مدل‌های هوش مصنوعی Gemini

خانواده مدل‌های Gemini Pro و Gemini Flash قابلیت‌های هوش مصنوعی چندوجهی را به توسعه‌دهندگان Android ارائه می‌دهند، استنباط را در فضای ابری اجرا می‌کنند، و ورودی‌های تصویر، صوت، ویدیو، و نوشتار را در برنامه‌های Android پردازش می‌کنند.

  • Gemini Pro: Gemini Pro مدل اندیشیدن پیشرفته Google است که می‌تواند مسائل پیچیده در کد، ریاضیات، و علوم، فناوری، مهندسی، و ریاضیات را استدلال کند و همچنین مجموعه‌های داده بزرگ، پایگاه‌های کد، و اسناد را بااستفاده از بافت طولانی تحلیل کند.
  • Gemini Flash: مدل‌های Gemini Flash ویژگی‌های نسل بعدی و قابلیت‌های بهبودیافته، ازجمله سرعت برتر، استفاده از ابزار داخلی، و پنجره زمینه‌ای ۱ میلیون داده‌واحد (توکن) را ارائه می‌دهند.

Firebase AI Logic

منطق هوش مصنوعی Firebase به توسعه‌دهندگان امکان می‌دهد هوش مصنوعی زایای Google را به‌طور ایمن و مستقیم به برنامه‌هایشان اضافه کنند و توسعه را ساده‌تر کنند، و ابزارها و ادغام‌های محصول را برای آماده‌سازی موفق تولید ارائه می‌دهد. این کیت توسعه نرم‌افزار Android مشتری را برای ادغام مستقیم و فراخوانی Gemini API از کد مشتری ارائه می‌دهد و با حذف نیاز به زیرینه، توسعه را ساده می‌کند.

ارائه‌دهندگان میانای برنامه‌سازی کاربردی

‫Firebase AI Logic به شما امکان می‌دهد از ارائه‌دهندگان Google Gemini API زیر استفاده کنید: Gemini Developer API و Agent Platform Gemini API (قبلاً Vertex AI).

تصویری که نشان می‌دهد برنامه Android بااستفاده از «کیت توسعه نرم‌افزار Firebase Android» درخواست‌هایی را به زیرینه Firebase در فضای ابری ارسال می‌کند. درخواست‌ها می‌توانند به Gemini Developer API یا Agent Platform Gemini API هدایت شوند، که هر دو از مدل‌های Gemini Pro و Flash استفاده می‌کنند.
شکل ۱. معماری یکپارچه‌سازی Firebase AI Logic.

تفاوت‌های اصلی برای هر ارائه‌دهنده API در اینجا آمده است:

Gemini Developer API:

  • با یک سطح رایگان سخاوتمندانه بدون نیاز به اطلاعات پرداخت، بدون هزینه شروع کنید.
  • درصورت تمایل، به سطح پولی Gemini Developer API ارتقا دهید تا با رشد پایگاه کاربری‌تان، مقیاس‌پذیر شوید.
  • با پیام‌واره‌ها تکرار و آزمایش کنید و حتی بااستفاده از Google AI Studio تکه‌کد دریافت کنید.

پلاتفرم عامل Gemini API (قبلاً Vertex AI):

  • کنترل دقیق بر مکان دسترسی به مدل.
  • ایده‌آل برای توسعه‌دهندگانی که ازقبل در بوم‌سازگان Google Cloud جاسازی شده‌اند.
  • با پیام‌واره‌ها تکرار و آزمایش کنید و حتی بااستفاده از Agent Studio تکه‌کد دریافت کنید.

انتخاب ارائه‌دهنده Gemini API مناسب برای برنامه شما براساس محدودیت‌های کسب‌وکار و فنی شما است. اکثر توسعه‌دهندگان Android که تازه شروع به کار با مدل‌های Gemini Pro و Flash کرده‌اند باید با Gemini Developer API شروع کنند. جابه‌جایی بین ارائه‌دهندگان با تغییر پارامتر در سازنده مدل انجام می‌شود:

کاتلین

// 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

جاوا

// 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);

دسترسی به مدل‌ها در دستگاه، در فضای ابری، یا به‌صورت ترکیبی

علاوه‌بر مدل‌های Gemini میزبانی‌شده در فضای ابری که در بخش قبلی توضیح داده شد، «کیت توسعه نرم‌افزار Firebase AI Logic» به شما امکان می‌دهد به مدل‌های درون‌دستگاهی نیز دسترسی داشته باشید تا ویژگی‌های هوش مصنوعی برنامه‌تان را بسازید. اگر «کیت توسعه نرم‌افزار» را برای استنباط ترکیبی پیکربندی کنید، برنامه شما می‌تواند وقتی مدل درون‌دستگاهی دردسترس است از آن استفاده کند، اما درصورت نیاز به‌طور یکپارچه به مدل میزبانی‌شده در فضای ابری برگردد (و بالعکس).

