מודלים פתוחים של Gemini Enterprise Agent Platform ל-MaaS

‫Gemini Enterprise Agent Platform תומכת ברשימה נבחרת של מודלים פתוחים כמודלים מנוהלים. אפשר להשתמש במודלים הפתוחים האלה עם Gemini Enterprise Agent Platform בתור מודל כשירות (MaaS), והם מוצעים בתור API מנוהל. כשמשתמשים במודל קוד פתוח מנוהל, ממשיכים לשלוח את הבקשות לנקודות הקצה של Gemini Enterprise Agent Platform. מודלים מנוהלים של קוד פתוח הם בלי שרת (serverless), כך שאין צורך לספק או לנהל תשתית.

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

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

מודלים פתוחים

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

שם הדגם אופן הפעולה תיאור מדריך למתחילים
DeepSeek-OCR שפה, ראייה מודל מקיף לזיהוי תווים אופטי (OCR) שמנתח ומבין מסמכים מורכבים. הוא מצטיין במשימות OCR מאתגרות. כרטיס מודל
DeepSeek R1 (0528) שפה גרסה של מודל DeepSeek R1 מבית DeepSeek. כרטיס מודל
DeepSeek-V3.1 שפה מודל היברידי של DeepSeek שתומך גם במצב חשיבה וגם במצב ללא חשיבה. כרטיס מודל
DeepSeek-V3.2 שפה המודל של DeepSeek שמשלב בין יעילות חישובית גבוהה לבין יכולות חשיבה רציונלית וביצועים מעולים של סוכנים. כרטיס מודל
Gemma 4 26B A4B IT שפה משפחה של מודלים פתוחים של Google שפותחו על ידי Google DeepMind. כרטיס מודל
‫GLM 4.7 שפה, קוד מודל GLM שנועד לקידוד ליבה או תכנות בשיטת Vibe coding, לשימוש בכלים ולחשיבה רציונלית מורכבת. כרטיס מודל
GLM 5 שפה, קוד מודל GLM מיועד להנדסת מערכות מורכבות ולמשימות מבוססות-סוכנים עם אופק ארוך. כרטיס מודל
gpt-oss 120B שפה מודל עם 120 מיליארד פרמטרים שמציע ביצועים גבוהים במשימות של חשיבה רציונלית. כרטיס מודל
gpt-oss 20B שפה מודל עם 20 מיליארדי פרמטרים שעבר אופטימיזציה ליעילות ולפריסה בציוד קצה ובציוד לצרכנים. כרטיס מודל
Kimi K2 Thinking שפה מודל של סוכן חשיבה בקוד פתוח, שמבצע חשיבה רציונלית שלב אחר שלב ומשתמש בכלים כדי לפתור בעיות מורכבות. כרטיס מודל
Llama 3.3 שפה ‫Llama 3.3 הוא מודל עם 70 מיליארד פרמטרים שעבר כוונון להוראות, ויוצר טקסט בלבד. הוא מספק ביצועים משופרים בהשוואה ל-Llama 3.1 70B ול-Llama 3.2 90B כשמשתמשים בו באפליקציות ליצירת טקסט בלבד. בנוסף, בחלק מהאפליקציות, הביצועים של Llama 3.3 70B קרובים לביצועים של Llama 3.1 405B. כרטיס מודל
Llama 4 Maverick 17B-128E שפה, ראייה מודל Llama 4 הכי גדול והכי מתקדם, עם יכולות קידוד, הסקת מסקנות ותמונה. ‫Llama 4 Maverick 17B-128E הוא מודל רב-אופני שמשתמש בארכיטקטורה של Mixture-of-Experts (MoE) ובמיזוג מוקדם. כרטיס מודל
Llama 4 Scout 17B-16E שפה, ראייה ‫Llama 4 Scout 17B-16E מספק תוצאות ביצועים גבוהות ביחס לגודל שלו, ועולה על מודלים אחרים שהם גם פתוחים וגם קנייניים בכמה מדדים. ‫Llama 4 Scout 17B-16E הוא מודל מולטימודאלי שמשתמש בארכיטקטורת Mixture-of-Experts (MoE) ובשילוב מוקדם. כרטיס מודל
MiniMax M2 שפה, קוד יכולת התמודדות עם משימות שקשורות לקוד ולסוכנים, עם יכולות חזקות בתכנון וביצוע של משימות מורכבות שדורשות הפעלת כלים. כרטיס מודל
Qwen3 235B שפה מודל עם משקלים פתוחים ויכולת של 'חשיבה היברידית' שמאפשרת מעבר בין חשיבה שיטתית לבין שיחה מהירה. כרטיס מודל
Qwen3 Coder שפה, קוד מודל בקוד פתוח שפותח למשימות מתקדמות של פיתוח תוכנה. כרטיס מודל
Qwen3-Next-80B Instruct שפה, קוד מודל ממשפחת המודלים Qwen3-Next, שמתמחה בביצוע פקודות ספציפיות. כרטיס מודל
Qwen3-Next-80B Thinking שפה, קוד מודל ממשפחת המודלים Qwen3-Next, שמתמחה בפתרון בעיות מורכבות ובחשיבה מעמיקה. כרטיס מודל

