Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Vertex AI di Google Distributed Cloud (GDC) yang terisolasi dari internet memiliki daftar model dasar AI Generatif yang terus bertambah, yang dapat Anda uji, deploy, dan terapkan untuk aplikasi yang terisolasi dari internet. Model dasar disesuaikan untuk kasus penggunaan tertentu dan ditawarkan dengan harga yang berbeda. Halaman ini merangkum rangkaian model yang tersedia di Generative AI API di GDC dan memandu Anda dalam memilih model berdasarkan kasus penggunaan.
Model embedding
Embedding mengonversi data tekstual yang ditulis dalam bahasa alami menjadi vektor
numerik. Representasi vektor ini dirancang untuk menangkap makna dan konteks semantik dari kata-kata yang direpresentasikannya. Model penyematan teks dapat membuat penyematan yang dioptimalkan untuk berbagai jenis tugas, seperti pengambilan dokumen, pertanyaan dan jawaban, klasifikasi, dan verifikasi fakta. Untuk
teks bahasa Inggris, gunakan text-embedding-004. Untuk teks multibahasa, gunakan
text-multilingual-embedding-002.
Tabel berikut merangkum model yang tersedia di Embeddings API.
Untuk mengetahui informasi selengkapnya tentang embedding, lihat
Embedding teks.
Model
Deskripsi
Spesifikasi
Penyematan Teks
(text-embedding-004)
Menampilkan embedding untuk input teks berbahasa Inggris.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 2025-09-04 UTC."],[],[],null,["# Available Generative AI models\n\n| **Important:** This content applies to version 1.14.4 and later.\n\nVertex AI on Google Distributed Cloud (GDC) air-gapped features a growing\nlist of foundation Generative AI models you can test, deploy, and implement\nfor your air-gapped applications. Foundation models are fine-tuned for specific\nuse cases and offered at different prices. This page summarizes the model\nfamilies available in the Generative AI APIs on GDC\nand guides you on which models to choose by use case.\n\nEmbeddings models\n-----------------\n\nEmbeddings convert textual data written in a natural language into numerical\nvectors. These vector representations are designed to capture the semantic\nmeaning and context of the words they represent. Text embedding models can\ngenerate optimized embeddings for various task types, such as document\nretrieval, questions and answers, classification, and fact verification. For\nEnglish text, use `text-embedding-004`. For multilingual text, use\n`text-multilingual-embedding-002`.\n\nThe following table summarizes the models available in the Embeddings API.\nFor more information on embeddings, see\n[Text embeddings](/distributed-cloud/hosted/docs/latest/gdch/application/ao-user/genai/text-embeddings-overview)."]]