مزایای کلیدی رویکرد ترکیبی عبارت‌اند از:

  • مسیریابی هوشمند: تکالیف ساده در دستگاهتان انجام می‌شود، درحالی‌که پرسش‌های پیچیده به‌طور خودکار برای تجزیه‌وتحلیل عمیق‌تر به فضای ابری ارسال می‌شود.

  • دسترسی آفلاین: برنامه‌هایتان با اجرای مدل‌ها مستقیماً در دستگاهتان بدون اینترنت کار می‌کنند. وقتی دوباره آنلاین شدید، می‌توانید به مدل‌های میزبانی‌شده در فضای ابری دسترسی پیدا کنید.

  • هزینه‌های کمتر: اجرای کارهای روزمره در دستگاه به‌جای فضای ابری هزینه‌های استنباط را کاهش می‌دهد.

امنیت ویژگی‌های هوشواره‌ای

‫Firebase AI Logic از چندین ویژگی پشتیبانی می‌کند که به شما امکان می‌دهد ویژگی‌های هوش مصنوعی را به‌طور ایمن در برنامه‌تان بسازید:

  • به‌تأیید رساندن اصالت برنامه: وقتی مستقیماً از برنامه Android خود با Gemini API تماس می‌گیرید، API دربرابر سوءاستفاده مشتریان غیرمجاز آسیب‌پذیر است. باید بااستفاده از Firebase AI Logic و اعمال بررسی برنامه Firebase به محافظت از آن دربرابر سوءاستفاده کمک کنید. وقتی «بررسی برنامه» را اعمال می‌کنید، فقط درخواست‌های ورودی‌ای را مجاز می‌کند که درستی‌سنجی شده باشند و از برنامه واقعی شما یا دستگاه دستکاری‌نشده باشند. «بررسی برنامه» از یکپارچگی Play و سازمانی reCAPTCHA به‌عنوان ارائه‌دهندگان گواهی تولید پشتیبانی می‌کند.

  • ذخیره کردن پیام‌واره‌ها در سمت سرور: برای درخواست‌هایتان به Gemini API بااستفاده از Firebase AI Logic، می‌توانید پیام‌واره، طرحواره، و پیکربندی‌هایتان را در الگوهای پیام‌واره سمت سرور ذخیره کنید. برنامه شما فقط کلید (شناسه الگو) را از کارخواه به سرور منتقل می‌کند. استفاده از الگوهای پیام‌واره سرور به محافظت دربرابر نمایش پیام‌واره شما در سمت مشتری کمک می‌کند.

  • دسترسی به مدل‌های درون‌دستگاهی: می‌توانید از Firebase AI Logic برای مسیریابی درخواست‌هایتان به مدل درون‌دستگاهی درصورت دردسترس بودن استفاده کنید. درخواست، ازجمله پیام‌واره، هرگز از دستگاه خارج نمی‌شود.

ساختن برای تولید

‫Firebase AI Logic به شما کمک می‌کند ویژگی‌های هوش مصنوعی قدرتمندی در برنامه‌تان بسازید و مطمئن شوید که این ویژگی‌ها در محیط تولید کار می‌کنند. برای جزئیات بیشتر، فهرست وارسی تولید Firebase AI Logic را بررسی کنید.

دسترسی و امنیت

  • Firebase App Check را اعمال کنید تا به محافظت از Gemini API دربرابر سوءاستفاده کمک کنید وقتی مستقیماً از برنامه‌تان فراخوانی می‌شود. وقتی App Check اعمال می‌شود، تأیید می‌کند که درخواست‌های ورودی از برنامه اصیل شما یا دستگاه دستکاری‌نشده نشئت گرفته‌اند.

  • حالت کاربران اصالت‌سنجی‌شده را اعمال کنید تا همه درخواست‌های Firebase AI Logic باید شامل اطلاعات اعتباری معتبر از اصالت‌سنجی Firebase باشد.

نظارت، محدودیت‌ها، و صورت‌حساب

مدیریت پیکربندی‌ها

  • با انتشار مدل‌های جدید یا توقف فعالیت مدل‌های دیگر، تغییرات درخواستی در نام مدل مورد استفاده برای ویژگی هوش مصنوعی خود ایجاد کنید. جزئیات استفاده از پیکربندی از دور یا الگوهای پیام‌واره سرور را ببینید.

  • از «پیکربندی از دور» برای تنظیم حداقل نسخه برای برنامه‌تان استفاده کنید تا بتوانید اعلان ارتقا را به کاربران نشان دهید یا کاربران را مجبور به ارتقا کنید.

  • مدل‌ها و پیام‌واره‌ها را با گروه‌های کوچکی از کاربران بااستفاده از «پیکربندی از دور» و آزمون آ/ب Firebase آزمایش کنید.