מודלים פתוחים להטמעה מוצעים כממשקי API מנוהלים ב-Gemini Enterprise Agent Platform Model Garden‏ (MaaS):

שם הדגם תיאור מידות הפלט אורך הרצף המקסימלי שפות טקסט נתמכות מדריך למתחילים
multilingual-e5-small חלק ממשפחת מודלים להטמעת טקסט E5. הגרסה הקטנה מכילה 12 שכבות. עד 384 ‫512 טוקנים שפות נתמכות כרטיס מודל
multilingual-e5-large חלק ממשפחת מודלים להטמעת טקסט מסוג E5. הווריאנט Large מכיל 24 שכבות. עד 1,024 ‫512 טוקנים שפות נתמכות כרטיס מודל

עמידה בדרישות רגולטוריות של מודלים פתוחים

האישורים של Generative AI on 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 ליצור קשר עם מפרסם המודל המתאים.

הנתונים שלכם מאוחסנים באחסון באזור או במספר אזורים שנבחרו עבור מודלים פתוחים בפלטפורמת הסוכנים של Gemini Enterprise, אבל יכול להיות שעיבוד הנתונים באזור יהיה שונה. רשימה מפורטת של התחייבויות בנוגע לעיבוד נתונים של מודלים פתוחים זמינה במאמר שמירת נתונים של מודלים פתוחים.

ההנחיות של הלקוחות והתשובות של המודלים לא משותפות עם צדדים שלישיים כשמשתמשים ב-Gemini Enterprise API, כולל מודלים פתוחים. ‫Google מעבדת נתוני לקוחות רק בהתאם להוראות הלקוח, כפי שמתואר בפירוט בנספח לעיבוד נתונים ב-Cloud.

שמירה במטמון של הקשר

שמירת הקשר במטמון עוזרת להקטין את העלות ואת זמן האחזור של בקשות למודלים פתוחים שמכילים תוכן חוזר. האפשרות הזו מופעלת רק כשמשתמשים בתשלום לפי שימוש בלבד, ולא תומכת בסוגי תעבורת נתונים אחרים, כמו הקצאת משאבים לפי התפוקה שנקבעה ו-Batch.

סוג הקאשינג הנתמך הוא קאשינג מרומז, שהוא קאשינג אוטומטי שמופעל כברירת מחדל בכל הפרויקטים של Google Cloud . הקאשינג הזה מספק הנחה של 90% על טוקנים שנשמרו במטמון בהשוואה לטוקנים רגילים של קלט, כשמתרחשים היטים במטמון. בסוג הזה של שמירת נתונים במטמון, לא מגדירים את המטמון ולא קוראים לו באופן מפורש. במקום זאת, הקצה העורפי שלנו שולף מהמטמון הזה ברגע שמזוהה הקשר החוזר.

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
  • gemma-4-26b-a4b-it-maas

השדה cachedContentTokenCount במטא-נתונים של התשובה מציין את מספר הטוקנים בחלק המאוחסן במטמון של הקלט. בקשות לאחסון במטמון צריכות להכיל לפחות 4,096 טוקנים (המספר הזה עשוי להשתנות במהלך תקופת התצוגה המקדימה).

כשמפעילים את האפשרות הזו, החיסכון בעלויות של פגיעה במטמון (cache hit) מועבר אליכם באופן אוטומטי. אין ערובה לפגיעות במטמון, והן תלויות בבקשות שנשלחות ובגורמים אחרים. כדי להגדיל את הסיכויים לפגיעה במטמון משתמע, אפשר לנסות את הפעולות הבאות:

  • כדאי להציב תוכן גדול ונפוץ בתחילת ההנחיה.
  • שליחת בקשות עם קידומת דומה בפרק זמן קצר.

המאמרים הבאים