Vertex AI

Vertex AI под новым именем

Vertex AI - облачная платформа Google для всего, что связано с искусственным интеллектом в компании. Здесь берут готовую модель и подключают её к своему приложению, обучают собственную модель на своих данных, собирают агентов и следят за тем, как всё это работает после запуска. 

Весной 2026 года Google переименовала платформу в Gemini Enterprise Agent Platform, и адреса вида cloud.google.com/vertex-ai ведут на новое название. Прежнее имя осталось в обиходе, в названиях библиотек и в поисковых запросах, поэтому в статьях и документации встречаются оба.

Агент в терминологии платформы - это программа, которая получает задачу и выполняет её по шагам сама: ищет данные, вызывает нужные сервисы, проверяет результат. Именно вокруг агентов Google перестроила Vertex AI, и почти все новые инструменты платформы связаны с их сборкой, запуском и присмотром за ними. Целевая аудитория - компании и команды разработки. Для личного общения с нейросетью подойдёт обычный чат, здесь же нужен аккаунт Google Cloud, настроенный проект и понимание, куда уходят деньги.

Каталог из двухсот моделей

Model Garden - внутренний магазин моделей Vertex AI, где их можно найти, протестировать, дообучить и запустить в работу. Своих у Google несколько семейств: Gemini (Джемини) для текста, картинок, звука и видео, открытая Gemma, Imagen для изображений, Veo для видео и Lyria для музыки.

Чужие модели Google подключила официально, и это одна из главных особенностей платформы. Через Vertex AI работают модели Anthropic, xAI, Meta, Mistral, DeepSeek, Qwen, MiniMax, Moonshot и открытые модели OpenAI. Список пополняется вслед за релизами, актуальный состав виден в самом каталоге. Компанию не запирают в один бренд: под разные задачи в одном проекте можно комбинировать модели разных разработчиков.

Отдельная удобная мелочь - Model Optimizer. Вместо выбора конкретной модели указывается приоритет (дешевле, качественнее или посередине), а платформа сама решает, кому отдать запрос. Функция экспериментальная, и цена за токен в ней плавает, поэтому для предсказуемого бюджета лучше выбирать модель руками.

Конструктор агентов без кода

Agent Studio - визуальный конструктор Vertex AI. Агента собирают мышкой на холсте: описывают задачу, подключают инструменты, тут же тестируют и публикуют. Программировать для этого не нужно, поэтому агента собирает и аналитик, и продакт-менеджер.

Для сложной логики есть Agent Development Kit - набор для сборки агентов кодом на Python, TypeScript, Go и Java. Он умеет работать с несколькими агентами сразу: логика рисуется графом, где видно, кто кому передаёт задачу и на каком шаге. Готовые заготовки под типовые сценарии лежат в библиотеке Agent Garden, оттуда шаблон берут и правят под себя.

Как агент помнит и работает

Собранный агент уезжает в Agent Runtime - среду, где он живёт и обрабатывает запросы. Vertex AI держит агента активным долго, поднимает его меньше чем за секунду и умеет запускать по расписанию или по сигналу из другого сервиса.

За память отвечают два механизма:

1. Sessions хранит контекст одного разговора, 
2. Memory Bank - то, что агент узнал за все прошлые разговоры с этим человеком.

Практическая польза простая: сотрудник не объясняет боту одно и то же каждое утро. Ещё агент может писать и выполнять код на Python в изолированной среде, чтобы посчитать что-то сложное или разобрать таблицу без участия человека.

Ответы по своим документам

Модель из коробки ничего не знает о внутренних документах компании, поэтому Vertex AI даёт два инструмента для подключения своих данных. 

1. RAG Engine подтягивает нужные фрагменты из корпоративных документов перед ответом,
2. Vector Search ищет по смыслу, а не по совпадению слов - так работает поиск, который понимает «договор на аренду склада» и «арендное соглашение по складскому помещению» как одно и то же.

