Eksplorowanie modeli rozwiązania Microsoft Foundry

Microsoft Foundry Models to jedno miejsce docelowe do odkrywania, oceniania i wdrażania zaawansowanych modeli sztucznej inteligencji — niezależnie od tego, czy tworzysz niestandardowego współpracownika, tworzysz agenta, ulepszasz istniejącą aplikację, czy poznajesz nowe możliwości sztucznej inteligencji.

Za pomocą modeli Foundry można wykonywać następujące czynności:

• Poznaj bogaty katalog nowoczesnych modeli firmy Microsoft, OpenAI, DeepSeek, Hugging Face, Meta i nie tylko.
• Porównaj i oceń modele obok siebie przy użyciu rzeczywistych zadań i własnych danych.
• Wdrażaj z ufnością dzięki wbudowanym narzędziom do dostrajania, wglądu i odpowiedzialnej sztucznej inteligencji.
• Wybierz ścieżkę — przynieś własny model, użyj hostowanego lub bezproblemowo zintegruj się z usługami platformy Azure.
• Niezależnie od tego, czy jesteś deweloperem, analitykiem danych, czy architektem przedsiębiorstwa, modele foundry zapewniają elastyczność i kontrolę nad tworzeniem rozwiązań sztucznej inteligencji, które są skalowane — bezpiecznie, odpowiedzialnie i szybko.

Platforma Foundry oferuje kompleksowy wykaz modeli sztucznej inteligencji. Istnieje ponad 1900 modeli, począwszy od modeli podstawowych, modeli rozumowania, modeli małych języków, modeli wielomodalnych, modeli specyficznych dla domeny, modeli branżowych i innych.

Nasz katalog jest podzielony na dwie główne kategorie:

• Modele sprzedawane bezpośrednio przez platformę Azure
• Modele od partnerów i społeczności

Zrozumienie rozróżnienia między tymi kategoriami pomaga wybrać odpowiednie modele na podstawie określonych wymagań i celów strategicznych.

Modele sprzedawane bezpośrednio przez platformę Azure

Są to modele, które są hostowane i sprzedawane przez firmę Microsoft zgodnie z warunkami produktu firmy Microsoft. Firma Microsoft oceniła te modele i jest głęboko zintegrowana z ekosystemem sztucznej inteligencji platformy Azure. Modele pochodzą od różnych dostawców i oferują ulepszoną integrację, zoptymalizowaną wydajność i bezpośrednią pomoc techniczną firmy Microsoft, w tym umowy dotyczące poziomu usług klasy korporacyjnej (SLA).

Cechy modeli sprzedawanych bezpośrednio przez platformę Azure:

• Pomoc techniczna dostępna od firmy Microsoft.
• Wysoki poziom integracji z usługami i infrastrukturą platformy Azure.
• Z zastrzeżeniem przeglądu wewnętrznego opartego na standardach odpowiedzialnej sztucznej inteligencji firmy Microsoft.
• Dokumentacja modelu i raporty przejrzystości zapewniają widoczność klientów na potrzeby modelowania zagrożeń, środków zaradczych i ograniczeń.
• Skalowalność, niezawodność i zabezpieczenia klasy korporacyjnej.

Niektóre z tych modeli mają również korzyść z aprowizowanej przepływności, co oznacza, że można elastycznie korzystać z limitu przydziału i rezerwacji w ramach dowolnego z tych modeli.

Modele od partnerów i społeczności

Te modele stanowią zdecydowaną większość modeli Foundry i są dostarczane przez zaufane organizacje zewnętrzne, partnerów, laboratoria badawcze i współtwórców społeczności. Te modele oferują wyspecjalizowane i zróżnicowane możliwości sztucznej inteligencji, obejmujące szeroką gamę scenariuszy, branż i innowacji. Przykłady modeli od partnerów i społeczności to rodzina dużych modeli językowych opracowanych przez firmę Anthropic oraz modele open source z repozytorium Hugging Face hub.

