Skip to main content
Vous pouvez entraîner les modèles suivants :
  • OpenPipe/Qwen3-14B-Instruct
  • Qwen/Qwen3-30B-A3B-Instruct-2507
  • meta-llama/Llama-3.1-8B-Instruct
Le meilleur modèle dépend de votre tâche. Un modèle plus petit peut être plus rapide et moins coûteux, tandis qu’un modèle plus grand peut prendre en charge des comportements plus complexes. Model Distillation vous permet d’entraîner plusieurs modèles candidats et de les comparer sur les mêmes exemples. L’interface n’affiche un modèle dans la liste que tant que le service d’entraînement l’accepte ; un modèle peut donc disparaître temporairement du sélecteur.

​
Modèles expérimentaux

Les modèles suivants sont disponibles sur demande en tant que cibles d’entraînement expérimentales. Il est possible qu’ils n’apparaissent pas par défaut dans votre sélecteur de modèle, et leur prise en charge peut être modifiée sans préavis.
  • nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16
  • Qwen/Qwen3.5-4B
  • Qwen/Qwen3.5-9B
  • Qwen/Qwen3.6-35B-A3B
  • Qwen/Qwen3.8-27B
  • google/gemma-4-26B-A4B-it
  • google/gemma-4-31B-it
L’interface affiche le modèle Nemotron sous la forme nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B. Dans les requêtes API, utilisez l’identifiant complet, y compris le suffixe -BF16.
Ces listes concernent les modèles que vous pouvez entraîner. Vous pouvez également connecter des modèles existants de fournisseurs compatibles avec OpenAI à des fins de mise en service, de réétiquetage et de comparaison.

​
Vous n’avez pas besoin de choisir un modèle à l’avance

Entraînez quelques modèles prometteurs, évaluez-les au regard du comportement souhaité, puis déployez le plus performant. Vous pouvez ainsi comparer les résultats obtenus pour votre tâche, plutôt que de choisir un modèle uniquement sur la base de benchmarks ou de sa taille.
Lorsque vous créez un fine-tune, copiez à l’identique l’une des valeurs de la liste dans base_model :
Utilisez la requête complète présentée dans Fine-tuning Quick Start.
Dernière modification le 30 septembre 2026