سوالات متداول و عیب یابی

چه تفاوت‌هایی بین استفاده از رابط برنامه‌نویسی نرم‌افزار توسعه‌دهنده Gemini و رابط برنامه‌نویسی نرم‌افزار پلتفرم عامل Gemini (که قبلاً Vertex AI نام داشت) وجود دارد؟

جدول زیر تفاوت‌های مهم بین دو ارائه‌دهنده‌ی « Gemini API » را به‌طور کلی، صرف‌نظر از نحوه‌ی دسترسی شما، فهرست می‌کند:

^۱ دو ارائه‌دهنده‌ی API قیمت‌گذاری پرداخت به ازای استفاده‌ی متفاوتی دارند (برای اطلاعات بیشتر به مستندات مربوطه مراجعه کنید).

^۲- فایل API مربوط به Gemini Developer API از طریق کیت‌های توسعه نرم‌افزار Firebase AI Logic پشتیبانی نمی‌شود.

جدول زیر فهرستی از ویژگی‌های متداول مورد پرسش برای دو ارائه‌دهنده‌ی « Gemini API » را نشان می‌دهد. این جدول به‌طور خاص هنگام استفاده از SDKهای کلاینت Firebase AI Logic اعمال می‌شود.

آیا می‌توانم هم از رابط برنامه‌نویسی توسعه‌دهنده Gemini و هم از رابط برنامه‌نویسی پلتفرم عامل Gemini (که قبلاً Vertex AI نام داشت) استفاده کنم؟

بله، شما می‌توانید هر دو ارائه‌دهنده‌ی « Gemini API » را در پروژه‌ی Firebase خود فعال داشته باشید و از هر دو API در خود برنامه استفاده کنید.

برای جابجایی بین ارائه‌دهندگان API در کد خود، فقط مطمئن شوید که سرویس backend را به طور مناسب در کد خود تنظیم کرده‌اید .

چه تغییراتی برای تغییر نام تجاری «Vertex AI» به «Agent Platform» لازم است؟

در اواسط سال ۲۰۲۶، Google Cloud نام تجاری «Vertex AI» را به «Gemini Enterprise Agent Platform» (یا «Agent Platform») تغییر داد. در اکوسیستم فایربیس، ما به این سرویس به عنوان «Agent Platform Gemini API» اشاره می‌کنیم.

برای Google Cloud ، این تغییر نام تجاری شامل موارد زیر بود. توجه داشته باشید که تغییرات دیگری نیز وجود داشت، اما این تغییرات برای Firebase AI Logic اعمال نمی‌شوند.

• تغییر نام تجاری محصول از «Vertex AI» به «Gemini Enterprise Agent Platform» (یا «Agent Platform»)، که شامل URLهای جدید برای کنسول و مستندات Google Cloud می‌شود.

• تغییر نام نمایشی API از "Vertex AI API" به "Agent Platform API". توجه داشته باشید که نام سرویس بدون تغییر باقی مانده است: aiplatform.googleapis.com .

• تغییر نام تجاری «استودیوی هوش مصنوعی ورتکس» به «استودیوی عامل».

• هیچ تغییری در قابلیت‌های APIهای زیربنایی یا مدل‌های پشتیبانی‌شده ایجاد نمی‌شود.

برای SDK های منطق هوش مصنوعی فایربیس ، ما این تغییر نام تجاری را با به‌روزرسانی سینتکس مقداردهی اولیه برای سرویس backend « Gemini API » و به‌روزرسانی مکان پیش‌فرض برای دسترسی به مدل هنگام استفاده از این سینتکس جدید، تطبیق دادیم.

• سینتکس مقداردهی اولیه جدید برای سرویس backend " Gemini API ":

  سویفت

  vertexai به agentPlatform تغییر دهید.
  از Firebase SDK برای پلتفرم‌های اپل نسخه ۱۲.۱۷.۰+ شروع می‌شود.

  قبل از

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

  بعد از

  // ...
  
  // 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

  vertexAI به agentPlatform تغییر دهید.
  از نسخه ۱۷.۱۵.۰+ کیت توسعه نرم‌افزاری Firebase AI Logic برای اندروید (نسخه ۳۴.۱۷.۰+ Firebase Android BoM ) در دسترس است.

  قبل از

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

  بعد از

  // ...
  
