在

出去

聊天

禁用

考拉（13B）

Koala (13B) API 是 BAIR 开发的一款功能强大的文本生成模型，支持多语言功能和高级 NLP 任务。

新会员可获赠价值 1 美元的免费Tokens

Text to Speech

Javascript

Python

                                        const { OpenAI } = require('openai');

const api = new OpenAI({
  baseURL: 'https://api.ai.cc/v1',
  apiKey: '',
});

const main = async () => {
  const result = await api.chat.completions.create({
    model: 'togethercomputer/Koala-13B',
    messages: [
      {
        role: 'system',
        content: 'You are an AI assistant who knows everything.',
      },
      {
        role: 'user',
        content: 'Tell me, why is the sky blue?'
      }
    ],
  });

  const message = result.choices[0].message.content;
  console.log(`Assistant: ${message}`);
};

main();

                                        import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.ai.cc/v1",
    api_key="",    
)

response = client.chat.completions.create(
    model="togethercomputer/Koala-13B",
    messages=[
        {
            "role": "system",
            "content": "You are an AI assistant who knows everything.",
        },
        {
            "role": "user",
            "content": "Tell me, why is the sky blue?"
        },
    ],
)

message = response.choices[0].message.content

print(f"Assistant: {message}")

Docs

一个 API 包含 300 多个 AI 模型

节省20%费用并获赠价值1美元的Tokens

获取 API 密钥探索模型

API 操练场（Playground）

在集成之前，请在沙箱环境中测试所有 API 模型。

我们提供 300 多种模型供您集成到您的应用程序中。

考拉（13B）

产品详情

💻考拉（13B）概览

考拉（13B） 是由伯克利人工智能研究实验室 (BAIR) 开发的先进大型语言模型 (LLM)。该基于 Transformer 的模型于 2023 年 3 月推出，专门用于对话系统和其他复杂自然语言处理 (NLP) 任务的学术研究。

Koala (13B) 利用拥有 130 亿个参数的强大架构，在文本生成、摘要和问答等领域表现出色，能够提供高质量且与上下文相关的回复。

✨ 主要特性和功能

💡 大规模变压器架构： 内置130亿个参数，可实现深度语言理解和生成。
✅ 高精度： 在各种 NLP 基准测试中均达到最先进的性能，确保输出可靠。
🌍 多语言支持： 能够处理和生成多种语言的文本，增强了全球适用性。
🔧 微调功能： 通过高效的微调，可轻松适应专业领域和特定任务。

支持的语言：

英语
西班牙语
法语
德语
中国人
日本人
韩国人
意大利语

🚀 预期用途

Koala (13B) 专为广泛的实际应用而设计，为各行各业提供多功能功能：

💬 客户支持： 自动回复咨询，提高效率和用户体验。
📝 内容创作： 协助撰写文章、报告、营销文案及其他书面内容。
🎓 教育工具： 提供清晰的讲解、个性化的辅导和互动式的学习环境。
✨ 卫生保健： 协助进行医疗文档记录、患者沟通和信息检索。

🧠 技术深度解析

建筑学

Koala (13B) 从根本上来说是基于 Transformer 架构构建的，特别是借鉴了强大的 GPT-3 框架。它的 130 亿个参数被精心组织成多层注意力机制和前馈神经网络，使模型能够处理复杂的语言并生成高度类人化的文本。

训练数据

该模型在一个多样化且全面的数据集上进行了广泛的训练，该数据集经过精心挑选，旨在增强其对各个领域的理解能力：

网页文本： 从众多网站收集的大量文本数据。
图书： 涵盖多种体裁和主题的数字化文学作品。
科学文章： 经同行评审的期刊和会议论文，确保事实准确性。
社交媒体： 来自 Reddit 和 Twitter 等平台的帖子和评论，捕捉对话中的细微差别。

数据来源和规模

训练数据集包含超过 5000亿个Tokens精心挑选自高质量资源库：

普通爬行： 一个庞大的开放式网络数据存储库。
古腾堡计划： 一个著名的免费电子书合集。
PubMed： 一个顶级的生物医学文献数据库。
OpenSubtitles： 一个包含大量电影和电视剧字幕的数据集，涵盖了口语化的语言。

知识门槛

该模型的知识库截至目前是最新的。 2021年9月. 此日期之后发生的信息或事件可能无法在其回复中反映出来。

多样性和偏见考量

尽管我们已尽力确保训练数据的多样性，但用户仍应意识到，原始材料中固有的偏见可能依然存在。Koala (13B) 团队已对模型中的偏见进行了评估，并采取措施加以缓解，但我们仍鼓励用户持续监控并保持警惕。

📊 绩效指标

准确性

困惑： 已达成 15.2 在 WikiText-103 基准测试中表现出强大的语言建模能力。
F1 得分： 已录制 85.7 在 SQuAD v2.0 数据集上，证明了其在问答方面的高有效性。

速度

推理速度： 大约 每个令牌 20 毫秒 在 NVIDIA A100 GPU 上运行时，可确保快速响应时间。

鲁棒性

Koala (13B) 在各种主题和语言中都展现出强大的泛化能力。即使面对不同的输入类型，它也能始终保持高性能，这凸显了它的多功能性和可靠性。

📃 使用指南和许可

代码示例

在实际应用中，开发者可以使用标准 API 调用集成 Koala (13B)。聊天自动补全的示例代码片段可能如下所示：

 import openai client = openai.OpenAI() response = client.chat.completions.create( model="togethercomputer/Koala-13B", messages=[ {"role": "system", "content": "您是一位乐于助人的助手。"}, {"role": "user", "content": "告诉我关于考拉（13B）的信息。"} ] ) print(response.choices[0].message.content)

（注：这是一个示例代码。实际实现可能因 API 提供商而异。）

伦理准则

强烈建议用户在部署 Koala (13B) 时遵守以下道德准则，以确保负责任的 AI 实践：

💭 透明度： 明确披露内容是由模特生成或协助生成的。
🔎 偏见缓解： 定期评估并积极解决生成内容中可能存在的偏见。
🔒 隐私： 维护用户数据隐私，并确保完全遵守所有相关的数据保护法规。

许可证信息

考拉（13B）根据以下规定发行： 开源许可. 这允许商业和非商业用途，前提是必须注明伯克利人工智能研究（BAIR）实验室的出处。

❓ 常见问题解答 (FAQ)

Q1：什么是考拉（13B）？

一个： Koala (13B) 是由 BAIR 实验室开发的大型语言模型 (LLM)，专为高级自然语言处理任务和对话系统领域的学术研究而设计。它采用 Transformer 架构，拥有 130 亿个参数。

Q2：Koala（13B）的主要应用是什么？

一个： 其应用范围涵盖客户支持、内容创作、教育工具和医疗保健援助，充分利用其在文本生成、摘要和问答方面的能力。

Q3：Koala（13B）支持多少种语言？

一个： Koala (13B) 支持多种语言，包括英语、西班牙语、法语、德语、中文、日语、韩语和意大利语。

Q4：考拉（13B）的知识截止日期是什么时候？

一个： 该模型的知识库截至 2021 年 9 月为最新数据。此日期之后的信息或事件不包含在其训练数据中。

Q5：Koala（13B）是否可用于商业用途？

一个： 是的，Koala (13B) 是根据开源许可证发布的，允许商业和非商业用途，前提是必须对 BAIR 实验室给予适当的署名。

了解如何利用 AICC API 实现公司转型

探索如何利用 AICC API 革新您的业务！解锁强大的工具，实现流程自动化、增强决策能力并打造个性化的客户体验。

联系销售

一个 API
300多个人工智能模型

节省20%的费用