Perguntas frequentes e solução de problemas

Diferenças entre o uso de Gemini Developer API e Agent Platform Gemini API (formerly Vertex AI)

A tabela a seguir lista as diferenças importantes entre os dois provedores "Gemini API" em geral, independentemente de como você os acessa:

¹ Os dois provedores de API têm preços de pagamento por uso diferentes (saiba mais na documentação de cada um).

² A API Files para o Gemini Developer API não é compatível com os SDKs do Firebase AI Logic.

A tabela a seguir lista a disponibilidade de recursos comuns para os dois provedores "Gemini API". Esta tabela se aplica especificamente ao uso dos SDKs de cliente do Firebase AI Logic.

Como usar o Gemini Developer API e o Agent Platform Gemini API (formerly Vertex AI)

É possível ativar os dois provedores do Gemini API no seu projeto do Firebase e usar as duas APIs no próprio app.

Para alternar entre provedores de API no código, verifique se você definiu o serviço de back-end corretamente no código.

Mudanças necessárias para o rebranding de "Vertex AI" para "Plataforma de Agentes"

Em meados de 2026, o Google Cloud mudou o nome da "Vertex AI" para "Gemini Enterprise Agent Platform" (ou "Agent Platform"). No ecossistema do Firebase, chamamos esse serviço de "API Gemini da Agent Platform".

Para o Google Cloud, esse rebranding incluiu o seguinte. Houve outras mudanças, mas elas não se aplicam ao Firebase AI Logic.

• Mudança do nome do produto de "Vertex AI" para "Gemini Enterprise Agent Platform" (ou "Agent Platform"), que inclui novos URLs para o console do Google Cloud e a documentação.

• Mudança do nome de exibição da API de "API Vertex AI" para "API Agent Platform". O nome do serviço permaneceu o mesmo: aiplatform.googleapis.com.

• Mudança de nome de "Vertex AI Studio" para "Agent Studio".

• Não há mudanças nos recursos das APIs ou dos modelos compatíveis.

Para os SDKs do Firebase AI Logic, acomodamos esse rebranding atualizando a sintaxe de inicialização do serviço de back-end "Gemini API" e o local padrão para acessar o modelo ao usar essa nova sintaxe.

• Nova sintaxe de inicialização para o serviço de back-end "Gemini API":

  Swift

  Altere vertexAI para agentPlatform.

  • A sintaxe agentPlatform está disponível a partir da v12.17.0 do SDK.
  • A sintaxe vertexAI foi removida na versão 13.0.0 do SDK.

  BEFORE

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  let ai = FirebaseAI.firebaseAI(backend: .vertexAI(location: "LOCATION"))
  
  // ...
  

  AFTER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  let ai = FirebaseAI.firebaseAI(backend: .agentPlatform(location: "LOCATION"))
  
  // ...
  

  Kotlin

  Altere vertexAI para agentPlatform.

  • A sintaxe agentPlatform está disponível a partir da v17.15.0 do SDK e da v34.17.0 do Firebase Android BoM.
  • A sintaxe vertexAI foi removida na v18.0.0 do SDK e na v35.0.0 da BoM.

  BEFORE

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  val ai = Firebase.ai(backend = GenerativeBackend.vertexAI(location = "LOCATION"))
  
  // ...
  

  AFTER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  val ai = Firebase.ai(backend = GenerativeBackend.agentPlatform(location = "LOCATION"))
  
  // ...
  

  Java

  Altere vertexAI para agentPlatform.

  • A sintaxe agentPlatform está disponível a partir da v17.15.0 do SDK e da v34.17.0 do Firebase Android BoM.
  • A sintaxe vertexAI foi removida na v18.0.0 do SDK e na v35.0.0 da BoM.

  BEFORE

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.vertexAI("LOCATION"));
  
  // ...
  

  AFTER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("LOCATION"));
  
  // ...
  

  Web

  Altere VertexAIBackend para AgentPlatformBackend.

  • A sintaxe AgentPlatformBackend está disponível a partir da versão 12.17.0+ do SDK do Firebase para JS.
  • A sintaxe VertexAIBackend foi removida na versão 13.0.0 do SDK.

