Modelli Google

Vertex AI offre un elenco in crescita di modelli di base che puoi testare, implementare e personalizzare per l'utilizzo nelle tue applicazioni basate sull'IA. I modelli di base vengono ottimizzati per casi d'uso specifici e offerti a prezzi diversi. Questa pagina riassume i modelli disponibili nelle varie API e fornisce indicazioni su quali scegliere in base al caso d'uso.

Per ulteriori informazioni su tutti i modelli e le API di IA su Vertex AI, consulta Esplora i modelli di IA in Model Garden.

Modelli Gemini

La tabella seguente riassume i modelli disponibili nell'API Gemini. Per ulteriori informazioni sui dettagli dell'API, consulta il riferimento all'API Gemini.

Per esplorare un modello nella console Google Cloud, seleziona la relativa scheda nel Model Garden.

Modello Input Output Caso d'uso Prova il modello
Gemini 1.5 Flash
 Testo, codice, immagini, audio, video, video con audio, PDF Testo Offre velocità ed efficienza per app di alto volume, di qualità e convenienti. Prova il modello Gemini 1.5 Flash
Gemini 1.5 Pro
 Testo, codice, immagini, audio, video, video con audio, PDF Testo Supporta i prompt di testo o chat per una risposta di testo o codice.
Supporta la comprensione del contesto lungo fino al limite massimo di token di input.		 Prova il modello Gemini 1.5 Pro
Gemini 1.0 Pro
 Testo Testo Il modello con il rendimento migliore per un'ampia gamma di attività di solo testo. Vai alla scheda del modello Gemini 1.0 Pro
Gemini 1.0 Pro Vision
 Testo, immagini, audio, video, video con audio, PDF Testo Il modello di comprensione di immagini e video con il rendimento migliore per gestire una vasta gamma di applicazioni. Prova il modello Gemini 1.0 Pro Vision

Le seguenti informazioni forniscono i dettagli per ogni modello Gemini.

Gemini 1.5 Flash

Descrizione

Un modello multimodale progettato per applicazioni di alto volume e convenienti, che offre velocità ed efficienza per creare applicazioni rapide e meno costose senza compromettere la qualità.

Funzionalità

Capacità Disponibilità
Grounding Sì (solo input di testo)
Ottimizzazione Sì
Istruzione di sistema Sì. Consulta le istruzioni per l'utilizzo del sistema.
Supporto JSON Sì
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Token di input massimi: 1.048.576
Token di output massimi: 8192
Dimensioni massime delle immagini RAW: 20 MB
Dimensioni massime delle immagini con codifica base64: 7 MB
Numero massimo di immagini per prompt: 3000
Durata massima del video: 1 ora
Numero massimo di video per prompt: 10
Durata massima dell'audio: circa 8,4 ore
Audio massimo per prompt: 1
Dimensioni massime del PDF: 30 MB
Dati di addestramento: fino a maggio 2024

Versioni modello

Per ulteriori informazioni sulle versioni dei modelli, consulta Versioni dei modelli.

Versioni stabili

Modello Gemini 1.5 Flash Data di uscita Data di ritiro Punti salienti della versione del modello
gemini-1.5-flash-002 24 settembre 2024 24 settembre 2025 Miglioramento della qualità generale del modello con incrementi significativi nelle seguenti categorie:
  • Veridicità e riduzione delle allucinazioni del modello.
  • Domande e risposte di Openbook per i casi d'uso della RAG.
  • Istruzioni di seguito.
  • Comprensione multilingue in 102 lingue, in particolare in coreano, francese, tedesco, spagnolo, giapponese, russo e cinese.
  • Generazione SQL.
  • Comprensione dell'audio.
  • Comprensione dei documenti.
  • Contesto lungo.
  • Matematica e ragionamento.

Gemini 1.5 Flash 002 utilizza la quota condivisa dinamica.

