Explora modelos de IA en Model Garden

Model Journal en la consola de Google Cloud es una biblioteca de modelo de AA que te ayuda a descubrir, probar, personalizar e implementar los modelos y recursos seleccionados de OSS y propios de Google.

En los siguientes temas, se presentan los modelos de IA disponibles en Model Garden y cómo usarlos.

Explora modelos

Para ver la lista de Vertex AI disponibles y los modelos específicos para tareas, ajustables y de base de código abierto, ve a la página Model Garden en la consola de Google Cloud.

Ir a Model Garden

Las categorías de modelos disponibles en Model Garden son las siguientes:

Categoría Descripción
Modelos de base Modelos grandes multitarea previamente entrenados que se pueden ajustar o personalizar para tareas específicas mediante Generative AI Studio, la API de Vertex AI y el SDK de Vertex AI para Python.
Modelos ajustables Modelos que puedes ajustar mediante un notebook o una canalización personalizados.
Soluciones específicas para tareas La mayoría de estos modelos precompilados están listos para usar. Muchos se pueden personalizar con tus propios datos.

Para filtrar modelos en el panel de filtro, especifica lo siguiente:

  • Modalidades: haz clic en las modalidades (tipos de datos) que deseas en el modelo.
  • Tareas: haz clic en la tarea que deseas que realice el modelo.
  • Atributos: Haz clic en los atributos que desees en el modelo.

Para obtener más información sobre cada modelo, haz clic en la tarjeta del modelo.

Modelos disponibles en Model Garden

Puedes encontrar los modelos originales de Google y seleccionar modelos de código abierto en Model Garden.

Lista de modelos originales de Google

En la siguiente tabla, se enumeran los modelos originales de Google que están disponibles en Model Garden:

Nombre del modelo Modalidad Descripción Guías de inicio rápido
Gemini 1.5 Flash (versión preliminar) Lenguaje, audio, visión El modelo multimodal de Gemini más rápido y rentable. Se diseñó para tareas de gran volumen y aplicaciones asequibles sensibles a la latencia. Debido a la capacidad de respuesta de Gemini 1.5 Flash, es una buena opción para crear asistentes de chat y aplicaciones de generación de contenido a pedido. Tarjeta de modelo
Gemini 1.5 Pro (versión prelimiar) Lenguaje, audio, visión Modelo multimodal que admite agregar archivos de imagen, audio, video y PDF en instrucciones de texto o chat para una respuesta de texto o código. Tarjeta de modelo
Gemini 1.0 Pro lenguaje Diseñada para controlar tareas de lenguaje natural, chat de texto y código de varios turnos, y generación de código. Tarjeta de modelo
Gemini 1.0 Pro Vision Lenguaje, Vision Modelo multimodal que admite agregar archivos de imagen, video y PDF en instrucciones de texto o chat para una respuesta de texto o código. Tarjeta de modelo
PaLM 2 for Text lenguaje Se ajustó para seguir las instrucciones de lenguaje natural y es adecuado para una variedad de tareas de lenguaje. Tarjeta de modelo
PaLM 2 para Chat lenguaje Ajustado para tener conversaciones naturales Usa este modelo para compilar y personalizar tu propia aplicación de chatbot. Tarjeta de modelo
Codey para completar código lenguaje Genera código en función de los mensajes del código. Ideal para sugerencias de código y minimización de errores en el código. Tarjeta de modelo
Codey para generación de código lenguaje Genera código basado en entradas de lenguaje natural. Ideal para escribir funciones, clases, pruebas de unidades y mucho más. Tarjeta de modelo
Codey para Chat de código lenguaje Obtén asistencia relacionada con el código a través de una conversación natural. Ideal para preguntas sobre una API, sintaxis en un lenguaje compatible y más. Tarjeta de modelo
Incorporaciones para texto lenguaje Convierte datos textuales en vectores numéricos que pueden procesar los algoritmos de aprendizaje automático, en especial, modelos grandes. Tarjeta de modelo
Imagen para la generación de imágenes Visión Crea o edita imágenes a nivel de estudio a gran escala con mensajes de texto. Tarjeta de modelo
Imagen para subtítulos y VQA lenguaje Genera una descripción relevante para una imagen determinada. Tarjeta de modelo
Incorporaciones para multimodales Visión Genera vectores basados en imágenes, que se pueden usar para tareas descendentes, como la clasificación de imágenes y la búsqueda de imágenes. Tarjeta de modelo
Chirp Voz Una versión de un modelo de voz universal que tiene más de 2B de parámetros y puede transcribir en más de 100 idiomas en un solo modelo. Tarjeta de modelo

