AI-modeller og platforme

Google Cloud føjer OpenAI’s GPT-Astra- og GPT-6-modeller til Model Garden

mm
Føj Unite.AI til dine foretrukne kilder på Google

Google Cloud lancerer OpenAI’s modeller i sin modelhave, oplyste virksomheden i en meddelelse den 21. oktober 2026. GPT-Astra, GPT-6.1 Sol og GPT-6 Luna føjes til virksomhedens AI-platform til erhvervskunder. Udrulningen af de tre modeller i privat forhåndsvisning til udvalgte erhvervskunder begyndte samme dag.

Meddelelsen er skrevet af Michael Gerstenhaber, vicepræsident for produktledelse for Gemini hos Google Cloud. Han skrev, at Google Cloud er kendetegnet ved valgfrihed, styring på virksomhedsniveau og markedsledende forhold mellem pris og ydeevne, og at det er afgørende for dette fundament af åbenhed og valgfrihed at give kunderne fleksibilitet til at køre agentbaserede arbejdsbelastninger på tværs af de modeller og den infrastruktur, de selv vælger. Denne fleksibilitet gør det ifølge ham muligt for kunderne at finde den rette balance mellem omkostninger, funktionalitet og ydeevne. Google Cloud oplyste, at tilføjelsen gør virksomheden til den eneste hyperscale-cloududbyder, der giver adgang til alle de tre førende LLM’er med lukket kildekode, ud over mere end 200 førsteparts-, tredjeparts- og åbne modeller på én samlet AI-platform til erhvervskunder.

Tre modeller til forskellige arbejdsbelastninger

Meddelelsen satte lanceringen ind i en ramme med én grundtanke: Moderne AI til erhvervslivet kræver, at hver arbejdsbelastning matches med den rette model, frem for at man bruger én model til alle opgaver. Ved at føje OpenAI’s nyeste modeller til modelhaven giver virksomheden ifølge egne oplysninger teams valgmuligheder på tværs af hele spektret af arbejdsbelastninger i erhvervslivet.

Ifølge Google Clouds beskrivelse er GPT-Astra udviklet til krævende opgaver inden for kodning, computerbrug, professionelle opgaver og videnskabelig forskning. GPT-6.1 Sol leverer det, virksomheden kalder intelligens tæt på Astra-niveau til en lavere pris inden for agentbaseret kodning, computerbrug og professionelt arbejde. GPT-6 Luna beskrives som en hurtig og omkostningseffektiv model til daglige opgaver i stor skala.

Fakturering via markedspladsen og skift mellem modeller

Transaktioner med OpenAI-modeller foregår direkte via Google Cloud Marketplace. Ifølge meddelelsen fremgår hele forbruget af én samlet Google Cloud-faktura, det modregnes i eksisterende cloudforpligtelser og tæller med i Flexible Savings Plans (FSP) på tværs af modeludbydere.

Google Cloud oplyste, at kunderne dynamisk kan vælge og skifte til den optimale model til enhver anvendelse ud fra ydeevne, latenstid og omkostningseffektivitet uden at blive bundet af arkitekturen eller skulle indgå separate leverandøraftaler. Ifølge virksomheden får udviklere frihed til at bygge med hundredvis af valgmuligheder i modelhaven.

Vilkår for datastyring og sikkerhed

Indlægget fastslog, at skalering af generativ AI aldrig bør kræve, at man går på kompromis med overholdelse af regler eller sikkerhed, og beskrev Gemini-platformen som udviklet fra bunden med henblik på styring i erhvervsklasse og som en platform, førende globale organisationer allerede har tillid til. Det beskrev tre forpligtelser — vedrørende datagrænser, isolerede adgangsgrænser samt samlet revision og identitetsstyring — og fastslog, at kørsel af enhver tredjeparts- eller OpenAI-arbejdsbelastning på platformen opfylder det, virksomheden kalder de strengeste standarder for erhvervskunder.

I henhold til forpligtelsen om datagrænser forbliver kundernes prompts, kontekst og output helt inden for kundens udpegede datagrænse, og de bruges aldrig til at træne grundmodeller. Muligheder for Zero Data Retention (ZDR) er angivet som på vej.

Hvad angår adgangsgrænser, kører OpenAI-modeller på dedikeret Google Cloud-infrastruktur, og Confidential Compute er også angivet som på vej. Alle forespørgsler sendes gennem hærdede, isolerede gateways, hvilket ifølge Google Cloud sikrer, at dataoverførslen udelukkende foregår i virksomhedens sikre miljø, og at tredjepartsudbydere af modeller ikke får uautoriseret adgang til kundens cloudmiljø.

For så vidt angår revision og identitet foregår alle interaktioner mellem agenter og modeller under en godkendt identitet. IT-administratorer får fuldt overblik fra start til slut, beskyttelse med VPC Service Controls og samlet auditlogning på tværs af virksomhedens miljø.

Planer for privat forhåndsvisning og udrulning

Ifølge meddelelsen rulles GPT-Astra, GPT-6.1 Sol og GPT-6 Luna ud i privat forhåndsvisning til udvalgte erhvervskunder i modelhaven, og flere modeller kommer snart.

Fra den 21. oktober 2026 kan kunder bygge med modellerne via Google Clouds API’er og forbinde deres lokale arbejdsgange i Codex CLI og Desktop direkte til Gemini-platformen for inferens. Virksomheden har offentliggjort en interessetilkendegivelse for kunder, der ønsker adgang.

Google Cloud oplyste, at OpenAI-modeller også bliver tilgængelige i Gemini til virksomheder og Google Antigravity. Virksomheden beskrev denne udvidelse som en måde at give erhvervskunder og udviklere fleksibilitet til at vælge modeller og adgang til den bedste model til hver opgave. Begge dele er angivet som på vej.

Theo Nash er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑infrastruktur, beregning og de hardware‑systemer, der driver moderne kunstig intelligens. Hans arbejde fokuserer på de tekniske grundlag bag store AI‑arbejdsbelastninger, herunder datacentre, acceleratorer, netværk og software‑stakke, der binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøger Theo, hvordan fremskridt inden for GPU’er, specialdesignet silicium, hukommelsesarkitekturer og distribuerede systemer muliggør nye generationer af AI‑modeller. Han lægger særlig vægt på præstationsafvejninger, energieffektivitet, skalerbarhed og de praktiske begrænsninger, der former implementeringen af AI‑infrastruktur i den virkelige verden.

Artikler skrevet af Theo Nash er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hastigt udviklende AI‑beregningslandskab.