | BiT-M Vecteur de caractéristiques R101x1 | tensorflow-icembedding-bit-m-r101x1-ilsvrc2012-featurevector-1 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | BiT-M R 50 x 1 ImageNet-21k | tensorflow-ic-bit-m-r50x1-imagenet21k-classification-1 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | Ait S 24 224 | tensorflow-ic-cait-s24-224 | Classification d’images | MIT | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | CenterNet ResNet-v1-101 | tensorflow-od-centernet-resnet101v1-fpn-512x512-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | CenterNet ResNet-v1-50 | tensorflow-od-centernet-resnet50v1-fpn-512x512-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Modifier Tiny Distilled Patch 16 24 | tensorflow-ic-deit-tiny-distilled-patch16-224 | Classification d’images | MIT | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | EfficientNet B0 | tensorflow-ic-efficientnet-b0-classification-1 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | EfficientNet B1 | tensorflow-ic-efficientnet-b1-classification-1 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | EfficientNet Vecteur de caractéristiques B1 | tensorflow-icembedding-efficientnet-b1-featurevector-1 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | EfficientNet B3 | tensorflow-ic-efficientnet-b3-classification-1 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | EfficientNet B7 | tensorflow-ic-efficientnet-b7-classification-1 | Classification d’images | Apache-2.0 | Oui | ml. C5,9 x large, ml. G4 x x large, ml. P 3,8 x large |
| Tensorflow | EfficientNet V2 ImageNet-1k Small | tensorflow-ic-efficientnet-v2-imagenet1k-s | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | EfficientNet V2 ImageNet-21k FT1k M | tensorflow-ic-efficientnet-v2-imagenet21k-ft1k-m | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | R-CNN Resnet V2 1024x1024 plus rapide | tensorflow-od-faster-rcnn-inception-resnet-v2-1024x1024-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Plus rapide R-CNN Resnet-101 V1 640 x 640 | tensorflow-od-faster-rcnn-resnet101-v1-640x640-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | R-CNN Resnet-50 V1 1024x1024 plus rapide | tensorflow-od-faster-rcnn-resnet50-v1-1024x1024-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Plus rapide R-CNN Resnet-50 V1 640 x 640 | tensorflow-od-faster-rcnn-resnet50-v1-640x640-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Plus rapide R-CNN Resnet-50 V1 800x1333 | tensorflow-od-faster-rcnn-resnet50-v1-800x1333-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | VOLANT | tensorflow-audioembedding-frill-1 | Classification audio | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Classification d’images | tensorflow-ic-swin-base-patch4-window7-224 | Classification d’images | MIT | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | Intégration d'images | tensorflow-icembedding-imagenet-mobilenet-v2-100-224-fv-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Inception V3 | tensorflow-ic-imagenet-inception-v3-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | Inception V3 Preview Feature Vector | tensorflow-icembedding-tf2-preview-inception-v3-fv-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | MobileNet V2 | tensorflow-ic-tf2-preview-mobilenet-v2-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet V2 0,35 128 | tensorflow-ic-imagenet-mobilenet-v2-035-128 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet V2 0,50 224 | tensorflow-icembedding-imagenet-mobilenet-v2-050-224-fv-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | MobileNet V2 1,00 224 | tensorflow-ic-imagenet-mobilenet-v2-100-224-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet V2 1,40 224 | tensorflow-ic-imagenet-mobilenet-v2-140-224-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet Vecteur de fonctionnalités V2 | tensorflow-icembedding-tf2-preview-mobilenet-v2-featurevector-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | MobileNet Vecteur de fonctionnalités V2 | tensorflow-icembedding-tf2-preview-mobilenet-v2-fv-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | MobileNet V3 Grand 1,00 224 | tensorflow-ic-imagenet-mobilenet-v3-large-100-224 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet V3 Petit 0,75 224 | tensorflow-ic-imagenet-mobilenet-v3-small-075-224 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | MobileNet V3 Petit 1,00 224 | tensorflow-ic-imagenet-mobilenet-v3-small-100-224 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | Object Detection | tensorflow-od1-ssd-resnet50-v1-fpn-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | ResNet 50 | tensorflow-ic-resnet-50-classification-1 | Classification d’images | Apache-2.0 | Oui | ml. C5,9 x large, ml. G4 x x large, ml. P 3,8 x large |
| Tensorflow | ResNet Vecteur de 50 fonctionnalités | tensorflow-icembedding-resnet-50-featurevector-1 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | ResNet V1 50 | tensorflow-ic-imagenet-resnet-v1-50-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | ResNet Vecteur de fonctionnalités V2 152 | tensorflow-icembedding-imagenet-resnet-v2-152-featurevector-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | ResNet V2 50 | tensorflow-ic-imagenet-resnet-v2-50-classification-4 | Classification d’images | Apache-2.0 | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | ResNet Vecteur de fonctionnalités V2 50 | tensorflow-icembedding-imagenet-resnet-v2-50-featurevector-4 | Classification d’images | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD 640 x 640 Retinanet Resnet-101 | tensorflow-od-retinanet-resnet101-v1-fpn-640x640-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Petit