Modele Gemini AI

Rodziny modeli Gemini Pro i Gemini Flash oferują deweloperom na Androida możliwości multimodalnej AI, wnioskowanie w chmurze oraz przetwarzanie obrazów, dźwięku, filmów i tekstu w aplikacjach na Androida.

• Gemini Pro: Gemini Pro to najnowocześniejszy model myślenia Google, który potrafi rozwiązywać złożone problemy związane z kodem, matematyką i naukami ścisłymi, a także analizować duże zbiory danych, bazy kodu i dokumenty przy użyciu długiego kontekstu.
• Gemini Flash: modele Gemini Flash oferują funkcje nowej generacji i ulepszone możliwości, w tym większą szybkość, wbudowane korzystanie z narzędzi i okno kontekstu o wielkości 1 mln tokenów.

Uwaga: ten dokument dotyczy modeli AI Gemini opartych na chmurze. Informacje o wnioskowaniu na urządzeniu znajdziesz w dokumentacji Gemini Nano.

Firebase AI Logic

Firebase AI Logic umożliwia deweloperom bezpieczne i bezpośrednie dodawanie generatywnej AI od Google do swoich aplikacji, co upraszcza proces tworzenia. Oferuje też narzędzia i integracje z usługami, które pomagają przygotować aplikację do wdrożenia. Zapewnia pakiety SDK klienta na Androida, które umożliwiają bezpośrednią integrację i wywoływanie interfejsu Gemini API z kodu klienta, co upraszcza proces tworzenia, ponieważ nie trzeba korzystać z backendu.

Dostawcy interfejsów API

Firebase AI Logic umożliwia korzystanie z tych dostawców interfejsu Google Gemini API: Gemini Developer API i Vertex AI Gemini API.

Rysunek 1. Architektura integracji Firebase AI Logic.

Oto główne różnice między poszczególnymi dostawcami interfejsów API:

Gemini Developer API:

• Zacznij bezpłatnie od atrakcyjnego poziomu bezpłatnego bez podawania informacji o płatności.
• Możesz przejść na płatny poziom Gemini Developer API, aby skalować się wraz ze wzrostem liczby użytkowników.
• Możesz iterować i eksperymentować z promptami, a nawet uzyskiwać fragmenty kodu za pomocą Google AI Studio.

**Vertex AI Gemini API**:

• Szczegółowa kontrola nad tym, gdzie uzyskujesz dostęp do modelu.
• Idealne rozwiązanie dla deweloperów, którzy już korzystają z ekosystemu Vertex AI lub Google Cloud.
• Możesz iterować i eksperymentować z promptami, a nawet uzyskiwać fragmenty kodu za pomocą Vertex AI Studio.

Wybór odpowiedniego dostawcy interfejsu API dla Twojej aplikacji zależy od ograniczeń biznesowych i technicznych oraz od znajomości ekosystemu Vertex AI i Google Cloud. Większość deweloperów na Androida, którzy dopiero zaczynają korzystać z integracji Gemini Pro lub Gemini Flash, powinna zacząć od Gemini Developer API. Przełączanie się między dostawcami odbywa się przez zmianę parametru w konstruktorze modelu:

Kotlin

// For Vertex AI, use `backend = GenerativeBackend.vertexAI()`
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("gemini-2.5-flash")

val response = model.generateContent("Write a story about a magic backpack")
val output = response.text
GeminiOverview.kt

Java

// For Vertex AI, use `backend = GenerativeBackend.vertexAI()`
GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-2.5-flash");

// Use the GenerativeModelFutures Java compatibility layer which offers
// support for ListenableFuture and Publisher APIs
GenerativeModelFutures model = GenerativeModelFutures.from(firebaseAI);

Content prompt = new Content.Builder()
    .addText("Write a story about a magic backpack.")
    .build();

ListenableFuture<GenerateContentResponse> response = model.generateContent(prompt);
Futures.addCallback(response, new FutureCallback<GenerateContentResponse>() {
    @Override
    public void onSuccess(GenerateContentResponse result) {
        String resultText = result.getText();
        // ...
    }

    @Override
    public void onFailure(Throwable t) {
        t.printStackTrace();
    }
}, executor);
GeminiOverviewJava.java

Pełną listę dostępnych modeli generatywnej AI obsługiwanych przez pakiety SDK klienta Firebase AI Logic znajdziesz tutaj.

Usługi Firebase

Oprócz dostępu do Gemini API Firebase AI Logic oferuje zestaw usług, które upraszczają wdrażanie funkcji opartych na AI w aplikacji i przygotowują ją do wdrożenia:

Sprawdzanie aplikacji

Sprawdzanie aplikacji Firebase chroni backendy aplikacji przed nadużyciami, zapewniając, że tylko autoryzowani klienci mają dostęp do zasobów. Integruje się z usługami Google (w tym Firebase i Google Cloud) oraz niestandardowymi backendami. Sprawdzanie aplikacji używa Play Integrity, aby sprawdzić, czy żądania pochodzą z autentycznej aplikacji i niezmodyfikowanego urządzenia.

Remote Config

Zamiast wpisywać nazwę modelu na stałe w aplikacji, zalecamy używanie zmiennej kontrolowanej przez serwer za pomocą Zdalnej konfiguracji Firebase. Umożliwia to dynamiczne aktualizowanie modelu używanego przez aplikację bez konieczności wdrażania nowej wersji aplikacji ani wymagania od użytkowników pobrania nowej wersji. Możesz też używać Zdalnej konfiguracji do testów A/B modeli i promptów.

monitorowanie wykorzystania AI

Aby sprawdzić skuteczność funkcji opartych na AI, możesz użyć panelu monitorowania wykorzystania AI w konsoli Firebase. Uzyskasz cenne informacje o wzorcach użytkowania, wskaźnikach wydajności i informacjach o debugowaniu wywołań Gemini API.