Anthropic obejmuje rodzinę nowoczesnych dużych modeli językowych Claude, które obsługują wprowadzanie tekstu i obrazu, generowanie tekstu, możliwości wielojęzyczne oraz analizę obrazu. Aby uzyskać pomoc dotyczącą modeli antropotycznych, skorzystaj z pomocy technicznej firmy Microsoft. Aby dowiedzieć się więcej na temat prywatności, zobacz Dane, prywatność i zabezpieczenia modeli Claude'a w rozwiązaniu Microsoft Foundry (wersja zapoznawcza) i Zasady ochrony prywatności w kontekście antropicznym. Aby uzyskać informacje na temat warunków użytkowania, zobacz Handlowe Warunki Świadczenia Usług. Aby dowiedzieć się, jak pracować z modelami antropicznymi, zobacz Wdrażanie i używanie modeli Claude'a w rozwiązaniu Microsoft Foundry.

Centrum Hugging Face obejmuje setki modeli do inferencji w czasie rzeczywistym z zarządzanymi obliczeniami. Hugging Face tworzy i utrzymuje modele wymienione w tej kolekcji. Aby uzyskać pomoc dotyczącą modeli Hugging Face, skorzystaj z forum Hugging Face lub Hugging Face support. Dowiedz się, jak wdrażać modele Hugging Face w Deploy open models with Microsoft Foundry.

Cechy modeli od partnerów i społeczności:

• Rozwijane i wspierane przez partnerów zewnętrznych oraz uczestników społeczności
• Szeroki zakres wyspecjalizowanych modeli dostosowanych do niszowych lub szerokich przypadków użycia
• Zazwyczaj weryfikowane przez samych dostawców z wytycznymi dotyczącymi integracji udostępnianymi przez platformę Azure
• Innowacje oparte na społeczności i szybka dostępność najnowszych modeli
• Standardowa integracja sztucznej inteligencji platformy Azure z obsługą i konserwacją zarządzaną przez odpowiednich dostawców

Modele od partnerów i społeczności można wdrażać jako opcje wdrażania zarządzanego środowiska obliczeniowego lub bezserwerowego interfejsu API. Dostawca modelu wybiera sposób wdrażania modeli.

Żądanie dołączenia modelu do wykazu modeli

Możesz poprosić o dodanie modelu do wykazu modeli bezpośrednio ze strony wykazu modeli w portalu Foundry. Na pasku wyszukiwania strony wykazu modeli wyszukiwanie modelu, który nie istnieje w wykazie, na przykład mymodel, zwraca przycisk Zażądaj modelu . Wybierz ten przycisk, aby otworzyć formularz, w którym możesz udostępnić szczegóły dotyczące żądanego modelu.

Wybieranie między modelami bezpośrednimi a modelami partnerskimi i modelami społeczności

Podczas wybierania modeli z modelu foundry należy wziąć pod uwagę następujące kwestie:

• Przypadki użycia i wymagania: Modele sprzedawane bezpośrednio przez platformę Azure są idealne w scenariuszach wymagających głębokiej integracji platformy Azure, gwarantowanej pomocy technicznej i umów SLA dla przedsiębiorstw. Modele od partnerów i społeczności wyróżniają się w wyspecjalizowanych przypadkach użycia i scenariuszach napędzanych innowacjami.
• Oczekiwania dotyczące pomocy technicznej: Modele sprzedawane bezpośrednio przez platformę Azure są wyposażone w niezawodną pomoc techniczną i konserwację zapewnianą przez firmę Microsoft. Te modele są obsługiwane przez ich dostawców, na różnych poziomach umów SLA i struktur pomocy technicznej.
• Innowacje i specjalizacja: Modele od partnerów i społeczności oferują szybki dostęp do wyspecjalizowanych innowacji i możliwości niszowych często opracowanych przez wiodące laboratoria badawcze i nowych dostawców sztucznej inteligencji.

Omówienie możliwości wykazu modeli

Wykaz modeli w portalu Foundry to centrum do odnajdywania i używania szerokiej gamy modeli do tworzenia aplikacji generacyjnych sztucznej inteligencji. Wykaz modeli zawiera setki modeli wśród dostawców modeli, takich jak Azure OpenAI, Mistral, Meta, Cohere, NVIDIA i Hugging Face, w tym modele, które szkoli firma Microsoft. Modele od dostawców innych niż Microsoft są produktami innych niż Microsoft, zgodnie z definicją w warunkach produktów firmy Microsoft i podlegają warunkom dostarczonym z modelami.