  // 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

  vertexAI به agentPlatform تغییر دهید.
  از نسخه ۱۷.۱۵.۰+ کیت توسعه نرم‌افزاری Firebase AI Logic برای اندروید (نسخه ۳۴.۱۷.۰+ Firebase Android BoM ) در دسترس است.

  قبل از

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

  بعد از

  // ...
  
  // 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

  VertexAIBackend به AgentPlatformBackend تغییر دهید.
  از نسخه ۱۲.۱۷.۰ به بعد Firebase JS SDK در دسترس است.

  قبل از

  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-central`, so
  // specifying a location is usually required since most models are *not* supported in `us-central`.
  const ai = getAI(firebaseApp, { backend: new VertexAIBackend('LOCATION') });
  
  // ...
  

  بعد از

  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

  vertexAI به agentPlatform تغییر دهید.
  با شروع از افزونه Firebase AI Logic برای Flutter نسخه ۳.۱۵.۰+ (Firebase Flutter BoM نسخه ۴.۱۸.۰+) در دسترس است.

  قبل از

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

  بعد از

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

  وحدت

  VertexAI به AgentPlatform تغییر دهید.
  از Firebase SDK برای Unity نسخه ۱۳.۱۵.۰ به بعد در دسترس است.

  قبل از

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

  بعد از

  // ...
  
  // 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`.
  var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "LOCATION"));
  
  // ...
  

• مکان پیش‌فرض جدید برای دسترسی به مدل هنگام استفاده از سینتکس مقداردهی اولیه جدید:

  هنگام استفاده از سینتکس مقداردهی اولیه جدید "Agent Platform"، مکان به صورت پیش‌فرض روی global قرار می‌گیرد.

  این تغییر به این دلیل انجام شد که تقریباً همه مدل‌های Gemini در global پشتیبانی می‌شوند و Google Cloud دیگر از مکان us-central1 برای نسخه‌های جدید اکثر مدل‌های Gemini پشتیبانی نمی‌کند.

API های مورد نیاز چیستند؟ و چگونه آنها را فعال کنیم؟

برای استفاده از کیت‌های توسعه نرم‌افزار (SDK) فایربیس هوش مصنوعی لاجیک (Firebase AI Logic) با رابط برنامه‌نویسی نرم‌افزار (API) توسعه‌دهنده جمینی (Gemini Developer API )، پروژه شما باید دو رابط برنامه‌نویسی نرم‌افزار (API) زیر را فعال داشته باشد:

• رابط برنامه‌نویسی کاربردی (API) توسعه‌دهنده Gemini ( generativelanguage.googleapis.com )
• رابط برنامه‌نویسی کاربردی منطق هوش مصنوعی فایربیس ( firebasevertexai.googleapis.com )

شما باید این دو API را با استفاده از کنسول Firebase فعال کنید:

1. در کنسول Firebase ، به بخش سرویس‌های هوش مصنوعی > منطق هوش مصنوعی بروید.

2. روی شروع به کار کلیک کنید.

3. برای شروع کار با رابط برنامه‌نویسی کاربردی (API) توسعه‌دهنده Gemini، این گزینه را انتخاب کنید.

   این یک گردش کار هدایت‌شده را راه‌اندازی می‌کند که دو API را برای شما فعال می‌کند. فایربیس همچنین یک حساب کاربری سرویس مدیریت‌شده توسط گوگل (P4SA) برای مجوز استفاده از API Gemini ارائه می‌دهد و همچنین API منطق هوش مصنوعی فایربیس را به لیست مجوزهای کلید API فایربیس شما اضافه می‌کند.

چگونه API ها را در یک پروژه Firebase غیرفعال کنیم؟

برای منطق هوش مصنوعی فایربیس ، ما سعی می‌کنیم راه‌اندازی پروژه فایربیس شما را تا حد امکان آسان کنیم تا از ارائه‌دهنده API انتخابی Gemini شما استفاده کند. این شامل فعال کردن APIهای مورد نیاز در پروژه فایربیس شما در طول مراحل خاص، مانند گردش کار هدایت‌شده در کنسول Firebase می‌شود.

با این حال، اگر تصمیم دارید از Firebase AI Logic یا یکی از ارائه دهندگان API Gemini استفاده نکنید، می‌توانید API های مرتبط را در پروژه Firebase خود غیرفعال کنید.