Отдельно платформа умеет опираться на веб-поиск Google и Google Карты. Такой режим называется заземлением. Модель опирается на найденные источники и показывает ссылки на них прямо в ответе. Первые пять тысяч поисковых запросов в месяц не тарифицируются, дальше идёт оплата за тысячу. Заземление на собственных документах стоит $2,50 за тысячу запросов.

Контроль над агентами компании

Проблема, ради которой Google перестроила платформу, называется agent sprawl - стихийное размножение агентов. Когда разные отделы за полгода наплодили два десятка ботов, никто уже не помнит, какие из них живы, к каким данным ходят и с чьими правами. Vertex AI отвечает на это тремя сервисами. 

1. Agent Registry ведёт единый каталог агентов, инструментов и MCP-серверов компании. 
2. Agent Identity выдаёт каждому агенту собственную учётную запись с правами доступа. 
3. Agent Gateway пропускает через себя обращения агентов к инструментам и проверяет их по политикам безопасности.

Сверху добавлены проверка содержимого на утечки персональных данных, сканирование на угрозы и API для распознавания сгенерированного ИИ контента. Vertex AI отдаёт и собственный MCP-сервер, чтобы её инструменты были доступны из внешних агентских сред.

Обучение своих моделей

Классическое машинное обучение из Vertex AI никуда не делось. AutoML собирает модель по загруженной таблице, картинкам или тексту почти без настроек. Для полного контроля есть обычное обучение на своих скриптах с TensorFlow, PyTorch, scikit-learn или XGBoost, с подбором параметров и распределённым запуском на нескольких машинах.

Готовые модели складываются в Model Registry - реестр с версиями, откуда их разворачивают в работу. Pipelines собирает повторяемые цепочки шагов, чтобы переобучение запускалось по кнопке, Feature Store хранит признаки для моделей, Model Monitoring следит, не поехало ли качество после запуска. Ноутбуки Colab Enterprise и Workbench связаны с хранилищем BigQuery, поэтому данные и обучение живут в одном месте.

Проверка качества и отладка

Оценивать агента на глаз бесполезно, и Vertex AI даёт для этого отдельный набор. Автоматические оценщики разбирают многошаговые диалоги, генератор сценариев придумывает синтетические тесты и разыгрывает разговоры от лица разных типов пользователей. Онлайн-оценка смотрит уже на живой трафик.

Отладку закрывает просмотрщик трасс: видно, о чём агент думал, какие инструменты дёргал и где сломался. Есть и оптимизатор подсказок, который разбирает частые провалы и сам предлагает переписать инструкции агенту.

Где работает Vertex AI

Vertex AI живёт в веб-консоли Google Cloud и доступна через API, библиотеки для популярных языков и командную строку gcloud. Всё выполняется в облаке Google, локальной установки нет. Набор моделей и функций различается по регионам, а часть компонентов управляющего слоя выдаётся в предварительном доступе, поэтому конкретный сценарий нужно проверять до внедрения.

Из России Google Cloud недоступен без VPN, оплата российскими картами не проходит. Интерфейс и документация англоязычные, хотя часть страниц справки переведена на русский, а сами модели русский язык понимают и отвечают на нём.

Сколько стоит Vertex AI

Единой подписки у Vertex AI нет - оплата идёт по факту использования, отдельно за каждый сервис. Порядок цен на лето 2026 года:

• Текстовые модели - по токенам. Открытая Gemma 4 26B обходится в $0,15 за миллион входных токенов и $0,60 за миллион выходных, мультимодальная Gemini Omni Flash - $1,50 и $9.
• Изображения Imagen - от $0,02 за картинку в быстром режиме, $0,04 в обычном и $0,06 в максимальном качестве.
• Видео Veo - от $0,03 за секунду без звука в облегчённой версии до $0,40 за секунду со звуком в старшей.
• Музыка Lyria - $0,04 за 30-секундный фрагмент, $0,08 за трек до трёх минут.
• Запуск конвейера - от $0,03 за прогон, плюс стоимость потраченных вычислений.
• Дообучение модели - от $1,5 до $25 за миллион обучающих токенов в зависимости от семейства.
• Гарантированная пропускная способность - от $2 000 в месяц за единицу мощности при годовом обязательстве.

