本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

Gemma 4 E2B

谷歌 — Gemma 4 E2B

模型详细信息

Gemma 4 E2B是谷歌的紧凑型模型，共有51亿个参数和23亿个使用 Per-Layer 嵌入式（PLE）的有效参数，专为低延迟工作负载而设计，具有内置推理、原生函数调用以及跨文本和图像的多模态输入，支持12.8K令牌上下文窗口。有关模型开发和性能的更多信息，请参阅model/service 卡片。

开启bedrock-mantle，此模型的服务/openai/v1/responses地址不是默认模式/v1/responses。

能力和特性

基岩特征

使用bedrock-mantle终端节点支持的功能

定价

有关定价信息，请参阅亚马逊基岩定价页面。

以编程方式访问

使用以下模型 ID 和端点 URL 以编程方式访问此模型。有关可用 API 和终端节点的更多信息，请参阅支持的 API 和支持的终端节点。

例如，如果区域为 us-east-1（弗吉尼亚北部），则基岩地堡终端节点 URL 将为 “”。https://bedrock-mantle.us-east-1.api.aws/openai/v1

服务等级

Amazon Bedrock 提供多个服务等级以满足您的工作负载要求。Standard 提供按代币付费的访问权限，无需承诺（设置"service_tier": "default"或省略该字段）。Priority 以溢价（套装"service_tier": "priority"）提供最快的响应时间。Flex 为灵活、非时间敏感的工作负载（套装）提供更低成本的访问权限。"service_tier": "flex"预留为可预测的工作负载提供专用吞吐量和期限承诺；它是在账户级别设置的，而不是根据每个请求设置的（请联系您的 AWS 账户团队来启用）。有关更多信息，请参阅服务等级。

区域可用性

区域可用性一览

Amazon Bedrock 提供三种推理选项：将请求In-Region保留在单一区域内以确保严格合规；在尊重数据驻留的前提下跨地理区域（例如美国、欧盟和亚太地区）进行地理路由；在没有居住限制的情况下，全球 Cross-Region路由到全球任何地方。 Cross-Region 有关更多详细信息，请参阅该按型号划分的区域可用性页面。

配额和限制

您的 AWS 账户有默认配额，以维持服务的性能并确保适当使用 Amazon Bedrock。分配给账户的默认配额可能会根据地区因素、付款历史记录、欺诈性使用、配额增加请求的 and/or 批准情况进行更新。有关更多信息，请参阅Amazon Bedrock 的配额文档并查看模型的限制。

在bedrock-mantle终端上消耗按需吞吐量时，可用吞吐量会随着时间的推移而增加。在需求旺盛的时期，并非所有配额内的请求都能保证成功，因此逐步增加很重要。在此模型中，默认限制不是通过服务配额直接显示的，因此我们建议您以此为指导。

示例代码

第 1 步- AWS 账户：如果您已经有 AWS 账户，请跳过此步骤。如果您是新手 AWS，请注册一个 A WS 账户。

第 2 步-API 密钥：前往亚马逊 Bedrock 控制台并生成长期 API 密钥。

第 3 步-获取 SDK：要使用此入门指南，必须已安装 Python。然后根据您使用的 API 安装相关软件。

pip install openai

第 4 步-设置环境变量：将您的环境配置为使用 API 密钥进行身份验证。

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

第 5 步-运行您的第一个推理请求：将文件另存为 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)

使用注意事项和限制