برای استفاده از منطق هوش مصنوعی فایربیس به چه مجوزهایی ممکن است نیاز باشد؟

مدل‌های پشتیبانی‌شده هنگام استفاده از Firebase AI Logic کدامند؟

فهرست مدل‌های پشتیبانی‌شده را ببینید. ما مرتباً قابلیت‌های جدیدی به SDKها اضافه می‌کنیم، بنابراین برای به‌روزرسانی‌ها (و همچنین در یادداشت‌های انتشار، وبلاگ‌ها و پست‌های اجتماعی) به این سوالات متداول مراجعه کنید.

• منطق هوش مصنوعی فایربیس از مدل‌های زیر پشتیبانی می‌کند:

  • رابط برنامه‌نویسی کاربردی (API) توسعه‌دهندگان جمینی

    • بیشتر مدل‌های فونداسیون Gemini و Imagen

    توجه داشته باشید که رابط برنامه‌نویسی نرم‌افزار Gemini Developer (صرف نظر از نحوه دسترسی به آن) فقط از مدل‌های پایدار خاص Imagen پشتیبانی می‌کند.

  • رابط برنامه‌نویسی کاربردی پلتفرم عامل Gemini (که قبلاً Vertex AI نام داشت)

    • بیشتر مدل‌های فونداسیون Gemini و Imagen

• Firebase AI Logic از مدل‌های زیر پشتیبانی نمی‌کند (صرف نظر از ارائه‌دهنده API انتخابی شما در Gemini ):

  • مدل‌های تنظیم‌شده دقیق

  • مدل‌های جاسازی، مدل‌های Veo، مدل‌های Lyria، مدل‌های رباتیک، مدل‌های استفاده از کامپیوتر، مدل‌های Gemini Omni یا مدل‌های Gemini Flash Cyber

  • مدل‌های قدیمی‌تر ایمیجن یا imagen-3.0-capability-001

وقتی مدل‌ها تعطیل (بازنشسته) می‌شوند چه باید کرد؟

وقتی یک نسخه پایدار از مدل را منتشر می‌کنیم، تمام تلاشمان را می‌کنیم تا قبل از کنار گذاشتن مدل ، حداقل به مدت یک سال در دسترس باشد.

تاریخ خاموش شدن یک مدل را از کجا پیدا کنیم؟

در اینجا چند روش برای یافتن تاریخ خاموش شدن یک مدل آورده شده است:

• در زمان انتشار : ما تاریخ خاموش شدن مورد انتظار هر مدل را در چندین جای مستندات ارائه دهنده API Gemini و همچنین در مستندات Firebase فهرست کرده‌ایم (به صفحه مدل‌های پشتیبانی شده مراجعه کنید).

• با نزدیک شدن به تاریخ خاموشی : گوگل ایمیل‌هایی را برای اعضای مربوطه در پروژه ارسال می‌کند و ما در یادداشت‌های انتشار و سایر کانال‌ها، یادآوری‌هایی را در مورد هرگونه خاموشی قریب‌الوقوع منتشر می‌کنیم (برای مثال، یادآوری تاریخ‌های خاموشی برای مدل‌های پایدار Gemini 1.5 و 1.0).

اگر مدلی که استفاده می‌کنید در شرف خاموش شدن باشد، چه باید کرد؟

1. یک مدل مناسب که در حال حاضر پشتیبانی می‌شود و نام مدل آن را پیدا کنید.

2. نام مدل مورد استفاده برنامه خود را قبل از تاریخ خاموش شدن به‌روزرسانی کنید؛ در غیر این صورت، هرگونه درخواست به آن مدل با خطای ۴۰۴ مواجه خواهد شد.

   • شما نام مدل را هنگام مقداردهی اولیه، هنگام ایجاد یک نمونه GenerativeModel ، LiveModel یا ImagenModel ، تنظیم می‌کنید. حتماً توصیه‌های مهم زیر در مورد استفاده از Firebase Remote Config را مرور کنید.

   • هنگام استفاده از Firebase AI Logic ، معمولاً نیازی به تغییر هیچ یک از کدهایی که در واقع مدل را فراخوانی می‌کنند، ندارید.

     توجه داشته باشید که برای مدل‌های Gemini 3.x ، پارامترهای نمونه‌برداری (دما، top-K، top-P) منسوخ شده‌اند .

3. برنامه خود را آزمایش کنید تا مطمئن شوید که پاسخ‌ها همچنان مطابق انتظار هستند.