Lista de modelos con ajuste de código abierto o recetas de entrega en Model Garden

En la siguiente tabla, se enumeran los modelos de OSS que admiten el ajuste de código abierto o las recetas de entrega en Model Garden:

Nombre del modelo Modalidad Descripción Guía de inicio rápido
E5 Lenguaje Implementa E5, una serie de modelos de embedding de texto. Colab
Tarjeta de modelo
ID instantáneo Lenguaje, Vision Implementa ID instantáneo, un modelo de generación de texto a imagen que preserva la identidad. Colab
Tarjeta de modelo
Llama 3 Lenguaje Explora y compila con los modelos Llama 3 de Meta (8B, 70B) en Vertex AI. Tarjeta de modelo
Gemma lenguaje Modelos de peso abierto (2B, 7B) que se compilan a partir de la misma investigación y tecnología que se usaron para crear los modelos Gemini de Google. Tarjeta de modelo
CodeGemma lenguaje Modelos de peso abiertos (2B, 7B) diseñados para la generación y finalización de código que se compilan a partir de la misma investigación y tecnología que se usaron para crear los modelos Gemini de Google. Tarjeta de modelo
PaliGemma Lenguaje Modelo de peso abierto 3B diseñado para tareas de leyendas de imágenes y tareas visuales de preguntas y respuestas que se compilan a partir de la misma investigación y tecnología que se usan para crear los modelos Gemini de Google. Tarjeta de modelo
Vicuna v1.5 lenguaje Implementa modelos de series de Vicuna v1.5, que son modelos de base más precisos de LLama2 para la generación de texto. Tarjeta de modelo
NLLB lenguaje Implementa modelos de series de nllb para la traducción a varios idiomas. Tarjeta de modelo
Colab
Mistral-7B lenguaje Implementar Mistral-7B, un modelo de base para la generación de texto. Tarjeta de modelo
Colab
BioGPT lenguaje Implementa BioGPT, un modelo generativo de texto para el dominio biomédico. Tarjeta de modelo
Colab
BiomedCLIP Lenguaje, Vision Implementa BiomedCLIP, un modelo de base multimodal para el dominio biomédico. Tarjeta de modelo
Colab
ImageBind Lenguaje, Vision,
Audio
Implementa ImageBind, un modelo de base para la incorporación multimodal. Tarjeta de modelo
Colab
DITO Lenguaje, Vision Ajusta e implementa DITO, un modelo de base multimodal para tareas de detección de objetos de vocabulario abierto. Tarjeta de modelo
Colab
OWL-ViT v2 Lenguaje, Vision Implementa OWL-ViT v2, un modelo de base multimodal para tareas de detección de objetos de vocabulario abierto. Tarjeta de modelo
Colab
FaceStylizer (Mediapipe) Visión Una canalización generativa para transformar imágenes de rostros humanos y darles un estilo nuevo. Tarjeta de modelo
Colab
Llama 2 lenguaje Ajusta e implementa los modelos de base Llama 2 de Meta (7B, 13B, 70B) en Vertex AI. Tarjeta de modelo
Code Llama lenguaje Implementa modelos de base de Code Llama de Meta (7B, 13B, 34B) en Vertex AI. Tarjeta de modelo
Falcon-instruct lenguaje Ajusta e implementa modelos de Falcon-Instruct (7B, 40B) mediante PEFT. Colab
Tarjeta de modelo
OpenLLaMA lenguaje Ajusta e implementa modelos de OpenLLaMA (3B, 7B, 13B) con PEFT. Colab
Tarjeta de modelo
T5-FLAN lenguaje Ajusta e implementa T5-FLAN (base, pequeño y grande). Tarjeta de modelo (se incluye la canalización de ajuste)
BERT lenguaje Ajusta e implementa BERT mediante PEFT. Colab
Tarjeta de modelo
BART-large-cnn lenguaje Implementa BART, un modelo codificador/codificador (seq2seq) de transformador con un codificador bidireccional (similar a BERT) y un decodificador automático (similar a GPT). Colab
