FAQ und Fehlerbehebung

Unterschiede zwischen der Verwendung von Gemini Developer API und Agent Platform Gemini API (formerly Vertex AI)

In der folgenden Tabelle sind wichtige Unterschiede zwischen den beiden „Gemini API“-Anbietern aufgeführt, unabhängig davon, wie Sie darauf zugreifen:

¹ Die beiden API-Anbieter haben unterschiedliche Pay-as-you-go-Preise (weitere Informationen finden Sie in der jeweiligen Dokumentation).

² Die Files API für Gemini Developer API wird von den Firebase AI Logic SDKs nicht unterstützt.

In der folgenden Tabelle ist die Verfügbarkeit häufig nachgefragter Features für die beiden „Gemini API“-Anbieter aufgeführt. Diese Tabelle gilt speziell für die Verwendung der Firebase AI Logic-Client-SDKs.

So verwendest du sowohl die Gemini Developer API als auch die Agent Platform Gemini API (formerly Vertex AI)

Sie können beide Gemini API-Anbieter in Ihrem Firebase-Projekt aktivieren und beide APIs in Ihrer App verwenden.

Wenn Sie in Ihrem Code zwischen API-Anbietern wechseln möchten, müssen Sie nur den Backend-Dienst in Ihrem Code entsprechend festlegen.

Änderungen, die für das Rebranding von „Vertex AI“ zu „Agent Platform“ erforderlich sind

Mitte 2026 wurde „Vertex AI“ von Google Cloud in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. In der Firebase-Umgebung wird dieser Dienst als „Agent Platform Gemini API“ bezeichnet.

Für Google Cloud umfasste dieses Rebranding Folgendes: Es gab noch weitere Änderungen, die jedoch nicht für Firebase AI Logic gelten.

• Das Produkt wurde von „Vertex AI“ in „Gemini Enterprise Agent Platform“ (oder „Agent Platform“) umbenannt. Dies umfasst neue URLs für die Google Cloud-Konsole und die Dokumentation.

• Der Anzeigename der API wird von „Vertex AI API“ in „Agent Platform API“ geändert. Beachten Sie, dass der Dienstname gleich geblieben ist: aiplatform.googleapis.com.

• Umbenennung von „Vertex AI Studio“ in „Agent Studio“.

• Keine Änderungen an den Funktionen der zugrunde liegenden APIs oder unterstützten Modelle.

Für die Firebase AI Logic-SDKs haben wir dieses Rebranding berücksichtigt, indem wir die Initialisierungssyntax für den Backend-Dienst „Gemini API“ und den standardmäßigen Standort für den Zugriff auf das Modell bei Verwendung dieser neuen Syntax aktualisiert haben.

• Neue Initialisierungssyntax für den Backend-Dienst „Gemini API“:

  Swift

  Ändern Sie vertexAI zu agentPlatform.

  • Die agentPlatform-Syntax ist ab Version 12.17.0 des SDK verfügbar.
  • Die Syntax vertexAI wurde in Version 13.0.0 des SDK entfernt.

  VORHER

  // ...
  
  // 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"))
  
  // ...
  

  NACH

  // ...
  
  // 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

  Ändern Sie vertexAI zu agentPlatform.

  • Die agentPlatform-Syntax ist ab Version 17.15.0 des SDK und Version 34.17.0 des Firebase Android BoM verfügbar.
  • Die Syntax vertexAI wurde in Version 18.0.0 des SDK und Version 35.0.0 des BoM entfernt.

  VORHER

  // ...
  
  // 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"))
  
  // ...
  

  NACH

  // ...
  
  // 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

  Ändern Sie vertexAI zu agentPlatform.

  • Die agentPlatform-Syntax ist ab Version 17.15.0 des SDK und Version 34.17.0 des Firebase Android BoM verfügbar.
  • Die Syntax vertexAI wurde in Version 18.0.0 des SDK und Version 35.0.0 des BoM entfernt.

  VORHER

  // ...
  
  // 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"));
  
  // ...
  

  NACH

  // ...
  
