# Modelos do AI Inference da Azion import DocButton from '~/components/webkit/DocButton.vue'; Os modelos otimizados para o edge da Azion abrangem múltiplos domínios de AI, incluindo geração de texto, análise de imagem, embeddings e mais. Cada modelo é projetado para equilibrar o desempenho e a eficiência de recursos para implementação no edge. Esta página fornece uma lista de modelos disponíveis para uso no **AI Inference**. Para saber mais, visite a página de [referência do AI Inference](/pt-br/documentacao/produtos/ai/ai-inference/). ## Modelos disponíveis ### Mistral 3 Small (24B AWQ) Este é um modelo de linguagem que, embora compacto, oferece capacidades comparáveis às de modelos maiores. É ideal para agentes conversacionais, function calling, ajuste fino e inferência local com dados sensíveis. ### BAAI/bge-reranker-v2-m3 Um modelo de reranking leve com fortes capacidades multilíngues. Ele é fácil de implementar, com inferência rápida. ### InternVL3 InternVL3 é um Multimodal Large Language Model avançado (MLLM) com capacidades para abranger tool calling, agentes GUI, análise de imagem industrial, percepção de visão 3D e mais. ### Qwen2.5 VL AWQ 3B Um Vision Languagem Model (VLM) que oferece capacidades avançadas como análise visual, raciocínio de agente, compreensão de vídeos longos, localização visual e geração de saída estruturada. Suporta 3 bilhões de parâmetros. ### Qwen2.5 VL AWQ 7B Um Vision Languagem Model (VLM) que suporta 7 bilhões de parâmetros, oferecendo capacidades avançadas como análise visual, raciocínio de agente, compreensão de vídeo longo, localização visual e geração de saída estruturada. ### Qwen3 30B A3B Instruct 2507 FP8 Um modelo de linguagem causal FP8 ajustado por instruções com 30 bilhões de parâmetros para geração de texto de longo contexto (256K) e raciocínio, suportando chat/QA, sumarização, tarefas multilíngues, resolução de problemas de matemática/ciência, codificação e fluxos de trabalho aumentados por ferramentas. ### Qwen3 Embedding 4B Um modelo de embedding multilíngue com 4 bilhões de parâmetros (36 camadas, 32K de contexto) que gera vetores de 2560 dimensões para recuperação de texto/código, classificação, agrupamento e mineração de bitexto. Ele suporta embeddings condicionados por instrução e é otimizado para aprendizado de representação eficiente e multilíngue. ### Nanonets-OCR-s Um modelo OCR que converte imagens de documentos em markdown estruturado, preservando o layout (títulos, listas, tabelas) e tags básicas. A saída é fácil de analisar e alimentar em pipelines de LLM. ### GPT-OSS 20B Um modelo da Open AI com 20 bilhões de parâmetros, projetado para geração de texto, conversação e várias tarefas de processamento de linguagem natural. Este modelo open-source oferece desempenho robusto para uma ampla gama de aplicações com capacidades de tool calling e contexto de 131k tokens.