Model Armor
Model Armor er Googles runtime-lag for å skjerme generative og agentiske AI-løsninger. Tjenesten kan kontrollere brukerprompter og modellresponser for prompt injection, jailbreak, sensitive data, skadelig innhold og ondsinnede nettadresser. Den settes opp med maler og kan kobles til Google Cloud- og andre modellmiljøer. Inntil 2 millioner tokens i måneden er inkludert, deretter faktureres bruk per token.
Model Armor er en Google Cloud-tjeneste som undersøker inn- og utdata fra generative og agentiske AI-systemer. Gratisnivået dekker opptil 2 millioner tokens per måned; deretter starter dokumentert bruk fra ca. 0,10 dollar per million tokens.
Google Cloud varslet Model Armor i mai 2024 som en tjeneste for å inspisere prompter og svar i generative AI-systemer. I 2026-dokumentasjonen beskrives kjernefunksjonen som generelt tilgjengelig, og nye integrasjoner dekker blant annet GKE og agenttrafikk. Tjenesten er dermed en aktiv del av Google Clouds sikkerhetsportefølje per oktober 2026.
Du lager en sikkerhetsmal og lar Model Armor sanitere brukerprompten før den når modellen og modellsvaret før det returneres. Kontrollene omfatter prompt injection og jailbreak, skadelig eller støtende innhold, sensitive opplysninger, ondsinnede nettadresser og enkelte koblinger til Google Cloud Sensitive Data Protection. API- og inline-integrasjoner gjør det mulig å plassere laget foran en eksisterende applikasjon, agent eller gateway.
Model Armor skiller seg fra et red-team-verktøy ved at det først og fremst håndterer trafikk under kjøring. Det kan være et praktisk filter i en Google Cloud-arkitektur, men tjenesten erstatter ikke systematiske tester av hele agentens arbeidsflyt. Dokumentasjonen oppgir også at hver prompt og respons behandles separat uten samtalehistorikk, at lyd og video ikke støttes, og at det bare kan være ett bilde i en forespørsel.
Prisen er enkel å starte med, men den reelle kostnaden avhenger av volum og andre Google Cloud-tjenester. Produktet inkluderer opptil 2 millioner tokens per måned; over dette er den dokumenterte satsen 0,10 dollar per ekstra million tokens. Regionvalg betyr noe for personvern: Google Cloud beskriver datalagring og behandlingsregioner, mens konfigurasjon lagres i ro. Norsk er ikke blant språkene Google oppgir som testet for alle flerspråklige filtre. Se produktsiden for Model Armor, guiden vår om AI for sårbarhetsskanning, guiden om beste AI-sikkerhet, guiden om AI-personvern for bedrifter og kategorien sikkerhet og personvern.
Nøkkelfunksjoner
- Filtrering av brukerprompter og modellresponser
- Deteksjon av prompt injection og jailbreak
- Kontroll av skadelig innhold og ondsinnede nettadresser
- Oppdagelse av sensitive data og mulig datatap
- Maler for gjenbrukbare sikkerhetspolicyer
- API- og inline-integrasjoner for AI-trafikk
- Regionvalg og integrasjon med Google Cloud-sikkerhet
- Støtte for agent- og GKE-arkitekturer
Hvem passer det for
Model Armor passer for virksomheter som allerede bruker Google Cloud og vil legge et kontrollpunkt foran modeller, RAG-løsninger eller AI-agenter. Det er mindre egnet som eneste verktøy for utviklere som trenger dyptgående red teaming og historikk på agentens flertrinnsoppførsel.
Prising
- Inkludert kvote: Gratis — Opptil 2 millioner tokens per måned før tokenbasert overforbruk faktureres.
- Bruk over kvoten: fra ca. $0.10/1M tokens — Dokumentert sats for ekstra 1 million tokens. Andre Google Cloud-tjenester og integrasjoner kan koste ekstra.
Gratisnivå: Google Cloud inkluderer opptil 2 millioner Model Armor-tokens per måned. Bruk over kvoten faktureres etter tokenvolum, og eventuell kostnad for andre Google Cloud-tjenester kommer i tillegg. Prisene er hentet fra leverandørens prisside i oktober 2026 og endrer seg ofte — sjekk alltid hos leverandøren før du kjøper.
Norsk språkstøtte
Tjenesten har ikke et norsk grensesnitt i dokumentasjonen. Google oppgir flere testede språk for flerspråklige filtre, men norsk er ikke med på den listen; kvaliteten på norske prompt- og innholdsfiltre er derfor ikke dokumentert. Velg region etter egne krav til hvor innholdet skal behandles og lagres.
Fordeler
- Gratis kvote på 2 millioner tokens i måneden
- Dekker både input, output og agenttrafikk
- Region- og compliance-dokumentasjon fra Google Cloud
- Kan brukes som API- eller inline-kontroll
Ulemper
- Google Cloud-oppsett og øvrig forbruk kan øke kostnaden
- Hver prompt og respons vurderes uten samtalehistorikk
- Lyd og video støttes ikke
- Norsk er ikke blant språkene som er testet for alle filtre
Bunnlinje
Model Armor er et ryddig sikkerhetslag for team som allerede har AI i Google Cloud og trenger filtrering ved kjøring. Den lave startkostnaden er attraktiv, men begrenset samtalekontekst og ujevn dokumentert språkstøtte gjør at den bør kombineres med egne tester og en gjennomtenkt regionstrategi.
Kilder
Ofte stilte spørsmål om Model Armor
Hva er Model Armor?
Model Armor er en Google Cloud-tjeneste som kontrollerer prompter og svar fra generative og agentiske AI-systemer. Den kan filtrere prompt injection, jailbreak, sensitive opplysninger, skadelig innhold og ondsinnede lenker før innholdet går videre eller vises til brukeren.
Er Model Armor gratis?
Tjenesten har en inkludert kvote på opptil 2 millioner tokens per måned. Når kvoten er brukt opp, oppgir Google en sats fra 0,10 dollar per ekstra million tokens. Modellbruk, lagring og andre Google Cloud-integrasjoner kan komme i tillegg.
Støtter Model Armor norsk?
Google dokumenterer flere språk som er testet for de flerspråklige filtrene, men norsk er ikke med på den oppgitte listen. Norsk innhold kan fortsatt behandles, men leverandøren gir ikke samme dokumenterte kvalitet eller språkdekning som for språkene som er testet.
Bruker Model Armor innholdet mitt til trening?
Dokumentasjonen beskriver hvilke data som behandles og hvor de kan ligge, men den bør leses sammen med gjeldende Google Cloud-vilkår og avtaler for din konto. Velg region og logging med omhu, og avklar eksplisitt trening, lagring og tilgang dersom innholdet er sensitivt.
Er Model Armor et red-team-verktøy?
Primært ikke. Model Armor er et runtime-filter som kontrollerer trafikk mellom bruker, agent og modell. Det kan redusere kjente risikoer under kjøring, men et eget red-team-verktøy trengs for å teste flertrinnsangrep, forretningslogikk og uventede arbeidsflyter før lansering.