  // 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

  Ändern Sie VertexAIBackend zu AgentPlatformBackend.

  • Die AgentPlatformBackend-Syntax ist ab Version 12.17.0 des Firebase JS SDK verfügbar.
  • Die Syntax VertexAIBackend wurde in Version 13.0.0 des SDK entfernt.

  VORHER

  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') });
  
  // ...
  

  NACH

  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

  Ändern Sie vertexAI zu agentPlatform.

  • Die agentPlatform-Syntax ist ab Version 3.15.0 des Plug-ins und Version 4.18.0 der Firebase Flutter BoM verfügbar.
  • Die Syntax vertexAI wurde in Version 5.0.0 des Plug-ins und Version 5.0.0 oder höher der Firebase Flutter BoM entfernt.

  VORHER

  // ...
  
  // 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');
  
  // ...
  

  NACH

  // ...
  
  // 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');
  
  // ...
  

  Einheit

  Ändern Sie VertexAI zu AgentPlatform.

  • Die AgentPlatform-Syntax ist ab Firebase SDK für Unity v13.15.0 verfügbar.
  • Die Syntax VertexAI wurde in Version 14.0.0 des SDK entfernt.

  VORHER

  // ...
  
  // 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"));
  
  // ...
  

  NACH

  // ...
  
  // 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"));
  
  // ...
  

• Neuer standardmäßiger Standort für den Zugriff auf das Modell bei Verwendung der neuen Initialisierungssyntax:

  Wenn Sie die neue Initialisierungssyntax „Agent Platform“ verwenden, wird der Standort standardmäßig auf global gesetzt.

  Diese Änderung wurde vorgenommen, weil fast alle Gemini-Modelle in global unterstützt werden und Google Cloud den Standort us-central1 für neue Releases der meisten Gemini-Modelle nicht mehr unterstützt.

Für Swift-Apps: Erforderliche Änderungen für die Migration von FirebaseAI zu FirebaseAILogic

Für Apps für Apple-Plattformen wird Firebase AI Logic ab Firebase SDK v12.5.0 im Modul FirebaseAILogic bereitgestellt. In SDK-Version 13.0.0 wurde das Modul FirebaseAI entfernt.

Warum haben wir diese Änderung vorgenommen?

Wir haben diesen Dienst früher über das FirebaseAI-Modul bereitgestellt. Aus den folgenden Gründen mussten wir sie jedoch in FirebaseAILogic umbenennen:

• Vermeiden Sie Namenskonflikte zwischen Modul und Klasse, die zu Problemen in Binärdistributionen führen.

• Ermöglicht uns, Swift-Makros für die zukünftige Entwicklung von Funktionen zu verwenden.

Was ist zu tun, wenn Sie ein Upgrade auf Version 12.5.0 oder höher oder Version 13.0.0 oder höher durchführen?

In Firebase 12 (ab Version 12.5.0) ist die Änderung des Modulnamens in FirebaseAILogic nicht funktionsgefährdend und abwärtskompatibel. Daher werden diese Änderungen in Firebase 12 empfohlen. In Firebase SDK v13.0.0 wurde das alte FirebaseAI-Modul jedoch entfernt. Diese Änderungen sind daher beim Upgrade auf Firebase 13 erforderlich.

1. Wählen Sie bei der Auswahl von Swift PM-Abhängigkeiten FirebaseAILogic (anstelle von FirebaseAI) aus.

2. Ändern Sie Importanweisungen in FirebaseAILogic (anstelle von FirebaseAI).

