Gemini-KI-Modelle

Die Modellfamilien Gemini Pro und Gemini Flash bieten Android-Entwicklern multimodale KI-Funktionen, die Inferenz in der Cloud ausführen und Bild-, Audio-, Video- und Texteingaben in Android-Apps verarbeiten.

• Gemini Pro: Gemini Pro ist das hochmoderne Denkmodell von Google, das in der Lage ist, komplexe Probleme in den Bereichen Code, Mathematik und Naturwissenschaften, Technik, Ingenieurwesen und Mathematik (STEM) zu lösen und große Datensätze, Codebasen und Dokumente mithilfe von Langkontext zu analysieren.
• Gemini Flash: Die Gemini Flash-Modelle bieten Funktionen der nächsten Generation und verbesserte Funktionen, darunter eine höhere Geschwindigkeit, integrierte Tool-Nutzung und ein Kontextfenster von 1 Million Tokens.

Firebase AI Logic

Mit Firebase AI Logic können Entwickler die generative KI von Google sicher und direkt in ihre Apps einbinden. Das vereinfacht die Entwicklung und bietet Tools und Produktintegrationen für eine erfolgreiche Produktionsbereitschaft. Es bietet Client-Android-SDKs, um die Gemini API direkt in den Clientcode einzubinden und aufzurufen. Dadurch wird die Entwicklung vereinfacht, da kein Backend erforderlich ist.

API-Anbieter

Mit Firebase AI Logic können Sie die folgenden Google Gemini API-Anbieter verwenden: Gemini Developer API und Agent Platform Gemini API (früher Vertex AI).

Hier sind die wichtigsten Unterschiede für die einzelnen API-Anbieter:

Gemini Developer API:

• Mit einer großzügigen kostenlosen Stufe ohne Angabe von Zahlungsinformationen starten.
• Sie können optional auf die kostenpflichtige Stufe der Gemini Developer API upgraden, um die Skalierung mit zunehmender Nutzerzahl zu ermöglichen.
• Mit Google AI Studio können Sie Prompts iterieren und damit experimentieren und sogar Code-Snippets abrufen.

Agent Platform Gemini API (früher Vertex AI):

• Detaillierte Kontrolle darüber, wo Sie auf das Modell zugreifen.
• Ideal für Entwickler, die bereits in das Google Cloud-Ökosystem eingebunden sind.
• Mit Agent Studio können Sie Prompts iterieren und damit experimentieren und sogar Code-Snippets abrufen.

Die Auswahl des geeigneten Gemini API-Anbieters für Ihre App hängt von Ihren geschäftlichen und technischen Einschränkungen ab. Die meisten Android-Entwickler, die gerade erst mit Gemini Pro- und Flash-Modellen beginnen, sollten mit der Gemini Developer API starten. Der Wechsel zwischen Anbietern erfolgt durch Ändern des Parameters im Modellkonstruktor:

// For the Agent Platform Gemini API, use `backend = GenerativeBackend.agentPlatform()`
val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("gemini-3.5-flash")

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

// For the Agent Platform Gemini API, use `backend = GenerativeBackend.agentPlatform()`
GenerativeModel firebaseAI = FirebaseAI.getInstance(GenerativeBackend.googleAI())
        .generativeModel("gemini-3.5-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

Zugriff auf Modelle auf dem Gerät, in der Cloud oder hybrid

Zusätzlich zu den cloudbasierten Gemini-Modellen, die im vorherigen Abschnitt beschrieben werden, können Sie mit dem Firebase AI Logic SDK auch auf On-Device-Modelle zugreifen, um die KI-Funktionen Ihrer App zu erstellen. Wenn Sie das SDK für hybride Inferenz konfigurieren, kann Ihre App ein On-Device-Modell verwenden, wenn es verfügbar ist, aber bei Bedarf nahtlos auf ein in der Cloud gehostetes Modell zurückgreifen (und umgekehrt).

Die wichtigsten Vorteile eines hybriden Ansatzes:

• Smartes Routing:Einfache Aufgaben werden auf Ihrem Gerät ausgeführt, während komplexe Fragen automatisch zur detaillierteren Analyse an die Cloud gesendet werden.