A volte gemini-1.5-flash-002 può rispondere nella tua lingua locale, anche se il prompt è scritto in un'altra lingua. Questo problema riguarda solo i prompt in lingue diverse dall'inglese. Per attenuare il problema, ti consigliamo di aggiungere quanto segue alle istruzioni di sistema per assicurarti che il modello risponda nella stessa lingua del prompt:

All questions should be answered comprehensively with details, unless the user requests a concise response specifically. Respond in the same language as the query.
gemini-1.5-flash-001 24 maggio 2024 24 maggio 2025 Versione iniziale di Gemini 1.5 Flash.

Versioni di anteprima

Nome modello Nome dell'anteprima Data di ritiro
Gemini 1.5 Flash (anteprima) gemini-1.5-flash-preview-0514 24 giugno 2024

Gemini 1.5 Pro

Descrizione

Un modello multimodale che supporta l'aggiunta di file immagine, audio, video e PDF nei prompt di testo o chat per una risposta di testo o codice. Questo modello supporta la comprensione di contesti lunghi fino al limite massimo di token di input.

Funzionalità

Capacità Disponibilità
Grounding Sì (solo input di testo)
Ottimizzazione Sì
Istruzione di sistema Sì. Consulta le istruzioni per l'utilizzo del sistema.
Supporto JSON Sì
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Token di input massimi: 2.097.152
Token di output massimi: 8192
Numero massimo di immagini per prompt: 3000
Durata massima del video (solo frame): circa un'ora
Durata massima del video (frame e audio): circa 45 minuti
Numero massimo di video per prompt: 10
Durata massima dell'audio: circa 8,4 ore
Audio massimo per prompt: 1
Dimensioni massime del PDF: 30 MB
Dati di addestramento: fino a maggio 2024

Versioni modello

Per ulteriori informazioni sulle versioni del modello, consulta Versioni del modello.

Versioni stabili

Modello Gemini 1.5 Pro Data di uscita Data di ritiro Punti salienti della versione del modello
gemini-1.5-pro-002 24 settembre 2024 24 settembre 2025 Miglioramento della qualità generale del modello con incrementi significativi nelle seguenti categorie:
  • Veridicità e riduzione delle allucinazioni del modello.
  • Domande e risposte di Openbook per i casi d'uso della RAG.
  • Istruzioni di seguito.
  • Comprensione multilingue in 102 lingue, in particolare in coreano, francese, tedesco, spagnolo, giapponese, russo e cinese.
  • Generazione SQL.
  • Comprensione dell'audio.
  • Comprensione dei documenti.
  • Contesto lungo.
  • Matematica e ragionamento.

Gemini 1.5 Pro 002 utilizza la quota condivisa dinamica.

A volte gemini-1.5-pro-002 può rispondere nella tua lingua locale, anche se il prompt è scritto in un'altra lingua. Questo problema riguarda solo i prompt in lingue diverse dall'inglese. Per attenuare il problema, ti consigliamo di aggiungere quanto segue alle istruzioni di sistema per assicurarti che il modello risponda nella stessa lingua del prompt:

All questions should be answered comprehensively with details, unless the user requests a concise response specifically. Respond in the same language as the query.
gemini-1.5-pro-001 24 maggio 2024 24 maggio 2025 Versione iniziale di Gemini 1.5 Pro.

Versioni di anteprima

Nome modello ID modello Data di ritiro
Gemini 1.5 Pro (anteprima) gemini-1.5-pro-preview-0514 24 giugno 2024
Gemini 1.5 Pro (anteprima) gemini-1.5-pro-preview-0409 (indica e utilizza gemini-1.5-pro-preview-0514) 14 giugno 2024

Gemini 1.0 Pro

Descrizione

Il modello con il rendimento migliore, con funzionalità per un'ampia gamma di attività di solo testo. Questo modello supporta solo il testo come input.

Funzionalità

Capacità Disponibilità
Grounding Sì (solo input di testo)
Ottimizzazione Sì. L'ottimizzazione supervisionata è supportata da gemini-1.0-pro-002.
Istruzione di sistema Sì. Supportato da gemini-1.0-pro-002. Consulta la sezione Utilizzare le istruzioni di sistema.
Supporto JSON Sì
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Token di input massimi: 32.760
Token di output massimi: 8192
Dati di addestramento: fino a febbraio 2023

Versioni modello

Per ulteriori informazioni sulle versioni del modello, consulta Versioni del modello.

