Conectar seu Analisador de Compreensão de Conteúdos às implementações de modelos do Foundry

O Azure Content Understanding in Foundry Tools usa suas implantações de modelo do Foundry para todas as operações que exigem um modelo de IA generativo. Essa abordagem permite maximizar o uso da capacidade provisionada e agregar capacidade em menos implantações, se necessário. Você também pode escolher o modelo que se ajusta melhor ao seu cenário para preço e latência.

Você é cobrado por todos os tokens (entrada e saída) processados pela implantação conectada, e a Compreensão de conteúdo cobra apenas por unidades de medição específicas da Compreensão de conteúdo. Consulte o explicador de preços para saber mais sobre o modelo de cobrança.

O serviço requer modelos chat completion e embeddings e oferece suporte a várias opções diferentes para cada um.

Modelos com suporte

O serviço é atualizado periodicamente para adicionar suporte para mais modelos. Os modelos com suporte no momento podem ser encontrados em Limites de Serviço – Modelos generativos com suporte.

Definir implantações padrão no nível do recurso

Você pode definir implantações de modelo padrão no nível do recurso usando uma solicitação PATCH . Quando você define padrões, não precisa passar implantações de modelo a cada solicitação do analisador.

Etapa 1: Defina as implantações padrão no recurso.

PATCH /contentunderstanding/defaults
{
  // Specify the default model deployments for each completion and embedding model you plan to use
  "modelDeployments": {
    // This dictionary is formatted as "model name": "deployment name"
    "gpt-4.1": "gpt-4.1-deployment",
    "gpt-4.1-mini": "gpt-4.1-mini",
    "text-embedding-3-large": "text-embedding-3-large-deployment",
    "text-embedding-ada-002": "text-embedding-ada-002"
  }
}

Etapa 2: Chame o analisador sem especificar implantação de modelos.

POST /myReceipt:analyze
{
  // No modelDeployments needed - uses resource defaults
}

Quando você tiver padrões definidos no recurso, você ainda pode substituí-los por uma solicitação específica fornecendo modelDeployments na chamada de análise.

Definir modelos para o analisador

Quanto você criar um analisador personalizado, especifique quais modelos de preenchimento e incorporação de chat o analisador deve usar. Essa configuração fornece a flexibilidade de escolher um modelo que fornece os melhores resultados com o menor custo. A definição do analisador associa um nome de modelo à definição do analisador, mas não a uma implantação de modelo específica.

{
  "analyzerId": "myReceipt",
  "models": {
    // Specifies the completion and embedding models used by this analyzer. 
    "completion": "gpt-4.1",
    "embedding": "text-embedding-ada-002"
  },
  "config": {
    
  }
  // Complete analyzer definition
}

Testar o analisador e examinar o uso

Quando você envia uma solicitação de análise para o analisador, o objeto de resposta contém uma usage propriedade. Essa propriedade inclui informações sobre tokens consumidos na sua implantação e outros usos de cobrança incorridos pelo analisador. Você pode validar esses dados em relação aos dados de uso na implantação para correlacionar o uso do Content Understanding com a implantação do modelo.

{
  "usage": {
    "documentPagesMinimal": 3, 
    "documentPagesBasic": 2, 
    "documentPagesStandard": 1, 
    "audioHours": 0.234,
    "videoHours": 0.123,
    "contextualizationToken": 1000,
    "tokens": {
      "gpt-4.1-input": 1234, /*Completion model Input and output tokens consumed*/
      "gpt-4.1-output": 2345,
      "text-embedding-3-large": 3456 /*Embedding tokens consumed*/
    }
  }
}

Para obter detalhes sobre como a cobrança funciona para o Content Understanding, consulte o explicador de preços.

Conteúdo relacionado

• Saiba mais sobre os preços do Content Understanding
• Saiba mais sobre analisadores de Compreensão de Conteúdo