Model Google

Vertex AI memiliki daftar model dasar yang terus bertambah, yang dapat Anda uji, deploy, dan sesuaikan untuk digunakan dalam aplikasi berbasis AI. Model dasar disesuaikan untuk kasus penggunaan tertentu dan ditawarkan dengan berbagai titik harga. Halaman ini merangkum model yang tersedia di berbagai API dan memberikan panduan tentang model yang akan dipilih berdasarkan kasus penggunaan.

Untuk mengetahui informasi selengkapnya tentang semua API dan model AI di Vertex AI, lihat Menjelajahi model AI di Model Garden.

Model Gemini

Tabel berikut merangkum model yang tersedia di Gemini API. Untuk informasi selengkapnya tentang detail API, lihat referensi Gemini API.

Untuk menjelajahi model di konsol Google Cloud , pilih kartu modelnya di Model Garden.

Model Input Output Kasus penggunaan Mencoba model
Mode Pemikiran Flash Gemini 2.0
 Teks, gambar Teks Memberikan kemampuan penalaran yang lebih kuat dan menyertakan proses pemikiran dalam respons. Mencoba model Mode Pemikiran
Gemini 2.0 Flash
 Teks, kode, gambar, audio, video, video dengan audio, PDF Teks, audio, gambar Memberikan fitur generasi berikutnya, kecepatan yang unggul, penggunaan alat native, dan pembuatan multimodal. Coba model Gemini 2.0 Flash
Gemini 1.5 Flash
 Teks, kode, gambar, audio, video, video dengan audio, PDF Teks Memberikan kecepatan dan efisiensi untuk aplikasi berkualitas tinggi, bervolume besar, dan hemat biaya. Coba model Gemini 1.5 Flash
Gemini 1.5 Pro
 Teks, kode, gambar, audio, video, video dengan audio, PDF Teks Mendukung perintah teks atau chat untuk respons teks atau kode.
Mendukung pemahaman konteks panjang hingga batas token input maksimum.		 Coba model Gemini 1.5 Pro
Gemini 1.0 Pro
 Teks Teks Model berperforma terbaik untuk berbagai tugas yang hanya berisi teks. Buka kartu model Gemini 1.0 Pro
Gemini 1.0 Pro Vision
 Teks, gambar, audio, video, video dengan audio, PDF Teks Model pemahaman gambar dan video berperforma terbaik untuk menangani berbagai aplikasi. Coba model Gemini 1.0 Pro Vision

Informasi berikut memberikan detail untuk setiap model Gemini.

Mode Berpikir

Deskripsi

Mode Pemikiran Flash Gemini 2.0 adalah model komputasi waktu pengujian eksperimental yang dilatih untuk menghasilkan "proses berpikir" yang dilalui model sebagai bagian dari responsnya. Akibatnya, Mode Pemikiran mampu memiliki kemampuan penalaran yang lebih kuat dalam responsnya daripada model Flash Gemini 2.0 dasar.

Untuk informasi selengkapnya, lihat dokumentasi Mode Pemikiran Flash Gemini 2.0.

Kemampuan

Kemampuan Ketersediaan
Grounding Tidak
Penyesuaian Tidak
Petunjuk sistem Tidak. Lihat Menggunakan petunjuk sistem.
Dukungan JSON Tidak
Throughput yang Disediakan Tidak. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 32.760
Token output maks: 8.192
Data pelatihan: Hingga Mei 2024

Gemini 2.0 Flash

Deskripsi

Model Gemini Flash generasi berikutnya. Flash 2.0 memberikan kecepatan yang lebih unggul dibandingkan model 1.5 kami dan mendukung berbagai fitur yang diperluas seperti streaming dua arah dengan Multimodal Live API, pembuatan respons multimodal, dan penggunaan alat native.

