Descripción general de Model Garden

Model Garden es una biblioteca de modelos de AA/ML que te ayuda a descubrir, probar, personalizar e implementar modelos y recursos de Google y sus socios.

Ventajas de Model Garden

Cuando trabajas con modelos de IA, Model Garden proporciona las siguientes ventajas:

  • Los modelos disponibles se agrupan en una sola ubicación.
  • Model Garden proporciona un patrón de implementación coherente para diferentes tipos de modelos.
  • Model Garden proporciona integración integrada con otras partes de Vertex AI, como el ajuste, la evaluación y la entrega de modelos.
  • La entrega de modelos de IA generativa puede ser difícil. Vertex AI se encarga de la implementación y la entrega de modelos por ti.

Explora modelos

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

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:

  • Tareas: haz clic en la tarea que deseas que realice el modelo.
  • Colecciones de modelos: Haz clic para elegir modelos que administren Google, socios o tú.
  • Proveedores: Haz clic en el proveedor del 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.

Para obtener una lista de los modelos disponibles en Model Garden, consulta Modelos disponibles en Model Garden.

Análisis de seguridad del modelo

Google realiza pruebas y comparativas exhaustivas en los contenedores de servicio y ajuste que proporcionamos. El análisis de vulnerabilidades activo también se aplica a los artefactos de contenedores.

Los modelos de terceros de socios destacados se someten a análisis de puntos de control para garantizar su autenticidad. Hugging Face y su analizador de terceros analizan directamente los modelos de terceros de Hugging Face Hub en busca de software malicioso, archivos pickle, capas Lambda de Keras y secretos. Hugging Face marca los modelos que se consideran no seguros a partir de estos análisis y bloquea su implementación en Model Garden. En Model Garden, se indican los modelos que se consideran sospechosos o que tienen la capacidad de ejecutar código de forma remota, pero aún se pueden implementar. Te recomendamos que realices una revisión exhaustiva de cualquier modelo sospechoso antes de implementarlo en Model Garden.

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:

Controla el acceso a modelos específicos

Puedes establecer una política de organización de Model Garden a nivel de la organización, la carpeta o el proyecto para controlar el acceso a modelos específicos en Model Garden. Por ejemplo, puedes permitir el acceso a modelos específicos que hayas verificado y denegar el acceso a todos los demás.

Más información sobre Model Garden

Para obtener más información sobre las opciones de implementación y las personalizaciones que puedes realizar con los modelos en Model Garden, consulta los recursos de las siguientes secciones, que incluyen vínculos a instructivos, referencias, notebooks y videos de YouTube.

Implementación y entrega

Obtén más información para personalizar las implementaciones y las funciones avanzadas de publicación.

Cumplimiento de los contenedores

Model Garden ofrece los siguientes contenedores que cumplen con el nivel alto del FedRAMP para la publicación de modelos.

Nombre del contenedor Tareas admitidas Versión de la imagen de contenedor Ejemplo de notebook
PyTorch Inference v0.4 audio2text
text2image
zero-shot-image-classification
zero-shot-object-detection
csm_text2speech
dia_text2speech
image-to-text
visual-question-answering
instant-id
janus_text2image
janus_text_generation
mask-generation
nllb_translation
paligemma_v2
pix2pix
us-docker.pkg.dev/deeplearning-platform-release/vertex-model-garden/pytorch-inference.cu125.0-4.ubuntu2204.py310:model-garden.pytorch-inference-0-4-gpu-release_20250828.00_p0 HiDream-I1
SGLang Generación de texto a texto us-docker.pkg.dev/deeplearning-platform-release/vertex-model-garden/sglang-serve.cu124.0-4.ubuntu2204.py310:model-garden.sglang-0-4-release_20250828.00_p0 Qwen3 (Deployment)
Kit de herramientas de inferencia de Hugging Face generación de texto a imagen
generación de texto simple
clasificación de texto
traducción
detección de objetos sin ejemplos
generación de máscaras
incorporaciones de oraciones
extracción de características
relleno de máscara

Lista completa de tareas: https://huggingface.co/docs/inference-endpoints/en/supported_tasks
us-docker.pkg.dev/deeplearning-platform-release/vertex-model-garden/hf-inference-toolkit.cu125.0-1.ubuntu2204.py311:model-garden.hf-inference-toolkit-0-1-release_20250908.00_p0 Implementación de inferencia de PyTorch de Hugging Face
Inferencia de embeddings de texto (TEI) de Hugging Face text2embeddings us-docker.pkg.dev/deeplearning-platform-release/vertex-model-garden/hf-tei.cu125.0-1.ubuntu2204.py310:model-garden.hf-tei-0-1-release_20250907.00_p0 Implementación de la inferencia de embeddings de texto de Hugging Face

Ajuste

Obtén más información para ajustar modelos y adaptar las respuestas a casos de uso específicos.

Evaluación

Más información para evaluar las respuestas del modelo con Vertex AI

Recursos adicionales