מודלים פתוחים של Gemini Enterprise Agent Platform ל-MaaS

פלטפורמת הסוכנים של Gemini Enterprise תומכת ברשימה נבחרת של מודלים פתוחים כמודלים מנוהלים. אפשר להשתמש במודלים הפתוחים האלה ב-Gemini Enterprise Agent Platform בתור מודל כשירות (MaaS), והם מוצעים בתור ממשק API מנוהל. כשמשתמשים במודל פתוח מנוהל, ממשיכים לשלוח את הבקשות לנקודות הקצה של Gemini Enterprise Agent Platform. המודלים הפתוחים המנוהלים הם ללא שרת (serverless), כך שלא צריך להקצות או לנהל תשתית.

אפשר למצוא מודלים פתוחים מנוהלים באמצעות Model Garden. אפשר גם לפרוס מודלים באמצעות Model Garden. מידע נוסף זמין במאמר סקירת מודלים של AI ב-Model Garden.

כדי להשתמש במודלים פתוחים, צריך לתת למשתמשים גישה למודלים פתוחים.

מודלים פתוחים

המודלים הפתוחים הבאים מוצעים כממשקי API מנוהלים ב-Model Garden (MaaS) של Gemini Enterprise Agent Platform:

שם הדגם מודליות תיאור מדריך למתחילים
DeepSeek-V4.1-Flash שפה, ראייה, קוד מודל שילוב מומחים (MoE) מולטי-מודאלי של DeepSeek למשימות של סוכנים ותכנות, עם חלון הקשר של מיליון טוקנים. כרטיס מידע על המודל
Gemma 4 26B A4B IT שפה, ראייה משפחת המודלים הפתוחים של Google שפותחו על ידי Google DeepMind. כרטיס מידע על המודל
GLM 5.2 שפה, קוד המודל של GLM למשימות ארוכות-טווח של סוכנים ותכנות, עם חלון הקשר של מיליון טוקנים. כרטיס מידע על המודל
gpt-oss 120B שפה מודל 120B עם ביצועים גבוהים במשימות חשיבה. כרטיס מידע על המודל
Llama 4 Maverick 17B-128E שפה, ראייה המודל הכי גדול של Llama 4, עם יכולות תכנות, הסקת מסקנות ועיבוד תמונות. ‫Llama 4 Maverick 17B-128E הוא מודל מולטי-מודאלי שמשתמש בארכיטקטורת שילוב מומחים (MoE) ובשילוב מוקדם. כרטיס מידע על המודל
Llama 4 Scout 17B-16E שפה, ראייה ‫Llama 4 Scout 17B-16E מספק תוצאות עם ביצועים גבוהים ביחס לגודל שלו, ועוקף מודלים פתוחים וקנייניים אחרים בכמה מבחני ביצועים. ‫Llama 4 Scout 17B-16E הוא מודל מולטי-מודאלי שמשתמש בארכיטקטורת שילוב מומחים (MoE) ובשילוב מוקדם. כרטיס מידע על המודל

המודלים הפתוחים הבאים להטמעה מוצעים כממשקי API מנוהלים ב-Model Garden (MaaS) של Gemini Enterprise Agent Platform:

שם הדגם תיאור מידות הפלט אורך הרצף המקסימלי שפות נתמכות לטקסט מדריך למתחילים
multilingual-e5-small חלק ממשפחת המודלים E5 להטמעת טקסט. הגרסה הקטנה מכילה 12 שכבות. עד 384 ‫512 טוקנים השפות הנתמכות כרטיס מידע על המודל
multilingual-e5-large חלק ממשפחת המודלים E5 להטמעת טקסט. גרסת Large מכילה 24 שכבות. עד 1,024 ‫512 טוקנים השפות הנתמכות כרטיס מידע על המודל

עמידה בתקנות של מודלים פתוחים

האישורים של בינה מלאכותית גנרטיבית ב-Gemini Enterprise Agent Platform ממשיכים לחול כשמשתמשים במודלים פתוחים בתור API מנוהל באמצעות Gemini Enterprise Agent Platform. אם אתם צריכים פרטים על המודלים עצמם, תוכלו למצוא מידע נוסף בכרטיס המודל המתאים, או לפנות למפיץ של המודל.

הנתונים שלכם מאוחסנים באזור או במספר האזורים שנבחרו למודלים פתוחים ב-Gemini Enterprise Agent Platform, אבל יכול להיות שהאזור שבו הנתונים מעובדים יהיה שונה. לרשימה מפורטת של ההתחייבויות לעיבוד נתונים במודלים פתוחים, קראו את המאמר מיקום אחסון הנתונים במודלים פתוחים.

ההנחיות של הלקוחות והתשובות של המודל לא משותפות עם צדדים שלישיים כשמשתמשים ב-Gemini Enterprise API, כולל מודלים פתוחים. ‫Google מעבדת את נתוני הלקוחות רק לפי ההוראות של הלקוח, כפי שמתואר בנספח לעיבוד נתונים ב-Cloud.

שמירת הקשר במטמון

שמירת הקשר במטמון עוזרת להפחית את העלות ואת זמן האחזור של בקשות למודלים פתוחים שמכילים תוכן חוזר. האפשרות הזו זמינה רק כשמשתמשים בתנועה בתשלום לפי שימוש, ואין תמיכה בסוגי תנועה אחרים, כמו הקצאת משאבים לפי התפוקה שנקבעה ו-Batch.

סוג השמירה במטמון שנתמך הוא שמירה משתמעת במטמון, שהיא שמירה אוטומטית במטמון שמופעלת כברירת מחדל בכל הפרויקטים ב- Google Cloud , ומספקת הנחה של 90% על טוקנים שנשמרו במטמון בהשוואה לטוקנים של קלט סטנדרטי כשמתרחשות מציאות במטמון. בסוג הזה של שמירה במטמון, אתם לא מגדירים את המטמונים וקוראים להם באופן מפורש. במקום זאת, הקצה העורפי שלנו שולף מהמטמונים האלה ברגע שמזוהה הקשר חוזר.

מודלים נתמכים

  • qwen3-coder-480b-a35b-instruct-maas
  • kimi-k2-thinking-maas
  • minimax-m2-maas
  • gpt-oss-20b-maas
  • deepseek-v3.1-maas
  • deepseek-v3.2-maas
  • deepseek-v4.1-flash-maas
  • gemma-4-26b-a4b-it-maas
  • glm-5-maas
  • glm-5.2-maas

השדה cachedContentTokenCount במטא-נתונים של התשובה מציין את מספר הטוקנים בחלק של הקלט שנשמר במטמון. בקשות לשמירה במטמון חייבות להכיל לפחות 4,096 אסימונים (המינימום הזה עשוי להשתנות במהלך גרסת טרום-ההשקה).

כשמפעילים את האפשרות הזו, החיסכון בעלויות שנובע מהמציאה במטמון (cache hit) מועבר אליכם באופן אוטומטי. אין הבטחה למציאה במטמון, והיא תלויה בבקשות שנשלחות ובגורמים אחרים. כדי להגדיל את הסיכויים למציאה במטמון (cache hit) באופן משתמע, אפשר לנסות את הפעולות הבאות:

  • הציבו תוכן גדול ונפוץ בתחילת ההנחיה.
  • לשלוח בקשות עם קידומת דומה בפרק זמן קצר.

המאמרים הבאים