Skip to main content

FAQ

Ce document répond aux questions fréquemment posées sur Alibaba Cloud Model Studio.

Facturation

  1. Quels sont les tarifs unitaires des modèles dans Alibaba Cloud Model Studio ? Pour la description des modèles, consultez la console Model Studio. Pour les tarifs, reportez-vous à la rubrique Tarification de l'inférence de modèle.
  2. Des services prépayés sont-ils disponibles ? Oui, certains modèles sont accessibles via un service prépayé. Pour plus d'informations, consultez la rubrique Plans d'épargne.
  3. Les factures en paiement à l'utilisation sont-elles réglées mensuellement ? Les factures sont générées à la minute et réglées mensuellement.
  4. Comment consulter mes frais et les détails de facturation ? Accédez à la page Dépenses et coûts pour afficher les détails.
  5. Comment demander une facture pour mes dépenses ? Sur la page Vue d'ensemble de la facture mensuelle, cliquez sur Télécharger la facture dans la colonne Actions correspondant au compte souhaité.
  6. Abonnement Wan L'abonnement Wan prend-il en charge les appels API d'Alibaba Cloud Model Studio ? Non. Les avantages liés à l'abonnement Wan ne s'appliquent pas aux appels API de Model Studio, car ces deux services utilisent des systèmes de facturation distincts.

API/SDK

  1. Où trouver des informations sur les codes d'erreur ? Les appels API vers Alibaba Cloud Model Studio renvoient un code de statut indiquant le résultat de l'opération. Pour plus de détails sur chaque code et les solutions associées, consultez la rubrique Codes d'erreur.
  2. Comment installer le SDK ? Alibaba Cloud Model Studio fournit des SDK pour Java et Python. Pour obtenir les instructions d'installation, reportez-vous à la rubrique Installer le SDK.
  3. Lors de l'utilisation d'un appel de fonction avec l'API Assistant, peut-on appeler deux fonctions locales successivement ? a. L'appel séquentiel de deux fonctions distinctes n'est actuellement pas pris en charge. b. Comme solution de contournement, créez deux API Assistant distinctes et traitez séparément la valeur de retour de chacune d'elles.
  4. L'API Assistant dispose-t-elle de capacités liées à la mémoire ? La configuration de la mémoire n'est actuellement pas prise en charge.

Questions sur le produit

  1. Comment activer le service Alibaba Cloud Model Studio ? Activez Alibaba Cloud Model Studio par région. Connectez-vous avec votre compte Alibaba Cloud et accédez à la console Alibaba Cloud Model Studio (Singapour), console Alibaba Cloud Model Studio (États-Unis (Virginie)), ou console Alibaba Cloud Model Studio (Chine (Pékin)). Sélectionnez la région cible dans le coin supérieur droit de la console. Après lecture et acceptation du contrat de service, Alibaba Cloud Model Studio s'active automatiquement. Si le contrat ne s'affiche pas, le service est déjà activé pour cette région.
  2. Comment désactiver le service Alibaba Cloud Model Studio ? La désactivation du service Alibaba Cloud Model Studio n'est actuellement pas possible. Si vous utilisez l'API pour appeler des modèles ou des applications, empêchez tout appel futur en supprimant votre clé API sur la page Clé API (Singapour), Clé API (États-Unis (Virginie)), ou Clé API (Pékin).
  3. Comment tester les services de grands modèles ? Rendez-vous sur la page Playground (Singapour), Playground (États-Unis (Virginie)), ou Playground (Pékin) pour les essayer .
  4. Quelle est la différence entre Alibaba Cloud Model Studio et Qwen ? Alibaba Cloud Model Studio est une plateforme de services de grands modèles linguistiques proposant divers grands modèles, dont la série Qwen.
  5. Comment isoler les données métier afin de garantir que les données de différents utilisateurs ne soient pas associées ? Utilisez votre compte Alibaba Cloud pour attribuer différentes autorisations d'espace de travail à divers utilisateurs RAM. Les données sont isolées entre les espaces de travail. Pour plus de détails, reportez-vous à la rubrique Gestion des autorisations d'espace de travail.
  6. Alibaba Cloud Model Studio conserve-t-il les données générées lors des appels de modèle ? Alibaba Cloud protège strictement la confidentialité des données et n'utilise jamais vos données pour l'entraînement des modèles. Toutes les données transmises lors de la création d'applications ou de l'entraînement de grands modèles sont chiffrées selon la norme AES-256 (Advanced Encryption Standard). Pour plus de détails sur le traitement de vos données, consultez les clauses relatives à Alibaba Cloud Model Studio dans les Conditions générales de service des produits du site international d'Alibaba Cloud.
  7. Combien de temps les historiques de conversation sont-ils conservés dans le Playground et existe-t-il une limite au nombre de conversations enregistrées ? La console Model Studio affiche jusqu'à 100 enregistrements de conversations historiques, sans limite de temps. Si vous supprimez manuellement certains enregistrements, le système affiche automatiquement les plus anciens. Les conversations issues de sessions d'essai effectuées sans connexion ou celles entraînant des erreurs d'inférence ne sont pas enregistrées.
  8. Alibaba Cloud Model Studio permet-il d'ajouter des identifiants implicites au texte généré ? Non.
  9. Alibaba Cloud Model Studio dispose-t-il d'une application mobile ? Alibaba Cloud Model Studio ne propose actuellement aucune application mobile autonome officielle. L'accès au service s'effectue principalement via la console web.