Kemampuan

Kemampuan Ketersediaan
Grounding Tidak
Penyesuaian Tidak
Petunjuk sistem Tidak. Lihat Menggunakan petunjuk sistem.
Dukungan JSON Ya
Throughput yang Disediakan Tidak. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 1.048.576
Token output maks: 8.192
Data pelatihan: Hingga Mei 2024

Gemini 1.5 Flash

Deskripsi

Model multimodal yang dirancang untuk aplikasi hemat biaya dan bervolume tinggi, serta memberikan kecepatan dan efisiensi untuk membuat aplikasi yang cepat dan berbiaya lebih rendah tanpa mengorbankan kualitas.

Kemampuan

Kemampuan Ketersediaan
Grounding Ya (hanya input teks)
Penyesuaian Ya
Petunjuk sistem Ya. Lihat Menggunakan petunjuk sistem.
Dukungan JSON Ya
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 1.048.576
Token output maks: 8.192
Ukuran gambar mentah maksimum: 20 MB
Ukuran maksimum gambar berenkode base64: 7 MB
Gambar maksimum per dialog: 3.000
Durasi video maksimal: 1 jam
Video maksimum per perintah: 10
Durasi audio maksimum: sekitar 8,4 jam
Audio maksimum per perintah: 1
Ukuran PDF maksimum: 30 MB
Data pelatihan: Hingga Mei 2024

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Versi stabil

Model Gemini 1.5 Flash Tanggal rilis Tanggal penghentian Sorotan versi model
gemini-1.5-flash-002 24 September 2024 24 September 2025 Peningkatan kualitas model umum dengan peningkatan yang signifikan dalam kategori berikut:
  • Faktualitas dan mengurangi halusinasi model.
  • Tanya Jawab Openbook untuk kasus penggunaan RAG.
  • Mengikuti petunjuk.
  • Pemahaman multibahasa dalam 102 bahasa, terutama dalam bahasa Korea, Prancis, Jerman, Spanyol, Jepang, Rusia, dan China.
  • Pembuatan SQL.
  • Pemahaman audio.
  • Pemahaman dokumen.
  • Konteks panjang.
  • Matematika dan penalaran.

Gemini 1.5 Flash 002 menggunakan kuota bersama dinamis.

Terkadang gemini-1.5-flash-002 dapat merespons dalam bahasa lokal Anda, meskipun perintah ditulis dalam bahasa lain. Masalah ini hanya berlaku untuk perintah non-bahasa Inggris. Untuk mengurangi masalah ini, sebaiknya Anda menambahkan hal berikut ke petunjuk sistem untuk memastikan model merespons dalam bahasa yang sama dengan perintah:

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 Mei 2024 24 Mei 2025 Versi awal Gemini 1.5 Flash.

Versi pratinjau

Nama model Nama pratinjau Tanggal penghentian
Gemini 1.5 Flash (Pratinjau) gemini-1.5-flash-preview-0514 24 Juni 2024

Gemini 1.5 Pro

Deskripsi

Model multimodal yang mendukung penambahan file gambar, audio, video, dan PDF dalam perintah teks atau chat untuk menghasilkan respons teks atau kode. Model ini mendukung pemahaman konteks panjang hingga batas token input maksimum.

Kemampuan

Kemampuan Ketersediaan
Grounding Ya (hanya input teks)
Penyesuaian Ya
Petunjuk sistem Ya. Lihat Menggunakan petunjuk sistem.
Dukungan JSON Ya
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 2.097.152
Token output maks: 8.192
Gambar maksimum per dialog: 3.000
Durasi video maksimum (khusus frame): sekitar satu jam
Durasi video maksimum (frame dan audio): sekitar 45 menit
Video maksimum per perintah: 10
Durasi audio maksimum: sekitar 8,4 jam
Audio maksimum per perintah: 1
Ukuran PDF maksimum: 30 MB
Data pelatihan: Hingga Mei 2024

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Versi stabil

Model Gemini 1.5 Pro Tanggal rilis Tanggal penghentian Sorotan versi model
gemini-1.5-pro-002 24 September 2024 24 September 2025 Peningkatan kualitas model umum dengan peningkatan yang signifikan dalam kategori berikut:
  • Faktualitas dan mengurangi halusinasi model.
  • Tanya Jawab Openbook untuk kasus penggunaan RAG.
  • Mengikuti petunjuk.
  • Pemahaman multibahasa dalam 102 bahasa, terutama dalam bahasa Korea, Prancis, Jerman, Spanyol, Jepang, Rusia, dan China.
  • Pembuatan SQL.
  • Pemahaman audio.
  • Pemahaman dokumen.
  • Konteks panjang.
  • Matematika dan penalaran.

