Topik ini menjelaskan fitur, penggunaan, dan batasan Layanan Flink AI (model bawaan) di Realtime Compute for Apache Flink.
Ikhtisar
Layanan Flink AI (model bawaan) menyediakan kemampuan untuk memanggil model AI terkelola dari Realtime Compute for Apache Flink. Anda dapat memanggil model bawaan melalui jaringan pribadi dalam pekerjaan Flink tanpa perlu mengonfigurasi API-Key atau PrivateLink, sehingga mendukung Inferensi AI aliran, penyematan, sintesis suara, pengenalan suara, generasi gambar, generasi video, dan peringkat.
Keunggulan utama
|
Fitur |
Deskripsi |
|
Siap pakai |
Tidak perlu mengonfigurasi API-Key, endpoint, atau PrivateLink. |
|
Ditagih berdasarkan penggunaan |
Beberapa metode penagihan didukung, seperti per token, per durasi, dan per jumlah gambar, dengan biaya yang jelas dan terkendali. |
|
Dukungan multi-model |
Banyak model besar utama telah dibundel secara bawaan, mencakup skenario seperti generasi teks, pemahaman multimodal, sintesis suara, pengenalan suara, generasi gambar, generasi video, penyematan, dan peringkat. |
|
Cakupan wilayah global |
Tersedia di berbagai wilayah di dalam dan luar Tiongkok daratan, dengan akses cross-region otomatis. |
Cara kerja
Aktifkan dan nonaktifkan layanan
Aktifkan layanan
Masuk ke Konsol Manajemen Realtime Compute for Apache Flink. Pada halaman Flink AI Service, klik Activate.
-
Layanan harus diaktifkan oleh akun primary atau pengguna RAM yang telah diberikan izin AliyunBSSOrderAccess dan AliyunStreamFullAccess.
-
Setelah diaktifkan di suatu Wilayah, semua ruang kerja di wilayah tersebut dapat menggunakannya.
-
Fitur ini menggunakan metode pay-as-you-go. Anda hanya dikenai biaya untuk pemanggilan model, bukan untuk aktivasi fitur. Untuk detailnya, lihat Penagihan Layanan AI (pay-as-you-go).
Nonaktifkan layanan
Pada halaman Flink AI Service, klik Disable Service dan konfirmasi hal berikut:
-
Setelah fitur dinonaktifkan, semua job di wilayah tersebut tidak dapat lagi menggunakan layanan model bawaan.
-
Sebelum menonaktifkan fitur, pastikan tidak ada job yang bergantung pada model bawaan.
Proteksi layanan
Untuk mencegah gangguan bisnis tak terduga akibat penonaktifan layanan secara tidak sengaja, Anda dapat mengaktifkan proteksi layanan di Konsol.
Setelah proteksi layanan diaktifkan, sistem akan menolak semua permintaan pelepasan manual yang diajukan melalui Konsol, API, atau CLI. Fitur ini hanya didukung dalam mode pay-as-you-go layanan Flink AI dan hanya berlaku untuk operasi pelepasan manual. Fitur ini tidak berlaku dalam skenario berikut di mana sistem secara otomatis melepas layanan:
-
Layanan dinonaktifkan karena pembayaran tertunda pada akun.
-
Layanan dilepas secara paksa karena pelanggaran aturan keamanan platform cloud.
Wilayah yang didukung
Situs Internasional
|
Wilayah layanan Flink AI |
ID Wilayah |
Wilayah Endpoint |
Wilayah eksekusi inferensi |
|
Tiongkok (Beijing) |
cn-beijing |
Tiongkok (Beijing) |
Tiongkok daratan (penjadwalan dinamis) |
|
Tiongkok (Zhangjiakou) |
cn-zhangjiakou |
||
|
Tiongkok (Shanghai) |
cn-shanghai |
||
|
Tiongkok (Hangzhou) |
cn-hangzhou |
||
|
Tiongkok (Shenzhen) |
cn-shenzhen |
||
|
Tiongkok (Chengdu) |
cn-chengdu |
||
|
Singapura |
ap-southeast-1 |
Singapura |
Wilayah luar Tiongkok daratan (penjadwalan dinamis) |
|
Tiongkok (Hong Kong) |
cn-hongkong |
||
|
Malaysia (Kuala Lumpur) |
ap-southeast-3 |
||
|
Indonesia (Jakarta) |
ap-southeast-5 |
||
|
Jepang (Tokyo) |
ap-northeast-1 |
||
|
Korea (Seoul) |
ap-northeast-2 |
||
|
Thailand (Bangkok) |
ap-southeast-7 |
||
|
UEA (Dubai) |
me-east-1 |
||
|
Meksiko |
na-south-1 |
||
|
AS (Virginia) |
us-east-1 |
||
|
AS (Silicon Valley) |
us-west-1 |
Wilayah menentukan lokasi fisik akses data dan eksekusi inferensi. Pilih wilayah berdasarkan kebutuhan kepatuhan data Anda.
-
Wilayah endpoint: Menentukan titik akses dan lokasi penyimpanan data.
