Comienza a usar la API de Gemini a través del framework de modelos base de Apple


En la WWDC 2026, Apple abrió el framework de modelos de base a adaptadores de modelos externos, lo que significa que puedes acceder a modelos alojados en la nube (como Gemini) a través del framework de modelos de base con la misma API que usarías para acceder a modelos integrados en el dispositivo.

En tu app, puedes intercambiar la instancia del modelo para enrutar tus solicitudes a la inferencia integrado en el dispositivo o en la nube según tu caso de uso:

  • Los modelos integrados en el dispositivo ofrecen máxima privacidad, cero costo y compatibilidad sin conexión.
  • Los modelos Gemini alojados en la nube ofrecen ventanas de contexto grandes, capacidades avanzadas y más poder de razonamiento.

Puedes acceder a los modelos Gemini alojados en la nube a través del framework Foundation Models de Apple con el SDK de Firebase para plataformas Apple, específicamente la biblioteca Firebase AI Logic. En esta guía, se muestra cómo comenzar.

Para proteger el acceso a los modelos de Gemini, en esta guía, también se muestra cómo configurar Firebase App Check, que es fundamental incluso durante el desarrollo.

Requisitos previos

  • Descarga Xcode 27 desde Mac App Store.

  • Un simulador de plataforma de Apple o un dispositivo físico, ambos con la versión del SO correspondiente (por ejemplo, iOS 27)

  • Un nuevo proyecto de Xcode de una app para plataformas de Apple que usa una interfaz de SwiftUI.

Modelos de Gemini compatibles

La integración con el framework de modelos de base de Apple admite los siguientes modelos Gemini.

  • Modelos de uso general

    • gemini-3.1-pro-preview
    • gemini-3.8-flash (y los modelos anteriores gemini-3.7-flash, gemini-3.6-flash y gemini-3.5-flash)
    • gemini-3.5-flash-lite (y el anterior gemini-3.1-flash-lite)

  • Modelos de generación de imágenes

    • gemini-3-pro-image (también conocido como "Nano Banana Pro")
    • gemini-3.1-flash-image (también conocido como "Nano Banana 2")
    • gemini-3.1-flash-lite-image (también conocido como "Nano Banana 2 Lite")

Los modelos Gemini Live API no son compatibles. Ten en cuenta que los modelos de Gemini 2.5 son técnicamente compatibles, pero no se recomiendan para proyectos nuevos y requieren una configuración especial que no se aborda en estas guías.

Paso 1: Crea un proyecto de Firebase

Te recomendamos que comiences con un proyecto de Firebase nuevo para explorar esta integración.

  1. Accede a la consola de Firebase.

  2. Haz clic en Crear un proyecto de Firebase nuevo.

  3. Sigue las instrucciones en pantalla. No es necesario que habilites Google Analytics.

Paso 2: Conecta tu app a Firebase

Para conectar tu app a Firebase, debes registrarla en tu proyecto de Firebase y agregar un archivo de configuración a tu base de código.

  1. En el centro de la página de descripción general del proyecto, haz clic en el ícono de iOS+ para iniciar el flujo de trabajo de configuración.

  2. Registra tu app:

    1. Ingresa el ID del paquete de tu app. Asegúrate de que coincida con el ID del paquete del proyecto que compilas en Xcode.

    2. Haz clic en Registrar app.

  3. Agrega el archivo de configuración de Firebase. Este archivo contiene la configuración del SDK de Firebase para conectarse a tu proyecto de Firebase.

    1. Haz clic en Descargar GoogleService-Info.plist para obtener tu archivo de configuración.

    2. Mueve GoogleService-Info.plist a la raíz de tu proyecto de Xcode y agrégalo a todos los destinos.

    3. Haz clic en Siguiente en la consola de Firebase.

  4. El flujo de trabajo de la consola proporciona instrucciones genéricas para agregar el SDK de Firebase a tu app, por lo que debes avanzar al siguiente paso de esta guía para obtener instrucciones específicas para Firebase AI Logic.

Paso 3: Agrega las bibliotecas de Firebase e inicializa Firebase en tu app

  1. Usa Swift Package Manager para agregar las bibliotecas de Firebase necesarias:

    1. En Xcode, con tu proyecto de app abierto, selecciona File > Add Packages.

    2. Ingresa la URL del repositorio del SDK de Firebase para Apple:

      https://github.com/firebase/firebase-ios-sdk

    3. Elige al menos la versión 12.19.0.

    4. Haz clic en Agregar paquete. Xcode resolverá y descargará las dependencias.

    5. Cuando se te solicite, agrega las bibliotecas FirebaseAILogic y FirebaseAppCheck al destino de tu app.

  2. Inicializa Firebase cuando se inicie tu app agregando el siguiente código a su punto de entrada principal:

    import SwiftUI
import FirebaseCore

@main
struct YourApp: App {
  init() {
    FirebaseApp.configure()
  }

  var body: some Scene {
    WindowGroup {
      NavigationView {
        ContentView()
      }
    }
  }
}

Paso 4: Habilita y protege los servicios de Firebase

Ahora que tu app está configurada para usar Firebase, debes habilitar el servicio de Firebase AI Logic y proteger el acceso a sus APIs asociadas con Firebase App Check.