Versioni stabili

Modello Gemini 1.0 Pro Data di uscita Data di ritiro
gemini-1.0-pro-001 15 febbraio 2024 9 aprile 2025
gemini-1.0-pro-002 9 aprile 2024 9 aprile 2025

Versioni con aggiornamento automatico

Nome modello Nome aggiornato automaticamente Versione stabile a cui si fa riferimento
Gemini 1.0 Pro gemini-1.0-pro gemini-1.0-pro-002

Gemini 1.0 Pro Vision

Descrizione

Il modello di comprensione di immagini e video con il rendimento migliore per gestire un'ampia gamma di applicazioni. Gemini 1.0 Pro Vision supporta testo, immagini e video come input.

Funzionalità

Capacità Disponibilità
Grounding No
Ottimizzazione No
Istruzione di sistema No
Supporto JSON No
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Token di input massimi: 16.384
Token di output massimi: 2048
Numero massimo di immagini per prompt: 16
Durata massima del video: 2 minuti
Numero massimo di video per prompt: 1
Dati di addestramento: fino a febbraio 2023

Versioni modello

Per ulteriori informazioni sulle versioni del modello, consulta Versioni del modello.

Versioni stabili

Modello Gemini 1.0 Pro Vision Data di uscita Data di ritiro
gemini-1.0-pro-vision-001 15 febbraio 2024 9 aprile 2025

Alias aggiornati automaticamente

Nome modello Nome aggiornato automaticamente Versione stabile a cui si fa riferimento
Gemini 1.0 Pro Vision gemini-1.0-pro-vision gemini-1.0-pro-vision-001

Gemini 1.0 Ultra

Descrizione

Il modello di testo più avanzato di Google, ottimizzato per attività complesse, tra cui istruzioni, codice e ragionamento. Gemini 1.0 Ultra supporta solo il testo come input.

Funzionalità

Capacità Disponibilità
Grounding No
Ottimizzazione No
Istruzione di sistema No
Supporto JSON No
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Numero massimo di token di input: 8192
Numero massimo di token di output: 2048

Versioni modello

Per ulteriori informazioni sulle versioni del modello, consulta Versioni del modello.

Gemini 1.0 Ultra Vision

Descrizione

Il modello di visione multimodale più capace di Google, ottimizzato per supportare input combinati di testo, immagini e video.

Funzionalità

Capacità Disponibilità
Grounding No
Ottimizzazione No
Istruzione di sistema No
Supporto JSON No
Throughput riservato Sì. Consulta Modelli supportati.

Specifiche

Specifica
Numero massimo di token di input: 8192
Numero massimo di token di output: 2048

Versioni modello

Per ulteriori informazioni sulle versioni del modello, consulta Versioni del modello.

Supporto delle lingue di Gemini

  • Tutti i modelli di Gemini possono comprendere e rispondere nelle seguenti lingue:

    Arabo (ar), bengalese (bn), bulgaro (bg), cinese semplificato e tradizionale (zh), croato (hr), ceco (cs), danese (da), estone (et), finlandese (fi), francese (fr), tedesco (de), greco (el), ebraico (iw), hindi (hi), ungherese (hu), indonesiano (id), italiano (it), giapponese (ja), coreano (ko), lettone (lv), lituano (lt), norvegese (no), polacco (pl), portoghese (pt), rumeno (ro), russo (ru), serbo (sr), slovacco (sk), sloveno (sl), spagnolo (es), swahili (sw), svedese (sv), thailandese (th), turco (tr), ucraino (uk), vietnamita (vi)

  • I modelli Gemini 1.5 Pro e Gemini 1.5 Flash possono comprendere e rispondere nelle seguenti lingue aggiuntive:

    Afrikaans (af), amarico (am), assamese (as), azero (az), bielorusso (be), bosniaco (bs), catalano (ca), cebuano (ceb), corso (co), gallese (cy), divehi (dv), esperanto (eo), basco (eu), persiano (fa), filippino (Tagalog) (fil), frisone (fy), irlandese (ga), gaelico scozzese (gd), galiziano (gl), gujarati (gu), hausa (ha), hawaiano (haw), hmong (hmn), creolo haitiano (ht), armeno (hy), igbo (ig), islandese (is), giavanese (jv), georgiano (ka), kazako (kk), khmer (km), kannada (kn), krio (kri), curdo (ku), kirghizo (ky), latino (la), lussemburghese (lb), lao (lo), malgache (mg), maori (mi), macedone (mk), malayalam (ml), mongolo (mn), meiteilon (manipuri) (mni-Mtei), marathi (mr), malese (ms), maltese (mt), birmano (birmano) (my), nepalese (ne), nyanja (chichewa) (ny), odia (oriya) (or), punjabi (pa), pashto (ps), sindhi (sd), singalese (singalese) (si), samoano (sm), shona (sn), somalo (so), albanese (sq), sesotho (st), sundanese (su), tamil (ta), telugu (te), tagico (tg), uiguro (ug), urdu (ur), uzbeko (uz), xhosa (xh), yiddish (yi), yoruba (yo), zulu (zu)

Modelli Gemma

La tabella seguente riassume i modelli Gemma.

Modello Input Output Caso d'uso Prova il modello
Gemma
Dettagli del modello 		Testo Testo Un modello di testo aperto di piccole dimensioni e leggero che supporta la generazione, il riepilogo e l'estrazione di testo. Possono essere implementati in ambienti con risorse limitate. Provare Gemma
CodeGemma
Dettagli del modello 		Testo, codice, PDF Testo Una raccolta di modelli open source leggeri basati su Gemma. Ideale per la generazione e il completamento del codice. Prova CodeGemma
PaliGemma
Dettagli del modello 		Testo, immagini Testo Un modello linguistico visivo (VLM) leggero. Ideale per attività di sottotitolazione delle immagini e di domanda e risposta visive. Prova PaliGemma

Supporto linguistico di Gemma

Gemma supporta solo la lingua inglese.

Modelli di embedding

La tabella seguente riassume i modelli disponibili nell'API Embeddings.

Nome modello Descrizione Specifiche Prova il modello
Embedding per il testo
(textembedding-gecko@001,
textembedding-gecko@002,
textembedding-gecko@003,
text-embedding-004)
Dettagli del modello 		Restituisce gli incorporamenti per gli input di testo in inglese.

Supporta l'ottimizzazione supervisionata dei modelli Embedding per il testo, solo in inglese. 		Input massimo di token: 3072 (textembedding-gecko@001).
Altri: 2048.

Dimensioni di incorporamento: text-embedding-004: <=768.
Altro: 768. 		Prova gli incorporamenti per il testo
Embedding per testo multilingue
(textembedding-gecko-multilingual@001,
text-multilingual-embedding-002)
Dettagli del modello 		Restituisce gli incorporamenti per gli input di testo di oltre 100 lingue

Supporta la ottimizzazione supervisionata del modello text-multilingual-embedding-002.
Supporta 100 lingue. 		Input massimo di token: 2048.

Dimensioni di incorporamento: text-multilingual-embedding-002: <=768.
Altri: 768.		 Prova gli incorporamenti per il testo multilingue
Incorporamenti per il multimodale
(multimodalembedding)
Dettagli del modello 		Restituisce l'embedding per input di testo, immagini e video, per confrontare i contenuti in diversi modelli.

Converte testo, immagini e video nello stesso spazio vettoriale. I video supportano solo 1408 dimensioni.
Solo in inglese		 Input massimo di token: 32.
Dimensioni massime delle immagini: 20 MB.
Durata massima del video: 2 minuti.

Dimensioni dell'embedding: 128, 256, 512 o 1408 per l'input di testo e immagini, 1408 per l'input video.		 Prova gli incorporamenti per il multimodale