Możesz wyszukiwać i odnajdywać modele spełniające twoje potrzeby za pomocą wyszukiwania słów kluczowych i filtrów. Katalog modeli oferuje również ranking wydajności modelu i metryki testu porównawczego dla wybranych modeli. Dostęp do nich można uzyskać, wybierając pozycję Przeglądaj ranking i Porównaj modele. Dane porównawcze są również dostępne na karcie Test porównawczy karty modelu.

W filtrach wykazu modeli znajdziesz następujące informacje:

• Kolekcja: modele można filtrować na podstawie kolekcji dostawcy modelu.
• Branża: można filtrować modele, które są trenowane na podstawie zestawu danych specyficznych dla branży.
• Możliwości: można filtrować unikatowe funkcje modelu, takie jak rozumowanie i wywoływanie narzędzi.
• Opcje wdrażania: można filtrować modele, które obsługują określone opcje wdrażania.
  • bezserwerowy interfejs API: ta opcja umożliwia płacenie za wywołanie interfejsu API.
  • Przydzielono zasoby: najlepiej nadaje się do oceniania w czasie rzeczywistym w przypadku dużych, jednolitych woluminów.
  • Batch: najlepiej nadaje się do zadań wsadowych zoptymalizowanych pod kątem kosztów, a nie opóźnień. W przypadku wdrożenia wsadowego nie jest zapewniana obsługa placu zabaw.
  • Zarządzane obliczenia: ta opcja umożliwia wdrożenie modelu na maszynie wirtualnej platformy Azure. Będą Państwo obciążeni opłatami za hosting i przetwarzanie.
• Zadania wnioskowania: modele można filtrować na podstawie typu zadania wnioskowania.
• Dostrajanie zadań: modele można filtrować na podstawie precyzyjnego dostrajania typu zadania.
• Licencje: modele można filtrować na podstawie typu licencji.

Na karcie modelu znajdziesz:

• Szybkie fakty: na szybki rzut oka zobaczysz kluczowe informacje o modelu.
• Szczegóły: ta strona zawiera szczegółowe informacje o modelu, w tym opis, informacje o wersji, obsługiwany typ danych itp.
• Testy porównawcze: znajdziesz metryki testu porównawczego wydajności dla wybranych modeli.
• Istniejące wdrożenia: jeśli model został już wdrożony, możesz go znaleźć na karcie Istniejące wdrożenia.
• Licencja: znajdziesz informacje prawne dotyczące licencjonowania modelu.
• Artefakty: ta karta będzie wyświetlana tylko dla otwartych modeli. Zasoby modelu można wyświetlić i pobrać za pomocą interfejsu użytkownika.

Wdrażanie modelu: zarządzane obliczenia i bezserwerowe wdrożenia API

Oprócz wdrażania w usłudze Azure OpenAI katalog modeli oferuje dwa różne sposoby wdrażania modeli do użycia: zarządzane wdrożenia obliczeniowe i bezserwerowe interfejsy API.

Opcje wdrażania i funkcje dostępne dla każdego modelu różnią się w zależności od opisu w poniższych tabelach. Dowiedz się więcej o przetwarzaniu danych przy użyciu opcji wdrażania.

Możliwości opcji wdrażania modelu

Dostępne modele dla obsługiwanych opcji wdrażania

W przypadku modeli usługi Azure OpenAI zobacz Azure OpenAI.

Aby wyświetlić listę obsługiwanych modeli dla wdrożenia bezserwerowego interfejsu API lub zarządzanego środowiska obliczeniowego, przejdź do strony głównej wykazu modeli w narzędziu Foundry. Użyj filtru Opcje wdrażania , aby wybrać wdrożenie bezserwerowego interfejsu API lub zarządzane obliczenia.

Cykl życia modelu: wycofanie i zakończenie użytkowania

Modele sztucznej inteligencji szybko ewoluują, a gdy nowa wersja lub nowy model z zaktualizowanymi możliwościami w tej samej rodzinie modeli staną się dostępne, starsze modele mogą zostać wycofane z katalogu modeli Foundry. Aby umożliwić bezproblemowe przejście do nowszej wersji modelu, niektóre modele udostępniają użytkownikom opcję włączania aktualizacji automatycznych. Aby dowiedzieć się więcej na temat cyklu życia modelu różnych modeli, nadchodzących dat wycofania modelu i sugerowanych modeli zastępczych i wersji, zobacz:

• Przestarzałość i wycofanie modeli Azure OpenAI
• Deprecacje i wycofanie z użytkowania modelu wdrażania bezserwerowego interfejsu API

Zarządzane obliczenia

Możliwość wdrażania modeli jako zarządzanych obliczeń opiera się na możliwościach platformy usługi Azure Machine Learning, aby umożliwić bezproblemową integrację szerokiej kolekcji modeli w katalogu modeli w całym cyklu życia operacji dużego modelu językowego (LLM).