Erforderliche APIs und wie sie aktiviert werden

Wenn Sie die Firebase AI Logic-SDKs mit der Agent Platform Gemini API (formerly Vertex AI) verwenden möchten, müssen in Ihrem Projekt die folgenden beiden APIs aktiviert sein:

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

Sie können diese APIs mit einer der folgenden Optionen aktivieren:

• Option 1 (empfohlen): Aktivieren Sie die APIs mit wenigen Klicks in der Firebase Console:

  1. Rufen Sie in der Firebase Console die Seite AI Services > Firebase AI Logic auf.

  2. Klicken Sie auf Jetzt starten.

  3. Wählen Sie diese Option aus, um mit dem Agent Platform Gemini API (formerly Vertex AI) zu beginnen.

     Dadurch wird ein geführter Workflow gestartet, der die beiden APIs für Sie aktiviert. Firebase stellt außerdem ein von Google verwaltetes Dienstkonto (P4SA) bereit, um die Verwendung von Gemini API zu autorisieren. Außerdem wird die Firebase AI Logic API der Zulassungsliste für Ihren Firebase-API-Schlüssel hinzugefügt.

• Option 2 (manuell; nicht empfohlen): Aktivieren Sie die APIs in der Google Cloud Console:

  1. Klicken Sie oben in diesem FAQ-Eintrag auf die einzelnen API-Links und dann auf der Seite der jeweiligen API auf Aktivieren.

  2. Fügen Sie die Firebase AI Logic API der Zulassungsliste Ihres Firebase-API-Schlüssels hinzu.

APIs in einem Firebase-Projekt deaktivieren

Für Firebase AI Logic versuchen wir, die Einrichtung Ihres Firebase-Projekts für die Verwendung des ausgewählten Gemini API-Anbieters so einfach wie möglich zu gestalten. Dazu gehört auch das Aktivieren der erforderlichen APIs in Ihrem Firebase-Projekt während bestimmter Abläufe, z. B. des geführten Workflows in der Firebase Console.

Wenn Sie sich jedoch entscheiden, Firebase AI Logic oder einen der Gemini API-Anbieter nicht zu verwenden, können Sie die zugehörigen APIs in Ihrem Firebase-Projekt deaktivieren.

Erforderliche Berechtigungen für die Verwendung von Firebase AI Logic

Unterstützte Modelle bei Verwendung von Firebase AI Logic

Liste der unterstützten Modelle Wir fügen den SDKs regelmäßig neue Funktionen hinzu. Sehen Sie sich daher diese FAQs an, um Updates zu erhalten (sowie in Versionshinweisen, Blogs und Beiträgen in sozialen Medien).

• Firebase AI Logic unterstützt die folgenden Modelle:

  • Gemini Developer API

    • Die meisten Gemini-Foundation Models

  • Agent Platform Gemini API (formerly Vertex AI)

    • Die meisten Gemini-Foundation Models

• Firebase AI Logic unterstützt die folgenden Modelle nicht (unabhängig vom ausgewählten Gemini API-Anbieter):

  • Feinabgestimmte Modelle

  • Embedding-Modelle, Veo-Modelle, Lyria-Modelle, Robotikmodelle, Modelle für die Computernutzung, Gemini Omni-Modelle oder Gemini Cyber-Modelle

Eingestellte oder abgeschaltete Modelle – Liste und Ersatzmodelle

Lesen Sie die FAQs zu den erforderlichen Änderungen, wenn Modelle eingestellt oder heruntergefahren (außer Betrieb genommen) werden.

Stabile Gemini 2.5-Modelle – Termine für die Einstellung und Ersatzmodelle

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

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (auch „Nano Banana“ genannt)

  • Bei den Modellen für die allgemeine Verwendung hängt das Datum der Einstellung vom ausgewählten Gemini API-Anbieter ab:

    • Gemini Developer API (Google AI): veraltet, aber es wurde noch kein Datum für die Einstellung angekündigt (nur zuvor aktive Projekte können sie weiterhin verwenden)
    • Agent Platform Gemini API (formerly Vertex AI): 20. Oktober 2026

  • Für das Bildgenerierungsmodell (Nano Banana) ist das Datum der Einstellung unabhängig vom gewählten Gemini API-Anbieter dasselbe: 2. Oktober 2026.

  Andere „Nano Banana“-Modelle und alle stabilen Gemini Live API 2.5-Modelle sind nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuesten Gemini-Modelle (z. B. gemini-4-argon, gemini-3.8-flash oder gemini-3.1-flash-image).

