Gemini AI 模型

Android 開發人員可透過 Gemini Pro 和 Gemini Flash 模型系列，在雲端執行推論，並在 Android 應用程式中處理圖像、音訊、影片和文字輸入內容，運用多模態 AI 功能。

• Gemini Pro：Gemini 2.5 Pro 是 Google 最先進的思維模型，能夠針對程式碼、數學和 STEM 領域的複雜問題進行推論，並使用長脈絡分析大型資料集、程式碼集和文件。
• Gemini Flash：Gemini Flash 模型提供新一代功能和更強大的能力，包括更快的速度、內建工具使用功能，以及 100 萬個詞元的脈絡窗口。

注意： 本文介紹雲端 Gemini AI 模型。如要瞭解裝置端推論，請參閱 Gemini Nano 說明文件。

Firebase AI Logic

開發人員可透過 Firebase AI Logic，直接在應用程式中安全地加入 Google 的生成式 AI，簡化開發作業，並運用相關工具和產品整合功能，確保應用程式能順利發布。這項服務提供 Android 用戶端 SDK，可直接整合及呼叫用戶端程式碼中的 Gemini API，因此不必使用後端，簡化開發作業。

API 供應商

Firebase AI Logic 可讓您使用下列 Google Gemini API 提供者： Gemini Developer API 和 Vertex AI Gemini API。

圖 1. Firebase AI Logic 整合架構。

各 API 供應商的主要差異如下：

Gemini Developer API：

• 開始使用慷慨大方的免費方案，無須提供付款資訊。
• 隨著使用者人數增加，您可以選擇升級至 Gemini Developer API 付費方案，擴大規模。
• 使用 Google AI Studio 測試及調整提示，甚至取得程式碼片段。

Vertex AI Gemini API：

• 精細控管模型存取位置。
• 非常適合已加入 Vertex AI/Google Cloud 生態系統的開發人員。
• 使用 Vertex AI Studio 疊代及測試提示，甚至取得程式碼片段。

為應用程式選取合適的 API 供應商時，請考量業務和技術限制，以及您對 Vertex AI 和 Google Cloud 生態系統的熟悉程度。大多數剛開始整合 Gemini Pro 或 Gemini Flash 的 Android 開發人員，都應先使用 Gemini Developer API。如要切換供應商，請變更模型建構函式中的參數：

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

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);

如要查看 Firebase AI Logic 用戶端 SDK 支援的生成式 AI 模型完整清單，請參閱這篇文章。

Firebase 服務

除了 Gemini API，Firebase AI Logic 也提供一系列服務，可簡化 AI 功能的應用程式部署作業，並為正式環境做好準備：

應用程式檢查

Firebase App Check 可確保只有獲得授權的用戶端能存取資源，防止應用程式後端遭到濫用。這項服務可與 Google 服務 (包括 Firebase 和 Google Cloud) 及自訂後端整合。App Check 會使用 Play Integrity 驗證要求是否來自正版應用程式和未經竄改的裝置。

遠端設定

建議您使用 Firebase 遠端設定，透過伺服器控制的變數來指定模型名稱，而不是在應用程式中以硬式編碼的方式指定。這樣一來，您就能動態更新應用程式使用的模型，不必部署新版應用程式，也不需要使用者下載新版本。您也可以使用遠端設定，對模型和提示詞進行 A/B 測試。

AI 監控

如要瞭解啟用 AI 功能的成效，可以使用 Firebase 控制台中的 AI 監控資訊主頁。您將取得 Gemini API 呼叫的使用模式、成效指標和偵錯資訊， 深入瞭解相關情況。

遷移至 Firebase AI Logic

如果您已在應用程式中使用 Vertex AI in Firebase SDK，請參閱遷移指南。