  BEFORE

  import { getAI, getGenerativeModel, VertexAIBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAIBackend` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  AFTER

  import { getAI, getGenerativeModel, AgentPlatformBackend } from "firebase/ai";
  
  // ...
  
  // Initialize FirebaseApp
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `AgentPlatformBackend` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend('LOCATION') });
  
  // ...
  

  Dart

  Altere vertexAI para agentPlatform.

  • A sintaxe agentPlatform está disponível a partir da versão 3.15.0 do plug-in e da versão 4.18.0 da BoM do Firebase para Flutter.
  • A sintaxe vertexAI foi removida na v5.0.0 do plug-in e na v5.0.0+ da BoM do Firebase para Flutter.

  BEFORE

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `vertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  final ai = await FirebaseAI.vertexAI(location: 'LOCATION');
  
  // ...
  

  AFTER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the `agentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  final ai = await FirebaseAI.agentPlatform(location: 'LOCATION');
  
  // ...
  

  Unity

  Altere VertexAI para AgentPlatform.

  • A sintaxe AgentPlatform está disponível a partir do SDK do Firebase para Unity v13.15.0+.
  • A sintaxe VertexAI foi removida na versão 14.0.0 do SDK.

  BEFORE

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
  // For the legacy `VertexAI` syntax, the default location is `us-central1`, so
  // specifying a location is usually required since most models are *not* supported in `us-central1`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI(location: "LOCATION"));
  
  // ...
  

  AFTER

  // ...
  
  // Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
  // For the `AgentPlatform` syntax, the default location is `global`, so
  // specifying a location is usually optional since most models are supported in `global`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "LOCATION"));
  
  // ...
  

• Novo local padrão para acessar o modelo ao usar a nova sintaxe de inicialização:

  Ao usar a nova sintaxe de inicialização "Agent Platform", o local padrão é global.

  Essa mudança foi feita porque quase todos os modelos Gemini são compatíveis com global, e o Google Cloud não oferece mais suporte ao local us-central1 para novas versões da maioria dos modelos Gemini.

Para apps Swift: mudanças necessárias para migrar de FirebaseAI para FirebaseAILogic

Para apps de plataformas da Apple, a partir do SDK do Firebase v12.5.0, o Firebase AI Logic é distribuído no módulo FirebaseAILogic. No SDK v13.0.0, o módulo FirebaseAI foi removido.

Por que fizemos essa mudança?

Anteriormente, distribuíamos esse serviço no módulo FirebaseAI. No entanto, precisamos renomeá-lo para FirebaseAILogic pelos seguintes motivos:

• Evite uma colisão de nomes entre o módulo e a classe que causa problemas em distribuições binárias.

• Permitir que usemos macros do Swift para o desenvolvimento de recursos futuros.

O que fazer se você estiver fazendo upgrade para a v12.5.0+ ou v13.0.0+?

No Firebase 12 (a partir da v12.5.0+), a mudança do nome do módulo para FirebaseAILogic não causa interrupções e é compatível com versões anteriores. Portanto, essas mudanças são recomendadas no Firebase 12. No entanto, no SDK do Firebase v13.0.0, o antigo módulo FirebaseAI foi removido. Portanto, essas mudanças são obrigatórias ao fazer upgrade para o Firebase 13.

1. Ao escolher as dependências do Swift PM, escolha FirebaseAILogic (em vez de FirebaseAI).

2. Mude as instruções de importação para FirebaseAILogic (em vez de FirebaseAI).

APIs necessárias e como ativá-las

Para usar os SDKs do Firebase AI Logic com o Gemini Developer API, seu projeto precisa ter as duas APIs a seguir ativadas:

• Gemini Developer API (generativelanguage.googleapis.com)
• API do Firebase AI Logic (firebasevertexai.googleapis.com)

Ative essas duas APIs usando o console do Firebase:

1. No console do Firebase, acesse Serviços de IA > Lógica de IA.

2. Clique em Começar.

3. Selecione para começar a usar o Gemini Developer API.

   Isso inicia um fluxo de trabalho guiado que ativa as duas APIs para você. O Firebase também vai provisionar uma conta de serviço gerenciada pelo Google (P4SA) para autorizar o uso do Gemini API, além de adicionar a API Firebase AI Logic à lista de permissões da sua chave de API do Firebase.