Tarjeta de modelo
RoBERTa-large lenguaje Ajusta e implementa RoBERTa-large con PEFT. Colab
Tarjeta de modelo
XLM-RoBERTa-large lenguaje Ajusta e implementa XLM-RoBERTa-large (una versión multilingüe de RoBERTa) mediante PEFT. Colab
Tarjeta de modelo
Dolly-v2-7b lenguaje Implementa Dolly-v2-7b, un modelo grande de lenguaje que sigue instrucciones con 6.9 mil millones de parámetros. Colab
Tarjeta de modelo
Stable Diffusion XL v1.0 Lenguaje, Vision Implementa Stable Diffusion XL v1.0, que admite la generación de texto a imagen. Colab
Tarjeta de modelo
Stable Diffusion XL Lightning Lenguaje, Vision Implementa Stable Diffusion XL Lightning, un modelo de generación de texto a imagen. Colab
Tarjeta de modelo
Stable Diffusion v2.1 Lenguaje, Vision Ajusta e implementa Stable Diffusion v2.1 (admite la generación de texto a imagen) mediante Dreambooth. Colab
Tarjeta de modelo
Stable Diffusion 4x upscaler Lenguaje, Vision Implementa Stable Diffusion 4x upscaler, que admite la superresolución de imagen condicionada por texto. Colab
Tarjeta de modelo
InstructPix2Pix Lenguaje, Vision Implementa InstructPix2Pix, que admite la edición de imágenes mediante un mensaje de texto. Colab
Tarjeta de modelo
Retoque de dispersión estable Lenguaje, Vision Ajusta e implementa Stable Diffusion Inpainting, que admite completar una imagen enmascarada mediante una instrucción de texto. Colab
Tarjeta de modelo
SAM Lenguaje, Vision Implementa Segment Anything, que admite la segmentación de imágenes sin tomas. Colab
Tarjeta de modelo
Texto a video (ModelScope) Lenguaje, Vision Implementa texto a video de ModelScope, que admite la generación de texto a video. Colab
Tarjeta de modelo
Texto a video sin tomas Lenguaje, Vision Implementa generadores de texto a video de Stable Diffusion que admitan la generación de texto a video sin tomas. Colab
Tarjeta de modelo
Recuperación de imágenes compuestas de Pic2Word Lenguaje, Vision Implementa Pic2Word, que admite la recuperación de imágenes multimodales compuestas. Colab
Tarjeta de modelo
BLIP2 Lenguaje, Vision Implementa BLIP2, que admite los subtítulos de imágenes y la respuesta visual a preguntas. Colab
Tarjeta de modelo
Open-CLIP Lenguaje, Vision Ajusta e implementa Open-CLIP, que admite una clasificación sin tomas. Colab
Tarjeta de modelo
F-VLM Lenguaje, Vision Implementa F-VLM, que admite la detección de objetos de imagen de vocabulario abierto. Colab
Tarjeta de modelo
tfhub/EfficientNetV2 Visión Ajusta y realiza la implementación de Tensorflow Vision del modelo de clasificación de imágenes EfficientNetV2. Colab
Tarjeta de modelo
EfficientNetV2 (TIMM) Visión Ajusta y realiza la implementación de PyTorch del modelo de clasificación de imágenes EfficientNetV2. Colab
Tarjeta de modelo
Patentado/EfficientNetV2 Visión Ajusta y, luego, implementa el punto de control propiedad de Google del modelo de clasificación de imágenes EfficientNetV2. Colab
Tarjeta de modelo
EfficientNetLite (MediaPipe) Visión Ajusta el modelo de clasificación de imágenes EfficientNetLite a través del creador de modelos MediaPipe. Colab
Tarjeta de modelo
tfvision/vit Visión Ajusta y realiza la implementación de TensorFlow Vision del modelo de clasificación de imágenes ViT. Colab
Tarjeta de modelo
ViT (TIMM) Visión Ajusta y realiza la implementación de PyTorch del modelo de clasificación de imágenes ViT. Colab
Tarjeta de modelo