Новым клиентам Google Cloud даёт $300 стартовых кредитов на 90 дней, и этого хватает на серьёзный пилот. Часть смежных сервисов работает в постоянном бесплатном лимите: тысяча запросов в месяц к распознаванию изображений, шестьдесят минут расшифровки речи, пять тысяч запросов к анализу текста. Стартапы через программу Google for Startups получают до $200 000 кредитов, а ИИ-стартапы - до $350 000.

Бюджет стоит считать до запуска, а не после. Итоговый счёт складывается из модели, объёма данных, региона, вычислений и работающих машин, поэтому в проекте лучше сразу включить лимиты расходов и оповещения.

Кому подходит Vertex AI

Компаниям Vertex AI закрывает корпоративного помощника по внутренним документам, обработку обращений в поддержку, прогнозы по табличным данным и агентов, которые сами доводят рутинную операцию до конца. Разработчики получают доступ к моделям разных производителей через один API и один счёт. Аналитики строят отчёты поверх данных в BigQuery, не выгружая их наружу.

Платформа заметно выигрывает там, где важны следы и правила: журналы действий, разграничение прав, регионы хранения данных, сертификация. Для маленькой команды, которой нужен один чат-бот на сайт, всё это будет избыточно.

Сильные и слабые места Vertex AI

Плюсы:

• Модели Google и сторонних разработчиков в одном каталоге, с единым счётом и правами доступа.
• Полный цикл от подготовки данных до наблюдения за моделью в работе.
• Учёт агентов, права доступа и контроль вызовов - редкая для рынка связка.
• Конструктор без кода и набор для разработчиков в одной платформе.
• $300 стартовых кредитов и постоянные бесплатные лимиты у смежных сервисов.

Минусы:

• Порог входа высокий: нужен аккаунт Google Cloud, настроенный проект и понимание облачных ролей.
• Расходы складываются из десятка параметров, без лимитов легко улететь.
• Часть управляющих сервисов выдаётся в предварительном доступе, не всем и не везде.
• Набор моделей и функций отличается по регионам.
• Из России доступ ограничен, оплата российскими картами невозможна.
• Двойное название сбивает с толку: документация уже под новым именем, библиотеки и запросы под старым.

С чего начать в Vertex AI

Первый шаг разумно сделать маленьким. Заводится отдельный проект с включёнными лимитами расходов, туда приземляется один сценарий, и на нём измеряются три вещи: качество ответов, задержка и стоимость тысячи запросов. Пилот на $300 стартовых кредитов даст цифры, по которым уже можно считать экономику.

Модель под задачу подбирается отдельно, а не берётся самая мощная по умолчанию. Разница в цене между лёгкой и старшей моделью - порядок величины, а на классификации обращений или коротких ответах разница в качестве часто незаметна. Полезно сравнить два-три варианта на одинаковом наборе примеров через встроенную оценку.

Данные компании подключаются через RAG Engine или Vector Search, копировать документы в текст запроса не нужно. Так ответы получают ссылки на источник, а обновление документов не требует переписывать инструкции агенту.

Google Cloud за платформой

Vertex AI развивает Google Cloud - облачное подразделение Google, работающее с 2008 года. В его портфеле хранилище BigQuery, контейнерная платформа Kubernetes Engine, базы Spanner и AlloyDB, а также собственные процессоры TPU, на которых обучаются и работают модели Google.

Такое соседство и есть главный аргумент платформы: данные, вычисления, модели и права доступа живут в одном облаке. Команды, которые уже держат инфраструктуру в Google Cloud, получают ИИ-слой без переноса данных наружу.

Не для личных экспериментов

Vertex AI - инструмент для тех, кому нужна управляемая среда: воспроизводимость результата, контроль доступа и сопровождение модели после запуска. Знакомиться с нейросетями на ней неудобно и дорого по времени, а вот строить на её основе корпоративный сервис - разумно.

Стартовых кредитов хватает, чтобы собрать один рабочий сценарий целиком и понять, ложится ли он на бюджет. Начинать лучше с изолированного проекта и одной задачи, а не с переноса всей аналитики компании.