Model
.ai
ओपन AI मॉडल पर नज़र
Palmyra X5
Writer | 1,040,000 token context | $0.60/M input, $6.00/M output. Palmyra X5 Writer का सबसे उन्नत मॉडल है, जो उद्यम में AI एजेंट्स के निर्माण और स्केलिंग के लिए विशेष रूप से बनाया गया है। यह 1 मिलियन टोकन तक के संदर्भ विंडो पर उद्योग-अग्रणी गति और दक्षता प्रदान करता है, जो एक नवीन ट्रांसफॉर्मर आर्किटेक्चर और हाइब्रिड ध्यान तंत्रों द्वारा संचालित है। यह तेज़ अनुमान और बड़े पैमाने पर उद्यम डेटा संसाधन के लिए विस्तारित मेमोरी सक्षम करता है, जो AI एजेंट्स के स्केलिंग के लिए महत्वपूर्ण है।
इस मॉडल के लिए गाइड
सभी गाइड
Palmyra X5 Writer का प्रमुख भाषा मॉडल है, जो विशेष रूप से एंटरप्राइज AI एजेंटों के लिए बनाया गया है जिन्हें बड़ी मात्रा में डेटा को बिना धीमा हुए संसाधित करना होता है। इसकी नवीन ट्रांसफॉर्मर आर्किटेक्चर और हाइब्रिड अटेंशन मैकेनिज्म संदर्भ विंडो को एक मिलियन टोकन से थोड़ा अधिक तक बढ़ाते हैं जबकि इन्फरेंस तेज़ रहता है। यदि आप कंपनी के अंदर एजेंट पाइपलाइनों का निर्माण या विस्तार कर रहे हैं, तो Writer ने इसे इसी के लिए डिज़ाइन किया है।

के लिए जाना जाता है

  • एक मिलियन टोकन संदर्भ विंडो जो बड़े एंटरप्राइज दस्तावेज़ भार के लिए उपयुक्त है
  • लंबे संदर्भ लंबाई पर गति के लिए ट्यून किया गया हाइब्रिड अटेंशन आर्किटेक्चर
  • केवल चैट के लिए नहीं, बल्कि बहु-चरण AI एजेंट वर्कफ़्लोज़ के लिए विशेष रूप से बनाया गया
  • उच्च मात्रा में इनपुट के लिए $0.60 प्रति मिलियन टोकन की कम लागत

सावधान रहें

  • वेट्स बंद हैं और केवल API उपलब्ध है; आप इसे स्थानीय रूप से नहीं चला सकते या स्वयं होस्ट नहीं कर सकते।
  • आउटपुट की कीमत $6.00 प्रति मिलियन टोकन है, जो इनपुट दर से दस गुना अधिक है — भारी जेनरेशन वाले एजेंट लूप्स की लागत अपेक्षा से अधिक हो सकती है।
  • Writer ने स्वतंत्र बेंचमार्क परिणाम प्रकाशित नहीं किए हैं, इसलिए तृतीय-पक्ष गुणवत्ता तुलना सीमित है।

प्रयास करने के लिए प्रॉम्प्ट

एक मिलियन-टोकन कॉर्पस का सारांश बनाएं
आपके पास आंतरिक रिपोर्टों का एक बड़ा संग्रह है। पूरा टेक्स्ट नीचे पेस्ट करें और पूछें: सभी दस्तावेज़ों में पांच सबसे सामान्य विषय पहचानें, उनके बीच कोई विरोधाभास नोट करें, और तीन ऐसे निष्कर्ष चिन्हित करें जो उत्पाद रोडमैप निर्णय को सबसे अधिक प्रभावित कर सकते हैं। विशिष्ट रहें और संबंधित अनुभागों का उल्लेख करें।
एजेंट वर्कफ़्लो डिज़ाइन करें
मुझे एक एजेंट बनाना है जो कंपनी के आने वाले सपोर्ट टिकटों की निगरानी करे, प्रत्येक को उत्पाद क्षेत्र और तात्कालिकता के अनुसार वर्गीकृत करे, पहला उत्तर ईमेल ड्राफ्ट करे, और जो भी क्रिटिकल मार्क किया गया हो उसे Slack चैनल पर बढ़ाए। चरणों का खाका बनाएं, प्रत्येक चरण के लिए आवश्यक उपकरण बताएं, और जहां एजेंट को मानव समीक्षा के लिए रुकना चाहिए वह स्थान बताएं।
स्केल पर संरचित डेटा निकालें
यहाँ चालीस सप्लायर कॉन्ट्रैक्ट्स प्लेन टेक्स्ट में हैं। प्रत्येक से निकालें: पक्षों के नाम, अनुबंध की शुरुआत और समाप्ति तिथियाँ, भुगतान शर्तें, समाप्ति क्लॉज, और कोई भी दंड राशि। परिणाम JSON एरे के रूप में लौटाएं जिसमें प्रत्येक अनुबंध के लिए एक ऑब्जेक्ट हो। किसी भी फ़ील्ड को चिन्हित करें जहाँ जानकारी अस्पष्ट या अनुपस्थित हो।