Dostępność modeli wdrażania jako zarządzanych zasobów obliczeniowych

Modele są udostępniane za pośrednictwem rejestrów usługi Azure Machine Learning. Te rejestry umożliwiają podejście oparte na uczeniu maszynowym do hostowania i rozpowszechniania zasobów usługi Azure Machine Learning. Te zasoby obejmują parametry modeli, runtime'y kontenerów do uruchamiania modeli, pipelines do oceny i dostrajania modeli oraz zbiory danych do testów porównawczych i próbek.

Rejestry bazują na wysoce skalowalnej i gotowej do użycia infrastrukturze, która:

• Dostarcza artefakty modelu dostępu o małych opóźnieniach do wszystkich regionów świadczenia usługi Azure z wbudowaną replikacją geograficzną.

• Obsługuje wymagania dotyczące zabezpieczeń przedsiębiorstwa, takie jak ograniczanie dostępu do modeli przy użyciu usługi Azure Policy i bezpieczne wdrażanie przy użyciu zarządzanych sieci wirtualnych.

Wdrażanie modeli na potrzeby wnioskowania za pomocą zarządzanych zasobów obliczeniowych

Modele dostępne do wdrożenia do zarządzanych zasobów obliczeniowych można wdrożyć w zarządzanych obliczeniach usługi Azure Machine Learning na potrzeby wnioskowania w czasie rzeczywistym. Wdrożenie na zarządzanej platformie obliczeniowej wymaga posiadania przydziału maszyn wirtualnych w ramach subskrypcji platformy Azure dla określonych produktów, których potrzebujesz, aby optymalnie uruchomić model. Niektóre modele umożliwiają wdrożenie do tymczasowego, wspólnego limitu przydziału do testowania modelu.

Dowiedz się więcej o wdrażaniu modeli:

• Wdrażanie modeli Meta Llama
• Wdrażanie otwartych modeli rozwiązania Foundry

Tworzenie aplikacji generacyjnych sztucznej inteligencji przy użyciu zarządzanych zasobów obliczeniowych

Funkcja przepływu monitów w usłudze Azure Machine Learning oferuje doskonałe środowisko do tworzenia prototypów. Można używać modeli wdrożonych z zarządzanymi obliczeniami w przepływie zapytań za pomocą narzędzia Open Model LLM. Możesz również użyć interfejsu API REST udostępnianego przez zarządzane zasoby obliczeniowe w popularnych narzędziach LLM, takich jak LangChain z rozszerzeniem Usługi Azure Machine Learning.

Bezpieczeństwo zawartości dla modeli wdrożonych jako zarządzane zasoby obliczeniowe

Usługa Bezpieczeństwa zawartości usługi Azure AI jest dostępna do użycia z zarządzanymi obliczeniami w celu sprawdzania pod kątem różnych kategorii szkodliwych treści, takich jak zawartość seksualna, przemoc, nienawiść i samookaleczenia. Za pomocą usługi można również wyświetlać zaawansowane zagrożenia, takie jak wykrywanie ryzyka zabezpieczeń systemu i wykrywanie tekstu chronionego materiału.

Zapoznaj się z tym notesem, aby zapoznać się z integracją referencyjną z usługą Azure AI Content Safety for Llama 2. Możesz też użyć narzędzia bezpieczeństwa treści (tekstowej) w toku poleceń, aby przekazać odpowiedzi z modelu do analizy przez usługę Azure AI Content Safety. Opłaty są naliczane oddzielnie za takie użycie, zgodnie z opisem w temacie Azure AI Content Safety pricing (Cennik bezpieczeństwa zawartości usługi Azure AI).