Gemini 1.5 Pro 002 menggunakan kuota bersama dinamis.

Terkadang gemini-1.5-pro-002 dapat merespons dalam bahasa lokal Anda, meskipun perintah ditulis dalam bahasa lain. Masalah ini hanya berlaku untuk perintah non-bahasa Inggris. Untuk mengurangi masalah ini, sebaiknya Anda menambahkan hal berikut ke petunjuk sistem untuk memastikan model merespons dalam bahasa yang sama dengan perintah:

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 Mei 2024 24 Mei 2025 Versi awal Gemini 1.5 Pro.

Versi pratinjau

Nama model ID Model Tanggal penghentian
Gemini 1.5 Pro (Pratinjau) gemini-1.5-pro-preview-0514 24 Juni 2024
Gemini 1.5 Pro (Pratinjau) gemini-1.5-pro-preview-0409 (menunjuk ke dan menggunakan gemini-1.5-pro-preview-0514) 14 Juni 2024

Gemini 1.0 Pro

Deskripsi

Model berperforma terbaik dengan fitur untuk berbagai tugas hanya teks. Model ini hanya mendukung teks sebagai input.

Kemampuan

Kemampuan Ketersediaan
Grounding Ya (hanya input teks)
Penyesuaian Ya. Penyesuaian yang diawasi didukung oleh gemini-1.0-pro-002.
Petunjuk sistem Ya. Didukung oleh gemini-1.0-pro-002. Lihat Menggunakan petunjuk sistem.
Dukungan JSON Ya
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 32.760
Token output maks: 8.192
Data pelatihan: Hingga Februari 2023

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Versi stabil

Model Gemini 1.0 Pro Tanggal rilis Tanggal penghentian
gemini-1.0-pro-001 15 Februari 2024 9 April 2025
gemini-1.0-pro-002 9 April 2024 9 April 2025

Versi yang diupdate otomatis

Nama model Nama yang diperbarui secara otomatis Versi stabil yang dirujuk
Gemini 1.0 Pro gemini-1.0-pro gemini-1.0-pro-002

Gemini 1.0 Pro Vision

Deskripsi

Model pemahaman gambar dan video berperforma terbaik untuk menangani berbagai aplikasi. Gemini 1.0 Pro Vision mendukung teks, gambar, dan video sebagai input.

Kemampuan

Kemampuan Ketersediaan
Grounding Tidak
Penyesuaian Tidak
Petunjuk sistem Tidak
Dukungan JSON Tidak
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Token input maksimum: 16.384
Token output maks: 2.048
Gambar maksimum per perintah: 16
Durasi video maksimum: 2 menit
Video maksimum per perintah: 1
Data pelatihan: Hingga Februari 2023

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Versi stabil

Model Gemini 1.0 Pro Vision Tanggal rilis Tanggal penghentian
gemini-1.0-pro-vision-001 15 Februari 2024 9 April 2025

Alias yang diperbarui otomatis

Nama model Nama yang diperbarui secara otomatis Versi stabil yang dirujuk
Gemini 1.0 Pro Vision gemini-1.0-pro-vision gemini-1.0-pro-vision-001

Gemini 1.0 Ultra

Deskripsi

Model teks tercanggih Google, yang dioptimalkan untuk tugas rumit, termasuk petunjuk, kode, dan penalaran. Gemini 1.0 Ultra hanya mendukung teks sebagai input.

Kemampuan

Kemampuan Ketersediaan
Grounding Tidak
Penyesuaian Tidak
Petunjuk sistem Tidak
Dukungan JSON Tidak
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Input token maksimum: 8.192
Output token maksimum: 2.048

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Gemini 1.0 Ultra Vision

Deskripsi

Model visi multimodal Google yang paling andal, dioptimalkan untuk mendukung input teks, gambar, dan video gabungan.

