Modelos abertos da Gemini Enterprise Agent Platform para MaaS

A Gemini Enterprise Agent Platform oferece suporte a uma lista selecionada de modelos abertos como modelos gerenciados. Esses modelos abertos podem ser usados com a Gemini Enterprise Agent Platform como modelo como serviço (MaaS, na sigla em inglês) e são oferecidos como uma API gerenciada. Ao usar um modelo aberto gerenciado, você continua enviando solicitações para endpoints da Gemini Enterprise Agent Platform. Os modelos abertos gerenciados não têm servidor, então não é necessário provisionar nem gerenciar infraestrutura.

Os modelos abertos gerenciados podem ser descobertos usando o Model Garden. Também é possível implantar modelos usando o Model Garden. Para mais informações, consulte Explorar modelos de IA no Model Garden.

Antes de usar modelos abertos, é necessário conceder acesso de usuário a modelos abertos.

Modelos abertos

Os seguintes modelos abertos são oferecidos como APIs gerenciadas no Model Garden da Gemini Enterprise Agent Platform (MaaS):

Nome do modelo Modalidade Descrição Guia de início rápido
DeepSeek-V4.1-Flash Linguagem, visão, código O modelo multimodal de Mix de Especialistas da DeepSeek para tarefas de programação e com agentes, com uma janela de contexto de 1 milhão de tokens. Card de modelo
Gemma 4 26B A4B IT Linguagem, visão A família de modelos abertos do Google criados pelo Google DeepMind. Card de modelo
GLM 5.2 Idioma, código Modelo do GLM para tarefas de programação e agentes de longo alcance, com uma janela de contexto de 1 milhão de tokens. Card de modelo
gpt-oss 120B Idioma Um modelo de 120 bilhões de parâmetros que oferece alto desempenho em tarefas de raciocínio. Card de modelo
Llama 4 Maverick 17B-128E Linguagem, visão O maior modelo Llama 4, que tem recursos de programação, raciocínio e imagem. O Llama 4 Maverick 17B-128E é um modelo multimodal que usa a arquitetura de Mix de Especialistas (MoE) e fusão antecipada. Card de modelo
Llama 4 Scout 17B-16E Linguagem, visão O Llama 4 Scout 17B-16E oferece resultados de alto desempenho para sua classe de tamanho, superando outros modelos abertos e proprietários em vários comparativos de mercado. O Llama 4 Scout 17B-16E é um modelo multimodal que usa a arquitetura de Mix de Especialistas (MoE) e fusão antecipada. Card de modelo

Os seguintes modelos de embedding abertos são oferecidos como APIs gerenciadas no Model Garden da Gemini Enterprise Agent Platform (MaaS):

Nome do modelo Descrição Dimensões de saída Comprimento máximo da sequência Idiomas de texto compatíveis Guia de início rápido
multilingual-e5-small Parte da família E5 de modelos de embedding de texto. A variante pequena contém 12 camadas. Até 384 512 tokens Idiomas aceitos Card de modelo
multilingual-e5-large Parte da família E5 de modelos de embedding de texto. A variante Large contém 24 camadas. Até 1.024 512 tokens Idiomas aceitos Card de modelo

Conformidade regulatória de modelos abertos

As certificações da IA generativa na Gemini Enterprise Agent Platform continuam válidas quando modelos abertos são usados como uma API gerenciada com a Gemini Enterprise Agent Platform. Se você precisar de detalhes sobre os modelos, consulte o card de modelo correspondente ou entre em contato com o editor do modelo.

Seus dados são armazenados em repouso na região ou multirregião selecionada para modelos abertos na Gemini Enterprise Agent Platform, mas a regionalização do tratamento de dados pode variar. Para uma lista detalhada dos compromissos de tratamento de dados de modelos abertos, consulte Residência de dados para modelos abertos.

Os comandos do cliente e as respostas do modelo não são compartilhados com terceiros ao usar a API Gemini Enterprise, incluindo modelos abertos. O Google só trata os dados do cliente conforme instruído pelo cliente, o que é descrito em mais detalhes no nosso Aditivo sobre Tratamento de Dados do Cloud.

O armazenamento em cache de contexto

O armazenamento em cache de contexto ajuda a reduzir o custo e a latência das solicitações para modelos abertos que contêm conteúdo repetido. Isso é ativado apenas ao usar o tráfego de pagamento por uso e não é compatível com outros tipos de tráfego, como Capacidade de Processamento Provisionada e lote.

O tipo de armazenamento em cache compatível é o implícito, que é ativado automaticamente em todos os projetos do Google Cloud por padrão e oferece um desconto de 90% nos tokens em cache em comparação com os tokens de entrada padrão quando ocorrem ocorrências em cache. Com esse tipo de armazenamento em cache, você não define e chama os caches explicitamente. Em vez disso, nosso back-end extrai desses caches quando um contexto repetido é detectado.

Modelos compatíveis

  • 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

O campo cachedContentTokenCount nos metadados da resposta indica o número de tokens na parte armazenada em cache da entrada. As solicitações de armazenamento em cache precisam conter no mínimo 4.096 tokens (esse mínimo está sujeito a alterações durante o pré-lançamento).

Quando ativada, a economia de custos implícita de ocorrência em cache é transmitida automaticamente para você. As ocorrências em cache não são garantidas e dependem das solicitações enviadas e de outros fatores. Para aumentar as chances de uma ocorrência em cache implícita, tente o seguinte:

  • Coloque conteúdos grandes e comuns no início do comando.
  • Envie solicitações com um prefixo semelhante em um curto período.

A seguir