Como desativar APIs em um projeto do Firebase

Para o Firebase AI Logic, tentamos facilitar ao máximo a configuração do seu projeto do Firebase para usar o provedor de Gemini API escolhido. Isso inclui ativar as APIs necessárias no projeto do Firebase durante jornadas específicas, como o fluxo de trabalho guiado no console do Firebase.

No entanto, se você decidir não usar o Firebase AI Logic ou um dos provedores do Gemini API, poderá desativar as APIs associadas no seu projeto do Firebase.

Permissões necessárias para usar o Firebase AI Logic

Modelos compatíveis ao usar Firebase AI Logic

Consulte a lista de modelos compatíveis. Adicionamos novos recursos aos SDKs com frequência. Por isso, consulte estas perguntas frequentes para ver as atualizações (além das notas da versão, blogs e posts em redes sociais).

• O Firebase AI Logic é compatível com os seguintes modelos:

  • Gemini Developer API

    • A maioria dos modelos de fundação do Gemini

  • Agent Platform Gemini API (formerly Vertex AI)

    • A maioria dos modelos de fundação do Gemini

• O Firebase AI Logic não é compatível com os seguintes modelos (independentemente do provedor de Gemini API escolhido):

  • Modelos ajustados

  • Modelos de embedding, modelos do Veo, modelos do Lyria, modelos de robótica, modelos de uso de computador, modelos do Gemini Omni ou modelos do Gemini Cyber

Modelos descontinuados ou encerrados (aposentados): lista e substituições

Confira as perguntas frequentes sobre as mudanças necessárias quando os modelos são descontinuados ou encerrados (desativados).

Modelos estáveis do Gemini 2.5: datas de desativação e substituições

• Gemini 2.5 Pro, Gemini 2.5 Flash e Gemini 2.5 Flash‑Lite

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (Nano Banana)

  • Para os modelos de uso geral, a data de desativação depende do provedor de Gemini API escolhido:

    • Gemini Developer API (IA do Google): descontinuado, mas nenhuma data de encerramento foi anunciada ainda (somente projetos ativos anteriormente podem continuar usando-os)
    • Agent Platform Gemini API (formerly Vertex AI): 20 de outubro de 2026

  • Para o modelo de geração de imagens (Nano Banana), a data de desativação é a mesma, independente do provedor de Gemini API escolhido: 2 de outubro de 2026

  Outros modelos Nano Banana e todos os modelos estáveis Gemini Live API 2.5 não são afetados.

Substituição: migre para usar um dos modelos mais recentes do Gemini (como gemini-4-argon, gemini-3.8-flash ou gemini-nano-banana-2.1).

Modelos estáveis do Imagen: datas de desativação e substituições

• Todos os modelos Imagen serão desativados em 17 de agosto de 2026 (a data de desativação foi estendida de 30 de junho de 2026).

Substituição: migre seus apps para usar os modelos Gemini Nano Banana.

Modelos estáveis do Gemini 2.0: datas de desativação e substituições

• Gemini 2.0 Flash e Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (e o alias atualizado automaticamente gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (e o alias atualizado automaticamente gemini-2.0-flash-lite)

  • 6 de fevereiro de 2026: esses modelos não estarão mais disponíveis para uso em projetos que não os utilizaram antes.

  • 31 de março de 2026: esses modelos serão desativados.

  Os modelos estáveis do Gemini Live API 2.0 não são afetados.

Substituição: migre para usar um dos novos modelos Gemini 3.x (como gemini-3.1-flash-lite).

Modelos estáveis do Gemini 1.5 e 1.0: datas de desativação e substituições

• Gemini 1.5 Pro modelos:

  • gemini-1.5-pro-002 (e gemini-1.5-pro): 24 de setembro de 2025
  • gemini-1.5-pro-001: 24 de maio de 2025

• Gemini 1.5 Flash modelos:

  • gemini-1.5-flash-002 (e gemini-1.5-flash): 24 de setembro de 2025
  • gemini-1.5-flash-001: 24 de maio de 2025

• Modelos Gemini 1.0 Pro Vision: 21 de abril de 2025 (antes programado para 9 de abril de 2025)

• Modelos Gemini 1.0 Pro: 21 de abril de 2025 (antes programado para 9 de abril de 2025)

Substituição: migre para usar um dos novos modelos Gemini 3.x (como gemini-3.1-flash-lite).