Kemampuan

Kemampuan Ketersediaan
Grounding Tidak
Penyesuaian Tidak
Petunjuk sistem Tidak
Dukungan JSON Tidak
Throughput yang Disediakan Ya. Lihat Model yang didukung.

Spesifikasi

Spesifikasi
Input token maksimum: 8.192
Output token maksimum: 2.048

Versi model

Untuk mengetahui informasi selengkapnya tentang versi model, lihat Versi model.

Dukungan bahasa Gemini

  • Semua model Gemini dapat memahami dan merespons dalam bahasa berikut:

    Arab (ar), Bengali (bn), Bulgaria (bg), China aksara sederhana dan tradisional (zh), Kroasia (hr), Ceko (cs), Denmark (da), Belanda (nl), Inggris (en), Estonia (et), Finlandia (fi), Prancis (fr), Jerman (de), Yunani (el), Ibrani (iw), Hindi (hi), Hungaria (hu), Indonesia (id), Italia (it), Jepang (ja), Korea (ko), Latvia (lv), Lituania (lt), Norwegia (no), Polandia (pl), Portugis (pt), Rumania (ro), Rusia (ru), Serbia (sr), Slovakia (sk), Slovenia (sl), Spanyol (es), Swahili (sw), Swedia (sv), Thailand (th), Turkiye (tr), Ukraina (uk), Vietnam (vi)

  • Model Gemini 1.5 Pro dan Gemini 1.5 Flash dapat memahami dan merespons dalam bahasa tambahan berikut:

    Afrikaans (af), Amharik (am), Assam (as), Azerbaijan (az), Belarus (be), Bosnia (bs), Katalan (ca), Cebuano (ceb), Korsika (co), Welsh (cy), Dhivehi (dv), Esperanto (eo), Basque (eu), Persia (fa), Filipina (Tagalog) (fil), Frisia (fy), Irlandia (ga), Gaelik Skotlandia (gd), Galisia (gl), Gujarat (gu), Hausa (ha), Hawaii (haw), Hmong (hmn), Kreol Haiti (ht), Armenia (hy), Igbo (ig), Islandia (is), Jawa (jv), Georgia (ka), Kazakh (kk), Khmer (km), Kannada (kn), Krio (kri), Kurdi (ku), Kirgiz (ky), Latin (la), Luksemburg (lb), Laos (lo), Malagasy (mg), Maori (mi), Makedonia (mk), Malayalam (ml), Mongolia (mn), Meiteilon (Manipuri) (mni-Mtei), Marathi (mr), Melayu (ms), Malta (mt), Myanmar (Burma) (my), Nepal (ne), Nyanja (Chichewa) (ny), Odia (Oriya) (or), Punjabi (pa), Pashto (ps), Sindhi (sd), Sinhala (Sinhalese) (si), Samoa (sm), Shona (sn), Somalia (so), Albania (sq), Sesotho (st), Sunda (su), Tamil (ta), Telugu (te), Tajik (tg), Uyghur (ug), Urdu (ur), Uzbek (uz), Xhosa (xh), Yiddish (yi), Yoruba (yo), Zulu (zu)

Model Gemma

Tabel berikut merangkum model Gemma.

Model Input Output Kasus penggunaan Mencoba model
Gemma
Detail model 		Teks Teks Model teks terbuka berukuran kecil dan ringan yang mendukung pembuatan, peringkasan, dan ekstraksi teks. Dapat di-deploy di lingkungan dengan resource terbatas. Coba Gemma
CodeGemma
Detail model 		Teks, Kode, PDF Teks Kumpulan model kode terbuka yang ringan dan dibuat di atas Gemma. Terbaik untuk pembuatan dan penyelesaian kode. Coba CodeGemma
PaliGemma
Detail model 		Teks, Gambar Teks Model bahasa-visio (VLM) yang ringan. Paling cocok untuk tugas pemberian teks pada gambar serta tugas pertanyaan dan jawaban visual. Coba PaliGemma

Dukungan bahasa Gemma

Gemma hanya mendukung bahasa Inggris.

