המיקום של נתונים

נתונים שנשמרים במצב לא פעיל במיקום שנבחר על ידי הלקוח נשארים במצב לא פעיל במיקום הזה, ללא קשר לנקודת הקצה של Agent Platform שאליה מתבצעת הפנייה בבקשה של הלקוח.

איפה הנתונים שלכם נמצאים ועוברים עיבוד

פלטפורמת הסוכנים של Gemini Enterprise מספקת שקיפות לגבי המקום שבו הנתונים שלכם מאוחסנים (במצב מנוחה) והמקום שבו מתבצע החישוב בפועל של המודל (עיבוד ML).

1. נתונים באחסון

כשמאחסנים נתונים ב-Agent Platform (כמו משקלים של מודלים מותאמים אישית או מטא-נתונים), הם נשארים מאוחסנים פיזית ב Google Cloud מיקום הספציפי שבחרתם. המיקום הזה נשמר בלי קשר לנקודת הקצה שבה משתמשים כדי להפעיל את המודל.

2. עיבוד של למידת מכונה (בשימוש)

עיבוד ML הוא השיטה שבה הנתונים מעובדים כדי ליצור משקולות של מודלים (התאמה ואימון) או כדי להחיל את המודל על הנתונים לצורך הסקת מסקנות מהמודל. המיקום הגיאוגרפי של העיבוד הזה נקבע לפי נקודת הקצה שתבחרו:

  • נקודות קצה רב-אזוריות עם שיפוט: כשמשתמשים בנקודות קצה עם שיפוט, עיבוד ה-ML נשאר באזור הגיאוגרפי הספציפי הזה (למשל, ארצות הברית או האיחוד האירופי).

    • יעילות תפעולית (קיבולת מאוחדת): נקודות קצה במספר אזורים מבטלות את הבידוד של משאבים אזוריים. במקום לרכוש ולנהל הקצאות נפרדות של הקצאת משאבים לפי התפוקה שנקבעה לאזורים ספציפיים (כמו us-central1 ו-us-east4), אפשר לפרוס התחייבות לשימוש אחת של הקצאת משאבים לפי התפוקה שנקבעה שמכסה את כל הגבולות המשפטיים (כמו ארצות הברית).

    • הפעלת תאימות: נקודות קצה מרובות אזורים מספקות את אמצעי הבקרה לבידוד נתונים בשימוש שנדרשים כדי לעמוד בדרישות של מסגרות רגולטוריות מחמירות. נקודות קצה מרובות אזורים הן יכולת טכנית בסיסית לעמידה בדרישות של רמת ההשפעה 5 (IL5) של מחלקת ההגנה (DoD) או של תקנות התנועה הבינלאומית בנשק (ITAR), אבל כדי לעמוד בדרישות באופן מלא צריך גם ארכיטקטורה, זהות ואמצעי בקרה רחבים יותר לגישה שבניהול הלקוח.

  • נקודות קצה מבוססות-מיקום: נקודות הקצה האלה (למשל us-central1,‏ europe-west1) מבטיחות שעיבוד ה-ML יישאר כולו במסגרת השיפוט של מספר אזורים או של מדינה שמשויכים לאותו אזור (לדוגמה, בקשות אל us-central1 מעובדות בארצות הברית).

    באזורים באירופה, העיבוד המקומי במדינה משתנה בהתאם לסוג המודל (לדוגמה, מודלים ספציפיים עשויים לעבור עיבוד מקומי בצרפת או בגרמניה, בעוד שאחרים עוברים עיבוד בגבולות הרחבים יותר של אזורים מרובים באיחוד האירופי). בקטע הבא מפורטים בדיוק ההתחייבויות לעיבוד ML לכל מודל ומיקום.

    • התאמה לתקנות: נקודות קצה (endpoints) מבוססות-מיקום עומדות בדרישות הסטנדרטיות של ניהול נתונים ארגוני וריבונות (כמו GDPR ו-HIPAA), אבל עומסי עבודה שדורשים מסגרות בידוד ממשלתיות מיוחדות כמו DoD IL5 או ITAR צריכים להיות מוצבים בנקודות קצה (endpoints) שיפוטיות כחלק מארכיטקטורה רחבה יותר שתואמת לתקנות.

  • נקודות קצה גלובליות: נקודות קצה גלובליות מעבירות ומעבדות נתונים בכל מקום בעולם, בלי להגביל אותם לאזור גיאוגרפי ספציפי. בנקודות הקצה האלה (למשל https://aiplatform.googleapis.com) לא מצוין אזור בשם המארח. הם נועדו למקסם את הזמינות ולמזער את זמן האחזור על ידי סיום סשנים של TLS קרוב ככל האפשר ללקוח, אבל הם לא מספקים בידוד אזורי או ערבויות לגבי מיקום אחסון הנתונים.