Centre de modèles

  1. Comment stocke-t-on les paramètres d'un grand modèle ? Téléchargez des modèles open source depuis la communauté ModelScope. Leur structure est généralement définie dans des fichiers JSON. Utilisez des bibliothèques Python open source pour analyser ces fichiers contenant des informations vectorielles facilitant la compréhension du processus de stockage.
  2. Combien de langues les modèles de la série Qwen prennent-ils en charge ? Ils prennent en charge 14 langues : chinois, anglais, arabe, espagnol, français, portugais, allemand, italien, russe, japonais, coréen, vietnamien, thaï et indonésien.
  3. Les modèles actuels peuvent-ils se connecter à des données structurées, telles que MySQL ou Hive ? Cette fonctionnalité n'est pas encore disponible. Elle est toutefois en cours de développement, la priorité étant donnée à l'intégration avec ApsaraDB RDS.
  4. La vitesse de génération de texte pour des modèles tels que Qwen-3 et Qwen-Max est-elle fixe pour tous les utilisateurs ? Peut-on l'ajuster ? La vitesse de génération n'est pas fixe. Elle varie en fonction de facteurs tels que la charge globale actuelle du service et la concurrence de vos requêtes.
  5. Une fois la limitation de débit du modèle déclenchée, combien de temps faut-il généralement attendre avant de réessayer ? Le temps d'attente dépend de votre valeur limite spécifique, exprimée en requêtes par seconde (RPS) ou en requêtes par minute (RPM). Par exemple, si votre limite est fixée à 120 RPM (soit 2 requêtes par seconde) et que vous soumettez 2 requêtes consécutives en 0,2 seconde, la troisième requête sera limitée. Vous devrez alors patienter environ 0,8 seconde avant de pouvoir soumettre une nouvelle requête avec succès.
  6. À quelle série de modèles appartient qwen-plus-latest ? S'agit-il de Qwen3.7 ou de Qwen3.5 ? qwen-plus-latest est la dernière version de qwen-plus et appartient à la série Qwen3, et non aux séries Qwen3.5 ou Qwen3.7. Notez que Qwen3.5, Qwen3.7 et autres désignations similaires constituent des séries de modèles indépendantes évoluant parallèlement à Qwen3, et non des sous-versions de celle-ci.

Hallucination du modèle

  1. Qu'est-ce que l'hallucination du modèle ? L'hallucination du modèle désigne le phénomène par lequel un grand modèle linguistique (LLM) génère un contenu absurde, factuellement incorrect, déformé ou logiquement contradictoire. Bien que la sortie puisse paraître plausible et fluide, elle ne correspond ni à l'invite d'entrée, ni aux faits réels, ni au contexte logique. Il importe de distinguer l'hallucination des erreurs factuelles (causées par exemple par des données d'entraînement obsolètes), des opinions subjectives ou de la rédaction créative (comme lorsqu'un modèle est explicitement invité à écrire une histoire). L'essence même de l'hallucination réside dans une affirmation catégorique dépourvue de fondement factuel.
  2. Comment réduire les hallucinations du modèle ? Plusieurs méthodes permettent de limiter les hallucinations du modèle :
    1. Optez pour un modèle plus puissant : De manière générale, choisir un modèle plus vaste et plus avancé réduit les hallucinations. Dans la série Qwen, par exemple, les modèles de niveau Max surpassent ceux de niveau Plus, qui eux-mêmes offrent de meilleures performances que les modèles de niveau Turbo.
    2. Ingénierie des invites : Modifier l'invite constitue un moyen simple et efficace de diminuer les hallucinations. Par exemple, dans un scénario de génération augmentée par récupération (RAG), ajoutez des instructions telles que : « Répondez uniquement sur la base des documents fournis. Si l'information n'est pas disponible, indiquez "Je ne sais pas". » Ajoutez également : « Citez des données ou des rapports précis pour étayer votre conclusion », décomposez la tâche en plusieurs étapes à l'aide d'invites, ou attribuez un rôle strict au modèle dans l'invite.
    3. Génération augmentée par récupération (RAG) : Grâce au RAG, fournissez au modèle des documents de référence pour ses réponses et limitez strictement ses réponses au périmètre des connaissances récupérées, ce qui réduit considérablement les hallucinations. Lors de la conception d'un système RAG, assurez-vous que le système de récupération est de haute qualité, identifie clairement les sources d'information et gère élégamment les cas où aucune information pertinente n'est trouvée.
    4. Plugins/MCP : Exploitez les capacités des plugins ou du MCP pour atténuer les hallucinations. Par exemple, pour résumer des données issues d'une base de données structurée à l'aide d'un grand modèle, utilisez des plugins ou le MCP afin d'appeler un client de base de données pour effectuer les calculs. Les résultats sont ensuite renvoyés au modèle pour synthèse, évitant ainsi les hallucinations fréquentes lorsqu'un modèle tente d'effectuer directement des calculs numériques.
    5. Ajustement des paramètres du modèle : Réduire les paramètres d'aléatoire tels que temperature, top_k et top_p rend la sortie plus déterministe et moins susceptible de produire un contenu bizarre, bien que cela puisse nuire à la créativité. Dans certains scénarios, diminuer max_tokens empêche le modèle d'inventer du contenu après avoir fourni les informations essentielles.
    6. Vérification post-traitement : Une fois l'inférence du modèle terminée, exécutez une étape ultérieure pour vérifier l'exactitude de la réponse. Cela implique généralement l'utilisation d'un autre processus piloté par l'IA pour détecter d'éventuelles hallucinations. Cette méthode augmente les coûts et rallonge le temps de réponse global.