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 de terceros, 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 para que se adapte a tu caso de uso:

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

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

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

Requisitos previos

  • Instala la versión beta más reciente de Xcode 27.

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

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

Modelos Gemini compatibles

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

  • Modelos de uso general

    • gemini-3.1-pro-preview
    • gemini-3.6-flash (y el gemini-3.5-flash anterior)
    • gemini-3.5-flash-lite (y el gemini-3.1-flash-lite anterior)

  • 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")

Gemini Live API modelos y Imagen modelos no se admiten. Ten en cuenta que los modelos 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 nuevo de Firebase para explorar esta integración.

  1. Accede a la Firebase consola.

  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 con tu proyecto de Firebase y agregar un archivo de configuración a tu código base.

  1. En el centro de la descripción general del proyecto página, 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 la app. Asegúrate de que coincida con el ID del paquete del proyecto que estás compilando 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. Traslada GoogleService-Info.plist al directorio raíz de tu proyecto de Xcode y agrégalo a todos los destinos.

    3. Haz clic en Siguiente en la Firebase consola.

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

Paso 3: Agrega bibliotecas de Firebase y, luego, 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. Selecciona la regla de dependencia como Branch y, luego, ingresa wwdc26-preview.

    4. Haz clic en Add Package. 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 la 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 Firebase AI Logic servicio 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 Firebase, ve a AI Services > AI Logic.

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

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

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

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

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

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

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

  1. En tu proyecto de Xcode, importa FirebaseAppCheck e inicializa App Check con el 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 tu 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 con App Check:

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

    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 (incluida la forma de obtener un token de depuración nuevo), consulta la documentación App Check oficial.

Paso 5: Inicializa el servicio de AI Logic en tu app

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

Con Firebase y App Check configurados, ahora puedes inicializar el Firebase AI Logic servicio 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-3.6-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 solo 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-3.6-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 Gemini también admiten otros tipos de solicitudes, como analizar imágenes y archivos PDF , generar resultados JSON estructurados y generar imágenes (con 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 su lugar, 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-3.6-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 la Gemini API a través del framework de modelos de base de Apple.