Rozliczenia wdrożenia bezserwerowego interfejsu API

Niektóre modele dostępne w katalogu modeli można wdrożyć z rozliczeniem bezserwerowym API. Ta metoda wdrażania, nazywana również wdrażaniem bezserwerowego interfejsu API, umożliwia korzystanie z modeli jako interfejsów API bez hostowania ich w ramach subskrypcji. Modele są hostowane w infrastrukturze zarządzanej przez firmę Microsoft, która umożliwia dostęp oparty na interfejsie API do modelu dostawcy modelu. Dostęp oparty na interfejsie API może znacznie obniżyć koszt uzyskiwania dostępu do modelu i uprościć środowisko aprowizacji.

Modele dostępne do wdrożenia jako wdrożenia bezserwerowego interfejsu API są oferowane przez dostawcę modelu, ale są hostowane w infrastrukturze platformy Azure zarządzanej przez firmę Microsoft i dostępne za pośrednictwem interfejsu API. Dostawcy modeli definiują postanowienia licencyjne i określają cenę użycia swoich modeli. Usługa Azure Machine Learning:

• Zarządza infrastrukturą hostingu.
• Udostępnia interfejsy API do wnioskowania.
• Działa jako procesor danych dla zapytań przesłanych i danych wyjściowych generowanych przez modele wdrożone za pośrednictwem usługi MaaS.

Dowiedz się więcej o przetwarzaniu danych dla usługi MaaS w artykule dotyczącym prywatności danych.

Fakturowanie

Środowisko odnajdywania, subskrypcji i użycia modeli wdrożonych za pośrednictwem usługi MaaS znajduje się w portalu Foundry i usłudze Azure Machine Learning Studio. Użytkownicy akceptują postanowienia licencyjne dotyczące używania modeli. Informacje o cenach użycia są udostępniane podczas wdrażania.

Modele od dostawców innych niż Microsoft są rozliczane za pośrednictwem witryny Azure Marketplace zgodnie z warunkami użytkowania witryny Microsoft Commercial Marketplace.

Modele firmy Microsoft są rozliczane poprzez liczniki platformy Azure jako usługi konsumpcyjne First Party. Zgodnie z opisem w Warunki Produktu, kupujesz Pierwsze Usługi Konsumpcyjne przy użyciu mierników Azure, ale nie są objęte warunkami usług platformy Azure. Korzystanie z tych modeli podlega podanym postanowieniom licencyjnym.

Dostrajanie modeli

Niektóre modele obsługują również dostrajanie. W przypadku tych modeli można korzystać z zarządzanych wdrożeń obliczeniowych (wersja zapoznawcza) lub bezserwerowych interfejsów API, aby dostosować modele przy użyciu danych, które udostępniasz. Aby uzyskać więcej informacji, zobacz szczegółowe omówienie dostrajania.

RAG z modelami wdrożonymi jako bezserwerowe wdrożenia API

W portalu Foundry można użyć indeksów wektorów i rozszerzonej generacji pobierania (RAG). Modele, które można wdrażać za pośrednictwem bezserwerowych wdrożeń interfejsu API, można użyć do generowania osadzania i wnioskowania na podstawie danych niestandardowych. Te osadzanie i wnioskowanie mogą następnie generować odpowiedzi specyficzne dla twojego przypadku użycia. Aby uzyskać więcej informacji, zobacz Tworzenie i używanie indeksów wektorów w portalu Foundry.

Regionalna dostępność ofert i modeli

Rozliczanie płatności za token jest dostępne tylko dla użytkowników, których subskrypcja platformy Azure należy do konta rozliczeniowego w kraju/regionie, w którym dostawca modelu udostępnił ofertę. Jeśli oferta jest dostępna w odpowiednim regionie, użytkownik musi mieć zasób projektu w regionie świadczenia usługi Azure, w którym model jest dostępny do wdrożenia lub dostrajania, zgodnie z obowiązującymi przepisami. Zobacz Dostępność regionów dla modeli w wdrożeniach bezserwerowego interfejsu API w Foundry dla szczegółowych informacji.

Bezpieczeństwo zawartości dla modeli wdrożonych za pośrednictwem bezserwerowych wdrożeń interfejsu API

W przypadku modeli językowych wdrożonych za pośrednictwem bezserwerowego interfejsu API usługa Azure AI implementuje domyślną konfigurację filtrów moderowania tekstu bezpieczeństwa zawartości usługi Azure AI , które wykrywają szkodliwe treści, takie jak nienawiść, samookaleczenia, treści seksualne i brutalne. Aby dowiedzieć się więcej na temat filtrowania zawartości, zobacz Guardrails and controls for Models Sold Directly by Azure (Zabezpieczenia i kontrolki dla modeli sprzedawanych bezpośrednio przez platformę Azure).

