Visão geral dos recursos permanentes | Gemini Enterprise Agent Platform | Google Cloud Documentation

Ir para o conteúdo principal

Documentação

Começar

Começar a usar o Google Cloud
Lista de produtos
Cloud Customer Care

Produtos em destaque

Agent Platform
Gerenciamento de APIs da Apigee
BigQuery
Compute Engine
Cloud CDN
Cloud Run
Cloud Storage
Cloud SQL
Gemini Enterprise
Google Kubernetes Engine
Looker

Ferramentas de vários produtos

Gerenciamento de recursos e acesso
Gerenciamento de custos e uso
Infraestrutura como código
SDK, linguagens, frameworks e ferramentas

Áreas de tecnologia

IA e ML
Desenvolvimento de aplicativos
Hospedagem de aplicativos
Computação
Pipelines e análises de dados
Bancos de dados
Distribuído, híbrido e multicloud
Soluções por setor
Migração
Rede
Observabilidade e monitoramento
Segurança
Storage

/

Console

English
Deutsch
Español – América Latina
Français
Indonesia
Italiano
Português – Brasil
עברית
中文 – 简体
中文 – 繁體
日本語
한국어

Gemini Enterprise Agent Platform

Comece sem custos financeiros

Visão geral Studio Agentes Modelos Notebooks

Agent Platform
IA generativa

Blog de desenvolvedores

Documentação
- Mais
- Visão geral
- Studio
- Agentes
- Modelos
- Notebooks
- Preço
  - Mais
- Blog de desenvolvedores
Console

Visão geral
Guia para iniciantes
Começar
Introdução à Agent Platform
Desenvolver código da API Gemini com o SDK da IA generativa
Conectar-se ao servidor MCP do Knowledge
consiga uma chave de API
Configurar as credenciais padrão do aplicativo
Migrar do Google AI Studio para a Agent Platform
Comece a usar o Gemini 3
Guias para desenvolvedores de modelos do Gemini
Bibliotecas de IA generativa do Google
Livro de receitas de IA generativa
Acessar modelos do Gemini usando bibliotecas da OpenAI
Modo expresso
Selecionar modelos
- Model Garden
- Visão geral do Model Garden
- Usar modelos no Model Garden
- Testar recursos do modelo
- Modelos do Google
- Todos os modelos do Google
- Gemini
  - Migrar para os modelos mais recentes do Gemini
  - Pro
  - 3.1 Pro
  - 3 Pro Image
  - 2.5 Pro
  - Flash
  - 3.8 Flash
  - 3.7 Flash
  - 3.6 Flash
  - 3.5 Flash
  - 3.1 Imagem em Flash
  - 3 Flash
  - 2.5 Flash
  - Imagem do 2.5 Flash
  - 2.5 Flash Live API
  - Flash Lite
  - 3.5 Flash Lite
  - 3.1 Flash-Lite Image
  - 3.1 Flash-Lite
  - 2.5 Flash-Lite
  - Omni
  - Omni 1.1 Flash
  - Omni Flash
  - Cyber
  - 3.8 Flash Cyber
  - Transcrever
  - Gemini 3.5 Transcribe
  - Traduzir
  - Gemini 3.5 Live Translate
  - Incorporação
  - Embedding do Gemini 2
  - Robótica
  - Gemini Robotics ER 2
    Visão geral
    Raciocínio espacial
    Recursos agênticos
    Orquestração de tarefas
    Compreensão do vídeo
- Veo
  - Veo 3
  - Veo 3.1
- Lyria
  - Lyria 2
  - Lyria 3
- Simulador virtual
- Versões do modelo
- Modelos de parceiros
- Visão geral dos modelos de parceiros
- Claude
- Grok
  - Visão geral
  - API Responses
  - Chamadas de função
  - Saída estruturada
  - Raciocínio
  - Detalhes do modelo
  - Grok 4.1 Fast
  - Grok 4.20
  - Grok 4.3
  - Grok 4.6
- Mistral AI
  - Visão geral
  - Detalhes do modelo
  - Mistral Medium 3
  - OCR do Mistral (25/05)
  - Mistral Small 3.1 (25/03)
  - Codestral 2
- Implantar modelos de parceiros do Model Garden
- Descontinuações de modelos de parceiros
- Modelos abertos
- Visão geral
- AlphaFold 3
- AlphaGenome
- DeepSeek
- Incorporação (e5)
  - E5 Small multilíngue
  - Multilíngue E5 Large
- Gemma do Google
- Kimi
  - Visão geral
  - Kimi K2 Thinking
- Llama
  - Visão geral
  - Solicitar previsões
  - Detalhes do modelo
  - Llama 4 Maverick
  - Llama 4 Scout
  - Llama 3.3
- MiniMax
  - Visão geral
  - MiniMax M2
- OpenAI
- Qwen
- ZAI.org
- Modelos abertos gerenciados (MaaS)
- Modelos abertos autoimplantados
Build
- Design de comandos
- Introdução à criação de comandos
- Estratégias de comando
- Orientação de comandos específicos para tarefas
  - Criar comandos multimodais
  - Criar prompts de chat
- Recursos
- Segurança
- Geração de textos e códigos
- Geração de imagens
- Geração de vídeo
- Geração de música
- Análise de mídia
- Contexto do URL
- Pensando
- API em tempo real
- Embeddings
- Tradução
- Gerar fala com base em texto
- Transcrever fala
- Ferramentas de modelo
- Execução de código
- Uso do computador
- Chamadas de função
- Embasamento
- Ferramentas para Desenvolvedores
- Usar recursos de escrita com tecnologia de IA para comandos
  - Visão geral
  - Otimizar comandos
    Visão geral
    Otimizador zero-shot
    Otimizador few-shot
    Otimizador orientado por dados
  - Usar modelos de comando
- Ajuste de modelos
- Introdução aos ajustes
- Ajuste de modelos do Gemini
  - Ajuste supervisionado
    Sobre o ajuste fino supervisionado
    Preparar os dados
    Usar o ajuste fino supervisionado
    
