IA generativa
Documentación y recursos para crear e implementar aplicaciones de IA generativa con Google Cloud herramientas y productos.
Empieza tu prueba de concepto con 300 USD en crédito gratis
- Acceder a Gemini 2.0 Flash Thinking
- Uso mensual gratuito de productos populares, como las APIs de IA y BigQuery
- Sin cargos automáticos ni permanencia
Sigue explorando con más de 20 productos Always Free
Accede a más de 20 productos gratuitos para casos prácticos habituales, como APIs de IA, máquinas virtuales, almacenes de datos y más.
Información sobre cómo crear aplicaciones de IA generativa
IA generativa en Vertex AI
Guía de inicio rápido de Gemini
Orquestación de IA y aprendizaje automático en GKE
Cuándo usar la IA generativa
Desarrollar una aplicación de IA generativa
Ejemplos de código y aplicaciones de ejemplo
Glosario de IA generativa
Herramientas de IA generativa
Flujo de desarrollo de la IA generativa
Exploración y alojamiento de modelos
Google Cloud proporciona un conjunto de modelos fundacionales de vanguardia a través de Vertex AI, incluido Gemini. También puedes desplegar un modelo de terceros en Model Garden de Vertex AI o alojarlo por tu cuenta en GKE o Compute Engine.
Modelos de Google en Vertex AI (Gemini, Imagen)
Otros modelos de Model Garden de Vertex AI
Modelos de generación de texto a través de Hugging Face
GPUs en Compute Engine
Diseño e ingeniería de peticiones
El diseño de peticiones es el proceso de crear pares de peticiones y respuestas para proporcionar a los modelos de lenguaje contexto e instrucciones adicionales. Después de crear las peticiones, se las proporcionas al modelo como un conjunto de datos de peticiones para el preentrenamiento. Cuando un modelo sirve predicciones, responde con las instrucciones que le has dado.
Vertex AI Studio
Resumen de las estrategias de formulación de peticiones
Galería de peticiones
Fundamentación y RAG
La fundamentación conecta los modelos de IA con fuentes de datos para mejorar la precisión de las respuestas y reducir las alucinaciones. La RAG, una técnica de fundamentación habitual, busca información pertinente y la añade a la petición del modelo, lo que asegura que el resultado se base en datos e información actualizados.
Grounding de Vertex AI
Ground con la Búsqueda de Google
Incrustaciones de vectores en AlloyDB
Cloud SQL y pgvector
Integrar datos de BigQuery en tu aplicación LangChain
Introducción a las inserciones vectoriales en Firestore
Embeddings de vectores en Memorystore (Redis)
Agentes y llamadas de funciones
Los agentes facilitan el diseño y la integración de una interfaz de usuario conversacional en tu aplicación móvil, mientras que la llamada a funciones amplía las capacidades de un modelo.
Aplicaciones de IA
Llamadas a funciones de Vertex AI
Personalización y entrenamiento de modelos
Las tareas especializadas, como entrenar un modelo de lenguaje con una terminología específica, pueden requerir más entrenamiento del que puedes llevar a cabo solo con el diseño de peticiones o la fundamentación. En ese caso, puede usar el ajuste de modelos para mejorar el rendimiento o entrenar su propio modelo.