Model
.ai
theo dõi các mô hình AI mở
Palmyra X5
Writer | ngữ cảnh 1.040.000 token | $0,60/M đầu vào, $6,00/M đầu ra. Palmyra X5 là mô hình tiên tiến nhất của Writer, được xây dựng chuyên biệt để tạo và mở rộng các tác nhân AI trên toàn doanh nghiệp. Nó cung cấp tốc độ và hiệu quả hàng đầu ngành trên các cửa sổ ngữ cảnh lên đến 1 triệu token, được hỗ trợ bởi kiến trúc transformer mới và cơ chế chú ý lai. Điều này cho phép suy luận nhanh hơn và bộ nhớ mở rộng để xử lý khối lượng lớn dữ liệu doanh nghiệp, rất quan trọng cho việc mở rộng các tác nhân AI.
Hướng dẫn cho mô hình này
Tất cả hướng dẫn
Palmyra X5 là mô hình ngôn ngữ chủ lực của Writer, được xây dựng đặc biệt cho các đại lý AI doanh nghiệp cần xử lý khối lượng dữ liệu lớn mà không làm chậm hệ thống. Kiến trúc transformer mới lạ và cơ chế chú ý lai giúp mở rộng cửa sổ ngữ cảnh lên hơn một triệu token trong khi vẫn giữ tốc độ suy luận nhanh. Nếu bạn xây dựng hoặc mở rộng các pipeline đại lý trong công ty, đây là mô hình Writer thiết kế cho mục đích đó.

Nổi tiếng với

  • Cửa sổ ngữ cảnh một triệu token phù hợp với khối lượng tài liệu doanh nghiệp lớn
  • Kiến trúc chú ý lai tối ưu tốc độ với ngữ cảnh dài
  • Thiết kế chuyên biệt cho quy trình làm việc đại lý AI đa bước, không chỉ trò chuyện
  • Chi phí đầu vào thấp, 0,60 đô la mỗi triệu token cho lượng lớn dữ liệu

Cẩn thận với

  • Trọng số đóng và chỉ có API; bạn không thể chạy cục bộ hoặc tự lưu trữ.
  • Chi phí đầu ra 6,00 đô la mỗi triệu token, gấp mười lần chi phí đầu vào — các vòng lặp đại lý tạo nhiều nội dung sẽ tốn kém hơn dự kiến.
  • Writer chưa công bố kết quả benchmark độc lập, nên so sánh chất lượng bên thứ ba còn hạn chế.

Lời nhắc để thử

Tóm tắt tập hợp tài liệu một triệu token
Bạn có một bộ sưu tập lớn các báo cáo nội bộ. Dán toàn bộ văn bản bên dưới và yêu cầu: xác định năm chủ đề phổ biến nhất trong tất cả tài liệu, ghi chú bất kỳ mâu thuẫn nào giữa chúng, và đánh dấu ba phát hiện có khả năng ảnh hưởng đến quyết định lộ trình sản phẩm nhất. Cụ thể và trích dẫn phần liên quan.
Thiết kế quy trình làm việc đại lý
Tôi cần xây dựng một đại lý theo dõi các phiếu hỗ trợ khách hàng đến, phân loại theo khu vực sản phẩm và mức độ khẩn cấp, soạn email phản hồi đầu tiên, và chuyển mọi trường hợp đánh dấu là quan trọng lên kênh Slack. Phác thảo các bước, công cụ cần thiết cho mỗi bước, và điểm dừng để đại lý chờ kiểm duyệt của con người.
Trích xuất dữ liệu cấu trúc quy mô lớn
Dưới đây là bốn mươi hợp đồng nhà cung cấp ở dạng văn bản thuần. Với mỗi hợp đồng, trích xuất: tên các bên, ngày bắt đầu và kết thúc hợp đồng, điều khoản thanh toán, điều khoản chấm dứt, và bất kỳ khoản phạt nào. Trả kết quả dưới dạng mảng JSON với một đối tượng cho mỗi hợp đồng. Đánh dấu bất kỳ trường nào có thông tin mơ hồ hoặc thiếu.

So sánh với

  • Step 5 Preview
    Mô hình mở trọng số
    ngữ cảnh 1,048,576 token · Đầu vào $1.00/M, đầu ra $2.70/M
  • NVIDIA Nemotron 3 Ultra 550B A55B
    Mô hình mở trọng số
    ngữ cảnh 262,144 token · Đầu vào $0.50/M, đầu ra $2.20/M
  • Qwen2.5 VL 72B Instruct
    Mô hình mở trọng số
    ngữ cảnh 128,000 token · Đầu vào $0.80/M, đầu ra $1.00/M
  • Seed 2.0 pro
    Mô hình mở trọng số
    ngữ cảnh 256,000 token · Đầu vào $0.50/M, đầu ra $3.00/M
Thêm mô hình văn bản từ writer

Câu hỏi thường gặp

Tôi có thể chạy Palmyra X5 cục bộ hoặc tải trọng số về không?
Không. Palmyra X5 chỉ có API và Writer chưa phát hành trọng số mở, nên không thể triển khai cục bộ.
Palmyra X5 có giá bao nhiêu và cửa sổ ngữ cảnh lớn bao nhiêu?
Chi phí đầu vào 0,60 đô la mỗi triệu token và đầu ra 6,00 đô la mỗi triệu token, với cửa sổ ngữ cảnh 1.040.000 token.
Palmyra X5 khác gì so với các mô hình tiên tiến đa năng?
Writer định vị nó là mô hình chuyên biệt cho pipeline đại lý doanh nghiệp thay vì trò chuyện hay lập trình chung, với kiến trúc tối ưu cho tốc độ và hiệu quả bộ nhớ khi xử lý ngữ cảnh rất dài.
Phán quyết của thuyền trưởng
Mô hình đại lý doanh nghiệp nghiêm túc với cửa sổ ngữ cảnh thật sự một triệu token, nhưng trọng số đóng và giá đầu ra cao nghĩa là bạn nên tính toán chi phí trước khi cam kết.
Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.
Ranking badge
Updated Oct 22, 2026
Palmyra X5 trên ModelTrends.ai: Heat 1,575°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Điểm số này được tính như thế nào
Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.
Thuật ngữ: các từ dùng ở đây
Điểm nhiệt
Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm
7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải
Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log
Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích
Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng
Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính
Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder
Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde
Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh
Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter
Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint)
Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding
Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số
Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi
Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình
Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế
Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm)
Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng
Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình
Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.