BERT L-10 \_ H-512 \_ A-8 | tensorflow-tc-small-bert-bert-en-uncased-L-10-H-512-A-8 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-12 \_ H-256 \_ A-4 | tensorflow-tc-small-bert-bert-en-uncased-L-12-H-256-A-4 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-12 \_ H-768 \_ A-12 | tensorflow-tc-small-bert-bert-en-uncased-L-12-H-768-A-12 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-2 \_ H-128 \_ A-2 | tensorflow-tc-small-bert-bert-en-uncased-L-2-H-128-A-2 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-4 \_ H-512 \_ A-8 | tensorflow-tc-small-bert-bert-en-uncased-L-4-H-512-A-8 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-6 \_ H-768 \_ A-12 | tensorflow-tc-small-bert-bert-en-uncased-L-6-H-768-A-12 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Petit BERT L-8 \_ H-768 \_ A-12 | tensorflow-tc-small-bert-bert-en-uncased-L-8-H-768-A-12 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Disque dur SSD ResNet 152 V1 FPN 1024 x 1024 COCO '17 | tensorflow-od1-ssd-resnet152-v1-fpn-1024x1024-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD EfficientDet D0 | tensorflow-od-efficientdet-d0-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Efficientdet D0 512 x 512 COP '17 | tensorflow-od1-ssd-efficientdet-d0-512x512-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Efficient D1 640 x 640 COP '17 | tensorflow-od1-ssd-efficientdet-d1-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD EfficientDet D2 | tensorflow-od-efficientdet-d2-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Efficientdet D2 768 x 768 COP '17 | tensorflow-od1-ssd-efficientdet-d2-768x768-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD EfficientDet 3D | tensorflow-od-efficientdet-d3-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Efficient D3 896x896 COP '17 | tensorflow-od1-ssd-efficientdet-d3-896x896-coco17-tpu-32 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD EfficientDet D5 | tensorflow-od-efficientdet-d5-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD Mobilenet V1 FPN 640 x 640 COCO '17 | tensorflow-od1-ssd-mobilenet-v1-fpn-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Mobilenet V2 | tensorflow-od-ssd-mobilenet-v2-2 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | SSD Mobilenet V2 640 x 640 | tensorflow-od-ssd-mobilenet-v2-fpnlite-640x640-1 | Object Detection | apache 2.0 | Non | ml.g4dn.xlarge, ml.g5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD Mobilenet V2 FPN-Lite 320 x 320 COCO '17 | tensorflow-od1-ssd-mobilenet-v2-fpnlite-320x320-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD Mobilenet V2 FPN-lite 640 x 640 COCO '17 | tensorflow-od1-ssd-mobilenet-v2-fpnlite-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD ResNet 101 V1 FPN 1024 x 1024 COCO '17 | tensorflow-od1-ssd-resnet101-v1-fpn-1024x1024-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD ResNet 101 V1 FPN 640 x 640 COCO '17 | tensorflow-od1-ssd-resnet101-v1-fpn-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD ResNet 152 V1 FPN 640 x 640 COCO '17 | tensorflow-od1-ssd-resnet152-v1-fpn-640x640-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Disque dur SSD ResNet 50 V1 FPN 1024 x 1024 COCO '17 | tensorflow-od1-ssd-resnet50-v1-fpn-1024x1024-coco17-tpu-8 | Object Detection | apache 2.0 | Oui | ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Base pivotante 4 12 384 | tensorflow-ic-swin-base-patch4-window12-384 | Classification d’images | MIT | Oui | ml.c5.2xlarge, ml.c5.xlarge, ml.c6i.large, ml.c6i.xlarge, ml.g4dn.xlarge, ml.m4.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge, ml.r5.large, ml.r5.xlarge |
| Tensorflow | Talking Heads Large | tensorflow-tc-talking-heads-large | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Classification de texte | tensorflow-tc-bert-en-uncased-L-12-H-768-A-12-2 | Classification de texte | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9x large, ml.g4dn.16xlarge, ml.g4dn.2xlarge, ml.g4dn.4xlarge, ml.g4dn.8xlarge, ml.g4dn.xlarge, ml.g5.xlarge, ml.m5.12xlarge, ml.m5.24xlarge x large, ml. m 5,2 x large, ml. m 5,4 x large, ml. m5. x large, ml. p 3,16 x large, ml. p 3,2 x large, ml. p 3,8 x large |
| Tensorflow | Intégration de texte | tensorflow-tcembedding-universal-sentc-encoder-cmlm-en-large-1 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Distillé TRILL | tensorflow-audioembedding-trill-distilled-3 | Classification audio | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Trillsson 1 | tensorflow-audioembedding-trillsson1-1 | Classification audio | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Trillsson 2 | tensorflow-audioembedding-trillsson2-1 | Classification audio | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Trillsson 3 | tensorflow-audioembedding-trillsson3-1 | Classification audio | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
| Tensorflow | Encodeur de phrases universel CMLM Base | tensorflow-tcembedding-universal-sentc-encoder-cmlm-en-base-1 | Intégration de texte | apache 2.0 | Non | ml.c5.2xlarge, ml.c5.xlarge, ml.g4dn.xlarge, ml.m5.large, ml.m5.xlarge, ml.p3.2xlarge |
------
#### [ Classic ML Algorithms (11) ]
Amazon SageMaker JumpStart fournit des implémentations prêtes à l'emploi d'algorithmes d'apprentissage automatique classiques pour les tâches relatives aux données tabulaires telles que la classification, la régression et la prévision de séries chronologiques. Ces algorithmes (XGBoost,, LightGBM CatBoostscikit-learn,AutoGluon) sont optimisés pour les données structurées et peuvent être entraînés à partir de zéro sur vos propres ensembles de données.