Patentado/ViT Visión Ajusta y, luego, implementa el punto de control propiedad de Google del modelo de clasificación de imágenes ViT. Colab
Tarjeta de modelo
Patentado/MaxViT Visión Ajusta e implementa el punto de control propiedad de Google del modelo de clasificación de imágenes híbrido (CNN + ViT) de MaxViT. Colab
Tarjeta de modelo
ViT (JAX) Visión Ajusta y realiza la implementación de JAX del modelo de clasificación de imágenes ViT. Colab
Tarjeta de modelo
tfvision/SpineNet Visión Ajusta y realiza la implementación de Tensorflow Vision del modelo de detección de objetos de SpineNet. Colab
Tarjeta de modelo
Patentado/Spinenet Visión Ajusta e implementa el punto de control propiedad de Google del modelo de detección de objetos SpineNet. Colab
Tarjeta de modelo
tfvision/YOLO Visión Ajusta y realiza la implementación de TensorFlow Vision del modelo de detección de objetos de una etapa de YOLO. Colab
Tarjeta de modelo
Patentado/YOLO Visión Ajusta e implementa el punto de control propiedad de Google del modelo de detección de objetos de una etapa de YOLO. Colab
Tarjeta de modelo
YOLOv8 (Keras) Visión Ajusta y realiza la implementación de Keras del modelo YOLOv8 para la detección de objetos. Colab
Tarjeta de modelo
tfvision/YOLOv7 Visión Ajusta e implementa el modelo YOLOv7 para la detección de objetos. Colab
Tarjeta de modelo
Seguimiento de objetos de video de ByteTrack Visión Ejecuta la predicción por lotes para el seguimiento de objetos de video con el dispositivo de rastreo de ByteTrack. Colab
Tarjeta de modelo
ResNeSt (TIMM) Visión Ajusta y realiza la implementación de PyTorch del modelo de clasificación de imágenes ResNeSt. Colab
Tarjeta de modelo
ConvNeXt (TIMM) Visión Ajusta e implementa ConvNeXt, un modelo convolucional puro para la clasificación de imágenes inspirado en el diseño de transformadores de Vision. Colab
Tarjeta de modelo
CspNet (TIMM) Visión Ajusta e implementa el modelo de clasificación de imágenes CSPNet (Cross Stage Partial Network). Colab
Tarjeta de modelo
Inception (TIMM) Visión Ajusta e implementa el modelo de clasificación de imágenes de Inception. Colab
Tarjeta de modelo
DeepLabv3+ (con punto de control) Visión Ajusta e implementa el modelo DeepLab-v3 Plus para la segmentación semántica de imágenes. Colab
Tarjeta de modelo
Faster R-CNN (Detectron2) Visión Ajusta y realiza la implementación de Detectron2 del modelo R-CNN más rápido para la detección de objetos de imagen. Colab
Tarjeta de modelo
RetinaNet (Detectron2) Visión Ajusta y realiza la implementación de Detectron2 del modelo RetinaNet para la detección de objetos de imagen. Colab
Tarjeta de modelo
Mask R-CNN (Detectron2) Visión Ajusta y realiza la implementación de Detectron2 del modelo Mask R-CNN para la detección y segmentación de objetos de imagen. Colab
Tarjeta de modelo
ControlNet Visión Ajusta e implementa el modelo de generación de texto a imagen de ControlNet. Colab
Tarjeta de modelo
MobileNet (TIMM) Visión Ajusta y realiza la implementación de PyTorch del modelo de clasificación de imágenes de MobileNet. Colab
Tarjeta de modelo
Clasificación de imágenes de MobileNetV2 (MediaPipe) Visión Ajusta el modelo de clasificación de imágenes de MobileNetV2 mediante el creador de modelos MediaPipe. Colab
Tarjeta de modelo
Detección de objetos de MobileNetV2 (MediaPipe) Visión Ajusta el modelo de detección de objetos MobileNetV2 mediante el creador de modelos MediaPipe. Colab
Tarjeta de modelo