की तुलना करें

  • Step 5 Preview
    ओपन-वेट्स मॉडल
    1,048,576 टोकन संदर्भ · $1.00/M इनपुट, $2.70/M आउटपुट
  • NVIDIA Nemotron 3 Ultra 550B A55B
    ओपन-वेट्स मॉडल
    262,144 टोकन संदर्भ · $0.50/M इनपुट, $2.20/M आउटपुट
  • Qwen2.5 VL 72B Instruct
    ओपन-वेट्स मॉडल
    128,000 टोकन संदर्भ · $0.80/M इनपुट, $1.00/M आउटपुट
  • Seed 2.0 pro
    ओपन-वेट्स मॉडल
    256,000 टोकन संदर्भ · $0.50/M इनपुट, $3.00/M आउटपुट
writer से और टेक्स्ट मॉडल

लोग जो सवाल पूछते हैं

क्या मैं Palmyra X5 को स्थानीय रूप से चला सकता हूँ या वेट्स डाउनलोड कर सकता हूँ?
नहीं। Palmyra X5 केवल API के माध्यम से उपलब्ध है और Writer ने खुले वेट्स जारी नहीं किए हैं, इसलिए स्थानीय तैनाती विकल्प नहीं है।
Palmyra X5 की लागत क्या है और इसका संदर्भ कितना बड़ा है?
इनपुट की कीमत $0.60 प्रति मिलियन टोकन और आउटपुट की $6.00 प्रति मिलियन टोकन है, संदर्भ विंडो 1,040,000 टोकन की है।
Palmyra X5 सामान्य-उद्देश्य अग्रणी मॉडलों से कैसे अलग है?
Writer इसे सामान्य चैट या कोडिंग के बजाय एंटरप्राइज एजेंट पाइपलाइनों के लिए विशेष रूप से बनाया है, इसकी आर्किटेक्चर लंबी संदर्भ लंबाई पर गति और मेमोरी दक्षता के लिए अनुकूलित है।
कैप्टन का निर्णय
एक गंभीर एंटरप्राइज एजेंट मॉडल जिसमें वास्तविक एक मिलियन टोकन विंडो है, लेकिन बंद वेट्स और आउटपुट मूल्य निर्धारण के कारण प्रतिबद्ध होने से पहले लागत का मॉडल बनाना चाहिए।
कैप्टन ये नोट्स मॉडल के अपने विवरण और मॉडल कार्ड से लिखता है। कीमतें और संदर्भ आकार लेखन के समय प्रदाता के हैं और बदल सकते हैं।
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai पर Palmyra X5: Heat 1,575°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
यह स्कोर कैसे जमा होता है
इस मॉडल के पास अभी तक किसी भी स्रोत से लोकप्रियता डेटा नहीं है, इसलिए इसमें 7,000° से नीचे एक स्टैंड-इन नंबर होता है जो सूचियों को पूरा रखता है। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता। जैसे ही कोई स्रोत रिपोर्ट करता है, यहाँ उसका विवरण दिखता है।
शब्दावली: यहाँ इस्तेमाल हुए शब्द
हीट स्कोर
एक नंबर जो बताता है कि मॉडल अभी कितना इस्तेमाल हो रहा है और कितना पसंद किया जा रहा है, 0° से 9,999° तक। इस साइट की हर 'सबसे गर्म' सूची इसी के हिसाब से सॉर्ट होती है।
फ्लोर
7,000° जो हर मॉडल को असली डेटा के साथ मिलता है। स्केल 0° से 9,999° तक चलता है; फ्लोर से नीचे का हिस्सा बिना डेटा वाले मॉडल के लिए रखा गया है, ताकि डेटा वाला मॉडल हमेशा ऊपर रहे। फ्लोर सबके लिए एक जैसा है और कुछ तय नहीं करता; इससे ऊपर के डिग्री माप हैं।
डाउनलोड-बराबर
स्कोर जो कुछ भी डाउनलोड मानता है, उसका जोड़: खुद डाउनलोड, हर टोरेंट सीडर को 1,000, हर AI Horde इमेज और हर जनरेशन साइट पर रन को 1 माना जाता है।
लॉग स्केल
दस के हिसाब से गिनती, एक-एक करके नहीं: 1,000 से 10,000 डाउनलोड जाना उतना ही डिग्री बढ़ाता है जितना 10,000 से 100,000 जाना। इससे बड़े मॉडल बाकी सबको दबाते नहीं।
लाइक्स
हर स्रोत से अंगूठा ऊपर और लाइक्स, जो लॉग स्केल पर आधे डाउनलोड के बराबर हैं।