Mudanças necessárias quando os modelos são descontinuados ou encerrados (desativados)

Quando o Google lança uma versão estável do modelo, nos esforçamos para garantir que ela esteja disponível por pelo menos 12 meses antes de encerrarmos (desativarmos) o modelo. No entanto, para Agent Platform Gemini API (formerly Vertex AI), alguns modelos estáveis têm apenas disponibilidade de curto prazo, o que significa que eles podem ser desativados (descontinuados) em até 45 dias após o lançamento de um modelo de substituição.

Onde encontrar a data de desativação de um modelo?

Veja algumas maneiras de encontrar a data de desativação de um modelo:

• No momento do lançamento: listamos a data de desativação esperada de cada modelo em vários lugares na documentação do provedor Gemini API, bem como na documentação do Firebase (consulte a página de modelos compatíveis).

• À medida que a data de desativação se aproxima:

  • O Google envia e-mails para os membros apropriados do projeto.
  • Postamos lembretes sobre as próximas desativações em vários canais:
    • Notas da versão (veja o exemplo)
    • Banners no nível da página, a página de modelos compatíveis e as perguntas frequentes sobre modelos descontinuados e encerrados

O que fazer se o modelo que você está usando estiver prestes a ser desativado?

1. Encontre um modelo compatível e o nome do modelo.

   Também fornecemos modelos de substituição recomendados nas Perguntas frequentes sobre modelos descontinuados e desativados.

2. Atualize o nome do modelo usado pelo app antes da data de desativação. Caso contrário, todas as solicitações para esse modelo vão falhar com um erro 404.

   • Você define o nome do modelo durante a inicialização ao criar uma instância GenerativeModel, LiveModel ou ImagenModel. Leia a recomendação importante abaixo sobre o uso de Firebase Remote Config ou modelos de comando do servidor.

   • Ao usar Firebase AI Logic, geralmente não é necessário modificar o código que chama o modelo.

     Para os modelos Gemini 4.x e Gemini 3.x mais recentes, vários parâmetros não são compatíveis (especificamente temperatura, Top-K, Top-P, penalidade de frequência, penalidade de presença e contagem de candidatos).

3. Teste o app para garantir que as respostas ainda sejam as esperadas.

Como definir um limite de taxa por usuário

Por padrão, o Firebase AI Logic define o limite de solicitações por usuário em 100 solicitações por minuto (RPM).

Se você quiser ajustar o limite de taxa por usuário, ajuste as configurações de cota da API Firebase AI Logic.

Saiba mais sobre a cota da API Firebase AI Logic. Nessa página, você também pode aprender a visualizar e editar sua cota.

Como reduzir a latência e o alto uso de tokens

Se você estiver enfrentando alta latência ou alto uso de tokens, é provável que isso se deva à configuração do nível de raciocínio do modelo que você está usando.

Os modelos Gemini 3 e mais recentes sempre usam um "processo de pensamento" interno que melhora significativamente as habilidades de raciocínio e planejamento em várias etapas, tornando-os altamente eficazes para tarefas complexas, como programação, matemática avançada e análise de dados.

No entanto, dependendo da tarefa, nem sempre é necessário usar níveis mais altos de raciocínio, e você pode configurar o modelo para usar um nível mais baixo. Um nível de pensamento mais baixo ajuda a reduzir a latência e o uso de tokens. Para ajudar você a decidir o quanto um modelo pode precisar da capacidade de raciocínio, consulte a comparação de dificuldades de tarefas.

Para a maioria dos modelos Gemini 3 e mais recentes, o nível de raciocínio padrão é definido como HIGH.

Requisitos de tipo MIME para solicitações multimodais (como para imagens, PDFs, vídeos e entrada de áudio)

Em cada solicitação multimodal, você precisa fornecer o seguinte:

• O mimeType do arquivo. Confira uma exceção abaixo.

• O arquivo. É possível fornecer o arquivo como dados inline ou usando o URL dele.

Aprenda mais sobre os tipos de arquivo de entrada compatíveis, como especificar o tipo MIME e as duas opções para fornecer o arquivo em Arquivos de entrada compatíveis e requisitos.