    Modalidades aceitas
    Ajuste de texto
    Ajuste de documentos
    Ajuste de imagem
    Ajuste de áudio
    Ajuste de vídeo
    Ajustar a chamada de função
  - Ajuste do aprendizado por reforço
    Sobre o ajuste do aprendizado por reforço
    Guia de início rápido sobre o uso do console
    Guia de início rápido sobre como usar a API
    
    Job de ajuste do aprendizado por reforço
    Visão geral
    Conjunto de dados de ajuste
    Hiperparâmetros
    Funções de recompensa
    Métricas e monitoramento
    Ajuste contínuo
  - Ajuste de preferências
    Sobre o ajuste de preferências
    Preparar os dados
    Usar o ajuste de preferências
  - Usar checkpoints de ajuste
  - Usar o ajuste contínuo
  - Recomendações de ajuste com a LoRA e a QLoRA
- Modelos abertos
  - Ajuste supervisionado e de destilação
- Modelos de embeddings
  - Ajustar modelos de incorporações de texto
- Modelos de tradução
- Migrar
- Chamar modelos da Agent Platform usando bibliotecas da OpenAI
Avaliar
- Visão geral
- Tutorial: realizar a avaliação usando o console
- Realizar a avaliação usando o cliente de IA generativa no SDK do Agent Platform
- Métodos de avaliação alternativos
- Avaliar usando o módulo de avaliação no SDK da Agent Platform
- Executar o pipeline AutoSxS
- Executar um pipeline de avaliação baseado em computação
Implantar
Administrar
Criar seu próprio modelo
- Visão geral
- MLOps na Agent Platform
- Interfaces da Agent Platform
- Guias para iniciantes da Agent Platform
  - Treinar um modelo do AutoML
  - Treinar um modelo personalizado
  - Receber inferências de um modelo personalizado
  - Treinar um modelo usando a Agent Platform e o SDK do Python
    Introdução
    Pré-requisitos
    Criar um notebook
    Criar conjunto de dados
    Criar um script de treinamento
    Treinar um modelo
    Fazer uma inferência
- Frameworks de ML integrados
  - PyTorch
  - TensorFlow
- Agent Platform para usuários do BigQuery
- Glossário
- Começar
- Configurar um projeto e um ambiente de desenvolvimento
- Instalar o SDK da Agent Platform para Python
- Autenticar na Agent Platform
- Escolha um método de treinamento
- Teste um tutorial
  - Visão geral dos tutoriais
  - Tutoriais do AutoML
    
    Dados de imagem do Hello
    Visão geral
    Configurar o projeto e o ambiente
    Criar um conjunto de dados e importar imagens
    Treinar um modelo de classificação de imagens do AutoML
    Avaliar e analisar o desempenho do modelo
    Implantar um modelo em um endpoint e fazer uma inferência
    Limpar o projeto
    
    Dados tabulares do Hello
    Visão geral
    Configurar o projeto e o ambiente
    Criar um conjunto de dados e treinar um modelo de classificação do AutoML
    Implantar um modelo e solicitar uma inferência
    Limpar o projeto
  - Tutoriais de treinamento personalizados
    Treinar um modelo tabular personalizado