MobileNet-MultiHW-AVG (MediaPipe) Visión Ajusta el modelo de detección de objetos MobileNet-MultiHW-AVG con el creador de modelos MediaPipe. Colab
Tarjeta de modelo
DeiT Visión Ajusta e implementa el modelo DeiT (transformadores de imagen eficientes en el uso de datos) para la clasificación de imágenes. Colab
Tarjeta de modelo
BEiT Visión Ajusta e implementa el modelo BEiT (Representación de codificador bidireccional de transformadores de imágenes) para la clasificación de imágenes. Colab
Tarjeta de modelo
Reconocimiento de gestos manuales (MediaPipe) Visión Ajusta e implementa en el dispositivo los modelos de reconocimiento de gestos manuales mediante MediaPipe. Colab
Tarjeta de modelo
Average Word Embedding Classifier (MediaPipe) Visión Ajusta e implementa los modelos de Average Word Embedding Classifier en el dispositivo mediante MediaPipe. Colab
Tarjeta de modelo
MobileBERT Classifier (MediaPipe) Visión Ajusta e implementa los modelos de MobileBERT Classifier en el dispositivo mediante MediaPipe. Colab
Tarjeta de modelo
Clasificación de clips de video de MoViNet Video Ajusta e implementa los modelos de clasificación de clips de video de MoViNet. Colab
Tarjeta de modelo
Reconocimiento de acciones de video de MoViNet Video Ajusta e implementa modelos de MoViNet para la inferencia de reconocimiento de acciones. Colab
Tarjeta de modelo
LCM de Stable Diffusion XL Vision Implementa este modelo que usa el modelo de consistencia latente (LCM) para mejorar la generación de texto a imagen en los modelos de difusión latentes, ya que permite crear imágenes más rápido y de alta calidad con menos pasos. Colab
Tarjeta de modelo
LLaVA 1.5 Visión, lenguaje Implementa modelos de LLaVA 1.5. Colab
Tarjeta de modelo
Pytorch-ZipNeRF Visión, video Entrena el modelo Pytorch-ZipNeRF, que es una implementación de vanguardia del algoritmo ZipNeRF en el framework de Pytorch, diseñado para una reconstrucción 3D eficiente y precisa a partir de imágenes 2D. Colab
Tarjeta de modelo
WizardLM lenguaje Implementa WizardLM, que es un modelo de lenguaje grande (LLM) desarrollado por Microsoft, que se ajusta con instrucciones complejas a través de la adaptación del método Evol-Instruct. Colab
Tarjeta de modelo
WizardCoder lenguaje Implementa WizardCoder, que es un modelo de lenguaje grande (LLM) desarrollado por Microsoft, que se ajusta con instrucciones complejas a través de la adaptación del método Evol-Instruct al dominio del código. Colab
Tarjeta de modelo
Mixtral 8x7B lenguaje Implementa el modelo Mixtral 8x7B, que es un modelo de lenguaje grande (LLM) de mezcla de expertos (MoE) que desarrolla Mistral AI. Es un modelo solo de decodificador con 46.7 mil millones de parámetros y se informó que coincide con LLaMA 2 70B y GPT 3.5 en muchas comparativas o que tiene un rendimiento superior. Colab
Tarjeta de modelo
Llama 2 (cuantizado) lenguaje Ajusta y, luego, implementa una versión cuantizada de los modelos Llama 2 de Meta. Colab
Tarjeta de modelo
LaMa (retoque de máscara grande) Vision Implementa LaMa que usa convoluciones rápidas de Fourier rápidas (FFC), una pérdida perceptiva alta de campo receptivo y máscaras de entrenamiento grandes que permiten retoques de imágenes con resolución sólida. Colab
Tarjeta de modelo
AutoGluon Tabulares Con AutoGluon, puedes entrenar y, luego, implementar modelos de aprendizaje automático y de aprendizaje profundo de alta precisión para datos tabulares. Colab
Tarjeta de modelo

