Google 模型

Vertex AI 包含越来越多的基础模型，您可以测试、部署和自定义这些模型，以在您的基于 AI 的应用中使用。基础模型针对特定应用场景进行了微调，并以不同的价位提供。本页面总结了各种 API 中可用的模型，并指导您按应用场景选择模型。

如需详细了解 Vertex AI 上的所有 AI 模型和 API，请参阅在 Model Garden 中探索 AI 模型。

Gemini 模型

下表汇总了 Gemini API 中提供的模型。如需详细了解 API，请参阅 Gemini API 参考文档。

如需在 Google Cloud 控制台中探索模型，请在 Model Garden 中选择其模型卡片。

模型 输入 输出 用例 试用模型
Gemini 2.0 Flash
gemini-2.0-flash-001 		文本、代码、图片、音频、视频、带音频的视频、PDF 文字、音频（非公开预览版）、图片（非公开预览版） 适用于所有日常任务的主要模型。整体性能强大，支持实时流式传输 Live API。 试用 Gemini 2.0 Flash
Gemini 2.0 Pro
gemini-2.0-pro-exp-02-05 		文本、图片、视频、音频、PDF 文本 模型质量最强，尤其是对于代码和世界知识；200 万个字符的上下文。 试用 Gemini 2.0 Pro
Gemini 2.0 Flash-Lite
gemini-2.0-flash-lite-preview-02-05 		文本、图片、视频、音频、PDF 文本 我们提供的经济实惠的服务可支持高吞吐量。 试用 Gemini 2.0 Flash-Lite
Gemini 2.0 Flash Thinking
gemini-2.0-flash-thinking-exp-01-21 		文本、图片 文本 提供更强的推理能力，并在回答中包含思维过程。 试用 Gemini 2.0 Flash Thinking
Gemini 1.5 Flash
gemini-1.5-flash 		文本、代码、图片、音频、视频、带音频的视频、PDF 文本 为高质量、高性价比的应用提供速度和效率。 试用 Gemini 1.5 Flash
Gemini 1.5 Pro
gemini-1.5-pro 		文本、代码、图片、音频、视频、带音频的视频、PDF 文本 支持在文本或聊天提示中添加图片和视频，以提供文本或代码回答。
支持理解长上下文，但不超过输入 token 上限。		 试用 Gemini 1.5 Pro
Gemini 1.0 Pro
gemini-1.0-pro 		文本 文本 在各种纯文本任务中表现最佳的模型。 试用 Gemini 1.0 Pro
Gemini 1.0 Pro Vision
gemini-1.0-pro-vision 		文本、图片、音频、视频、带音频的视频、PDF 文本 效果最佳的图片和视频理解模型，可处理各种应用。 试用 Gemini 1.0 Pro Vision

以下信息详细介绍了每种 Gemini 模型。

Gemini 2.0 Flash

新一代 Gemini Flash 模型。Gemini 2.0 Flash 可为 1.5 模型提供更快的速度，并支持更多功能，例如通过 Multimodal Live API 进行双向流式传输、生成多模态回答以及使用内置工具。

功能

能力 可用性
使用 Google 搜索建立依据
代码执行
调优
系统指令 请参阅使用系统说明。
受控生成功能
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 1,048,576
输出词元数上限 8192
训练数据 2024 年 6 月前

Gemini 2.0 Pro

Gemini 2.0 Pro 是我们最强大的编码和世界知识模型，具有 200 万个字符的长上下文窗口。 Gemini 2.0 Pro 是 Vertex AI 中的实验性模型，也是 1.5 Pro 用户的升级路径，这些用户希望获得更高质量的结果，或者特别注重长文本和代码。

功能

能力 可用性
使用 Google 搜索建立依据
代码执行
调优
系统指令 请参阅使用系统说明。
JSON 支持
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 2,097,152
输出词元数上限 8192
训练数据 2024 年 6 月前

Gemini 2.0 Flash-Lite

Gemini 2.0 Flash-Lite 是我们速度最快、性价比最高的 Flash 模型。这是一个升级路径，适合希望以相同的价格和速度获得更高质量的 1.5 Flash 用户。

功能

能力 可用性
使用 Google 搜索建立依据
代码执行
调优
系统指令 请参阅使用系统说明。
JSON 支持
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 1,048,576
输出词元数上限 8192
训练数据 2024 年 6 月前

Gemini 2.0 Flash Thinking

Gemini 2.0 Flash Thinking 是一种实验性测试时间计算模型，经过训练后，该模型会生成“思考过程”，并将其作为回答的一部分。因此，Flash Thinking 的推理能力比 Gemini 2.0 Flash 基本模型更强。 如需了解详情，请参阅 Gemini 2.0 Flash Thinking 文档

