# Vertex AI Model Garden: как читать текущий каталог Google Cloud

Как оценивать Model Garden по текущей документации Google Cloud: названия продукта, карточки моделей, managed inference, собственное развёртывание и расходы.

Автор: Команда Retrivium
Обновлено: 2026-11-01
Канонический URL: https://retrivium.ai/ru/journal/vertex-ai-model-garden-guide/
Language: ru

Запрос «Vertex AI Model Garden» часто используется для поиска каталога моделей Google Cloud. При проверке 1 ноября 2026 года официальная ссылка перенаправляется на документацию Gemini Enterprise Agent Platform. Сохраняем знакомое поисковое название, но опираемся на текущую страницу и её карточки.

Из редиректа нельзя вывести, что каждый существующий сервис или клиентский интерфейс полностью изменился. Для архитектурного решения важны конкретная модель, способ выполнения и условия проекта. Именно их нужно проверять перед переносом нагрузки или сравнением бюджета.

## Отделите каталог от выполнения

[Model Garden](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/model-garden/explore-models) описан как библиотека для поиска, проверки, настройки и развёртывания моделей. Наличие модели в каталоге ещё не объясняет, как оплачивается и обслуживается её выполнение.

Сохраните карточку выбранной модели и путь её использования. Укажите, требуется ли развёртывание, какие ресурсы нужны и кто управляет ими. Не переносите режим одной модели на другую только потому, что они отображаются в одном интерфейсе поиска.

## Проверьте managed и self-deployed сценарии

В документации отдельно рассматриваются [партнёрские модели MaaS](https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/partner-models/use-partner-models). Для них нужно проверить условия конкретного исполнителя, доступные регионы и интерфейсы. Собственное развёртывание открытой модели — иной сценарий с другим набором эксплуатационных задач.

Условный пример: команда сравнивает готовый API и развёртывание весов на выделенном ресурсе. Сначала нужно уравнять модель и задачу. Затем оценить расходы и обязанности каждого варианта, включая время подготовки и поддержку, а не только единицу генерации.

## Проверьте ограничения облачного проекта

Определите права, организационные политики и доступность нужного ресурса. Каталог может показывать модель, которую ещё нельзя использовать в выбранном окружении. Проверку выполняйте от той роли и в том проекте, где будет работать приложение.

Полезно составить таблицу: модель, версия, регион, способ развёртывания, функции и условия доступа. Такой документ уменьшает путаницу при обсуждении нескольких вариантов и помогает объяснить, почему один из них требует дополнительного подготовительного этапа.

## Оцените полный сценарий

Используйте одинаковый тестовый набор с критериями качества. Сохраняйте время готовности, задержки запросов и фактические ресурсы. Для собственного развёртывания отдельно учитывайте период, когда ресурсы уже выделены, но полезная нагрузка ещё не идёт.

Сравнение должно отвечать вопросу проекта: быстрый эксперимент, постоянный сервис или настройка модели. Одна средняя стоимость без описания задачи не позволяет выбрать между этими целями. Результат пилота полезнее сохранять вместе с датой и точной конфигурацией.

Сохраните также дату карточки и текущий адрес документации. Это особенно полезно при изменении названий: команда сможет проверить, какой конкретно режим сравнивался, не делая выводов только по старому поисковому запросу.

## Связь с собственным GPU-пулом

Каталог Google Cloud не рассматриваем как подтверждение автоматического приёма физических GPU стороннего владельца.

Для сравнения облаков прочитайте [Bedrock, Model Garden и Foundry](/ru/journal/bedrock-vs-vertex-vs-foundry/) и [планирование мощности инференса](/ru/journal/inference-capacity-planning/).