> 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/workflows/ja/burokku/blocks/run-a-model/google-gemma.md).

# Google Gemma

OpenRouter経由でGoogleのGemmaモデルの視覚機能を実行します。

## v4

画像認識機能を備えた Google の Gemma モデルに質問します。

任意のテキストプロンプトまたは定義済みのプロンプトを指定できます。このブロックは次の種類のプロンプトをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIプロバイダーとモデルのバリエーション

Gemma は次を通じて公開されています [OpenRouter](https://openrouter.ai/)。デフォルトでは、このブロックは次を使用します **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

この `privacy_level` フィールドは、どのOpenRouterプロバイダーがリクエストを処理できるかを制御します:

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – 入力で学習するプロバイダーを含む、より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

#### 💡 参考資料と利用規定

{% hint style="warning" %}
**モデルライセンス**

次を確認してください [Gemma 利用規約](https://ai.google.dev/gemma/terms) を使用前に。
{% endhint %}

## バージョンの違い

このバージョン (v4) では、ブロック内でモデルの回答をデコードします:

* **`predictions`** - 分類と物体検出の回答はここで解析されるため、非推奨の `検出器としてのVLM` / `分類器としてのVLM` ブロックはもはや不要です。出力の種類は次に従います `task_type`:  `object-detection`の物体検出予測、 `classification` と `multi-label-classification`、および `None` その他すべてのタスクでは分類予測。
* **`error_status`** - `True` モデルの回答を解析できなかった場合。
* **`inference_id`** - 画像ごとに生成され、デコードされた予測に付加される識別子。

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/google_gemma@v4` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                  | 参照 |
| ------------------------- | ---------------- | --------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                 | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。         | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                 | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できるトークンの最大数。既定値は 2048 です。タスクでより長い回答が必要な場合は、明示的に（例: 8192）まで増やしてください。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。                            | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                             | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                | ❌  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                           | ❌  |
| `prompt`                  | `str`            | Gemma モデルへのテキストプロンプト。                                                                                                                   | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                 | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスのリスト。                                                                                                                            | ✅  |
| `model_version`           | `str`            | 使用するモデル。                                                                                                                                | ✅  |
| `reasoning_effort`        | `str`            | OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 推論を明示的に無効にします。設定を拒否するモデルは、それなしで再試行されます。 | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Google Gemma` バージョン `v4` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Gemma モデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)) : 使用するモデル。
  * `reasoning_effort` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 推論を明示的に無効にします。設定を拒否するモデルは、それなしで再試行されます。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `predictions` (*Union\[*[*`object_detection_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/object-detection-prediction.md)*,* [*`classification_prediction`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/classification-prediction.md)*]*) : 検出されたバウンディングボックスをsv.Detections(...)オブジェクト形式で持つ予測、もし `object_detection_prediction` 、または分類器からの予測、もし `classification_prediction`.
  * `error_status` ([`boolean`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/boolean.md)): ブールフラグ。
  * `inference_id` ([`inference_id`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/inference-id.md)) : 推論識別子。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/google_gemma@v4",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "model_version": "Gemma 4 31B - OpenRouter",
	    "reasoning_effort": "low"
	}
```

</details>

## v3

画像認識機能を備えた Google の Gemma モデルに質問します。

任意のテキストプロンプトまたは定義済みのプロンプトを指定できます。このブロックは次の種類のプロンプトをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIプロバイダーとモデルのバリエーション

Gemma は次を通じて公開されています [OpenRouter](https://openrouter.ai/)。デフォルトでは、このブロックは次を使用します **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

この `privacy_level` フィールドは、どのOpenRouterプロバイダーがリクエストを処理できるかを制御します:

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – 入力で学習するプロバイダーを含む、より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

#### 💡 参考資料と利用規定

{% hint style="warning" %}
**モデルライセンス**

次を確認してください [Gemma 利用規約](https://ai.google.dev/gemma/terms) を使用前に。
{% endhint %}

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/google_gemma@v3` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                                  | 参照 |
| ------------------------- | ---------------- | --------------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                                 | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。         | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                                 | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できるトークンの最大数。既定値は 2048 です。タスクでより長い回答が必要な場合は、明示的に（例: 8192）まで増やしてください。課金はこの上限ではなく、実際に生成されたトークン数に基づきます。                            | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                             | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                                | ❌  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                           | ❌  |
| `prompt`                  | `str`            | Gemma モデルへのテキストプロンプト。                                                                                                                   | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                                 | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスのリスト。                                                                                                                            | ✅  |
| `model_version`           | `str`            | 使用するモデル。                                                                                                                                | ✅  |
| `reasoning_effort`        | `str`            | OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 推論を明示的に無効にします。設定を拒否するモデルは、それなしで再試行されます。 | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Google Gemma` バージョン `v3` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Gemma モデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)) : 使用するモデル。
  * `reasoning_effort` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): OpenRouterに次の値として渡される拡張推論バジェット `reasoning: {"effort": ...}`。未設定の場合はモデルのプロバイダー既定の挙動が維持されます; `なし` 推論を明示的に無効にします。設定を拒否するモデルは、それなしで再試行されます。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。
  * `input_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。
  * `output_tokens` ([`integer`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/integer.md)) : 整数値。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/google_gemma@v3",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "model_version": "Gemma 4 31B - OpenRouter",
	    "reasoning_effort": "low"
	}
```