Model penyematan

Tabel berikut meringkas model yang tersedia di Embeddings API.

Nama model Deskripsi Spesifikasi Mencoba model
Embedding untuk teks
(textembedding-gecko@001,
textembedding-gecko@002,
textembedding-gecko@003,
text-embedding-004)
Detail model 		Menampilkan embedding untuk input teks bahasa Inggris.

Mendukung penyesuaian yang diawasi model Embedding untuk teks, hanya bahasa Inggris. 		Input token maksimum: 3.072 (textembedding-gecko@001).
Lainnya: 2.048.

Dimensi penyematan: text-embedding-004: <=768.
Lainnya: 768. 		Mencoba Embedding untuk teks
Penyematan untuk teks multibahasa
(textembedding-gecko-multilingual@001,
text-multilingual-embedding-002)
Detail model 		Menampilkan embedding untuk input teks dari lebih dari 100 bahasa

Mendukung penyesuaian yang diawasi model text-multilingual-embedding-002.
Mendukung 100 bahasa. 		Input token maksimum: 2.048.

Dimensi penyematan: text-multilingual-embedding-002: <=768.
Lainnya: 768.		 Mencoba Penyematan untuk teks multibahasa
Embedding untuk multimodal
(multimodalembedding)
Detail model 		Menampilkan embedding untuk input teks, gambar, dan video, untuk membandingkan konten di berbagai model.

Mengonversi teks, gambar, dan video menjadi ruang vektor yang sama. Video hanya mendukung 1.408 dimensi.
Khusus bahasa Inggris		 Input token maksimum: 32.
Ukuran gambar maksimum: 20 MB.
Durasi video maks.: Dua menit.

Dimensi penyematan: 128, 256, 512, atau 1408 untuk input teks+gambar, 1408 untuk input video.		 Mencoba Embedding untuk multimodal

Dukungan bahasa penyematan

Model penyematan multibahasa teks mendukung bahasa berikut:
Afrikaans, Albania, Amharik, Arab, Armenia, Azerbaijan, Basque, Belarusia, Bengali, Bulgaria, Burma, Katalan, Cebuano, Chichewa, Cina, Korsika, Ceko, Denmark, Belanda, Inggris, Esperanto, Estonia, Filipina, Finlandia, Prancis, Galicia, Georgia, Jerman, Yunani, Gujarati, Kreol Haiti, Hausa, Hawaii, Ibrani, Hindi, Hmong, Hungaria, Islandia, Igbo, Indonesia, Irlandia, Italia, Jepang, Jawa, Kannada, Kazakh, Khmer, Korea, Kurdi, Kirgiz, Laos, Latin, Latvia, Lituania, Luksemburg, Makedonia, Malagasi, Melayu, Malayalam, Malta, Maori, Marathi, Mongolia, Nepal, Norwegia, Pashto, Persia, Polandia, Portugis, Punjabi, Rumania, Rusia, Samoa, Gaelik Skotlandia, Serbia, Shona, Sindhi, Sinhala, Slovakia, Slovenia, Somalia, Sotho, Spanyol, Sunda, Swahili, Swedia, Tajik, Tamil, Telugu, Thailand, Turki, Ukraina, Urdu, Uzbek, Vietnam, Welsh, Frisia Barat, Xhosa, Yiddish, Yoruba, Zulu.

