Vertex AI には、AI ベースのアプリケーションで使用するためにテスト、デプロイ、カスタマイズできる基盤モデルがあり、その数は増え続けています。基盤モデルは特定のユースケースに合わせてファインチューニングされており、さまざまな価格で提供されます。このページでは、さまざまな API で使用可能なモデルの概要と、ユースケースごとに選択するモデルに関するガイダンスを示します。
Vertex AI のすべての AI モデルと API の詳細については、AI モデルと API の詳細を確認するをご覧ください。
基盤モデル API
Vertex AI には、次の基盤モデル API があります。
- Gemini API（マルチモーダル テキスト、画像、音声、動画、PDF、コード、チャット）
- PaLM API（テキスト、チャット、エンベディング）
- Codey API（コード生成、コードチャット、コード補完）
- Imagen API（画像生成、画像編集、画像キャプション、Visual Question Answering、マルチモーダル エンベディング）
Gemini API モデル
次の表は、Gemini API で使用可能なモデルをまとめたものです。
| モデル名 | 説明 | モデル プロパティ | チューニングのサポート |
|---|---|---|---|
| Gemini 1.5 Pro（プレビュー） （ gemini-1.5-pro） |
テキスト レスポンスまたはコード レスポンス用のテキスト プロンプトまたはチャット プロンプトでの画像、音声、動画、PDF ファイルの追加をサポートするマルチモーダル モデル。Gemini 1.5 Pro は最大 100 万個のトークンによる長いコンテキストの理解をサポートします。 | 最大合計トークン（入力と出力）: 100 万 最大出力トークン: 8,192 最大未加工画像サイズ: 20 MB 最大 base64 エンコード画像サイズ: 7 MB プロンプトあたりの最大画像数: 3,000 動画の最大長: 1 時間 プロンプトあたりの最大動画数: 10 音声の最大長: 約 8.4 時間 プロンプトあたりの最大音声数: 1 最大 PDF サイズ: 50 MB トレーニング データ: 2024 年 4 月まで |
教師: なし RLHF: なし 抽出: なし |
| Gemini 1.0 Pro （ gemini-1.0-pro） |
自然言語タスク、マルチターン テキストとコードチャット、コード生成を処理するように設計されています。テキストのみを含むプロンプトには Gemini 1.0 Pro を使用します。 | 最大合計トークン（入力と出力）: 32,760 最大出力トークン: 8,192 トレーニング データ: 2023 年 2 月まで |
教師: あり RLHF: なし 抽出: なし |
| Gemini 1.0 Pro Vision （ gemini-1.0-pro-vision） |
テキストまたはコード レスポンスのテキスト プロンプトまたはチャット プロンプトでの画像、PDF、動画の追加をサポートするマルチモーダル モデル。Prome 1.0 Pro Vision マルチモーダル プロンプトを使用します。 | 最大合計トークン（入力と出力）: 16,384 最大出力トークン: 2,048 画像の最大サイズ: 制限なし プロンプトあたりの最大画像数: 16 動画の長さの上限: 2 分 プロンプトあたりの最大動画数: 1 トレーニング データ: 2023 年 2 月まで |
教師: なし RLHF: なし 抽出: なし |
| Gemini 1.0 Ultra（一般提供、許可リスト付き） | Google の最も高性能なマルチモーダル モデル。指示、コード、根拠分析などの複雑なタスク向けに最適化され、複数の言語をサポートしています。Gemini 1.0 Ultra は、一部のお客様を対象に一般提供（GA）されています。 | 最大トークン入力: 8,192 最大トークン出力: 2,048 |
教師: なし RLHF: なし 抽出: なし |
| Gemini 1.0 Ultra Vision（一般提供、許可リスト付き） | Google の最も高性能なマルチモーダル ビジョンモデル。テキスト、画像、動画、マルチターン チャットをサポートするように最適化されています。Gemini 1.0 Ultra Vision は、一部のお客様を対象に一般提供（GA）されています。 | 最大トークン入力: 8,192 最大トークン出力: 2,048 |
教師: なし RLHF: なし 抽出: なし |
PaLM API モデル
次の表は、PaLM API で利用可能なモデルをまとめたものです。
| モデル名 | 説明 | モデル プロパティ | チューニングのサポート |
|---|---|---|---|
| テキスト用 PaLM 2 （ text-bison） |
自然言語の指示に従うように微調整されており、分類、要約、抽出などのさまざまな言語タスクに適しています。 | 最大入力トークン: 8,192 最大出力トークン: 1,024 トレーニング データ: 2023 年 2 月まで |