Lista de modelos de socios disponibles en Model Garden

En la siguiente tabla, se enumeran los modelos que están disponibles de los socios de Google en Model Garden:

Nombre del modelo Modalidad Descripción Guía de inicio rápido
Anthropic Claude 3 Sonnet lenguaje Un modelo de texto y visión equilibrado que combina inteligencia y velocidad para las cargas de trabajo empresariales. Está diseñado para implementaciones de IA a escala y de bajo costo. Tarjeta de modelo
Anthropic Claude 3 Haiku lenguaje Las respuestas rápidas del modelo de texto y visión de Anthropic a consultas simples Está diseñado para las experiencias de IA que imitan las interacciones humanas. Tarjeta de modelo

Cómo usar las tarjetas de modelo

Haz clic en una tarjeta de modelo para usar el modelo asociado a ella. Por ejemplo, puedes hacer clic en una tarjeta de modelo para probar las instrucciones, ajustar un modelo, crear aplicaciones y ver muestras de código.

Para aprender a usar modelos asociados con tarjetas de modelo, haz clic en una de las siguientes pestañas:

Prueba mensajes

Usa la tarjeta de modelo de la API de PaLM de Vertex AI para probar instrucciones.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. Busca un modelo compatible que desees probar y haz clic en Ver detalles.

  3. Haz clic en Abrir diseño de instrucciones.

    Se te redireccionará a la página Diseño de instrucciones.

  4. En Instrucción, ingresa la instrucción que deseas probar.

  5. Opcional: Configura los parámetros del modelo.

  6. Haz clic en Enviar.

Ajusta un modelo

Para ajustar los modelos compatibles, usa una canalización de Vertex AI o un notebook.

Ajusta mediante una canalización

Los modelos BERT y T5-FLAN admiten el ajuste del modelo mediante una canalización.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. En Buscar modelos, ingresa BERT o F5-FLAN y, luego, haz clic en la lupa para buscar.

  3. Haz clic en Ver detalles en la tarjeta de modelo F5-FLAN o BERT.

  4. Haz clic en Abrir canalización de ajuste.

    Se te redireccionará a la página de canalizaciones de Vertex AI.

  5. Para comenzar a ajustar, haz clic en Crear ejecución.

Ajusta un notebook

Las tarjetas de modelo para la mayoría de los modelos base de código abierto y los modelos ajustables admiten el ajuste en un notebook.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. Busca un modelo compatible que desees ajustar y haz clic en Ver detalles.

  3. Haz clic en Abrir notebook.

Implementar un modelo

La tarjeta de modelo para el modelo de dispersión estable admite la implementación en un extremo.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. Busca un modelo compatible que desees implementar. En la tarjeta del modelo, haz clic en Ver detalles.

  3. Haz clic en Implementar.

    Se te pedirá que guardes una copia del modelo en Model Registry.

  4. En Nombre del modelo, ingresa un nombre para el modelo.

  5. Haz clic en Guardar.

    Aparecerá el panel Implementar en el extremo.

  6. Define tu extremo de la siguiente manera:

    • Nombre del extremo: ingresa un nombre para el extremo.
    • Región: selecciona una región en la que se creará el extremo.
    • Acceso: Para que el extremo sea accesible a través de una API de REST, selecciona Estándar. Para crear una conexión privada al extremo, selecciona Privada.
  7. Haz clic en Continuar.

  8. Sigue las instrucciones en la consola de Google Cloud y establece la configuración del modelo.

  9. Haz clic en Continuar.

  10. Haz clic en el botón de activación Habilitar la superVision de modelos para este extremo a fin de habilitar la superVision de modelos (opcional).

  11. Haz clic en Implementar.

Visualiza ejemplos de código

La mayoría de las tarjetas de modelo para los modelos de soluciones específicos para tareas contienen muestras de código que puedes copiar y probar.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. Busca un modelo compatible del que desees ver muestras de código y haz clic en la pestaña Documentación.

  3. La página se desplaza hasta la sección de documentación con un código de muestra incorporado.

Crea una app de vision

Las tarjetas de modelo para los modelos de Vision artificial aplicables admiten la creación de una aplicación de vision.

  1. En la consola de Google Cloud, ve a la página Model Garden.

    Ir a Model Garden

  2. Busca un modelo de vision en la sección de soluciones específicas para tareas que desees usar para crear una aplicación de vision y haz clic en Ver detalles.

  3. Haz clic en Crear app.

    Se te redireccionará a Vertex AI Vision.

  4. En Nombre de la aplicación, ingresa un nombre para tu aplicación y haz clic en Continuar.

  5. Selecciona un plan de facturación y haz clic en Crear.

    Se te redireccionará a Vertex AI Vision Studio, en la que puedes seguir creando tu aplicación de Vision artificial.

Precios

En el caso de los modelos de código abierto en Model Garden, se te cobra por el uso de lo siguiente en Vertex AI:

¿Qué sigue?