Model Imagen

Tabel berikut merangkum model yang tersedia di Imagen API:

Model Input Output Kasus penggunaan Mencoba model
Imagen 3
(imagen-3.0-generate-001, imagen-3.0-fast-generate-001)

Imagen 2
(imagegeneration@006, imagegeneration@005)

Imagen
(imagegeneration@002)
Detail model 		Teks Image Model ini mendukung pembuatan dan pengeditan gambar untuk membuat gambar berkualitas tinggi dalam hitungan detik. Hal ini mencakup pembuatan gambar menggunakan zero-shot learning. Mencoba Imagen untuk pembuatan gambar
Imagen 3 (Pengeditan dan penyesuaian)
(imagen-3.0-capability-001)

Imagen 2 (Pengeditan)
(imagegeneration@006)

Imagen (Pengeditan)
imagegeneration@002)
Detail model 		Teks dan gambar Image Model ini mendukung pengeditan gambar dan pembuatan gambar kustom (beberapa gambar) untuk membuat gambar berkualitas tinggi dalam hitungan detik.

Fitur pengeditan mendukung inpainting (penghapusan atau penyematan objek), outpainting, dan pengeditan gambar produk.

Penyesuaian mendukung pembelajaran dengan beberapa contoh, sehingga Anda dapat memberikan gambar referensi untuk memandu pembuatan gambar output. Model ini mendukung jenis penyesuaian berikut: subjek (produk, orang, dan hewan peliharaan), gaya, penyesuaian terkontrol (coretan atau tepi canny), dan penyesuaian petunjuk (transfer gaya). 		Coba Imagen untuk mengedit dan menyesuaikan

Dukungan bahasa Imagen 3

Imagen 3 mendukung bahasa berikut:
Inggris, China, Hindi, Jepang, Korea, Portugis, dan Spanyol.

Model penyelesaian kode

Tabel berikut meringkas model yang tersedia di Codey API:

Model Input Output Kasus penggunaan Mencoba model
Codey for Code Completion
(code-gecko)
Detail model 		Kode dalam bahasa yang didukung Kode dalam bahasa yang didukung Model yang disesuaikan untuk menyarankan penyelesaian kode berdasarkan konteks dalam kode yang ditulis. Coba Codey untuk Penyelesaian Kode

Dukungan bahasa model penyelesaian kode

Model Penyelesaian kode mendukung bahasa Inggris.

Model MedLM

Tabel berikut meringkas model yang tersedia di MedLM API:

Nama model Deskripsi Spesifikasi Mencoba model
MedLM-medium (medlm-medium)
Detail model 		Rangkaian model dan API yang disesuaikan secara medis dan sesuai dengan HIPAA yang didukung oleh Google Research.

Model ini membantu praktisi layanan kesehatan dengan tugas pertanyaan dan jawaban medis, serta tugas ringkasan untuk dokumen layanan kesehatan dan medis. Memberikan throughput yang lebih baik dan menyertakan data yang lebih baru daripada model medlm-large.		 Token maksimum (input + output): 32.768.
Token output maksimum: 8.192.
 Coba MedLM-medium
MedLM-large (medlm-large)
Detail model 		Rangkaian model dan API yang disesuaikan secara medis dan sesuai dengan HIPAA yang didukung oleh Google Research.

Model ini membantu praktisi layanan kesehatan dengan tugas pertanyaan dan jawaban medis, serta tugas ringkasan untuk dokumen layanan kesehatan dan medis.		 Token input maksimum: 8.192.
Token output maksimum: 1.024.
 Coba MedLM-large

Dukungan Throughput yang Disediakan MedLM

MedLM-medium dan MedLM-large mendukung Provisioned Throughput. Lihat Model yang didukung.

Dukungan bahasa MedLM

Model MedLM mendukung bahasa Inggris.

Lokasi

Untuk mengetahui daftar lokasi tempat model ini tersedia, lihat Lokasi AI Generatif di Vertex AI.

Versi model

Untuk mempelajari versi model, lihat Versi model.

Mempelajari semua model di Model Garden

Model Garden adalah platform yang membantu Anda menemukan, menguji, menyesuaikan, dan men-deploy model dan aset OSS tertentu serta eksklusif Google. Untuk mempelajari model dan API AI generatif yang tersedia di Vertex AI, buka Model Garden di konsol Google Cloud .

Buka Model Garden

Untuk mempelajari lebih lanjut Model Garden, termasuk model dan kemampuan yang tersedia, lihat Mempelajari model AI di Model Garden.

Langkah selanjutnya