教師: あり RLHF: あり（プレビュー） 抽出: なし |
テキスト用 PaLM 2（text-unicorn） |
複雑な自然言語タスクに使用する PaLM モデル ファミリーの中で最も高度なテキストモデル。 | 最大入力トークン: 8,192 最大出力トークン: 1,024 トレーニング データ: 2023 年 2 月まで |
教師: なし RLHF: なし 抽出: あり（プレビュー） |
| テキスト用 PaLM 2 32k （ text-bison-32k） |
自然言語による指示に対応できるようファインチューニングされています。さまざまな言語タスクに適しています。 | 最大トークン（入力 + 出力）: 32,768 最大出力トークン: 8,192 トレーニング データ: 2023 年 8 月まで |
教師: あり RLHF: なし 抽出: なし |
| チャット用 PaLM 2 （ chat-bison） |
マルチターンの会話向けにファインチューニングされています。 | 最大入力トークン: 8,192 最大出力トークン: 2,048 トレーニング データ: 2023 年 2 月まで 最大ターン数 : 2,500 |
教師: あり RLHF: なし 抽出: なし |
| チャット用 PaLM 2 32k （ chat-bison-32k） |
マルチターンの会話向けにファインチューニングされています。 | 最大トークン（入力 + 出力）: 32,768 最大出力トークン: 8,192 トレーニング データ: 2023 年 8 月まで 最大ターン数 : 2,500 |
教師: あり RLHF: なし 抽出: なし |
| テキスト エンベディング （ textembedding-gecko） |
テキスト入力のモデル エンベディングを返します。 | 3,072 個の入力トークン。768 次元のベクトル エンベディングを出力します。 |
教師: あり RLHF: なし 抽出: なし |
| 多言語テキスト エンベディング （ textembedding-gecko-multilingual） |
100 を超える言語をサポートするテキスト入力のモデル エンベディングを返します。 | 3,072 個の入力トークン。768 次元のベクトル エンベディングを出力します。 |
教師: あり（プレビュー） RLHF: なし 抽出: なし |
Codey API モデル
次の表は、Codey API で利用可能なモデルをまとめたものです。
| モデル名 | 説明 | モデル プロパティ | チューニングのサポート |
|---|---|---|---|
| コード生成用の Codey （ code-bison） |
目的のコードの自然言語記述に基づいてコードを生成するようにファインチューニングされたモデル。たとえば、関数の単体テストを生成できます。 | 最大入力トークン: 6,144 最大出力トークン: 1,024 |
教師: あり RLHF: なし 抽出: なし |
| コード生成用の Codey 32k （ code-bison-32k） |
目的のコードの自然言語記述に基づいてコードを生成するようにファインチューニングされたモデル。たとえば、関数の単体テストを生成できます。 | 最大トークン（入力 + 出力）: 32,768 最大出力トークン: 8,192 |
教師: あり RLHF: なし 抽出: なし |
| コードチャット用の Codey （ codechat-bison） |
コード関連の質問に対応する chatbot との会話用にファインチューニングされたモデルです。 | 最大入力トークン: 6,144 最大出力トークン: 1,024 |
教師: あり RLHF: なし 抽出: なし |
| コードチャット用 Codey 32k （ codechat-bison-32k） |
コード関連の質問に対応する chatbot との会話用にファインチューニングされたモデルです。 | 最大トークン（入力 + 出力）: 32,768 最大出力トークン: 8,192 |
教師: あり RLHF: なし 抽出: なし |
| コード補完用 Codey （ code-gecko） |
記述されたコードのコンテキストに基づいてコード補完を提案するようにファインチューニングされたモデル。 | 最大入力トークン: 2,048 最大出力トークン: 64 |
教師: なし RLHF: なし 抽出: なし |
Imagen API モデル
次の表は、Imagen API で使用可能なモデルをまとめたものです。
| モデル名 | 説明 | モデル プロパティ | チューニングのサポート |
|---|---|---|---|
| 画像生成用の Imagen （ imagegeneration） | このモデルは画像生成をサポートし、高品質のビジュアル アセットを数秒で作成できます。 | 1 プロジェクト 1 分あたりの最大リクエスト数: 100 最大生成画像数: 8 最大ベース画像（編集/アップスケール）: 10 MB 生成される画像の解像度: 1024 x 1024 ピクセル |
