翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

Gemma 4 E2B

Google — Gemma 4 E2B

モデルの詳細

Gemma 4 E2B は Google のコンパクトモデルで、合計 51 億個のパラメータと 23 億個の有効なパラメータをレイヤーごとの埋め込み (PLE) で使用しています。推論、ネイティブ関数呼び出し、テキストとイメージ間のマルチモーダル入力が組み込まれた低レイテンシーのワークロード向けに設計されており、128K トークンコンテキストウィンドウをサポートしています。モデルの開発とパフォーマンスの詳細については、モデル/サービスカードを参照してください。

機能と機能

Bedrock の機能

bedrock-mantleエンドポイントを使用してサポートされる機能

料金

料金については、Amazon Bedrock の料金ページを参照してください。

プログラムによるアクセス

次のモデル IDs とエンドポイント URLsを使用して、このモデルにプログラムでアクセスします。使用可能な APIs「サポートされている APIsとサポートされているエンドポイント」を参照してください。

たとえば、region が us-east-1 (バージニア北部) の場合、bedrock-mantle エンドポイント URL は「https://bedrock-mantle.us-east-1.api.aws/openai/v1」になります。

サービス階層

Amazon Bedrock は、ワークロードの要件に合わせて複数のサービス層を提供します。Standard はpay-per-tokenアクセスを提供します。Priority は、時間ベースのコミットメントでより高いスループットを提供します。Flex は、柔軟でnon-time-sensitiveワークロードに対して低コストのアクセスを提供します。リザーブドは、予測可能なワークロードに対するコミットメントという用語で、専用のスループットを提供します。詳細については、「 サービス層」を参照してください。

リージョン別の利用可能性

リージョンの可用性の概要

Bedrock には 3 つの推論オプションがあります。In-Region は厳格なコンプライアンスのために 1 つのリージョン内にリクエストを保持し、Geo Cross-Region ルートは 1 つの地域 (米国、欧州など) 内のリージョン間でより高いスループットを実現し、Global Cross-Region ルートは世界中どこでもデータレジデンシーを尊重して、レジデンシーの制約がない場合に最大スループットを実現します。詳細については、リージョン別の可用性「」ページを参照してください。

クォータと制限

AWS アカウントには、サービスのパフォーマンスを維持し、Amazon Bedrock の適切な使用を確保するためのデフォルトのクォータがあります。アカウントに割り当てられたデフォルトのクォータは、リージョンの要因、支払い履歴、不正使用、および/またはクォータ引き上げリクエストの承認に応じて更新される場合があります。詳細については、 Amazon Bedrock のクォータドキュメントを参照し、モデルの制限を参照してください。

bedrock-mantle エンドポイントでオンデマンドスループットを消費すると、使用可能なスループットは時間の経過とともにスケールされます。クォータ内のすべてのリクエストが需要の高い期間に成功することが保証されるわけではないため、徐々に増やすことが重要です。このモデルでは、デフォルトの制限は Service Quotas から直接表示されないため、ガイドとしてランプに従うことをお勧めします。

サンプルコード

ステップ 1 - AWS アカウント: AWS アカウントがすでにある場合は、このステップをスキップします。AWS を初めて使用する場合は、AWS アカウントにサインアップします。

ステップ 2 - API キー: Amazon Bedrock コンソールに移動し、長期 API キーを生成します。

ステップ 3 - SDK を取得する: この入門ガイドを使用するには、Python がすでにインストールされている必要があります。次に、使用している APIs に応じて、関連するソフトウェアをインストールします。

pip install openai

ステップ 4 - 環境変数を設定する: API キーを認証に使用するように環境を設定します。

OPENAI_API_KEY="<provide your Bedrock API key>"
OPENAI_BASE_URL="https://bedrock-mantle.<your-region>.api.aws/openai/v1"

ステップ 5 - 最初の推論リクエストを実行する: ファイルを として保存する bedrock-first-request.py

Chat Completions API

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="google.gemma-4-e2b",
    messages=[{"role": "user", "content": "Can you explain the features of Amazon Bedrock?"}]
    )
print(response)

Responses API

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="google.gemma-4-e2b",
    input="Explain the benefits of mixture-of-experts architectures for production inference.",
    max_output_tokens=512,
)
print(response.output_text)

使用上の考慮事項と制限事項