مدل‌های پایدار Gemini 2.5 - تاریخ‌های خاموشی و مدل‌های جایگزین

• جمینی ۲.۵ پرو ، جمینی ۲.۵ فلش و جمینی ۲.۵ فلش‑لایت

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (معروف به "نانو موز")

  • برای مدل‌های عمومی، تاریخ خاموش شدن به ارائه‌دهنده API Gemini انتخابی شما بستگی دارد:

    • رابط برنامه‌نویسی کاربردی توسعه‌دهندگان جمینی (هوش مصنوعی گوگل): ۱۶ اکتبر ۲۰۲۶
    • رابط برنامه‌نویسی کاربردی پلتفرم عامل Gemini (که قبلاً Vertex AI نام داشت) : 20 اکتبر 2026

  • برای مدل تولید تصویر (نانو موز)، تاریخ خاموش شدن صرف نظر از ارائه دهنده API Gemini انتخابی شما یکسان است: 2 اکتبر 2026

  توجه داشته باشید که سایر مدل‌های «نانو موز» و هر مدل پایدار Gemini Live API 2.5 تحت تأثیر قرار نگرفته‌اند.

جایگزینی : برای استفاده از یکی از مدل‌های جدید Gemini 3.x (مانند gemini-3.6-flash یا gemini-3.1-flash-image ) مهاجرت کنید.

مدل‌های پایدار Imagen - تاریخ‌های خاموش شدن و جایگزین‌ها

• تمام مدل‌های ایمیجن تا 30 ژوئن 2026 از رده خارج خواهند شد.

جایگزینی : برنامه‌های خود را برای استفاده از مدل‌های Gemini Image (مدل‌های "نانو موز") منتقل کنید .

مدل‌های پایدار Gemini 2.0 - تاریخ‌های خاموشی و مدل‌های جایگزین

• Gemini 2.0 Flash و Gemini 2.0 Flash‑Lite :

  gemini-2.0-flash-001 (و نام مستعار به‌روزرسانی‌شده خودکار آن gemini-2.0-flash )
  gemini-2.0-flash-lite-001 (و نام مستعار به‌روزرسانی‌شده خودکار آن gemini-2.0-flash-lite )

  • ۶ فوریه ۲۰۲۶: این مدل‌ها دیگر برای استفاده در پروژه‌هایی که قبلاً از این مدل استفاده نکرده‌اند، در دسترس نخواهند بود.

  • ۳۱ مارس ۲۰۲۶: این مدل‌ها از رده خارج خواهند شد.

  توجه داشته باشید که مدل‌های پایدار Gemini Live API 2.0 تحت تأثیر قرار نگرفته‌اند.

جایگزینی : برای استفاده از یکی از مدل‌های جدید Gemini 3.x (مانند gemini-3.1-flash-lite ) مهاجرت کنید.

مدل‌های پایدار Gemini 1.5 و 1.0 - تاریخ‌های خاموش شدن و تعویض‌ها

• مدل‌های Gemini 1.5 Pro :

  • gemini-1.5-pro-002 (و gemini-1.5-pro ): 24 سپتامبر 2025
  • gemini-1.5-pro-001 : 24 مه 2025

• مدل‌های Gemini 1.5 Flash :

  • gemini-1.5-flash-002 (و gemini-1.5-flash ): 24 سپتامبر 2025
  • gemini-1.5-flash-001 : ۲۴ مه ۲۰۲۵

• مدل‌های Gemini 1.0 Pro Vision : ۲۱ آوریل ۲۰۲۵ (قبلاً برای ۹ آوریل ۲۰۲۵ برنامه‌ریزی شده بود)

• مدل‌های Gemini 1.0 Pro : ۲۱ آوریل ۲۰۲۵ (قبلاً برای ۹ آوریل ۲۰۲۵ برنامه‌ریزی شده بود)

جایگزینی : برای استفاده از یکی از مدل‌های جدید Gemini 3.x (مانند gemini-3.1-flash-lite ) مهاجرت کنید.

آیا Firebase AI Logic از داده‌های من برای آموزش مدل‌ها استفاده می‌کند؟

به بخش «مدیریت داده‌ها و هوش مصنوعی مسئولانه» مراجعه کنید.

چگونه می‌توان برای هر کاربر محدودیت نرخ تعیین کرد؟

به طور پیش‌فرض، Firebase AI Logic محدودیت درخواست برای هر کاربر را ۱۰۰ درخواست در دقیقه (RPM) تعیین می‌کند.

اگر می‌خواهید محدودیت نرخ هر کاربر را تنظیم کنید، باید تنظیمات سهمیه را برای API منطق هوش مصنوعی فایربیس تنظیم کنید.

