深色模式
模型调用
模型调用提供的是模型即服务的能力，为泛AI开发者提供灵活、易用、低成本的模型服务，加速AI模型资产的开发与落地。平台中提供自然语言处理、计算机视觉、多模态等不同场景的优质模型，开发者可在平台上体验或调用模型的API能力。
登录到平台后，在其左侧菜单中选择“模型调用”，即可查看平台中预置的模型服务列表，支持基于资源语言处理、多模态、计算机视觉等不同标签或模型名称检索模型服务。
模型卡片中支持API调用、体验点击操作，置灰则不支持点击。可点击状态时，点击模型卡片中的“API调用“，弹出模型API调用说明的抽屉，可以根据curl示例或python示例调用模型服务；调集模型卡片中的“体验”跳转至对话体验页即可选择当前模型服务在线体验测试其效果。
预置模型
| 序号 | 模型名称 | 描述 |
| 1 | Taichu-LLM | 基于海量高质数据训练，具有更强的文本理解、内容创作、对话问答等能力。 |
| 2 | Taichu-LLM-2B | 在文本理解、内容创作、对话问答等能力有着显著提升。Taichu-LLM-2B具备2B规模参数量，适合处理文生生成类轻量化任务。 |
| 3 | Taichu-O1 | 通过多模态交互和强化学习实现类人思维链，支持复杂决策推演，在保持高精度输出的同时展现可模型推理的思维路径，适用于策略分析与深度思考等场景。 |
| 4 | Taichu-VL | 融合了图像理解、知识迁移、逻辑归因等能力，在图文问答领域表现突出。 |
| 5 | Taichu-VLR-3B | TaichuVL系列的推理系列。参数量为3B，与传统的指令调优模型相比，具备思考和推理能力，尤其是在图像理解、图文问答等领域表现更为突出。 |
| 6 | Taichu-VLR-7B | TaichuVL系列的推理系列。参数量为7B，与传统的指令调优模型相比，具备思考和推理能力，尤其是在图像理解、图文问答等领域表现更为突出。 |
| 7 | Taichu-ASR | 能够准确识别和理解人类语言，实时将语音转换为文本，支持多种场景下的语音输入和交互，如会议记录、语音搜索等。 |
| 8 | Taichu-TTS | 能够将文本转换为自然语音，优化了合成速度和语音质量，广泛应用于智能家居、内容创作和人机交互等领域。 |
| 9 | Taichu-text2Image | 基于紫东太初多模态大模型的先进AI技术，能够根据文本描述生成高质量图像。该模型结合了文本、图像等多模态信息，具备强大的跨模态理解和生成能力。 |
| 10 | Taichu-2.0-Turbo | 提升了模型复杂推理能力，可以用于长文本理解和创作、数学计算、代码生成，逻辑推理等复杂文本应用场景。 |
| 11 | DeepSeek-R1 | DeepSeek-R1 是一款强化学习（RL）驱动的推理模型，解决了模型中的重复性和可读性问题。在 RL 之前，DeepSeek-R1 引入了冷启动数据，进一步优化了推理性能。它在数学、代码和推理任务中与 OpenAI-o1 表现相当，并且通过精心设计的训练方法，提升了整体效果。 |
| 12 | DeepSeek-R1-Distill-Qwen-14B | DeepSeek-R1-Distill-Qwen-14B 是基于 Qwen2.5-14B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调，展现出优秀的推理能力。 |
| 13 | DeepSeek-R1-Distill-Qwen-32B | DeepSeek-R1-Distill-Qwen-32B 是基于 Qwen2.5-32B 通过知识蒸馏得到的模型。该模型使用 DeepSeek-R1 生成的 80 万个精选样本进行微调，在数学、编程和推理等多个领域展现出卓越的性能。 |
| 14 | DeepSeek-R1-Distill-Llama-70B | DeepSeek-R1-Distill-Llama-70B 是基于 Llama-3.3-70B-Instruct 经过蒸馏训练得到的模型。该模型是 DeepSeek-R1 系列的一部分，通过使用 DeepSeek-R1 生成的样本进行微调，在数学、编程和推理等多个领域展现出优秀的性能。 |
| 15 | QWQ-32B | Qwen 系列中等规模的推理模型。与传统的指令调优模型相比，具备思考和推理能力的 QwQ 在下游任务中，尤其是在解决难题时，能够显著提升性能。 |
| 16 | LLaMA3-8B | llama3是Meta在2024年4月18日公开发布的大型语言模型，llama3-8B拥有80亿参数，平台支持微调训练。 |
| 17 | LLaMA2-7B | llama2系列是来自Meta开发并公开发布的大型语言模型。平台支持微调训练。 |
| 18 | Gemma-2B | Gemma 是 Google 开发的轻量级语言大模型，适合用于各种文本生成任务，能够在资源量较小的端侧设备部署。 |
| 19 | Gemma-7B | Gemma 是 Google 开发的轻量级语言大模型，适合用于各种文本生成任务，能够在资源量较小的端侧设备部署。 |
| 20 | RTMDet | RTMDet是一个为实例分割任务设计的高效模型，它通过动态卷积和多层特征提取，实现了高精度的实例分割，同时保持了良好的参数效率和实时性能。 |
| 21 | ViTDet | ViTDet是一个基于视觉Transformer（ViT）的目标检测模型, 首次将Transformer大规模应用到对象检测任务中，提高了模型的泛化能力和准确性。 |