Stabile Imagen-Modelle – Termine für die Einstellung und Ersatzmodelle

• Alle Imagen-Modelle werden frühestens am 17. August 2026 eingestellt. (Hinweis: Dieses Datum wurde vom 30. Juni 2026 verschoben.)

Ersatz: Migrieren Sie Ihre Anwendungen, um Gemini-Bildmodelle (die „Nano Banana“-Modelle) zu verwenden.

Stabile Gemini 2.0-Modelle – Termine für die Einstellung und Ersatzmodelle

• Gemini 2.0 Flash und Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (und der automatisch aktualisierte Alias gemini-2.0-flash)
  gemini-2.0-flash-lite-001 (und der automatisch aktualisierte Alias gemini-2.0-flash-lite)

  • 6. Februar 2026: Diese Modelle sind nicht mehr für Projekte verfügbar, in denen sie zuvor nicht verwendet wurden.

  • 31. März 2026: Diese Modelle werden eingestellt.

  Stabile Gemini Live API 2.0-Modelle sind davon nicht betroffen.

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Stabile Gemini 1.5- und 1.0-Modelle – Termine für die Einstellung und Ersatzmodelle

• Gemini 1.5 Pro-Modelle:

  • gemini-1.5-pro-002 (und gemini-1.5-pro): 24. September 2025
  • gemini-1.5-pro-001: 24. Mai 2025

• Gemini 1.5 Flash-Modelle:

  • gemini-1.5-flash-002 (und gemini-1.5-flash): 24. September 2025
  • gemini-1.5-flash-001: 24. Mai 2025

• Gemini 1.0 Pro Vision-Modelle: 21. April 2025 (zuvor für den 9. April 2025 geplant)

• Gemini 1.0 Pro-Modelle: 21. April 2025 (zuvor für den 9. April 2025 geplant)

Ersatz: Migrieren Sie zu einem der neuen Gemini 3.x-Modelle (z. B. gemini-3.1-flash-lite).

Erforderliche Änderungen, wenn Modelle eingestellt oder deaktiviert werden

Wenn Google eine stabile Modellversion veröffentlicht, bemühen wir uns, dass sie mindestens 12 Monate lang verfügbar ist, bevor wir das Modell einstellen. Beachten Sie jedoch, dass für Agent Platform Gemini API (formerly Vertex AI) einige stabile Modelle nur kurzfristig verfügbar sind. Das bedeutet, dass sie bereits 45 Tage nach der Veröffentlichung eines Ersatzmodells eingestellt werden können.

Wo finde ich das Datum der Einstellung eines Modells?

So finden Sie das Datum der Einstellung eines Modells:

• Bei der Veröffentlichung: Das voraussichtliche Datum der Einstellung jedes Modells wird an mehreren Stellen in der Dokumentation des Gemini API-Anbieters sowie in der Firebase-Dokumentation aufgeführt (siehe Seite zu unterstützten Modellen).

• Kurz vor der Einstellung:

  • Google sendet E-Mails an die entsprechenden Projektmitglieder.
  • Wir veröffentlichen Erinnerungen zu bevorstehenden Abschaltungen in verschiedenen Kanälen:
    • Versionshinweise (Beispiel)
    • Banner auf Seitenebene, die Seite mit unterstützten Modellen und die FAQ zu eingestellten und deaktivierten Modellen

Was tun, wenn das von Ihnen verwendete Modell bald eingestellt wird?

1. Suchen Sie ein geeignetes derzeit unterstütztes Modell und den entsprechenden Modellnamen.

   In den FAQs zu verworfenen und eingestellten Modellen finden Sie auch empfohlene Ersatzmodelle.

2. Aktualisieren Sie den von Ihrer Anwendung verwendeten Modellnamen vor dem Datum der Einstellung. Andernfalls schlagen alle Anfragen an dieses Modell mit einem 404-Fehler fehl.

   • Sie legen den Modellnamen während der Initialisierung fest, wenn Sie eine GenerativeModel-, LiveModel- oder ImagenModel-Instanz erstellen. Lesen Sie sich die wichtige Empfehlung unten zur Verwendung von Firebase Remote Config oder Server-Prompt-Vorlagen durch.