درباره سهمیه API Firebase AI Logic بیشتر بدانید. در آن صفحه، همچنین می‌توانید نحوه مشاهده و ویرایش سهمیه خود را بیاموزید.

چگونه می‌توان تأخیر و استفاده زیاد از توکن را کاهش داد؟

اگر با تأخیر زیاد یا استفاده زیاد از توکن مواجه هستید، احتمالاً به دلیل پیکربندی سطح تفکر برای مدلی است که استفاده می‌کنید.

مدل‌های Gemini 3 و بالاتر همیشه از یک «فرآیند تفکر» داخلی استفاده می‌کنند که به طور قابل توجهی توانایی‌های استدلال و برنامه‌ریزی چند مرحله‌ای آنها را بهبود می‌بخشد و آنها را برای کارهای پیچیده‌ای مانند کدنویسی، ریاضیات پیشرفته و تجزیه و تحلیل داده‌ها بسیار مؤثر می‌کند.

با این حال، بسته به نوع وظیفه، سطوح بالاتر تفکر همیشه مورد نیاز نیست و می‌توانید مدل را طوری پیکربندی کنید که از سطح تفکر پایین‌تری استفاده کند. سطح تفکر پایین‌تر به کاهش تأخیر و استفاده از توکن کمک می‌کند. برای کمک به شما در تصمیم‌گیری در مورد اینکه یک مدل چقدر ممکن است به توانایی تفکر خود نیاز داشته باشد، مقایسه دشواری وظایف را مرور کنید.

توجه داشته باشید که برای اکثر مدل‌های Gemini 3 و بالاتر، سطح تفکر پیش‌فرض روی HIGH تنظیم شده است.

آیا نوع MIME در درخواست‌های چندوجهی من (مانند تصاویر، فایل‌های PDF، ویدیو و ورودی صدا) الزامی است؟

بله، در هر درخواست چندوجهی، شما همیشه باید موارد زیر را ارائه دهید:

• نوع فایل mimeType است. به یک استثنا در زیر مراجعه کنید.

• فایل. می‌توانید فایل را به صورت داده درون‌خطی ارائه دهید یا فایل را با استفاده از URL آن ارائه دهید.

در مورد انواع فایل‌های ورودی پشتیبانی‌شده، نحوه‌ی تعیین نوع MIME و دو گزینه برای ارائه‌ی فایل در فایل‌های ورودی پشتیبانی‌شده و الزامات، اطلاعات کسب کنید.

استثنا در گنجاندن نوع MIME در درخواست شما

یک استثنا در ارائه نوع MIME، ورودی‌های تصویر درون‌خطی برای درخواست‌های برنامه‌های بومی پلتفرم اندروید و اپل است.

کیت‌های توسعه نرم‌افزار Firebase AI Logic برای پلتفرم‌های اندروید و اپل، روشی ساده و سازگار با پلتفرم را برای مدیریت تصاویر در درخواست‌ها ارائه می‌دهند - همه تصاویر (صرف نظر از فرمت آنها) قبل از ارسال به سرور، در سمت کلاینت با کیفیت ۸۰٪ به JPEG تبدیل می‌شوند. این بدان معناست که وقتی تصاویر را به عنوان داده‌های درون‌خطی با استفاده از کیت‌های توسعه نرم‌افزار پلتفرم‌های اندروید و اپل ارائه می‌دهید، نیازی به مشخص کردن نوع MIME در درخواست ندارید .

این روش ساده‌سازی‌شده در مستندات Firebase AI Logic در مثال‌هایی برای ارسال تصاویر کدگذاری‌شده با base64 در درخواست‌ها نشان داده شده است.

در اینجا اطلاعات اضافی مربوط به پلتفرم در مورد این ویژگی آمده است:

• برای اندروید :

  • شما می‌توانید از روش ساده‌شده برای مدیریت انواع تصاویر بومی پلتفرم ( Bitmap ) در اعلان‌های چندوجهی که حاوی تصاویر به عنوان داده‌های درون‌خطی هستند، بهره ببرید (به مثال مراجعه کنید).

