Recursos disponíveis ao acessar a API Gemini usando a estrutura Foundation Models da Apple


Os exemplos nesta página pressupõem que você concluiu o Começar: acessar o Gemini API pelo framework de modelos de fundação da Apple.


Neste guia, mostramos como enviar vários tipos de solicitações para o Gemini API usando o framework de modelos de fundação da Apple com o SDK do Firebase AI Logic para plataformas da Apple.

Nesta página, mostramos exemplos de como enviar os seguintes tipos de solicitações:



Gerar texto

Os modelos Gemini são compatíveis com os seguintes recursos para gerar texto:

Modelos que oferecem suporte a esse recurso

  • gemini-4-hydrogen
  • gemini-4-argon
  • gemini-4-carbon
  • gemini-3.8-flash
  • gemini-3.5-flash-lite (e o gemini-3.1-flash-lite mais antigo)

Os modelos Gemini 3.x Flash de uso geral mais antigos são compatíveis com esse recurso, mas não são mais recomendados para uso devido às próximas datas de desativação e/ou ao roteamento automático para modelos mais recentes.

Gerar texto com base em entrada somente de texto

Clique no seu provedor de Gemini API para conferir o conteúdo e o código específicos do provedor nesta página.

É possível pedir que um modelo Gemini gere texto usando um comando de entrada somente de texto.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")

// Provide a prompt that contains text.
let prompt = "Write a story about a magic backpack."

// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)

// Generate a text response to the prompt.
let response = try await session.respond(to: prompt)
print(response.content)

Mostrar composição da resposta

Para interações mais rápidas, não espere o resultado completo da geração do modelo. Em vez disso, use o streaming para processar resultados parciais. Para fazer streaming da resposta, use streamResponse(to:) em vez de respond(to:).

// imports
// initialization of Gemini API backend service and a `geminiLanguageModel`

// Provide a prompt that contains text.
let prompt = "Write a story about a magic backpack."

// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)

// Generate a text response to the prompt.
// To stream the response, use `streamResponse(to:)` instead of `respond(to:)`
let stream = session.streamResponse(to: "Write a story about a magic backpack.")
var response = ""
for try await snapshot in stream {
  // The snapshot contains *all* content generated so far.
  response = snapshot.content
}

Gerar texto gerado durante uma sessão multiturno (chat)

Clique no seu provedor de Gemini API para conferir o conteúdo e o código específicos do provedor nesta página.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")

// Create a session by injecting the model into Apple's `LanguageModelSession`.
// The session maintains state between each request.
let session = LanguageModelSession(model: model)

// Generate a text response to an initial prompt.
let response = try await session.respond(to: "Hello! I'd like to learn more about Albert Einstein.")
print(response.content)  // Example response from model: "What would you like to know?"

// Continue using the existing session. Each prompt and response is added to the transcript.
let response2 = try await session.respond(to: "When was he born?")
print(response2.content)  // Example response from model: "March 14, 1879"

Gerar texto gerado com base em entradas multimodais (como imagens)

Clique no seu provedor de Gemini API para conferir o conteúdo e o código específicos do provedor nesta página.

Você pode pedir que um modelo Gemini gere texto usando um comando com texto e um arquivo, como uma imagem ou um PDF.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "gemini-4-hydrogen")

// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)

let cgImage: CGImage = // ... fetch CGImage from your datasource.
let response = try await session.respond {
  "What are the dominant colors of this image, in order?"
  Attachment(cgImage)
}
print(response.content)

Mostrar composição da resposta

Para interações mais rápidas, não espere o resultado completo da geração do modelo. Em vez disso, use o streaming para processar resultados parciais. Para fazer streaming da resposta, use streamResponse em vez de respond.

// imports
// initialization of Gemini API backend service and a `geminiLanguageModel`

// Create a session by injecting the model into Apple's `LanguageModelSession`.
// For a single-turn interaction, create a new session each time you call the model.
let session = LanguageModelSession(model: model)

let cgImage: CGImage = // ... fetch CGImage from your datasource.
let stream = session.streamResponse {
  "What are the dominant colors of this image, in order?"
  Attachment(cgImage)
}

var response = ""
for try await snapshot in stream {
  // The snapshot contains *all* content generated so far.
  response = snapshot.content
}
print(response)



Gerar imagens (usando modelos Nano Banana)

Clique no seu provedor de Gemini API para conferir o conteúdo e o código específicos do provedor nesta página.

Modelos que oferecem suporte a esse recurso

  • gemini-nano-banana-2.1 (Nano Banana 2.1)
  • gemini-3.1-flash-image (Nano Banana 2)
  • gemini-3.1-flash-lite-image (Nano Banana 2 Lite)
  • gemini-3-pro-image (Nano Banana Pro)

Você pode pedir que um modelo Gemini Nano Banana gere uma imagem usando um comando com entrada somente de texto.

O exemplo a seguir mostra como gerar apenas uma imagem, mas os modelos Nano Banana podem gerar imagens e texto.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports image output.
let model = ai.geminiLanguageModel(name: "gemini-nano-banana-2.1"
    options:
      GeminiGenerationOptions(responseModalities: .image)
)

let session = LanguageModelSession(model: model)
let response = try await session.respond(
          to: "Generate an image of the Eiffel tower with fireworks in the background."
        )

var generatedImage: CIImage?
// Find the image in the transcriptEntries.
for entry in response.transcriptEntries {
  if case let .response(response) = entry {
    for segment in response.segments {
      if case let .attachment(attachment) = segment,
          case let .image(image) = attachment.content {
        generatedImage = image.ciImage
      }
    }
  }
}



Gerar saída JSON estruturada

Clique no seu provedor de Gemini API para conferir o conteúdo e o código específicos do provedor nesta página.

Modelos que oferecem suporte a esse recurso

  • gemini-4-hydrogen
  • gemini-4-argon
  • gemini-4-carbon
  • gemini-3.8-flash
  • gemini-3.5-flash-lite (e o gemini-3.1-flash-lite mais antigo)
  • gemini-3-pro-image (Nano Banana Pro)

Os modelos Gemini 3.x Flash de uso geral mais antigos são compatíveis com esse recurso, mas não são mais recomendados para uso devido às próximas datas de desativação e/ou ao roteamento automático para modelos mais recentes.

Os modelos Gemini retornam respostas como texto não estruturado por padrão. No entanto, alguns casos de uso exigem texto estruturado, como JSON. Por exemplo, você pode estar usando a resposta para outras tarefas downstream que exigem um esquema de dados estabelecido.

É possível configurar o modelo para formatar a resposta de acordo com um esquema JSON fornecido por você. Para detalhes, práticas recomendadas e casos de uso para gerar saídas JSON estruturadas, consulte o guia geral Gerar saída estruturada.

import FoundationModels
import FirebaseCore
import FirebaseAILogic

@Generable(description: "Basic profile information about a cat")
struct CatProfile {
  var name: String
  @Guide(description: "The age of the cat", .range(0 ... 20))
  var age: Int
  @Guide(description: "A one sentence profile about the cat's personality")
  var profile: String
}

// Initialize the Gemini Developer API backend service.
let ai = FirebaseAI.firebaseAI(backend: .googleAI())
// Initialize a `geminiLanguageModel` with a Gemini model that supports your use case.
let model = ai.geminiLanguageModel(name: "GEMINI_MODEL_NAME")
let session = LanguageModelSession(model: model)

let response = try await session.respond(
  to: "Generate a cute rescue cat profile with an Elvish theme",
  generating: CatProfile.self
)
let cat = response.content


Envie feedback sobre o acesso ao Gemini API pelo framework de modelos de fundação da Apple