   • Wenn Sie Firebase AI Logic verwenden, müssen Sie normalerweise keinen Code ändern, der das Modell tatsächlich aufruft.

     Beachten Sie, dass für die neuesten Gemini 4.x- und Gemini 3.x-Modelle mehrere Parameter nicht unterstützt werden (insbesondere Temperatur, Top-K, Top-P, Häufigkeitsstrafe, Präsenzstrafe und Kandidatenanzahl).

3. Testen Sie Ihre App, um sicherzustellen, dass die Antworten weiterhin wie erwartet sind.

Ratenlimit pro Nutzer festlegen

Standardmäßig legt Firebase AI Logic das Anfragelimit pro Nutzer auf 100 Anfragen pro Minute (RPM) fest.

Wenn Sie die Ratenbegrenzung pro Nutzer anpassen möchten, müssen Sie die Kontingenteinstellungen für die Firebase AI Logic API anpassen.

Weitere Informationen zum Firebase AI Logic-API-Kontingent Dort erfahren Sie auch, wie Sie Ihr Kontingent aufrufen und bearbeiten können.

Latenz und hohe Tokennutzung reduzieren

Wenn Sie eine hohe Latenz oder eine hohe Tokennutzung feststellen, liegt das wahrscheinlich an der Konfiguration der Denkstufe für das von Ihnen verwendete Modell.

Gemini 3 und spätere Modelle verwenden immer einen internen „Denkprozess“, der ihre Fähigkeiten zur logischen Schlussfolgerung und mehrstufigen Planung erheblich verbessert. Dadurch sind sie sehr effektiv für komplexe Aufgaben wie Programmierung, fortgeschrittene Mathematik und Datenanalyse.

Je nach Aufgabe sind jedoch nicht immer höhere Denkaufwände erforderlich. Sie können das Modell so konfigurieren, dass es einen geringeren Denkaufwand verwendet. Ein niedrigeres Denklevel trägt dazu bei, die Latenz und die Tokennutzung zu reduzieren. Wenn Sie sich nicht sicher sind, wie stark ein Modell seine Denkfähigkeit benötigt, sehen Sie sich den Vergleich der Aufgabenschwierigkeiten an.

Bei den meisten Gemini 3- und neueren Modellen ist die Standard-Denkstufe auf HIGH festgelegt.

MIME-Typ-Anforderungen für multimodale Anfragen (z. B. für Bilder, PDFs, Videos und Audioeingaben)

In jeder multimodalen Anfrage müssen Sie immer Folgendes angeben:

• Die mimeType der Datei. Eine Ausnahme finden Sie unten.

• Die Datei. Sie können die Datei entweder als Inline-Daten oder über ihre URL bereitstellen.

Informationen zu unterstützten Eingabedateitypen, zur Angabe des MIME-Typs und zu den beiden Optionen für die Bereitstellung der Datei finden Sie unter Unterstützte Eingabedateien und Anforderungen.

Ausnahme für die Angabe des MIME-Typs in Ihrer Anfrage

Eine Ausnahme bei der Angabe des MIME-Typs sind Inline-Bildeingaben für Anfragen von nativen Android- und Apple-Plattform-Apps.

Die Firebase AI Logic SDKs für Android- und Apple-Plattformen bieten eine vereinfachte und plattformfreundliche Möglichkeit, Bilder in Anfragen zu verarbeiten. Alle Bilder (unabhängig vom Format) werden clientseitig in JPEG mit 80% Qualität konvertiert, bevor sie an den Server gesendet werden. Das bedeutet, dass Sie bei der Bereitstellung von Bildern als Inline-Daten mit den SDKs für Android- und Apple-Plattformen den MIME-Typ in der Anfrage nicht angeben müssen.

Diese vereinfachte Handhabung wird in der Firebase AI Logic-Dokumentation in den Beispielen zum Senden von base64-codierten Bildern in Anfragen gezeigt.