Paso 4a: Configura Firebase AI Logic en tu proyecto de Firebase

  1. En la consola de Firebase, ve a Servicios de IA > Lógica de IA.

  2. Haz clic en Comenzar para iniciar el flujo de trabajo de configuración guiada.

  3. Cuando se te solicite que elijas un "proveedor de la API de Gemini", te recomendamos que selecciones la API de Gemini Developer, que te permite comenzar rápidamente sin costo.

    En cualquier momento posterior, puedes configurar Agent Platform Gemini API (formerly Vertex AI) (y su requisito de facturación).

  4. Continúa con el flujo de trabajo para configurar las APIs y los servicios asociados necesarios para Firebase AI Logic.

    A partir de principios de julio de 2026, esta etapa del flujo de trabajo aplicará automáticamente Firebase App Check para AI Logic, que es un servicio fundamental para ayudar a proteger Gemini API cuando se accede a él directamente desde tu app. Como parte de los primeros pasos (consulta los pasos más adelante en esta guía), deberás configurar el proveedor de depuración de App Check para el desarrollo local cuando se aplique App Check.

Paso 4b: Configura el proveedor de depuración de App Check para el desarrollo local

Para el desarrollo local, debes configurar el proveedor de depuración de App Check para omitir la certificación y, al mismo tiempo, mantener la aplicación de App Check.

  1. En tu proyecto de Xcode, importa FirebaseAppCheck y, luego, inicializa App Check con la fábrica del proveedor de depuración antes de configurar Firebase.

    import SwiftUI
import FirebaseCore
import FirebaseAppCheck

@main
struct YourApp: App {
  init() {
    let providerFactory = AppCheckDebugProviderFactory()
    AppCheck.setAppCheckProviderFactory(providerFactory)
    FirebaseApp.configure()
  }

  var body: some Scene {
    WindowGroup {
      NavigationView {
        ContentView()
      }
    }
  }
}

  2. Obtén tu token de depuración:

    1. Inicia la app en el simulador o en tu dispositivo de prueba.

    2. Abre la consola de Xcode y busca el token de depuración App Check. Por ejemplo:

      <Warning> [AppCheckCore][I-GAC004001] App Check debug token: '123a4567-b89c-12d3-e456-789012345678'.

    3. Copia el token (por ejemplo, 123a4567-b89c-12d3-e456-789012345678).

  3. Registra tu token de depuración en App Check:

    1. En la consola de Firebase, ve a la pestaña Apps de Seguridad > App Check.

    2. Busca tu app, haz clic en el menú ampliado () y, luego, selecciona Administrar tokens de depuración.

    3. Sigue las instrucciones en pantalla para registrar tu token de depuración.

Para obtener detalles sobre el proveedor de depuración (incluido cómo obtener un token de depuración nuevo), consulta la documentación oficial de App Check.

Paso 5: Inicializa el servicio AI Logic en tu app

Haz clic en tu proveedor de Gemini API para ver el contenido y el código específicos del proveedor en esta página.

Con Firebase y App Check configurados, ahora puedes inicializar el servicio de Firebase AI Logic en tu app.

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-3.8-flash")

Paso 6: Envía una solicitud a un modelo Gemini

Con Firebase AI Logic configurado, protegido e inicializado en tu app, ya puedes enviar una solicitud a un modelo de Gemini.

En el siguiente ejemplo, se muestra el tipo de solicitud más básico: generar texto a partir de una instrucción de solo 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-3.8-flash")


// Create a session by injecting the model into Apple's `LanguageModelSession`.
let session = LanguageModelSession(model: model)

// Generate a text response to a prompt.
let response = try await session.respond(to: "Write a story about a magic backpack.")
print(response.content)

Los modelos de Gemini también admiten otros tipos de solicitudes, como analizar imágenes y PDFs, generar resultados JSON estructurados y generar imágenes (con los modelos "Nano Banana"). Consulta ejemplos de estos tipos de solicitudes en la documentación o en la app de ejemplo.

Transmite la respuesta

Puedes lograr interacciones más rápidas si no esperas el resultado completo de la generación del modelo y, en cambio, usas la transmisión para controlar los resultados parciales. Para transmitir la respuesta, usa streamResponse(to:) en lugar de respond(to:).

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-3.8-flash")


// Create a session by injecting the model into Apple's `LanguageModelSession`.
let session = LanguageModelSession(model: model)

// Generate a streamed text response to a 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
}

Próximos pasos


Envía comentarios sobre el acceso a Gemini API a través del framework de modelos de base de Apple