Exceção para incluir o tipo MIME na solicitação

Uma exceção ao fornecimento do tipo MIME são as entradas de imagem inline para solicitações de apps nativos para Android e Apple.

Os SDKs do Firebase AI Logic para plataformas Android e Apple oferecem uma maneira simplificada e compatível com a plataforma para processar imagens em solicitações. Todas as imagens (independentemente do formato) são convertidas no lado do cliente para JPEG com 80% de qualidade antes de serem enviadas ao servidor. Isso significa que, ao fornecer imagens como dados inline usando os SDKs das plataformas Android e Apple, não é necessário especificar o tipo MIME na solicitação.

Esse processamento simplificado é mostrado na documentação do Firebase AI Logic nos exemplos de envio de imagens codificadas em base64 em solicitações.

Confira algumas informações adicionais sobre esse recurso em plataformas específicas:

• No Android:

  • É possível aproveitar a maneira simplificada de lidar com tipos de imagem nativos da plataforma (Bitmap) em comandos multimodais que contêm imagens como dados inline (consulte o exemplo).

  • Para ter mais controle sobre os formatos da imagem e as conversões, forneça as imagens como um InlineDataPart e informe o tipo MIME específico. Exemplo:

    content { inlineData(/* PNG as byte array */, "image/png") }

• Para plataformas da Apple:

  • É possível aproveitar a maneira simplificada de lidar com tipos de imagem nativos da plataforma (UIImage, NSImage, CIImage e CGImage) em comandos multimodais que contêm imagens como dados inline (consulte o exemplo).

  • Para ter mais controle sobre os formatos da imagem e as conversões, forneça as imagens como um InlineDataPart e o tipo MIME específico. Exemplo:

    InlineDataPart(data: Data(/* PNG Data */), mimeType: "image/png")

Recursos avançados que ainda não estão disponíveis ao usar o Firebase AI Logic: embasamento com a Pesquisa de imagens do Google, ajuste de um modelo, geração de embeddings e recuperação semântica

Os recursos a seguir são compatíveis com vários modelos e provedores de API, mas não estão disponíveis ao usar Firebase AI Logic:

• Embasamento com a Pesquisa de Imagens do Google
• Ajustar um modelo
• Geração de embeddings
• Recuperação semântica

Se você quiser adicionar essas solicitações de recursos ou votar em uma solicitação existente, acesse o UserVoice do Firebase.

Entenda a mudança de nome de "Vertex AI in Firebase" para "Firebase AI Logic"

Em 2024, lançamos um conjunto de SDKs de cliente do Firebase que podiam usar a Agent Platform Gemini API (formerly Vertex AI), além de um gateway de proxy do Firebase para proteger essa API contra abusos e permitir integrações com outros produtos do Firebase. Chamamos nosso produto de "Vertex AI no Firebase", e esse nome descrevia com precisão os casos de uso disponíveis do produto na época.

No entanto, desde então, expandimos os recursos do nosso produto. Por exemplo, desde maio de 2025, oferecemos suporte para o Gemini Developer API, incluindo a capacidade de proteger o Gemini Developer API contra abusos usando nossa integração com o Firebase App Check.

Como resultado, o nome "Vertex AI no Firebase" não representa mais com precisão o escopo expandido do nosso produto. Assim, um novo nome, Firebase AI Logic, reflete melhor nosso conjunto de atributos em evolução e nos permite continuar expandindo nossas ofertas no futuro.

Confira o guia de migração para garantir que você tenha todos os recursos mais recentes do Firebase AI Logic (e, se quiser, comece a usar o Gemini Developer API).

Uso de dados para treinar modelos

Consulte Governança de dados e IA responsável.

Aplicação obrigatória de App Check para todas as versões de um app

A App Check precisa ser aplicada a todas as versões do app que usam Firebase AI Logic.

É fundamental que o App Check seja aplicado o mais cedo possível, especialmente antes de confirmar o app em um sistema de controle de código-fonte disponível publicamente, compartilhar o app ou disponibilizá-lo publicamente.

Se você implementar o App Check na base de código do app imediatamente, todas as versões do app poderão enviar tokens App Check válidos. Uma solicitação que não envia um token válido é considerada não verificada e será bloqueada quando App Check for aplicado.