Hier finden Sie weitere plattformspezifische Informationen zu dieser Funktion:

• Für Android:

  • Sie können die vereinfachte Methode zur Verarbeitung plattformnativer Bildtypen (Bitmap) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (siehe Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und Konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

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

• Für Apple-Plattformen:

  • Sie können die vereinfachte Methode zur Verarbeitung plattformnativer Bildtypen (UIImage, NSImage, CIImage und CGImage) in multimodalen Prompts nutzen, die Bilder als Inline-Daten enthalten (siehe Beispiel).

  • Wenn Sie mehr Kontrolle über Bildformate und Konvertierungen haben möchten, können Sie die Bilder als InlineDataPart bereitstellen und den spezifischen MIME-Typ angeben. Beispiel:

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

Erweiterte Funktionen, die bei Verwendung von Firebase AI Logic noch nicht verfügbar sind: Fundierung mit der Google Bildersuche, Feinabstimmung eines Modells, Generierung von Einbettungen und semantischer Abruf

Die folgenden Funktionen werden von verschiedenen Modellen und den API-Anbietern unterstützt, sind aber nicht verfügbar, wenn Sie Firebase AI Logic verwenden:

• Fundierung mit der Google Bildersuche
• Modellabstimmung
• Generierung von Einbettungen
• Semantisches Abrufen

Wenn Sie diese als Feature Requests hinzufügen oder für einen vorhandenen Feature Request abstimmen möchten, rufen Sie Firebase UserVoice auf.

Informationen zur Namensänderung von „Vertex AI in Firebase“ zu „Firebase AI Logic“

2024 haben wir eine Reihe von Firebase-Client-SDKs eingeführt, die die Agent Platform Gemini API (formerly Vertex AI) sowie ein Firebase-Proxy-Gateway verwenden können, um diese API vor Missbrauch zu schützen und Integrationen mit anderen Firebase-Produkten zu ermöglichen. Wir haben unser Produkt „Vertex AI in Firebase“ genannt. Dieser Produktname beschrieb die damals verfügbaren Anwendungsfälle unseres Produkts genau.

Seitdem haben wir die Funktionen unseres Produkts jedoch erweitert. Seit Mai 2025 bieten wir beispielsweise Unterstützung für Gemini Developer API, einschließlich der Möglichkeit, Gemini Developer API mithilfe unserer Integration in Firebase App Check vor Missbrauch zu schützen.

Daher spiegelt der Name „Vertex AI in Firebase“ den erweiterten Umfang unseres Produkts nicht mehr genau wider. Daher spiegelt ein neuer Name – Firebase AI Logic – die sich weiterentwickelnden Funktionen besser wider und ermöglicht es uns, unser Angebot in Zukunft weiter auszubauen.

In der Migrationsanleitung erfahren Sie, wie Sie alle aktuellen Funktionen von Firebase AI Logic nutzen und optional die Gemini Developer API verwenden können.

Datennutzung für das Training von Modellen

Weitere Informationen finden Sie unter Data Governance und verantwortungsbewusste Anwendung von KI.

Erforderliche App Check-Maßnahme für alle Versionen einer App

App Check muss für alle Versionen Ihrer App erzwungen werden, die Firebase AI Logic verwenden.

Es ist wichtig, dass App Check so früh wie möglich erzwungen wird, insbesondere bevor Sie Ihre App in ein öffentlich zugängliches Quellcode-Kontrollsystem übertragen, Ihre App freigeben oder öffentlich verfügbar machen.

Wenn Sie App Check sofort in der Codebasis Ihrer App implementieren, können alle App-Versionen gültige App Check-Tokens senden. Eine Anfrage, die kein gültiges Token sendet, gilt als nicht verifiziert und wird blockiert, wenn App Check erzwungen wird.

Wenn du bereits eine Version deiner App für Endnutzer veröffentlicht hast, in der App Check nicht implementiert ist, findest du in den FAQs Informationen dazu, wie du App Check für eine bereits veröffentlichte App implementieren und erzwingen kannst.