| Fournisseur | Nom du modèle | ID du modèle | Sous-tâche | Licence | Fine-tunable | Types d'instances d'inférence pris en charge |
| --- | --- | --- | --- | --- | --- | --- |
| Autogluon | AutoGluon Classification tabulaire | autogluon-classification-ensemble | Classification tabulaire | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9xlarge, ml.g4dn.xlarge, ml.m5.12xlarge, ml.m5.24xlarge, ml.m5.2xlarge, ml.m5.4xlarge, ml.p3.2xlarge |
| Autogluon | AutoGluon Régression tabulaire | autogluon-regression-ensemble | Régression tabulaire | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9xlarge, ml.g4dn.xlarge, ml.m5.12xlarge, ml.m5.24xlarge, ml.m5.2xlarge, ml.m5.4xlarge, ml.p3.2xlarge |
| Cat Boost | CatBoost Classification | catboost-classification-model | Classification tabulaire | apache 2.0 | Oui | ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m4,16 x large, ml. m5,12 x large, ml. m5,24 x large, ml. m5,4 x large |
| Cat Boost | CatBoost Régression | catboost-regression-model | Régression tabulaire | apache 2.0 | Oui | ml. C4,8 x large, ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m5,12 x large, ml. m5,24 x large, ml. m5,4 x large |
| Lightgbm | Classification LightGBM | lightgbm-classification-model | Classification tabulaire | mit | Oui | ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m4,16 x large, ml. m5,12 x large, ml. m5,24 x large, ml. m5,4 x large |
| Lightgbm | Régression LightGBM | lightgbm-regression-model | Régression tabulaire | mit | Oui | ml. C4,8 x large, ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m5,12 x large, ml. m5,24 x large, ml. m5,4 x large |
| Pytorch | TabTransformer Classification | pytorch-tabtransformerclassification-model | Classification tabulaire | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9xlarge, ml.g4dn.xlarge, ml.m5.12xlarge, ml.m5.24xlarge, ml.m5.2xlarge, ml.m5.4xlarge, ml.p3.2xlarge |
| Pytorch | TabTransformer Régression | pytorch-tabtransformerregression-model | Régression tabulaire | apache 2.0 | Oui | ml.c5.18xlarge, ml.c5.2xlarge, ml.c5.4xlarge, ml.c5.9xlarge, ml.g4dn.xlarge, ml.m5.12xlarge, ml.m5.24xlarge, ml.m5.2xlarge, ml.m5.4xlarge, ml.p3.2xlarge |
| Sklearn | Classification linéaire | sklearn-classification-linear | Classification tabulaire | clause bsd-3 | Oui | ml. C4,8 x large, ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m5,12 x large, ml. m5,2 x large, ml. m5,4 x large, ml. m5.x large |
| XGboost | Classification XGBoost | xgboost-classification-model | Classification tabulaire | apache 2.0 | Oui | ml. C4,8 x large, ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m5,12 x large, ml. m5,2 x large, ml. m5,4 x large, ml. m5.x large |
| XGboost | Régression XGBoost | xgboost-regression-model | Régression tabulaire | apache 2.0 | Oui | ml. C4,8 x large, ml. C5,18 x large, ml. C5,2 x large, ml. C5,4 x large, ml. C5,9 x large, ml. m5,12 x large, ml. m5,2 x large, ml. m5,4 x large, ml. m5.x large |
------
**Note**
Pour obtenir les informations de licence les plus précises et les plus récentes, consultez la page détaillée du modèle dans SageMaker Studio ou la Hugging Face page du modèle.