-
Wilayah eksekusi inferensi: Tempat inferensi dijalankan. Dijadwalkan secara dinamis dalam cakupan yang ditentukan.
Saat Anda memilih wilayah di luar Tiongkok daratan, data bisnis Anda akan ditransfer lintas batas ke wilayah Singapura dan, jika diperlukan, dijadwalkan secara dinamis ke node layanan inferensi di luar Tiongkok daratan untuk komputasi. Anda harus memastikan bahwa transfer data lintas batas tersebut mematuhi semua undang-undang, peraturan, dan persyaratan regulator yang berlaku, termasuk namun tidak terbatas pada: data yang ditransfer tidak mengandung konten apa pun yang dibatasi atau dilarang oleh undang-undang untuk ditransfer lintas batas; semua persetujuan atau prosedur pendaftaran yang diperlukan telah diselesaikan; serta semua kewajiban pemberitahuan yang dipersyaratkan telah dipenuhi dan persetujuan yang diperlukan telah diperoleh.
Model bawaan
|
Model family |
Model |
Kemampuan |
Wilayah yang didukung |
|
Qwen |
qwen3.8-max |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
qwen3.7-max |
Generasi teks, penalaran |
Semua |
|
|
qwen3.7-plus |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.6-plus |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.5-plus |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.7-flash |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.6-flash |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.5-flash |
Generasi teks, penalaran, pemahaman visual |
Semua |
|
|
qwen3.5-omni-plus |
Generasi teks, penalaran, pemahaman multimodal |
Semua |
|
|
qwen3.5-omni-flash |
Generasi teks, penalaran, pemahaman multimodal |
Semua |
|
|
qwen3.5-ocr |
OCR |
Tiongkok daratan |
|
|
qwen-vl-ocr |
OCR |
Semua |
|
|
qwen-mt-plus |
Translation |
Semua |
|
|
qwen-mt-flash |
Translation |
Semua |
|
|
DeepSeek |
deepseek-v4-flash-0731 |
Generasi teks, penalaran |
Semua |
|
deepseek-v4-pro |
Generasi teks, penalaran |
Semua |
|
|
GLM |
glm-5.2 |
Generasi teks, penalaran |
Semua |
|
Embedding |
qwen3.7-text-embedding |
Text embedding |
Tiongkok daratan |
|
text-embedding-v4 |
Text embedding |
Semua |
|
|
qwen3-vl-embedding |
Multimodal embedding |
Tiongkok daratan |
|
|
Rerank |
qwen3-rerank |
Text ranking |
Semua |
|
qwen3-vl-rerank |
Multimodal ranking |
Tiongkok daratan |
|
|
Qwen-Audio-TTS |
qwen-audio-3.0-tts-plus |
Speech synthesis (text to speech) |
Semua |
|
qwen-audio-3.0-tts-flash |
Speech synthesis (text to speech) |
Semua |
|
|
CosyVoice |
cosyvoice-v3.5-plus |
Speech synthesis (text to speech) |
Tiongkok daratan |
|
cosyvoice-v3.5-flash |
Speech synthesis (text to speech) |
Tiongkok daratan |
|
|
Qwen-Audio-ASR |
qwen-audio-3.0-asr-flash-filetrans |
Speech recognition (speech to text), speech translation (speech to text in a specified language) |
Semua |
|
qwen-audio-3.0-asr-flash |
Speech recognition (speech to text), speech translation (speech to text in a specified language) |
Semua |
|
|
Fun-ASR |
fun-asr |
Speech recognition (speech to text), speech translation (speech to text in a specified language) |
Semua |
|
Qwen-Image |
qwen-image-3.0 |
Generasi dan pengeditan gambar |
Semua |
|
qwen-image-3.0-pro |
Generasi dan pengeditan gambar |
Semua |
|
|
HappyHorse |
happyhorse-1.1-t2v |
Generasi video (text to video) |
Semua |
|
happyhorse-1.1-i2v |
Generasi video (image to video) |
Semua |
Penggunaan
SQL
Tentukan parameter task dan model dalam pernyataan CREATE MODEL. Anda tidak perlu menentukan endpoint atau api-key.
CREATE MODEL model_name
INPUT (column_name STRING)
OUTPUT (column_name {STRING | ARRAY<FLOAT>})
WITH (
'provider' = 'openai-compat | dashscope',
'task' = 'chat/completions | embeddings | multimodal-embedding',
'model' = '<model-name>'
);Untuk detail lebih lanjut, lihat Konfigurasi Model.
Pyflink Dataframe
Tentukan task dalam set_model_provider dan model dalam fungsi. Contoh:
pf.set_model_provider(pf.OpenAICompatProvider(task="chat/completions"))
questions = pf.from_dict({
"id": [1, 2],
"question": ["What is Flink?", "What is stream processing?"],
})
# default output column: output (STRING)
df = questions.llm.predict("question", model="qwen3.6-plus")Untuk informasi lebih lanjut, lihat Fungsi AI/LLM.