App Check für eine bereits veröffentlichte App implementieren und erzwingen

Bei App-Versionen, in denen App Check nicht implementiert ist, haben Anfragen an Firebase AI Logic von diesen Versionen keine gültigen App Check-Tokens und gelten als nicht verifiziert. Diese Anfragen werden blockiert, wenn App Check für Firebase AI Logic erzwungen wird.

Die folgende Anleitung hilft Ihnen bei der Migration Ihrer App, damit Sie App Check so erzwingen können, dass Dienstunterbrechungen für eine bereits veröffentlichte App ohne App Check vermieden werden.

1. Implementieren Sie so bald wie möglich einen Produktionsattestierungsanbieter in Ihrer App.

   • Apple-Plattformen: DeviceCheck oder App Attest oder reCAPTCHA Enterprise
   • Android: Play Integrity oder reCAPTCHA Enterprise
   • Web: reCAPTCHA Enterprise
   • Flutter: Unterstützt alle oben genannten Anbieter, einschließlich reCAPTCHA Enterprise.
   • Unity: Unterstützt alle oben genannten Anbieter (Unterstützung für reCAPTCHA Enterprise folgt demnächst)

2. Beobachten Sie die Anfragen von Ihrer App, um zu entscheiden, wann es sicher ist, App Check zu erzwingen.

   Wenn beispielsweise fast alle aktuellen Anfragen von verifizierten Clients stammen, sollten Sie die Erzwingung von App Check in Betracht ziehen.

3. App Check für Firebase AI Logic erzwingen.

4. Für die lokale Entwicklung, wenn App Check erzwungen wird, können Sie den App Check-Debug-Anbieter einrichten und App Check weiterhin für Firebase AI Logic erzwingen.

Sicherheitsupgrades (Mitte 2026) für Gemini Developer API und Firebase AI Logic

In der Vergangenheit basierte die Gemini Developer API auf standardmäßigen Gemini-API-Schlüsseln, um die Verwendung der Gemini Developer API (generativelanguage.googleapis.com) zu autorisieren. Wenn Sie Firebase AI Logic aktiviert und die Gemini Developer API verwendet haben, hat Firebase einen Gemini-API-Schlüssel für Sie erstellt, der auf die Gemini Developer API beschränkt war. Dieser Schlüssel hatte den Namen Gemini Developer API key (auto created by Firebase).

Ab Mitte 2026 wird der Gemini Developer API auf eine sicherere Alternative namens „Autorisierungsschlüssel (Auth-Schlüssel)“ umgestellt, die im Wesentlichen Dienstkonten sind. Firebase AI Logic wurde ebenfalls aktualisiert. Anstatt einen standardmäßigen Gemini-API-Schlüssel zu verwenden, übernimmt Firebase AI Logic jetzt die Autorisierung für Gemini Developer API mithilfe eines von Google verwalteten Dienstkontos (P4SA), das wir automatisch für Sie bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Sowohl für bestehende als auch für neue Projekte gilt: Wenn Sie über Firebase AI Logic auf die Gemini Developer API zugreifen, müssen Sie nichts weiter tun, um ab Mitte 2026 von diesen Sicherheitsupgrades zu profitieren.

Gemini-API-Schlüssel zu einem Autorisierungsschlüssel migrieren

Sowohl für bestehende als auch für neue Projekte gilt: Wenn Sie über Firebase AI Logic auf die Gemini Developer API zugreifen, müssen Sie nichts weiter tun, um die Sicherheitsupgrades ab Mitte 2026 zu nutzen (einschließlich der Migration zu einem „Autorisierungsschlüssel“).

Im Namen unserer Entwickler übernimmt Firebase AI Logic automatisch alle erforderlichen Sicherheitsänderungen, um die Umstellung der Gemini Developer API auf die Anforderung von „Autorisierungsschlüsseln (Auth-Schlüsseln)“ zu ermöglichen.