功能

能力 可用性
落地
调优
系统指令 请参阅使用系统说明。
JSON 支持
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 1,048,576
输出词元数上限 65536
训练数据 2024 年 5 月前

Gemini 1.5 Flash

多模态模型专为大容量、经济实惠的应用而设计，速度快、效率高，可用于构建快速、低成本的应用，并且不影响质量。

功能

能力 可用性
落地 仅限文本输入
调优
系统指令 请参阅使用系统说明。
受控生成功能
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 1,048,576
输出词元数上限 8192
原始图片大小上限 20 MB
Base64 编码的图片大小上限 7 MB
每个提示的图片数量上限 3000
视频时长上限 1 小时
每个问题的视频数量上限 10
音频时长上限 大约 8.4 小时
每个提示的音频数量上限 1
PDF 文件的最大大小 30 MB
训练数据 2024 年 5 月前

Gemini 1.5 Pro

此多模态模型支持在文本或聊天提示中添加图片、音频、视频和 PDF 文件，以提供文本或代码回答。此模型支持理解长上下文，但不超过输入词元上限。

功能

能力 可用性
落地 是（仅限文本输入）
调优
系统指令 是。请参阅使用系统说明。
JSON 支持
预配的吞吐量 是。请参阅支持的模型。

规格

规范 值
输入 token 数上限 2,097,152
输出词元数上限 8192
每个提示的图片数量上限 3000
视频时长上限（仅限帧数） 大约 1 小时
视频时长上限（画面和音频） 大约 45 分钟
每个问题的视频数量上限 10
音频时长上限 大约 8.4 小时
每个提示的音频数量上限 1
PDF 文件的最大大小 30 MB
训练数据 2024 年 5 月前

Gemini 1.0 Pro

性能最佳的模型，可用于各种纯文本任务。此模型仅支持文本作为输入。

功能

能力 可用性
落地 是（仅限文本输入）
调优 是。gemini-1.0-pro-002 支持监督式调优。
系统指令 是。受 gemini-1.0-pro-002 支持。请参阅使用系统说明。
JSON 支持
预配的吞吐量 是。请参阅支持的模型。

规格

规范 值
输入 token 数上限 32,760
输出词元数上限 8192
训练数据 2023 年 2 月前

Gemini 1.0 Pro Vision

性能最佳的图片和视频理解模型，可处理各种应用。Gemini 1.0 Pro Vision 支持使用文本、图片和视频作为输入。

功能

能力 可用性
落地
调优
系统指令
JSON 支持
预配的吞吐量 是。请参阅支持的模型。

规格

规范 值
输入 token 数上限 16384
输出词元数上限 2048
每个提示的图片数量上限 16
视频时长上限 2 分钟
每个问题的视频数量上限 1
训练数据 2023 年 2 月前

Gemini 1.0 Ultra

Google 最强大的文本模型，针对指令、代码和推理等复杂任务进行了优化。Gemini 1.0 Ultra 仅支持文本作为输入。

功能

能力 可用性
落地
调优
系统指令
JSON 支持
预配的吞吐量 是。请参阅支持的模型。

规格

规范 值
输入 token 数上限 8192
输出词元数上限 2048

Gemini 1.0 Ultra Vision

Google 最强大的多模态视觉模型，已针对联合文本、图片和视频输入进行了优化。

功能

能力 可用性
落地
调优
系统指令
JSON 支持
预配的吞吐量 请参阅支持的模型。

规格

规范 值
输入 token 数上限 8192
输出词元数上限 2048

Gemini 语言支持

  • 所有 Gemini 模型都可以理解并以以下语言回答：

    阿拉伯语 (ar)、孟加拉语 (bn)、保加利亚语 (bg)、中文（简体和繁体）(zh)、克罗地亚语 (hr)、捷克语 (cs)、丹麦语 (da)、荷兰语 (nl)、英语 (en)、爱沙尼亚语 (et)、芬兰 (fi)、法语 (fr)、德语 (de)、希腊语 (el)、希伯来语 (iw)、印地语 (hi)、匈牙利语 (hu)、印度尼西亚语 (id)、意大利语 (it)、日语 (ja)、韩语 (ko)、拉脱维亚语 (lv)、立陶宛语 (lt)、挪威语 (no)、波兰语 (pl)、葡萄牙语 (pt)、罗马尼亚语 (ro)、俄语 (ru)、塞尔维亚语 (sr)、斯洛伐克语 (sk)、斯洛文尼亚语 (sl)、西班牙语 (es)、斯瓦希里语 (sw)、瑞典语 (sv)、泰语 (th)、土耳其语 (tr)、乌克兰语 (uk)、越南语 (vi)

