Gemini Enterprise Agent Platform は、オープンモデルのキュレーション リストをマネージド モデルとしてサポートしています。これらのオープンモデルは、Gemini Enterprise Agent Platform で Model as a Service（MaaS）として使用でき、マネージド API として提供されます。マネージド オープンモデルを使用する場合、リクエストは引き続き Gemini Enterprise Agent Platform エンドポイントに送信されます。マネージド オープンモデルはサーバーレスであるため、インフラストラクチャのプロビジョニングや管理は必要ありません。
マネージド オープンモデルは Model Garden で見つけることができます。Model Garden を使用してモデルをデプロイすることもできます。詳細については、Model Garden で AI モデルを探すをご覧ください。
オープンモデルを使用する前に、オープンモデルへのユーザー アクセス権を付与する必要があります。
オープンモデル
Gemini Enterprise Agent Platform Model Garden（MaaS）では、次のオープンモデルがマネージド API として提供されます。
| モデル名 | モダリティ | 説明 | クイックスタート |
|---|---|---|---|
| DeepSeek-V4.1-Flash | 言語、ビジョン、コード | エージェント関連のタスクとコーディング タスク向けの DeepSeek のマルチモーダル Mixture-of-Experts モデル。100 万トークンのコンテキスト ウィンドウを備えています。 | モデルカード |
| Gemma 4 26B A4B IT | 言語、ビジョン | Google DeepMind が構築した Google のオープンモデルのファミリー。 | モデルカード |
| GLM 5.2 | 言語、コード | 100 万トークンのコンテキスト ウィンドウを備えた、長期的なエージェント タスクとコーディング タスク向けの GLM のモデル。 | モデルカード |
| gpt-oss 120B | 言語 | 推論タスクで高いパフォーマンスを発揮する 120B モデル。 | モデルカード |
| Llama 4 Maverick 17B-128E | 言語、ビジョン | コーディング、推論、画像処理の機能を備えた、最大規模の Llama 4 モデル。Llama 4 Maverick 17B-128E は、Mixture of Experts（MoE）アーキテクチャと早期融合を使用するマルチモーダル モデルです。 | モデルカード |
| Llama 4 Scout 17B-16E | 言語、ビジョン | Llama 4 Scout 17B-16E は、そのサイズクラスで高パフォーマンスの結果を提供し、複数のベンチマークで他のオープンモデルや独自のモデルを上回っています。Llama 4 Scout 17B-16E は、Mixture-of-Experts（MoE）アーキテクチャと早期融合を使用するマルチモーダル モデルです。 | モデルカード |
Gemini Enterprise Agent Platform Model Garden（MaaS）では、次のオープン エンベディング モデルがマネージド API として提供されます。
| モデル名 | 説明 | 出力のサイズ | シーケンスの最大長 | サポートされているテキスト言語 | クイックスタート |
|---|---|---|---|---|---|
| multilingual-e5-small | E5 ファミリーのテキスト エンベディング モデルの一部。Small バリアントには 12 個のレイヤが含まれています。 | 最大 384 | 512 トークン | サポートされている言語 | モデルカード |
| multilingual-e5-large | E5 ファミリーのテキスト エンベディング モデルの一部。Large バリアントには 24 レイヤが含まれています。 | 最大 1,024 | 512 トークン | サポートされている言語 | モデルカード |
オープンモデルの規制遵守
Gemini Enterprise Agent Platform を使用してオープンモデルをマネージド API として使用する場合も、Gemini Enterprise Agent Platform の生成 AI の認定は引き続き適用されます。モデル自体について詳しくお知りになりたい場合は、それぞれのモデルカードで詳細情報を確認するか、それぞれのモデルのパブリッシャーにお問い合わせください。
データは、Gemini Enterprise Agent Platform のオープンモデル用に選択されたリージョンまたはマルチリージョン内に保存されますが、データ処理のリージョン化は異なる場合があります。オープンモデルのデータ処理に関するコミットメントの詳細なリストについては、オープンモデルのデータ所在地をご覧ください。
オープンモデルを含む Gemini Enterprise API を使用する場合、お客様のプロンプトとモデルのレスポンスは第三者と共有されません。Google は、お客様の指示によってのみ顧客データを処理します。詳細については、Cloud のデータ処理に関する追加条項をご覧ください。
コンテキストのキャッシュ保存
コンテキスト キャッシュ保存は、繰り返されるコンテンツを含むオープンモデルへのリクエストの費用とレイテンシを削減するのに役立ちます。これは、従量課金制トラフィックを使用している場合にのみ有効になり、プロビジョンド スループットやバッチなどの他のトラフィック タイプはサポートされません。サポートされているキャッシュの種類は暗黙的なキャッシュです。これは、すべての Google Cloud プロジェクトでデフォルトで有効になっている自動キャッシュです。キャッシュ ヒットが発生すると、キャッシュに保存されたトークンの費用は、標準入力トークンと比較して 90% 削減されます。このタイプのキャッシュでは、キャッシュを明示的に定義して呼び出すことはありません。代わりに、繰り返されるコンテキストが検出されると、バックエンドがこれらのキャッシュから pull します。
サポートされているモデル
- 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
レスポンスのメタデータの cachedContentTokenCount フィールドは、入力のキャッシュに保存された部分のトークン数を示します。キャッシュ保存リクエストには、少なくとも 4,096 個のトークンが含まれている必要があります（この最小値はプレビュー中に変更される可能性があります）。
有効にすると、暗黙的なキャッシュ ヒットによる費用の削減が自動的に適用されます。キャッシュ ヒットは保証されず、送信されたリクエストやその他の要因によって異なります。暗黙的なキャッシュ ヒットの可能性を高めるには、次のことを試してください。
- 大規模で一般的なコンテンツは、プロンプトの先頭に配置します。
- 類似した接頭辞を含むリクエストを短時間で送信します。
次のステップ
- オープンモデルを使用する前に、ユーザーにオープンモデルへのアクセス権を付与します。
- オープンモデル API を呼び出す方法を確認する。