  • برای کنترل بیشتر بر فرمت‌ها و تبدیل‌های تصویر، می‌توانید تصاویر را به عنوان InlineDataPart ارائه دهید و نوع MIME خاص را نیز ارائه دهید. برای مثال:

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

• برای پلتفرم‌های اپل :

  • شما می‌توانید از روش ساده‌شده برای مدیریت انواع تصاویر بومی پلتفرم ( UIImage ، NSImage ، CIImage و CGImage ) در اعلان‌های چندوجهی که حاوی تصاویر به عنوان داده‌های درون‌خطی هستند، بهره ببرید (به مثال مراجعه کنید).

  • برای کنترل بیشتر بر فرمت‌ها و تبدیل‌های تصویر، می‌توانید تصاویر را به عنوان InlineDataPart ارائه دهید و نوع MIME خاص را نیز ارائه دهید. برای مثال:

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

آیا این ویژگی‌ها هنگام استفاده از منطق هوش مصنوعی فایربیس در دسترس هستند: اتصال به زمین با جستجوی تصویر گوگل، تنظیم دقیق مدل، تولید جاسازی‌ها و بازیابی معنایی؟

ویژگی‌های زیر توسط مدل‌های مختلف و ارائه‌دهندگان API پشتیبانی می‌شوند، اما هنگام استفاده از Firebase AI Logic در دسترس نیستند :

• اتصال به زمین با جستجوی تصویر گوگل
• تنظیم دقیق یک مدل
• تولید جاسازی‌ها
• بازیابی معنایی

اگر می‌خواهید این موارد را به عنوان درخواست ویژگی اضافه کنید یا به یک درخواست ویژگی موجود رأی دهید، به Firebase UserVoice مراجعه کنید.

چرا نام از « Vertex AI in Firebase » به « Firebase AI Logic » تغییر کرد؟

در سال ۲۰۲۴، ما مجموعه‌ای از SDKهای کلاینت فایربیس را راه‌اندازی کردیم که می‌توانستند از API پلتفرم عامل Gemini (که قبلاً Vertex AI نام داشت) و همچنین یک دروازه پروکسی فایربیس برای محافظت از آن API در برابر سوءاستفاده و فعال کردن ادغام با سایر محصولات فایربیس استفاده کنند. ما محصول خود را "Vertex AI در فایربیس" نامیدیم و این نام محصول به طور دقیق موارد استفاده موجود محصول ما را در آن زمان توصیف می‌کرد.

از آن زمان، ما قابلیت‌های محصول خود را گسترش داده‌ایم. برای مثال، از ماه مه ۲۰۲۵، ما اکنون پشتیبانی از رابط برنامه‌نویسی نرم‌افزار Gemini Developer را ارائه می‌دهیم، از جمله امکان محافظت از رابط برنامه‌نویسی نرم‌افزار Gemini Developer در برابر سوءاستفاده با استفاده از ادغام ما با Firebase App Check .

در نتیجه، نام «Vertex AI in Firebase» دیگر به طور دقیق نشان‌دهنده‌ی دامنه‌ی گسترش‌یافته‌ی محصول ما نیست. بنابراین، نام جدید - Firebase AI Logic - مجموعه‌ی ویژگی‌های در حال تکامل ما را بهتر منعکس می‌کند و به ما اجازه می‌دهد تا در آینده به گسترش پیشنهادات خود ادامه دهیم!

برای اطمینان از دریافت آخرین ویژگی‌های Firebase AI Logic (و در صورت تمایل شروع به استفاده از Gemini Developer API ) راهنمای مهاجرت را بررسی کنید.

برای برنامه‌های Swift روی پلتفرم‌های اپل - در مورد تغییر نام ماژول از FirebaseAI به FirebaseAILogic چه باید کرد؟

برای برنامه‌های پلتفرم اپل، از Firebase SDK نسخه ۱۲.۵.۰ به بعد، Firebase AI Logic اکنون تحت ماژول FirebaseAILogic توزیع شده است. ما این تغییر را بدون مشکل و سازگار با نسخه‌های قبلی ایجاد کرده‌ایم.

چرا این تغییر را ایجاد کردیم؟

ما قبلاً این سرویس را تحت ماژول FirebaseAI توزیع می‌کردیم. با این حال، به دلایل زیر مجبور شدیم نام آن را به FirebaseAILogic تغییر دهیم:

• از تداخل نام بین ماژول و کلاس که باعث ایجاد مشکل در توزیع‌های دودویی می‌شود، جلوگیری کنید.

• ما را قادر می‌سازد تا از ماکروهای Swift برای توسعه ویژگی‌های آینده استفاده کنیم.