Supporto delle lingue degli elementi incorporati

I modelli di embedding multilingue di testo supportano le seguenti lingue:
Afrikaans, albanese, amarico, arabo, azero, basco, bielorusso, bengalese, bulgaro, birmano, catalano, cebuano, chichewa, cinese, corso, ceco, danese, ebraico, estone, filippino, finlandese, francese, gallese, georgiano, tedesco, greco, gujarati, creolo haitiano, hausa, hawaiano, hindi, hmong, ungherese, islandese, irlandese, indonesiano, italiano, giapponese, javanese, kannada, kazako, khmer, coreano, curdo, kirghizo, lao, latino, lettone, lituano, lussegno, macedone, malgascio, malayo, malayalam, maltese, maori, marathi, mongolo, nepalese, norvegese, pashto, persiano, polacco, portoghese, punjabi, rumeno, russo, samoano, gaelico scozzese, serbo, shona, sindhi, singalese, slovacco, sloveno, somalo, sotho, spagnolo, sundanese, swahili, svedese, tagico, tamil, telugu, thai, turco, ucraino, urdu, uzbeko, vietnamita, gallese, fiammingo occidentale, xhosa, yiddish, yoruba, Zulu.

Modello Imagen

La seguente tabella riassume i modelli disponibili nell'API Imagen:

Modello Input Output Caso d'uso Prova il modello
Imagen
(imagen-3.0-generate-001, imagen-3.0-fast-generate-001, imagegeneration@006, imagegeneration@005, imagegeneration@002)
Dettagli del modello 		Testo (generazione), Immagini (modifica) Immagini Questo modello supporta la generazione e la modifica di immagini per creare immagini di alta qualità in pochi secondi.

La funzionalità di modifica supporta la rimozione e l'inserimento di oggetti, la pittura in primo piano e la modifica dei prodotti.		 Prova Imagen

Supporto delle lingue di Imagen 3

Imagen 3 supporta le seguenti lingue:
inglese, cinese, hindi, giapponese, coreano, portoghese e spagnolo.

Modello di completamento del codice

La tabella seguente riassume i modelli disponibili nelle API Codey:

Modello Input Output Caso d'uso Prova il modello
Codey per il completamento del codice
(code-gecko)
Dettagli del modello 		Codice nelle lingue supportate Codice nelle lingue supportate Un modello ottimizzato per suggerire il completamento del codice in base al contesto del codice scritto. Prova Codey per il completamento del codice

Supporto del linguaggio del modello di completamento del codice

Il modello di completamento automatico del codice supporta la lingua inglese.

Modelli MedLM

La tabella seguente riassume i modelli disponibili nell'API MedLM:

Nome modello Descrizione Specifiche Prova il modello
MedLM-medium (medlm-medium)
Dettagli del modello 		Una suite di API e modelli medicalmente ottimizzati conforme allo standard HIPAA sviluppata da Google Research.

Questo modello aiuta i professionisti sanitari con attività di risposta alle domande mediche e di riepilogo per documenti sanitari e medici. Offre una maggiore velocità in termini di throughput e include dati più recenti rispetto al modello medlm-large.		 Token massimi (input + output): 32.768.
Numero massimo di token di output: 8192.
 Prova MedLM-medium
MedLM-large (medlm-large)
Dettagli del modello 		Una suite di API e modelli medicalmente ottimizzati conforme allo standard HIPAA sviluppata da Google Research.

Questo modello aiuta i professionisti sanitari con attività di risposta alle domande mediche e di riepilogo per documenti sanitari e medici.		 Token di input massimi: 8192.
Numero massimo di token di output: 1024.
 Prova MedLM-large

Assistenza per il throughput riservato di MedLM

MedLM-medium e MedLM-large supportano il throughput riservato. Consulta Modelli supportati.

Supporto delle lingue di MedLM

Il modello MedLM supporta la lingua inglese.

Località

Per un elenco delle località in cui sono disponibili questi modelli, consulta Località dell'IA generativa su Vertex AI.

Versioni modello

Per scoprire di più sulle versioni del modello, consulta Versioni del modello.

Esplorare tutti i modelli in Model Garden

Model Garden è una piattaforma che ti aiuta a scoprire, testare, personalizzare ed eseguire il deployment di asset e modelli proprietari di Google e di alcuni modelli e asset OSS. Per esplorare i modelli e le API di IA generativa disponibili su Vertex AI, vai a Model Garden nella console Google Cloud.

Vai a Model Garden

Per scoprire di più su Model Garden, inclusi i modelli e le funzionalità disponibili, consulta Esplorare i modelli di IA in Model Garden.

Passaggi successivi