  • Gemini 1.5 Pro 和 Gemini 1.5 Flash 模型可以理解并用以下其他语言做出回答：

    阿姆哈拉语 (am)、阿萨姆语 (as)、阿塞拜疆语 (az)、白俄罗斯语 (be)、波斯尼亚语 (bs)、加泰隆语 (ca)、宿务语 (ceb)、科西嘉语 (co)、威尔士语 (cy)、迪维希语 (dv)、世界语 (eo)、巴斯克语 (eu)、波斯语 (fa)、菲律宾语 (Tagalog) (fil)、弗里西语 (fy)、爱尔兰语 (ga)、苏格兰语 (gd)、加利西亚语 (gl)、古吉拉特语 (gu)、豪萨语 (ha)、夏威夷语 (haw)、苗语 (hmn)、海地克里奥语 (ht)、亚美尼亚语 (hy)、伊博语 (ig)、冰岛语 (is)、爪哇语 (jv)、格鲁吉亚语 (ka)、哈萨克语 (kk)、高棉语 (km)、卡纳达语 (kn)、克里奥语 (kri)、库尔德语 (ku)、吉尔吉斯语 (ky)、拉丁语 (la)、卢森堡语 (lb)、老挝语 (lo)、马达加斯加语 (mg)、毛利语 (mi)、马其顿语 (mk)、马拉雅拉姆语 (ml)、蒙古语 (mn)、曼尼普尔语 (Manipuri) (mni-Mtei)、马拉地语 (mr)、马来语 (ms)、马耳他语 (mt)、缅甸语 (Myanmar) (my)、尼泊尔语 (ne)、尼亚查语 (Chichewa) (ny)、奥里亚语 (Oriya) (or)、旁遮普语 (pa)、普什图语 (ps)、信德语 (sd)、僧伽罗语 (Sinhalese) (si)、萨摩亚语 (sm)、绍纳语 (sn)、索马里语 (so)、阿尔巴尼亚语 (sq)、塞索托语 (st)、巽他语 (su)、泰米尔语 (ta)、泰卢固语 (te)、塔吉克语 (tg)、维吾尔语 (ug)、乌尔都语 (ur)、乌兹别克语 (uz)、科萨语 (xh)、意第绪语 (yi)、约鲁巴语 (yo)、祖鲁语 (zu)

Gemma 模型

下表总结了 Gemma 模型。

模型 输入 输出 用例 试用模型
Gemma
模型详情 		文本 文本 一种小型、轻量级的开放式文本模型，支持文本生成、总结和提取。可在资源有限的环境中部署。 试用 Gemma
CodeGemma
模型详情 		文本、代码、PDF 文本 一系列基于 Gemma 构建的轻量级开放编码模型。最适合生成代码和代码补全。 试用 CodeGemma
PaliGemma
模型详情 		文本、图片 文本 轻量级视觉-语言模型 (VLM)。最适合图片说明任务和视觉问答任务。 试用 PaliGemma

Gemma 语言支持

Gemma 仅支持英语。

嵌入模型

下表汇总了 Embeddings API 中提供的模型。

模型名称 说明 规格 试用模型
Embeddings for text
(textembedding-gecko@001,
textembedding-gecko@002,
textembedding-gecko@003,
text-embedding-004)
模型详情 		返回英语文本输入的嵌入。

支持文本嵌入模型的监督式调优（仅支持英语）。 		输入 token 数上限：3,072 (textembedding-gecko@001)。
其他：2,048。

嵌入维度：text-embedding-004：<=768。
其他：768。 		试用 Embeddings for text
Embeddings for text multilingual
(textembedding-gecko-multilingual@001,
text-multilingual-embedding-002)
模型详情 		返回 100 多种语言的文本输入的嵌入

支持 text-multilingual-embedding-002 模型的监督式调优。
支持 100 种语言。		 输入 token 数上限：2,048。

嵌入维度：text-multilingual-embedding-002：<=768。
其他：768。		 试用 Embeddings for text multilingual
Embeddings for Multimodal
(multimodalembedding)
模型详情 		返回文本、图片和视频输入的嵌入，以比较不同模型的内容。

将文本、图片和视频转换为同一向量空间。视频仅支持 1408 维度。
仅支持英语		 词元输入数量上限：32。
图片大小上限：20 MB。
视频时长上限：2 分钟。

