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 diferentes de pagamento por uso (saiba mais na documentação de cada um).

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

A tabela a seguir lista a disponibilidade dos recursos mais comuns para os dois provedores "Gemini API". Esta tabela se aplica especificamente ao usar os SDKs do cliente 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 seu 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 Google Cloud, essa mudança de marca 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 marca de "Vertex AI Studio" para "Agent Studio".

• Não houve mudanças nas funcionalidades das APIs subjacentes ou nos modelos compatíveis.

Para os SDKs do Firebase AI Logic, fizemos essa mudança de marca ao atualizar a sintaxe de inicialização do serviço de back-end "Gemini API" e atualizar 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 v13.0.0 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 v12.17.0+ do SDK do Firebase para JavaScript.
  • A sintaxe VertexAIBackend foi removida na v13.0.0 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.
  Disponível a partir do plug-in do Firebase AI Logic para Flutter v3.15.0+ (BoM do Firebase para Flutter v4.18.0+).

  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.
  Disponível a partir do SDK do Firebase para Unity v13.15.0 e versões mais recentes.

  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 da "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 novos lançamentos 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 agora é distribuído no módulo FirebaseAILogic. Essa mudança não é interruptiva e é compatível com versões anteriores.

Por que fizemos essa mudança?

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

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

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

O que fazer se você estiver fazendo upgrade para a v12.5.0 ou mais recente?

A mudança do nome do módulo para FirebaseAILogic não causa falhas e é compatível com versões anteriores no Firebase 12. No entanto, no Firebase 13, esse módulo antigo será removido. Faça a transição das dependências e importações antes de atualizar para o Firebase 13.

Não há mudanças obrigatórias para essa mudança de nome do módulo, mas recomendamos que você faça o seguinte:

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 Agent Platform Gemini API (formerly Vertex AI), seu projeto precisa ter as duas APIs a seguir ativadas:

• API Agent Platform (aiplatform.googleapis.com)
• API Firebase AI Logic (firebasevertexai.googleapis.com)

É possível ativar essas APIs usando uma das seguintes opções:

• Opção 1 (recomendada): ative as APIs com alguns cliques no console do Firebase:

  1. No console do Firebase, acesse a página Serviços de IA > Firebase AI Logic.

  2. Clique em Começar.

  3. Selecione para começar a usar o Agent Platform Gemini API (formerly Vertex AI).

     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.

• Opção 2 (manual; não recomendado): ative as APIs no console Google Cloud:

  1. Clique em cada link de API na parte de cima desta entrada de perguntas frequentes e depois em Ativar na página de cada API.

  2. Adicione 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 Gemini API, desative as APIs associadas no seu projeto do Firebase.

Permissões necessárias para usar o Firebase AI Logic

Modelos compatíveis ao usar o Firebase AI Logic

Consulte a lista de modelos compatíveis. Adicionamos novos recursos aos SDKs com frequência. Por isso, consulte estas perguntas frequentes para ver 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 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 (independente 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 desativados (aposentados): lista e substituições

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

Modelos estáveis 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 (também conhecido como "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 ainda não há data de desativação anunciada. Somente projetos ativos anteriormente podem continuar usando.
    • 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 modelos estáveis Gemini Live API 2.5 não foram afetados.

Substituição: migre para usar um dos modelos mais recentes do Gemini (como gemini-4-argon, gemini-3.8-flash ou gemini-3.1-flash-image).

Modelos estáveis 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 Gemini modelos de imagem do Gemini (os modelos "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

• Modelos Gemini 1.5 Pro:

  • 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 desativados (aposentados)

Quando o Google lança uma versão estável do modelo, nos esforçamos para garantir que ela esteja disponível por pelo menos 12 meses antes de desativarmos (aposentarmos) o modelo. No entanto, para o 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) até 45 dias após o lançamento de um modelo substituto.

Onde encontrar a data de desativação de um modelo?

Confira 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 e 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 do projeto apropriados.
  • Publicamos lembretes sobre as próximas desativações em vários canais:
    • Notas da versão (consulte o exemplo)
    • Banners no nível da página, a página de modelos compatíveis e as perguntas frequentes sobre modelos descontinuados e desativados

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

1. Encontre um modelo com suporte no momento adequado e o nome dele.

   Também oferecemos 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 comandos 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 quiser ajustar o limite de taxa por usuário, mude 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 acessar e editar sua cota.

Como reduzir a latência e o alto uso de tokens

Se você estiver enfrentando alta latência ou uso alto de tokens, provavelmente isso se deve 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, níveis mais altos de pensamento nem sempre são necessários, 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 entrada de imagens, PDFs, vídeo e 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.

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

Exceção à inclusão do tipo MIME na solicitação

Uma exceção a fornecer o tipo MIME são as entradas de imagens inline para solicitações de apps nativos das plataformas 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 de Firebase AI Logic nos exemplos de envio de imagens codificadas em base64 em solicitações.

Confira algumas informações adicionais sobre esse recurso específicas para cada plataforma:

• Para Android:

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

  • Para ter mais controle sobre formatos da imagem e 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 formatos da imagem e conversões, forneça as imagens como um InlineDataPart e informe 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 por 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 quiser adicionar esses itens como solicitações de recursos ou votar em uma solicitação existente, acesse Firebase UserVoice.

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 o Agent Platform Gemini API (formerly Vertex AI), além de um gateway proxy do Firebase para proteger essa API contra abuso e permitir integrações com outros produtos do Firebase. Chamamos nosso produto de "Vertex AI no Firebase", e esse nome do produto descrevia com precisão os casos de uso disponíveis do produto na época.

Desde então, ampliamos os recursos do nosso produto. Por exemplo, desde maio de 2025, oferecemos suporte ao 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 ampliado 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 aproveitar todos os recursos mais recentes do Firebase AI Logic (e começar a usar o Gemini Developer API, se quiser).

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 dele 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 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.

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 você a migrar o app para que seja possível aplicar App Check de uma forma que evite interrupções no serviço de um app já lançado e que não tenha App Check.

1. Implemente um provedor de atestado de produção no app o mais rápido 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)

2. 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.

3. Aplicar App Check para Firebase AI Logic.

4. 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

Historicamente, o Gemini Developer API dependia de chaves de API Gemini padrão 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 Gemini para você que era restrita ao Gemini Developer API. O nome dessa chave era Gemini Developer API key (auto created by Firebase).

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

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

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

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

Em nome dos nossos desenvolvedores, o Firebase AI Logic está lidando automaticamente com 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 do 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)

Devido a 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 à Gemini Developer API, como os SDKs do servidor de IA generativa ou 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 mostrados não tiverem 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 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 o Gemini Developer API pode ser autorizado por chave de API, recomendamos que você NÃO adicione o Gemini Developer API (chamado de "API Generative Language" no console Google Cloud) à lista de permissões de API 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