Meta: Muse Ember · Meta
Meta: Muse Ember مدل زبانی Meta است که در ia.gratis در دسترس است. زمینه 1048K.
درباره Meta: Muse Ember
Meta: Muse Ember مدل زبانی Meta است که در ia.gratis در دسترس است. زمینه 1048K.
در چه کاری میدرخشد: Meta · گفتگوی عمومی · زمینه 1048K.
نحوهٔ استفاده Meta: Muse Ember
-
1
بنویس یا آپلود کن
هرچه میخواهی در کادر بالا بنویس، یا اگر ابزار خواست فایل را آپلود کن.
-
2
بساز
روی دکمهٔ اصلی بزن. بسته به مدل و اندازهٔ ورودی 2-30 ثانیه صبر کن.
-
3
دانلود یا اشتراکگذاری
نتیجه را دانلود کن یا لینک مستقیمش را به اشتراک بگذار. بدون واترمارک و آماده استفاده.
پرسشهای متداول
استفاده از Meta: Muse Ember چقدر هزینه دارد؟
Meta: Muse Ember یک مدل Pro است: هر استفاده 10 tokens هزینه دارد (حدود $0.05 هزینهٔ واقعی برای ما). برای این مدل به طرح Pro ($9/ماه → 15.000 tokens) یا بستهٔ one-shot نیاز دارید. اگر از قبل tokens در حساب رایگانتان دارید، میتوانید همانها را مستقیم خرج کنید.
چند بار استفاده از Meta: Muse Ember در پلن Pro گنجانده شده است؟
پرو ($9/ماه) به تو 15.000 tokens تکرارشونده میدهد. با 10 tokens برای هر استفاده از Meta: Muse Ember، یعنی حدود 1.500 استفادهٔ کامل در هر دوره. اگر کم آوردی، بستههای یکباره (5.000 / 25.000 / 80.000 tokens) به موجودیات اضافه میشوند و تا یک سال منقضی نمیشوند.
چه چیزی Meta: Muse Ember را خاص میکند؟
متا وزنهای کامل خانواده Llama را منتشر میکند؛ این خانواده در گفتگوی عمومی، کد و چندزبانه بهخوبی آزموده شده است. نقاط قوت مشخصش عبارتاند از: متا، گفتگوی عمومی و بافت 1048K. این مدل تصویر را هم علاوه بر متن بهعنوان ورودی میپذیرد؛ برای توصیف اسکرینشات، خواندن نمودار یا حل مسئله از روی عکس مفید است.
Meta: Muse Ember چقدر سریع پاسخ میدهد؟
Meta: Muse Ember سرعتی متعادل دارد: 5-15 ثانیه برای هر پاسخ؛ نه سریعترین و نه کندترین مدل کاتالوگ. زمان واقعی به طول پرامپت و بار دیتاسنتر هم بستگی دارد؛ مدلهایی با زمینهٔ بسیار بزرگ وقتی متنهای خیلی طولانی وارد میکنی، بیشتر طول میکشند.
چطور از Meta: Muse Ember در ia.gratis استفاده کنم؟
میتوانید Meta: Muse Ember را از /chat/ با انتخاب Meta: Muse Ember در منتخب مدل استفاده کنید، یا از طریق API REST با `model=muse-ember` در بدنه POST. خلاصه: مدل گفتگوی Meta. شناسه داخلی مدل `muse-ember` است. هنگام یکپارچهسازی با API به کارتان میآید.