嵌入维度：128、256、512 或 1408（对于文本和图片输入）；1408（对于视频输入）。		 试用 Embeddings for multimodal

Embeddings 语言支持

文本多语言嵌入模型支持以下语言：
南非荷兰语、阿尔巴尼亚语、阿姆哈拉语、阿拉伯语、亚美尼亚语、阿塞拜疆语、巴斯克语、白俄罗斯语、孟加拉语、保加利亚语、缅甸语、加泰罗尼亚语、宿务语、奇切瓦语、中文、科西加语、捷克语、丹麦语、荷兰语、英语、世界语、爱沙尼亚语、菲律宾语、芬兰语、法语、加利西亚语、格鲁吉亚语、德语、希腊语、古吉拉特语、海地克里奥尔语、豪萨语、夏威夷语、希伯来语、印地语、苗语、匈牙利语、冰岛语、伊博语、印度尼西亚语、爱尔兰语、意大利语、日语、爪哇语、卡纳达语、哈萨克语、高棉语、韩语、库尔德语、吉尔吉斯语、老挝语、拉丁语、拉脱维亚语、立陶宛语、卢森堡语、马其顿语、马拉加语、马来语、马拉雅拉姆语、马耳他语、毛利语、马拉地语、蒙古语、尼泊尔语、挪威语、普什图语、波斯语、波兰语、葡萄牙语、旁遮普语、罗马尼亚语、俄语、萨摩亚语、苏格兰盖尔语、塞尔维亚语、修纳语、信德语、僧伽罗语、斯洛伐克语、斯洛文尼亚语、索马里语、索托语、西班牙语、巽他语、斯瓦希里语、瑞典语、塔吉克语、泰米尔语、泰卢固语、泰语、土耳其语、乌克兰语、乌尔都语、乌兹别克语、越南语、威尔士语、西弗里斯语、科萨语、意第绪语、约鲁巴语、祖鲁语。

Imagen 模型

下表汇总了 Imagen API 中提供的模型：

模型 输入 输出 用例 试用模型
Imagen 3
(imagen-3.0-generate-001, imagen-3.0-fast-generate-001)

Imagen 2
(imagegeneration@006, imagegeneration@005)

Imagen
(imagegeneration@002)
模型详情 		文本 图片 此模型支持图片生成和编辑，可在几秒钟内创建高品质图片。这包括使用零次学习生成图片。 尝试使用 Imagen 生成图片
Imagen 3（编辑和自定义）
(imagen-3.0-capability-001)

Imagen 2（编辑）
(imagegeneration@006)

Imagen（编辑）
imagegeneration@002)
模型详情 		文字和图片 图片 此模型支持图片编辑和自定义（少样本）图片生成，可在几秒钟内创建高质量图片。

修改功能支持图像修复（移除或插入对象）、扩绘和商品图片修改。

自定义支持少量样本学习，可让您提供参考图片来指导生成输出图片。此模型支持以下类型的自定义：主题（商品、人物和动物伴侣）、样式、受控自定义（涂鸦或精明的边缘）和指令自定义（样式转移）。 		试用 Imagen 进行编辑和自定义

Imagen 3 语言支持

Imagen 3 支持以下语言：
英语、中文、印地语、日语、韩语、葡萄牙语和西班牙语。

代码补全模型

下表汇总了 Codey API 中提供的模型：

模型 输入 输出 用例 试用模型
Codey for Code Completion
(code-gecko)
模型详情 		支持的语言中的代码 使用受支持的语言编写代码 根据编写的代码中的语境微调模型以建议代码补全。 试用 Codey for Code Completion

代码补全模型语言支持

代码补全模型支持英语。

MedLM 模型

下表汇总了 MedLM API 中提供的模型：

模型名称 说明 规格 试用模型
MedLM-medium (medlm-medium)
模型详情 		由 Google 研究提供支持的一组符合 HIPAA 要求的医学调优模型和 API。

此模型可帮助医疗保健从业者进行医学类问答任务，以及对医疗保健和医学文档进行摘要。与 medlm-large 模型相比，可提供更高的吞吐量，并包含更多最新数据。		 词元数上限（输入 + 输出）：32,768。
输出词元数上限：8,192。
 试用 MedLM-medium
MedLM-large (medlm-large)
模型详情 		由 Google 研究提供支持的一组符合 HIPAA 要求的医学调优模型和 API。

此模型可帮助医疗保健从业者进行医学类问答任务，以及对医疗保健和医学文档进行摘要。		 输入词元数上限：8,192
输出词元数上限：1,024
 试用 MedLM-large

MedLM 预配吞吐量支持

MedLM-medium 和 MedLM-large 支持预配吞吐量。请参阅支持的模型。

MedLM 语言支持

MedLM 模型支持英语。

位置

如需查看可以使用这些模型的位置列表，请参阅 Vertex AI 上的生成式 AI 位置。

模型版本

如需了解模型版本，请参阅模型版本。

在 Model Garden 中探索所有模型

Model Garden 是一个平台，可帮助您发现、测试、自定义和部署 Google 专有的以及部分 OSS 模型和资产。如需探索 Vertex AI 上可用的生成式 AI 模型和 API，请转到 Google Cloud 控制台中的 Model Garden。

转到 Model Garden

如需详细了解 Model Garden，包括可用的模型和功能，请参阅在 Model Garden 中探索 AI 模型。

后续步骤