</details>

## v2

画像認識機能を備えた Google の Gemma モデルに質問します。

任意のテキストプロンプトまたは定義済みのプロンプトを指定できます。このブロックは次の種類のプロンプトをサポートします:

* **オープンプロンプト** (`制約なし`) - 任意のプロンプトを使って生の応答を生成します
* **テキスト認識（OCR）** (`ocr`) - モデルが画像内のテキストを認識します
* **視覚的質問応答** (`visual-question-answering`) - モデルがプロンプトで送信した質問に答えます
* **キャプション生成（短）** (`caption`) - モデルが画像の短い説明を提供します
* **キャプション生成** (`detailed-caption`) - モデルが画像の詳しい説明を提供します
* **単一ラベル分類** (`classification`) - モデルが画像内容を提示されたクラスのいずれかに分類します
* **複数ラベル分類** (`multi-label-classification`) - モデルが画像内容を提示されたクラスの1つ以上に分類します
* **プロンプトなし物体検出** (`object-detection`) - モデルが画像内の主要な物体のバウンディングボックスを検出して返します
* **構造化出力生成** (`structured-answering`) - モデルが指定されたフィールドを持つJSONレスポンスを返します

#### 🛠️ APIプロバイダーとモデルのバリエーション

Gemma は次を通じて公開されています [OpenRouter](https://openrouter.ai/)。デフォルトでは、このブロックは次を使用します **Roboflowが管理するOpenRouterキー** そしてRoboflowクレジットに課金されます - 追加設定は不要です。Roboflowの課金を回避するには、独自の `sk-or-...` キーを次に入力してください `api_key` フィールド。

この `privacy_level` フィールドは、どのOpenRouterプロバイダーがリクエストを処理できるかを制御します:

* **データ収集なし** *（デフォルト）* – プロバイダーはあなたの入力で学習しない場合があります。
* **データ収集を許可** – 入力で学習するプロバイダーを含む、より広いプロバイダープール。
* **データ保持ゼロ** – 最も厳格で、何も保持しないプロバイダーに制限します。

#### 💡 参考資料と利用規定

{% hint style="warning" %}
**モデルライセンス**

次を確認してください [Gemma 利用規約](https://ai.google.dev/gemma/terms) を使用前に。
{% endhint %}

### タイプ識別子

ステップで次の識別子を使用してください `"type"` フィールド: `roboflow_core/google_gemma@v2` を、ワークフローにステップとして追加します。