Se você já lançou uma versão do seu app para usuários finais que não tem o App Check implementado, consulte as perguntas frequentes sobre como implementar e aplicar o App Check em um app já lançado.

Adiar a aplicação automática de App Check para Firebase AI Logic

A partir de 2 de novembro de 2026, o Firebase vai aplicar automaticamente o Firebase App Check para o Firebase AI Logic no seu projeto do Firebase (se ainda não tiver sido aplicado).

Quando o App Check é aplicado, todas as solicitações para Firebase AI Logic sem um token App Check válido são bloqueadas. Isso inclui versões de apps lançadas que não têm um provedor de atestado de produção implementado.

Se você tiver lançado versões do app que não têm o App Check implementado, poderá atrasar temporariamente a aplicação automática do App Check para Firebase AI Logic. No entanto, antes de 21 de janeiro de 2027, é fundamental que você trabalhe para implementar e aplicar o App Check nos apps já lançados.

Veja como atrasar a aplicação automática de App Check para Firebase AI Logic:

1. No console do Firebase, acesse a guia Segurança > App Check > APIs.

2. Encontre a linha de Firebase AI Logic.

3. No final da linha, encontre o seletor de data Aplicar: com o ícone editEditar.

4. Selecione a data em que você quer que o App Check seja aplicado automaticamente ao Firebase AI Logic.

   A última data possível é 21 de janeiro de 2027. Depois dessa data, não será possível atrasar a aplicação automática de App Check para Firebase AI Logic.

5. Clique em Salvar.

Como implementar e aplicar o App Check em um app que já foi lançado

Para versões de apps que não têm o App Check implementado, as solicitações para Firebase AI Logic dessas versões não têm tokens App Check válidos e são consideradas não verificadas. Essas solicitações serão bloqueadas quando App Check for aplicado a Firebase AI Logic.

As instruções a seguir ajudam a migrar o app para que você possa aplicar App Check de uma forma que evite interrupções de serviço em um app já lançado que não tenha App Check.

1. Adiar a aplicação automática de App Check para Firebase AI Logic:

   1. No console do Firebase, acesse a guia Segurança > App Check > APIs.

   2. Encontre a linha de Firebase AI Logic.

   3. No final da linha, encontre o seletor de data Aplicar: com o ícone editEditar.

   4. Selecione a data em que você quer que o App Check seja aplicado automaticamente ao Firebase AI Logic.

      A última data possível é 21 de janeiro de 2027. Após essa data, não será possível atrasar a aplicação automática de App Check para Firebase AI Logic.

   5. Clique em Salvar.

2. Implemente um provedor de atestado de produção no app assim que possível.

   • Plataformas da Apple: DeviceCheck ou App Attest ou reCAPTCHA Enterprise
   • Android: Play Integrity ou reCAPTCHA Enterprise
   • Web: reCAPTCHA Enterprise
   • Flutter: oferece suporte a todos os provedores acima, incluindo reCAPTCHA Enterprise.
   • Unity: compatível com todos os provedores acima (em breve, compatível com reCAPTCHA Enterprise)

3. Monitore as solicitações do seu app para ajudar a decidir quando é seguro aplicar o App Check.

   Por exemplo, se quase todas as solicitações recentes forem de clientes verificados, considere aplicar o App Check.

4. Aplicar App Check para Firebase AI Logic.

5. Para o desenvolvimento local quando o App Check é aplicado, é possível configurar o provedor de depuração do App Check e ainda manter o App Check aplicado para o Firebase AI Logic.

Entenda os upgrades de segurança (meados de 2026) para o Gemini Developer API e o Firebase AI Logic

No passado, o Gemini Developer API dependia de chaves de API padrão do Gemini para autorizar o uso do Gemini Developer API (generativelanguage.googleapis.com). Se você ativou o Firebase AI Logic e escolheu usar o Gemini Developer API, o Firebase criou uma chave de API do Gemini para você que era restrita ao Gemini Developer API. Essa chave foi chamada de Gemini Developer API key (auto created by Firebase).