अपनाने की दर
अभी मॉडल को रोजाना कितने डाउनलोड मिल रहे हैं, दो माप के बीच के अंतर से। डाउनलोड के वजन का एक चौथाई।
मापा और अनुमानित
मापा मतलब किसी स्रोत के दो रीडिंग मौजूद हैं और उनका अंतर असली है। अनुमानित मतलब केवल आज का कुल पता है और पिछला डेटा मॉडल के जीवनकाल में फैला हुआ है; साइट बताती है कि कौन सा दिखा रही है।
सीडर
कोई जो वज़न की कॉपी ऑनलाइन रखता है ताकि दूसरे टोरेंट के जरिए डाउनलोड कर सकें, या होस्टेड मिरर जो ऐसा करता है। हर एक को 1,000 डाउनलोड माना जाता है।
AI हॉरड
एक स्वयंसेवी नेटवर्क जो दान किए गए कंप्यूटरों पर मुफ्त में इमेज बनाता है। किसी मॉडल के साथ बनाई गई इमेज की संख्या सार्वजनिक होती है, और हर एक को एक डाउनलोड माना जाता है।
जनरेशन साइट्स
ऐसी साइट्स जो अपने मॉडल की कॉपी होस्ट करती हैं और लोगों को उससे जनरेट करने देती हैं, जैसे PixAI, SeaArt और Yodayo। इनके डाउनलोड Civitai की तरह गिने जाते हैं और हर जनरेशन रन को एक डाउनलोड माना जाता है।
OpenRouter टोकन
Claude या GPT जैसे API के माध्यम से सेवा प्राप्त टेक्स्ट मॉडल के लिए डाउनलोड करने के लिए कोई वज़न नहीं होता, इसलिए इसका उपयोग टोकन में मापा जाता है: वे टेक्स्ट के टुकड़े जो इसने OpenRouter के माध्यम से पढ़े और लिखे, जो कई ऐप्स द्वारा उपयोग किया जाने वाला एक गेटवे है, पिछले 30 दिनों में। हर 10,000,000 टोकन एक डाउनलोड के रूप में गिने जाते हैं। स्रोत: OpenRouter (openrouter.ai/rankings), CC BY 4.0।
पूरा मॉडल (चेकपॉइंट)
खुद जनरेट करने वाली फाइल, वज़न खुद में। इसे बोनस मिलता है क्योंकि एड-ऑन इसी पर निर्भर होते हैं।
LoRA और एम्बेडिंग
छोटे एड-ऑन फाइल जो किसी और के वज़न को एक स्टाइल, कैरेक्टर या कॉन्सेप्ट की ओर मोड़ते हैं। ये अकेले नहीं चल सकते।
फैमिली और वज़न
जिस बेस पर मॉडल बना है, जैसे SD 1.5, SDXL, Flux या Wan। हर मॉडल अपने फैमिली के वज़न की रिलीज़ तारीख विरासत में लेता है।
उम्र
कितने समय पहले फैमिली के वज़न आए थे उसके हिसाब से घटाई गई डिग्री: सालाना 150°, अधिकतम 750° तक। यह पुराने डाउनलोड्स को सूची के शीर्ष से फ्रीज करके रखता है।
फैमिली बूस्ट
इस साइट द्वारा अभी आगे बढ़ाए जा रहे फैमिली के LoRA के लिए एक छोटा, सीमित बढ़ावा, जो हमेशा ब्रेकडाउन में दिखता है।
स्टैंड-इन स्कोर
एक स्थिर संख्या जो उस मॉडल को दी जाती है जिसके लिए अभी कोई स्रोत रिपोर्ट नहीं है, ताकि सूचियाँ पूरी रहें। यह कभी भी डेटा वाले मॉडल से ऊपर रैंक नहीं करता।
नया! (ग्रेस अवधि)
एक मॉडल जो 7 दिनों से कम पुराना है, वह स्कोर के बजाय नया! दिखाता है और रैंकिंग में कोई स्थान नहीं रखता। इसका स्कोर पहले दिन से गणना किया जाता है, लेकिन एक दिन पुराना मॉडल सबसे तेज़ बढ़ता है, इसलिए बिना इंतजार के सप्ताह का #1 हमेशा कल निकला हुआ मॉडल होता बजाय उस मॉडल के जो एक सप्ताह तक टिके।
ट्रेंड
किसी अवधि में मॉडल की बढ़त की तुलना उसी अवधि में सामान्य मॉडल की बढ़त से। सामान्य से तेज़ बढ़त को उछाल माना जाता है, धीमी को गिरावट।
सामान्य मॉडल
कैटलॉग का मध्य: आधे मॉडल जिनके आंकड़े हैं, उन्होंने उस अवधि में तेज़ बढ़त की, आधे ने धीमी।