### プロパティ

| **名前**                    | **型**            | **説明**                                                                                                                          | 参照 |
| ------------------------- | ---------------- | ------------------------------------------------------------------------------------------------------------------------------- | -- |
| `name`                    | `str`            | このステップの一意の識別子を入力してください。                                                                                                         | ❌  |
| `api_key`                 | `str`            | OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。 | ✅  |
| `privacy_level`           | `str`            | プロバイダーのプライバシーフィルター。より厳しいレベルではプロバイダープールが狭まり、管理キーでの呼び出しごとのコストが増える場合があります。                                                         | ❌  |
| `max_tokens`              | `int`            | モデルが応答で生成できる最大トークン数。                                                                                                            | ❌  |
| `temperature`             | `float`          | モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。                                                                     | ✅  |
| `max_concurrent_requests` | `int`            | 画像バッチに対する同時リクエスト数。指定しない場合、ブロックはWorkflows Execution Engineでグローバルに設定された値をデフォルトで使用します。レート制限に達する場合は制限してください。                        | ❌  |
| `task_type`               | `str`            | モデルが実行するタスクタイプです。値によって必要なパラメータと出力レスポンスが決まります。                                                                                   | ❌  |
| `prompt`                  | `str`            | Gemma モデルへのテキストプロンプト。                                                                                                           | ✅  |
| `output_structure`        | `Dict[str, str]` | 期待されるJSONレスポンスの構造を持つ辞書。                                                                                                         | ❌  |
| `classes`                 | `List[str]`      | 使用するクラスのリスト。                                                                                                                    | ✅  |
| `model_version`           | `str`            | 使用するモデル。                                                                                                                        | ✅  |

この **参照** この列は、 `workflow` の実行時に利用可能な動的値でプロパティをパラメータ化できる可能性を示します。 *バインディング* の詳細を参照してください。

### 実行時互換性

`requires_internet` - エアギャップ／オフライン展開: このブロックは、完全オフライン／エアギャップ展開からは到達できないサービスに依存します。

### 入力および出力バインディング

利用可能な接続は、そのバインディング種別に依存します。 `Google Gemma` バージョン `v2` に、どのバインディング種別があるか確認してください。

<details>

<summary>入力と出力のバインディング</summary>

* input
  * `api_key` (*Union\[*[*`ROBOFLOW_MANAGED_KEY`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/roboflow-managed-key.md)*,* [*`secret`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/secret.md)*,* [*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*]*): OpenRouter APIキー。デフォルトではRoboflowが管理するキーが使用され、Roboflow経由でクレジット課金されます。独自の `sk-or-...` キーを使えば、Roboflowの課金を介さずにOpenRouterを直接呼び出せます。
  * `temperature` ([*`float`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/float.md)) : モデルからサンプリングする温度です。値の範囲は0.0〜2.0で、値が高いほど生成はよりランダム／「創造的」になります。
  * `images` ([*`image`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/image.md)) : 推論対象の画像。
  * `prompt` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)): Gemma モデルへのテキストプロンプト。
  * `classes` ([*`list_of_values`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 使用するクラスのリスト。
  * `model_version` ([*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)) : 使用するモデル。
* output
  * `output` (*Union\[*[*`string`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/string.md)*,* [*`language_model_output`*](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/language-model-output.md)*]*) : 文字列値、もし `string` 、またはLLM/VLMの出力、もし `language_model_output`.
  * `classes` ([`list_of_values`](https://docs.roboflow.com/workflows/ja/gaido/developer-guide/kinds/list-of-values.md)) : 任意の型の値のリスト。

</details>

<details>

<summary>JSON定義の例</summary>

```json
{
	    "name": "<your_step_name_here>",
	    "type": "roboflow_core/google_gemma@v2",
	    "api_key": "rf_key:account",
	    "privacy_level": "<block_does_not_provide_example>",
	    "max_tokens": "<block_does_not_provide_example>",
	    "temperature": "<block_does_not_provide_example>",
	    "max_concurrent_requests": "<block_does_not_provide_example>",
	    "images": "$inputs.image",
	    "task_type": "<block_does_not_provide_example>",
	    "prompt": "私のプロンプト",
	    "output_structure": {
	        "my_key": "説明"
	    },
	    "classes": [
	        "class-a",
	        "class-b"
	    ],
	    "model_version": "Gemma 4 31B - OpenRouter"
	}
```

</details>