A partir de meados de 2026, o Gemini Developer API será atualizado para uma alternativa mais segura chamada "chaves de autorização (auth)" (que são essencialmente contas de serviço). Firebase AI Logic foi atualizado em conjunto. Em vez de usar uma chave de API padrão do Gemini, o Firebase AI Logic agora processa a autorização para o Gemini Developer API usando uma conta de serviço gerenciada pelo Google (P4SA) que provisionamos automaticamente para você:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Para projetos novos e atuais, se você acessar o Gemini Developer API pelo Firebase AI Logic, não será necessário fazer nada para aproveitar essas atualizações de segurança a partir de meados de 2026.

Como migrar uma chave de API do Gemini para uma "chave de autorização (auth)"

Para projetos novos e atuais, se você acessar o Gemini Developer API pelo Firebase AI Logic, não será necessário fazer nada para aproveitar os upgrades de segurança de meados de 2026 (incluindo a migração para uma "chave de autorização (auth)").

Em nome dos nossos desenvolvedores, o Firebase AI Logic está processando automaticamente todas as mudanças de segurança necessárias para acomodar a transição do Gemini Developer API para exigir "chaves de autorização (autenticação)".

A partir de meados de 2026, o Firebase AI Logic não vai mais provisionar nem usar chaves de API padrão do Gemini. Em vez disso, o Firebase AI Logic agora processa a autorização para o Gemini Developer API usando uma conta de serviço gerenciada pelo Google (P4SA) que provisionamos automaticamente para você no seu projeto do Firebase:
Agente de serviço do Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Com essa mudança, você pode revisar e excluir qualquer chave de API chamada Gemini Developer API key (auto created by Firebase). É possível excluir essa chave no console do Google Cloud. Analise o seguinte antes de excluir a chave:

• Esta chave de API do Gemini foi criada pelo Firebase com o único propósito de ser usada com o Firebase AI Logic. Portanto, é seguro excluí-la. No entanto, antes de excluir essa chave, verifique se você não a usou por engano com outras ferramentas que podem dar acesso ao Gemini Developer API, como os SDKs do servidor de IA generativa ou o Genkit. Veja como verificar o uso:
  1. No console do Google Cloud, acesse a página do Gemini Developer API e clique em Gerenciar.
  2. Na guia Métricas, no menu suspenso Credenciais, selecione a chave chamada Gemini Developer API key (auto created by Firebase).
  3. Se os gráficos exibidos não mostrarem uso desde o início de julho de 2026 (quando o Firebase AI Logic parou de usar essas chaves de API), a chave poderá ser excluída com segurança.
     No entanto, se os gráficos mostrarem uso, você está usando a chave com outra ferramenta e deve renomear a chave para que fique claro que ela está sendo usada com essa ferramenta (e não com Firebase AI Logic).
• Não exclua nenhuma outra chave de API com um nome que contenha o segmento (auto created by Firebase).

Não adicione uma chave de API do Gemini à base de código de um app da Web ou para dispositivos móveis.

Ao usar os SDKs do Firebase AI Logic, você não precisa de uma chave de API do Gemini para autorizar o uso do Gemini Developer API e não deve adicionar uma chave de API do Gemini à base de código do seu app.

Não use uma "chave de API do Firebase" como uma chave de API do Gemini.

Nunca use sua "chave de API do Firebase" como uma chave de API do Gemini. Recomendamos que você não adicione a Gemini Developer API à lista de permissões da sua chave de API do Firebase.

A chave de API do Firebase é a chave de API listada no arquivo ou objeto de configuração do Firebase que você adiciona à base de código do app para conectá-lo ao Firebase. Não há problema em incluir sua chave de API do Firebase no código quando você usa a chave apenas com APIs relacionadas ao Firebase (como Firebase AI Logic). Saiba mais sobre as chaves de API do Firebase.

No painel APIs e serviços > Credenciais do console do Google Cloud, as chaves de API do Firebase são mostradas assim:

Como você precisa adicionar a chave de API do Firebase à base de código do app para que as APIs relacionadas ao Firebase funcionem, e como a Gemini Developer API pode ser autorizada por meio da chave de API, recomendamos que você NÃO adicione a Gemini Developer API (chamada de "API Generative Language" no console do Google Cloud) à lista de permissões da chave de API do Firebase. Se você fizer isso, vai expor o Gemini Developer API a possíveis abusos.

Como manter uma chave de API do Gemini segura