> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/ja/regash/legacy-serverless.md).

# Hosted API（レガシー）

{% hint style="info" %}
私たちは **推奨します** 現在の [Serverless Cloud API](/deployment/ja/roboflow-cloud/serverless-api.md)、こちらのほうが高速です。\
\
[新しい API を使い始めるには、Serverless Cloud API のドキュメントを参照してください。](/deployment/ja/roboflow-cloud/serverless-api.md)
{% endhint %}

## モデル対応

{% hint style="warning" %}
Florence-2、SAM 3 などの新しいモデルアーキテクチャは、現在の Serverless Cloud API でのみ利用できます。クレジットベースのプランに移行していないレガシーワークスペースでは、 `402` これらのモデルを使用しようとするとエラーが発生します。 [プランをアップグレードしてください](https://docs.roboflow.com/platform/billing-and-plans/plans/purchase-a-plan) サポートされているモデルの全セットにアクセスするには、 [Serverless Cloud API](/deployment/ja/roboflow-cloud/serverless-api.md).
{% endhint %}

Hosted API（レガシー）でサポートされているモデルの種類は次のとおりです：

| タスクタイプ                                                                                                     | Hosted API（レガシー）でサポート |
| ---------------------------------------------------------------------------------------------------------- | --------------------- |
| [物体検出](/deployment/ja/regash/legacy-serverless/object-detection.md)                                        | ✅                     |
| [分類](/deployment/ja/regash/legacy-serverless/classification.md)                                            | ✅                     |
| [インスタンスセグメンテーション](/deployment/ja/regash/legacy-serverless/instance-segmentation.md)                        | ✅                     |
| [セマンティックセグメンテーション](/deployment/ja/regash/legacy-serverless/instance-segmentation/semantic-segmentation.md) | ✅                     |
| [キーポイント検出](/deployment/ja/regash/legacy-serverless/keypoint-detection.md)                                  | ✅                     |

## レイテンシ比較

Hosted API（レガシー）に送信されたリクエストのエンドツーエンドのレイテンシは、いくつかの要因に依存します：

1. 実行時間に影響するモデルアーキテクチャ
2. アップロード時間と実行時のモデル推論時間に影響する画像のサイズと解像度
3. リクエストのアップロード時間とレスポンスのダウンロード時間に影響するネットワーク遅延と帯域幅。
4. サービスの契約状況や、特定の時点での他のユーザーによる利用状況。これにより、キューイング遅延が発生する可能性があります

<figure><img src="/files/f6410c2b711ef9f4f6ee16ae7ea19ad7e1f47370" alt=""><figcaption></figcaption></figure>

Hosted API（レガシー）と Serverless Cloud API のいくつかの代表的なベンチマークを、下の表で示します。そこにはエンドツーエンドのレイテンシ（E2E）と実行時間（Exec）の両方が示されています。これらの数値は参考情報にすぎないため、ユーザー自身で [当社の推論ベンチマークツール](https://docs.roboflow.com/reference/inference/inference-cli/benchmark) または独自のカスタムベンチマークを使用することを推奨します。

<table data-search="false"><thead><tr><th width="176.14410400390625">モデル</th><th>V2（E2E）</th><th>V2（Exec）</th><th>V1（E2E）</th><th>V1（Exec）</th></tr></thead><tbody><tr><td>yolov8x-640</td><td>401 ms</td><td>29 ms</td><td>4084 ms</td><td>821 ms</td></tr><tr><td>yolov8m-640</td><td>757 ms</td><td>21 ms</td><td>572 ms</td><td>265 ms</td></tr><tr><td>yolov8n-640</td><td>384 ms</td><td>17 ms</td><td>312 ms</td><td>63 ms</td></tr><tr><td>yolov8x-1280</td><td>483 ms</td><td>97 ms</td><td>6431 ms</td><td>3032 ms</td></tr><tr><td>yolov8m-1280</td><td>416 ms</td><td>52 ms</td><td>1841 ms</td><td>1006 ms</td></tr><tr><td>yolov8n-1280</td><td>428 ms</td><td>35 ms</td><td>464 ms</td><td>157 ms</td></tr></tbody></table>

ユーザー自身で、実際のユースケースにおける正確な指標を得るために、モデル推論やワークフローについて独自のベンチマークを実施することを推奨します。

## 制限

Hosted API（レガシー）は、具体的なタスクタイプに関係なく、最大 5MB のファイルを受け付けます。この制限には、画像ファイルサイズだけでなく、添付されたリクエスト情報も含まれます。

{% hint style="info" %}
リクエストが大きすぎる場合は、添付画像のサイズを小さくすることを推奨します。画像は、サーバーで受信された後に、モデルアーキテクチャが受け付ける入力サイズまで自動的に縮小されるため、通常はパフォーマンスが低下することはありません。\
\
Python SDK などの一部の SDK では、API に送信される前に画像をモデルアーキテクチャの入力サイズまで自動的に縮小します。
{% endhint %}