Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Diese Inhalte gelten für Version 1.14.4 und höher.
Vertex AI in Google Distributed Cloud (GDC) Air-Gapped bietet eine wachsende Liste an Foundation Models für generative KI, die Sie für Ihre Air-Gapped-Anwendungen testen, bereitstellen und implementieren können. Foundation Models sind für bestimmte Anwendungsfälle optimiert und werden zu verschiedenen Preisen angeboten. Auf dieser Seite werden die Modellfamilien zusammengefasst, die in den generativen KI-APIs auf GDC verfügbar sind. Außerdem erhalten Sie eine Anleitung zur Auswahl von Modellen für verschiedene Anwendungsfälle.
Einbettungsmodelle
Mit Einbettungen werden Textdaten, die in einer natürlichen Sprache geschrieben sind, in numerische Vektoren umgewandelt. Diese Vektordarstellungen sind so konzipiert, dass die semantische Bedeutung und der Kontext der von ihnen dargestellten Wörter erfasst werden. Mit Text-Embedding-Modellen können optimierte Embeddings für verschiedene Aufgabentypen generiert werden, z. B. für den Dokumentabruf, das Stellen und Beantworten von Fragen, die Klassifizierung und die Faktenprüfung. Verwenden Sie text-embedding-004 für englischen Text. Für mehrsprachigen Text verwenden Sie text-multilingual-embedding-002.
In der folgenden Tabelle sind die in der Embeddings API verfügbaren Modelle zusammengefasst.
Weitere Informationen zu Einbettungen finden Sie unter Texteinbettungen.
Modell
Beschreibung
Spezifikationen
Texteinbettung
(text-embedding-004)
Gibt Einbettungen für englische Texteingaben zurück.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[],[],null,["# Available Generative AI models\n\n| **Important:** This content applies to version 1.14.4 and later.\n\nVertex AI on Google Distributed Cloud (GDC) air-gapped features a growing\nlist of foundation Generative AI models you can test, deploy, and implement\nfor your air-gapped applications. Foundation models are fine-tuned for specific\nuse cases and offered at different prices. This page summarizes the model\nfamilies available in the Generative AI APIs on GDC\nand guides you on which models to choose by use case.\n\nEmbeddings models\n-----------------\n\nEmbeddings convert textual data written in a natural language into numerical\nvectors. These vector representations are designed to capture the semantic\nmeaning and context of the words they represent. Text embedding models can\ngenerate optimized embeddings for various task types, such as document\nretrieval, questions and answers, classification, and fact verification. For\nEnglish text, use `text-embedding-004`. For multilingual text, use\n`text-multilingual-embedding-002`.\n\nThe following table summarizes the models available in the Embeddings API.\nFor more information on embeddings, see\n[Text embeddings](/distributed-cloud/hosted/docs/latest/gdch/application/ao-user/genai/text-embeddings-overview)."]]