Ab Mitte 2026 werden in Firebase AI Logic keine Standard-Gemini-API-Schlüssel mehr bereitgestellt oder verwendet. Stattdessen übernimmt Firebase AI Logic jetzt die Autorisierung für Gemini Developer API über ein von Google verwaltetes Dienstkonto (P4SA), das wir automatisch für Sie in Ihrem Firebase-Projekt bereitstellen:
Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

Aufgrund dieser Änderung können Sie alle API-Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) prüfen und löschen. Sie können diesen Schlüssel in der Google Cloud-Console löschen. Beachten Sie Folgendes, bevor Sie den Schlüssel löschen:

• Dieser Gemini-API-Schlüssel wurde von Firebase ausschließlich für die Verwendung mit Firebase AI Logic erstellt und kann daher bedenkenlos gelöscht werden. Bevor Sie diesen Schlüssel löschen, sollten Sie jedoch prüfen, ob Sie ihn nicht fälschlicherweise mit anderen Tools verwendet haben, die Zugriff auf die Gemini Developer API gewähren können, z. B. die GenAI Server SDKs oder Genkit. So prüfen Sie die Nutzung:
  1. Rufen Sie in der Google Cloud Console die Seite für Gemini Developer API auf und klicken Sie dann auf Verwalten.
  2. Wählen Sie auf dem Tab Messwerte im Drop-down-Menü Anmeldedaten den Schlüssel mit dem Namen Gemini Developer API key (auto created by Firebase) aus.
  3. Wenn die angezeigten Diagramme seit Anfang Juli 2026 keine Nutzung mehr zeigen (als Firebase AI Logic die Verwendung dieser API-Schlüssel eingestellt hat), kann der Schlüssel bedenkenlos gelöscht werden.
     Wenn die Diagramme jedoch eine Nutzung zeigen, verwenden Sie den Schlüssel mit einem anderen Tool und sollten den Schlüssel umbenennen, damit klar ist, dass er mit diesem Tool (und nicht mit Firebase AI Logic) verwendet wird.
• Achten Sie darauf, dass Sie keinen anderen API-Schlüssel löschen, dessen Name das Segment (auto created by Firebase) enthält.

Fügen Sie keinen Gemini-API-Schlüssel in die Codebasis einer mobilen App oder Web-App ein.

Wenn Sie die Firebase AI Logic-SDKs verwenden, benötigen Sie keinen Gemini-API-Schlüssel, um die Verwendung der Gemini Developer API zu autorisieren. Sie sollten auch keinen Gemini-API-Schlüssel in die Codebasis Ihrer App einfügen.

Verwenden Sie keinen Firebase-API-Schlüssel als Gemini-API-Schlüssel.

Verwenden Sie Ihren Firebase-API-Schlüssel niemals als Gemini-API-Schlüssel. Wir raten dringend davon ab, die Gemini Developer API auf die Zulassungsliste für Ihren Firebase-API-Schlüssel zu setzen.

Ihr Firebase-API-Schlüssel ist der API-Schlüssel, der in Ihrer Firebase-Konfigurationsdatei oder Ihrem Firebase-Konfigurationsobjekt aufgeführt ist. Sie fügen ihn der Codebasis Ihrer App hinzu, um Ihre App mit Firebase zu verbinden. Sie können Ihren Firebase-API-Schlüssel in Ihren Code einfügen, wenn Sie den Schlüssel nur mit Firebase-bezogenen APIs (z. B. Firebase AI Logic) verwenden. Wichtige Informationen zu Firebase-API-Schlüsseln

In der Google Cloud Console im Bereich APIs & Dienste > Anmeldedaten sehen Firebase-API-Schlüssel so aus:

Da Sie Ihren Firebase-API-Schlüssel in die Codebasis Ihrer App einfügen müssen, damit Firebase-bezogene APIs funktionieren, und da die Gemini Developer API über den API-Schlüssel autorisiert werden kann, empfehlen wir dringend, die Gemini Developer API (in der Google Cloud-Konsole als „Generative Language API“ bezeichnet) NICHT zur API-Zulassungsliste für Ihren Firebase-API-Schlüssel hinzuzufügen. Andernfalls setzen Sie die Gemini Developer API einem potenziellen Missbrauch aus.

Gemini-API-Schlüssel schützen