教師: なし RLHF: なし |
| マルチモーダルのエンベディング （ multimodalembedding） | このモデルは、指定した入力に基づいてベクトルを生成します。この入力には、画像とテキストの組み合わせを含めることができます。 | 1 プロジェクト 1 分あたりの最大リクエスト数: 120 テキストの最大長: 32 トークン 言語: 英語 画像の最大サイズ: 20 MB |
教師: なし RLHF: なし |
| 画像キャプション （ imagetext） | 画像キャプションをサポートするモデル。このモデルは、指定された言語に基づいて、指定された画像から字幕を生成します。 | 1 プロジェクト 1 分あたりの最大リクエスト数: 500 言語: 英語、フランス語、ドイツ語、イタリア語、スペイン語 画像の最大サイズ: 10 MB 字幕の最大数: 3 |
教師: なし RLHF: なし |
| Visual Question Answering - VQA （ imagetext） | 画像に対する質問と回答をサポートするモデル。 | 1 プロジェクト 1 分あたりの最大リクエスト数: 500 言語: 英語 画像の最大サイズ: 10 MB 回答の最大数: 3 |
教師: なし RLHF: なし |
MedLM API モデル
次の表は、MedLM API で利用可能なモデルをまとめたものです。
| モデル名 | 説明 | モデル プロパティ | チューニングのサポート |
|---|---|---|---|
MedLM-medium（medlm-medium） | Google Research が提供する、医療向けにチューニングされたモデルと API の HIPAA 準拠スイート。これらのモデルは、医療従事者に医療に関する質問と回答（Q&A）を提供し、医療文書とヘルスケア ドキュメントを要約するのに役立ちます。 | 最大トークン（入力 + 出力）: 32,768 最大出力トークン: 8,192 言語: 英語 |
教師: なし RLHF: なし |
MedLM-large（medlm-large） | Google Research が提供する、医療向けにチューニングされたモデルと API の HIPAA 準拠スイート。これらのモデルは、医療従事者に医療に関する質問と回答（Q&A）を提供し、医療文書とヘルスケア ドキュメントを要約するのに役立ちます。 | 最大入力トークン: 8,192 最大出力トークン: 1,024 言語: 英語 |
教師: なし RLHF: なし |
言語サポート
Vertex AI PaLM API と Vertex AI Gemini API は、次の言語で一般提供（GA）になりました。
- アラビア語（
ar） - ベンガル語（
bn） - ブルガリア語（
bg） - 中国語（簡体および繁体）（
zh） - クロアチア語（
hr） - チェコ語（
cs） - デンマーク語（
da） - オランダ語（
nl） - 英語（
en） - エストニア語（
et） - フィンランド語（
fi） - フランス語（
fr） - ドイツ語（
de） - ギリシャ語（
el） - ヘブライ語（
iw） - ヒンディー語（
hi） - ハンガリー語（
hu） - インドネシア語（
id） - イタリア語（
it） - 日本語（
ja） - 韓国語（
ko） - ラトビア語（
lv） - リトアニア語（
lt） - ノルウェー語（
no） - ポーランド語（
pl） - ポルトガル語（
pt） - ルーマニア語（
ro） - ロシア語（
ru） - セルビア語（
sr） - スロバキア語（
sk） - スロベニア語（
sl） - スペイン語（
es） - スワヒリ語（
sw） - スウェーデン語（
sv） - タイ語（
th） - トルコ語（
tr） - ウクライナ語（
uk） - ベトナム語（
vi）
その他の言語については、Google Cloud の担当者にお問い合わせください。
Model Garden でモデルを探索する
Model Garden は、Google 独自の厳選された OSS モデルやアセットを調査、テスト、カスタマイズ、デプロイする場合に便利なプラットフォームです。Vertex AI で使用可能な生成 AI モデルと API を探索するには、Google Cloud コンソールで Model Garden に移動します。
使用可能なモデルや機能など、Model Garden の詳細については、Model Garden で AI モデルを調べるをご覧ください。
次のステップ
- Vertex AI Studio または Vertex AI API を使用したクイックスタート チュートリアルを試す。
- テキスト プロンプトのテスト方法を学習する。
- チャット プロンプトのテスト方法を確認する。
- Model Garden でトレーニング済みモデルを確認する。
- 基盤モデルのチューニング方法を学習する。
- 責任ある AI のベスト プラクティスと Vertex AI の安全フィルタについて学習する。