מודלים נתמכים

בטבלאות שבקטע הזה מפורטות האזורים שבהם נתמך עיבוד ML על בסיס כל מודל בנפרד, עבור קטגוריות המודלים הבאות:

המודלים של Google

במאמר יכולות נתמכות מפורטות היכולות שתומכות במיקום אחסון הנתונים.

דגם ארה"ב, במספר אזורים מספר אזורים באיחוד האירופי ברזיל(southamerica-east1) קנדה(northamerica-northeast1) צרפת(europe-west9) גרמניה(europe-west3) הולנד(europe-west4) בריטניה(europe-west2) אוסטרליה(australia-southeast1) הודו(asia-south1) יפן(asia-northeast1) סינגפור(asia-southeast1) קוריאה הדרומית(asia-northeast3)
‫Gemini 3.6 Flash(gemini-3.6-flash)
‫Gemini 3.5 Flash-Lite(gemini-3.5-flash-lite)
‫Gemini 3.5 Flash(gemini-3.5-flash)
‫Gemini 3.1 Flash-Lite(gemini-3.1-flash-lite)
Gemini 2.5 Flash Live API Native Audio(gemini-live-2.5-flash-native-audio)
‫Gemini 2.5 Flash, ‏ 128k(gemini-2.5-flash)
‫Gemini 2.5 Flash, 1M(gemini-2.5-flash)
תמונה של Gemini 2.5 Flash(gemini-2.5-flash-image)
‫Gemini 2.5 Flash-Lite(gemini-2.5-flash-lite)
‫Gemini 2.5 Pro, 1M(gemini-2.5-pro)
‫Gemini 2.5 Pro, 64k(gemini-2.5-pro)
שיפור הביצועים של Gemini ‎2.5 Flash(gemini-2.5-flash)
שיפור הביצועים של Gemini 2.5 Flash-Lite(gemini-2.5-flash-lite)
שיפור הביצועים של Gemini ‎2.5 Pro(gemini-2.5-pro)
‫Gemini Embeddings(gemini-embedding-001)
‫Gemini Embedding 2(gemini-embedding-2)
Chirp 2: Transcription(chirp_2)
Chirp 3: Transcription(chirp_3)
‫Chirp 3: קולות באיכות HD
‫Chirp 3: Instant Custom Voice
הטמעות למולטי-מודאלי
הטמעות של טקסט(text-embedding-004)
הטמעות של טקסט(text-embedding-005)
הטמעות של טקסט(text-multilingual-embedding-002)

תמיכה במודלים של שותפיםGoogle Cloud

דגם ארה"ב, במספר אזורים האיחוד האירופי, במספר אזורים בלגיה(europe-west1) הולנד(europe-west4) סינגפור(asia-southeast1) טייוואן(asia-east1) עולמי
‫Anthropic's Claude Sonnet 5 on Google Cloud
‫Anthropic's Claude Opus 5 ב-Google Cloud
‫Anthropic's Claude Fable 5 on Google Cloud
‫Anthropic's Claude Haiku 4.5 on Google Cloud
‫Anthropic's Claude Opus 4 on Google Cloud
‫Anthropic's Claude Opus 4.1 on Google Cloud
‫Anthropic's Claude Opus 4.5 on Google Cloud
‫Anthropic's Claude Opus 4.8 on Google Cloud
‫Anthropic's Claude Opus 4.7 on Google Cloud
‫Anthropic's Claude Opus 4.6 ב-Google Cloud
‫Anthropic's Claude Sonnet 4 on Google Cloud
‫Anthropic's Claude Sonnet 4.5 on Google Cloud
‫Anthropic's Claude Sonnet 4.6 on Google Cloud
‫Anthropic's Claude 3.5 Haiku on Google Cloud (הוצא משימוש)
‫Anthropic's Claude 3 Haiku on Google Cloud (הוצא משימוש)
‫Anthropic's Claude 3.7 Sonnet on Google Cloud (הוצא משימוש)
Codestral (24.05)
Codestral 2
‫Mistral Large ‏ (24.07)
‫Mistral Medium 3
Mistral OCR (25.05)
‫Mistral Small 3.1 ‏ (25.03)

Google Cloud תמיכה במודלים פתוחים

דגם ארה"ב, במספר אזורים האיחוד האירופי, במספר אזורים סינגפור(asia-southeast1) עולמי
DeepSeek-OCR
DeepSeek R1 (0528)
DeepSeek-V3.1
DeepSeek-V3.2
Gemma 4 26B A4B IT
‫GLM 4.7
GLM 5
gpt-oss 120B
gpt-oss 20B
Kimi K2 Thinking
‫Llama 3.3 70B (גרסת טרום-השקה)
‫Llama 4 Maverick 17B-128E (גרסת טרום-השקה)
‫Llama 4 Scout 17B-16E (גרסת טרום-השקה)
MiniMax M2
‫E5 Large בשפות שונות
‫Multilingual E5 Small
Qwen3 235B
Qwen3 Coder
Qwen3-Next-80B Instruct
Qwen3-Next-80B Thinking

המאמרים הבאים