Filtrowanie treści odbywa się synchronicznie, gdy usługa przetwarza polecenia w celu wygenerowania treści. Opłaty mogą być naliczane oddzielnie zgodnie z cennikiem bezpieczeństwa zawartości usługi Azure AI dla takiego użycia. Filtrowanie zawartości dla poszczególnych punktów końcowych bezserwerowych można wyłączyć:

• W momencie pierwszego wdrożenia modelu językowego
• Później, wybierając przełącznik filtrowania zawartości na stronie szczegółów wdrożenia

Załóżmy, że postanawiasz użyć interfejsu API innego niż interfejs API wnioskowania modelu do pracy z modelem wdrożonym za pośrednictwem bezserwerowego interfejsu API. W takiej sytuacji filtrowanie zawartości nie jest włączone, chyba że zostanie zaimplementowane oddzielnie przy użyciu bezpieczeństwa zawartości sztucznej inteligencji platformy Azure.

Aby rozpocząć pracę z bezpieczeństwem zawartości usługi Azure AI, zobacz Szybki start: analizowanie zawartości tekstowej. Jeśli nie używasz filtrowania zawartości podczas pracy z modelami wdrożonym za pośrednictwem bezserwerowego interfejsu API, wystąpi większe ryzyko ujawnienia użytkownikom szkodliwej zawartości.

Izolacja sieciowa dla modeli wdrożonych za pomocą interfejsów API w środowisku bezserwerowym

Punkty końcowe dla modeli wdrożonych jako bezserwerowe interfejsy API są zgodne z ustawieniem flagi dostępu do sieci publicznej centrum Foundry, w którym znajduje się projekt wdrożenia. Aby ułatwić zabezpieczenie wdrożenia bezserwerowego interfejsu API, wyłącz flagę dostępu do sieci publicznej w centrum Foundry. Możesz pomóc zabezpieczyć komunikację przychodzącą od klienta do punktu końcowego przy użyciu prywatnego punktu końcowego dla centrum.

Aby ustawić flagę dostępu do sieci publicznej dla centrum Foundry:

• Przejdź do portalu Azure.
• Wyszukaj grupę zasobów, do której należy centrum, i wybierz centrum Foundry z zasobów wymienionych dla tej grupy zasobów.
• Na stronie przeglądu centrum, w okienku po lewej stronie, przejdź do Ustawienia>Sieć.
• Na karcie Dostęp publiczny można skonfigurować ustawienia flagi dostępu do sieci publicznej.
• Zapisz zmiany. Propagacja zmian może potrwać do pięciu minut.

Ograniczenia

• Jeśli masz centrum Foundry z prywatnym punktem końcowym utworzonym przed 11 lipca 2024 r., wdrożenia bezserwerowego interfejsu API dodane do projektów w tym centrum nie będą zgodne z konfiguracją sieciową centrum. Zamiast tego należy utworzyć nowy prywatny punkt końcowy dla centrum i utworzyć nowe wdrożenie bezserwerowego interfejsu API w projekcie, aby nowe wdrożenia mogły postępować zgodnie z konfiguracją sieci centrum.

• Jeśli masz centrum Foundry z wdrożeniami usługi MaaS utworzonymi przed 11 lipca 2024 r. i włączysz prywatny punkt końcowy w tym centrum, istniejące wdrożenia bezserwerowego interfejsu API nie będą zgodne z konfiguracją sieciową centrum. Aby wdrożenia bezserwerowego interfejsu API w centrum były zgodne z konfiguracją sieci koncentratora, należy utworzyć je ponownie.

• Obecnie obsługa usługi Azure OpenAI w danych nie jest dostępna w przypadku wdrożeń bezserwerowego interfejsu API w prywatnych centrach, ponieważ prywatne centra mają wyłączoną flagę dostępu do sieci publicznej.

• Propagowanie dowolnej zmiany konfiguracji sieci (na przykład włączenie lub wyłączenie flagi dostępu do sieci publicznej) może potrwać do pięciu minut.  

Treści powiązane

• Eksplorowanie modeli podstawowych w portalu Foundry
• Wycofanie i zakończenie wsparcia modelu w wykazie modeli Foundry