• Offlineverfügbarkeit: Ihre Apps funktionieren auch ohne Internetverbindung, da die Modelle direkt auf Ihrem Gerät ausgeführt werden. Wenn Sie wieder online sind, können Sie auf die in der Cloud gehosteten Modelle zugreifen.

• Niedrigere Kosten: Wenn alltägliche Aufgaben auf dem Gerät statt in der Cloud ausgeführt werden, sinken die Kosten für die Inferenz.

Sicherheit für Ihre KI-Funktionen

Firebase AI Logic unterstützt mehrere Funktionen, mit denen Sie KI-Funktionen in Ihrer App sicher entwickeln können:

• App-Authentizität bestätigen: Wenn Sie die Gemini API direkt über Ihre Android-App aufrufen, ist die API anfällig für Missbrauch durch nicht autorisierte Clients. Sie müssen sie mit Firebase AI Logic vor Missbrauch schützen und Firebase App Check erzwingen. Wenn Sie App Check erzwingen, werden nur eingehende Anfragen zugelassen, die nachweislich von Ihrer tatsächlichen App oder einem nicht manipulierten Gerät stammen. App Check unterstützt sowohl Play Integrity als auch reCAPTCHA Enterprise als Attestierungsanbieter für die Produktion.

• Prompts serverseitig speichern: Für Ihre Anfragen an die Gemini API mit Firebase AI Logic können Sie Ihren Prompt, Ihr Schema und Ihre Konfigurationen in serverseitigen Prompt-Vorlagen speichern. Ihre App übergibt nur den Schlüssel (die Vorlagen-ID) vom Client an den Server. Wenn Sie Server-Prompt-Vorlagen verwenden, können Sie verhindern, dass Ihr Prompt clientseitig offengelegt wird.

• Auf On-Device-Modelle zugreifen: Mit Firebase AI Logic können Sie Ihre Anfragen an ein On-Device-Modell weiterleiten, wenn es verfügbar ist. Die Anfrage, einschließlich des Prompts, verlässt das Gerät nie.

Für die Produktion entwickeln

Mit Firebase AI Logic können Sie robuste KI-Funktionen in Ihre App einbauen und dafür sorgen, dass sie in der Produktion funktionieren. Weitere Informationen finden Sie in der Checkliste für die Produktion von Firebase AI Logic.

Zugriff und Sicherheit

• Erzwingen Sie Firebase App Check, um die Gemini API vor Missbrauch zu schützen, wenn sie direkt über Ihre App aufgerufen wird. Wenn App Check erzwungen wird, wird überprüft, ob eingehende Anfragen von Ihrer authentischen App oder einem nicht manipulierten Gerät stammen.

• Erzwingen Sie den Modus für authentifizierte Nutzer, damit alle Anfragen von Firebase AI Logic gültige Anmeldedaten von Firebase Authentication enthalten müssen.

Monitoring, Limits und Abrechnung

• Richten Sie KI-Monitoring in der Firebase Console ein, um wichtige Leistungsmesswerte wie die Anzahl der Anfragen, die Latenz, die Tokennutzung und die Fehlerraten im Blick zu behalten.

• Legen Sie Ratenbegrenzungen pro Nutzer fest (Standardwert ist 100 RPM), um zu verhindern, dass einzelne Clientinstanzen zu viel Kontingent verbrauchen.

• Mit Budgetbenachrichtigungen und Ausgabenobergrenzen können Sie unerwartete Rechnungen vermeiden.

Konfigurationen verwalten

• Sie können den Modellnamen, der für Ihre KI-Funktion verwendet wird, bei Bedarf ändern, wenn neue Modelle veröffentlicht oder andere eingestellt werden. Weitere Informationen zur Verwendung von Remote Config oder Server-Prompt-Vorlagen

• Mit Remote Config können Sie eine Mindestversion für Ihre App festlegen, sodass Sie Nutzern entweder eine Benachrichtigung zum Upgrade anzeigen oder sie zum Upgrade zwingen können.

• Mit Remote Config und Firebase A/B Testing können Sie Modelle und Prompts mit kleinen Nutzergruppen testen.