اگر در حال ارتقا به نسخه ۱۲.۵.۰+ هستید، چه کاری باید انجام دهید؟

تغییر نام ماژول به FirebaseAILogic پایدار و سازگار با نسخه‌های قبلی است. با این حال، در نهایت، ممکن است ماژول قدیمی را در کنار انتشار یک نسخه جدید و بزرگ Firebase SDK (که در حال حاضر بازه زمانی آن مشخص نیست) حذف کنیم.

هیچ تغییری برای تغییر نام ماژول لازم نیست، اما توصیه می‌کنیم موارد زیر را انجام دهید:

1. هنگام انتخاب وابستگی‌های Swift PM، FirebaseAILogic را انتخاب کنید (به جای FirebaseAI ).

2. دستورات import را به FirebaseAILogic (به جای FirebaseAI ) تغییر دهید.

آیا لازم است App Check برای همه نسخه‌های عمومی برنامه‌ام اعمال شود؟

بله، App Check باید برای همه نسخه‌های عمومی برنامه شما که از Firebase AI Logic استفاده می‌کنند، اعمال شود.

بسیار مهم است که App Check در اسرع وقت اجرا شود - به خصوص قبل از اینکه برنامه خود را به یک سیستم کنترل کد منبع در دسترس عموم بسپارید، برنامه خود را به اشتراک بگذارید یا برنامه خود را در دسترس عموم قرار دهید.

اگر App Check فوراً در کدبیس برنامه خود پیاده‌سازی کنید، تمام نسخه‌های برنامه شما می‌توانند توکن‌های معتبر App Check ارسال کنند. درخواستی که توکن معتبر ارسال نکند، تأیید نشده تلقی می‌شود و هنگام اجرای App Check مسدود خواهد شد.

اگر قبلاً نسخه‌ای از برنامه خود را برای کاربران نهایی منتشر کرده‌اید که App Check در آن پیاده‌سازی نشده است، به بخش سوالات متداول در مورد نحوه پیاده‌سازی و اجرای App Check برای یک برنامه منتشر شده مراجعه کنید.

چگونه می‌توانم App Check برای برنامه‌ای که قبلاً منتشر شده است، پیاده‌سازی و اجرا کنم؟

برای نسخه‌هایی از برنامه که App Check پیاده‌سازی نشده‌اند، درخواست‌های ارسالی به Firebase AI Logic از آن نسخه‌ها، توکن‌های App Check معتبری ندارند و تأیید نشده تلقی می‌شوند. این درخواست‌ها هنگام اعمال App Check برای AI Logic مسدود خواهند شد.

برای جلوگیری از اختلال در سرویس‌دهی در برنامه‌ای که از قبل منتشر شده و App Check ندارد، قبل از اعمال App Check موارد زیر را انجام دهید.

1. در اسرع وقت یک ارائه‌دهنده‌ی گواهی در اپلیکیشن خود پیاده‌سازی کنید.

   • پلتفرم‌های اپل : DeviceCheck یا App Attest

   • اندروید : بازی Integrity

   • وب : reCAPTCHA Enterprise

   • فلاتر : از تمام ارائه‌دهندگان پیش‌فرض بالا پشتیبانی می‌کند

   • یونیتی : از تمام ارائه دهندگان پیش‌فرض بالا پشتیبانی می‌کند.

2. درخواست‌های برنامه خود را زیر نظر بگیرید تا به شما در تصمیم‌گیری در مورد زمان ایمن برای اجرای App Check کمک کند.

   برای مثال، اگر تقریباً تمام درخواست‌های اخیر از طرف کلاینت‌های تأیید شده باشد، باید اجرای App Check را در نظر بگیرید.

3. App Check برای منطق هوش مصنوعی فایربیس اعمال کنید.

4. برای توسعه محلی، زمانی که App Check اجباری است، ارائه‌دهنده اشکال‌زدایی App Check را طوری پیکربندی کنید که از فرآیند گواهی‌دهی عبور کند و در عین حال اجرای App Check را حفظ کند. دستورالعمل‌های راه‌اندازی را برای پلتفرم خود مشاهده کنید: iOS+ | اندروید | وب | فلاتر | یونیتی .

ارتقاءهای امنیتی (اواسط سال 2026) برای رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini و منطق هوش مصنوعی Firebase چه بودند؟

از لحاظ تاریخی، رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini برای تأیید استفاده از رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini ( generativelanguage.googleapis.com ) به کلیدهای استاندارد رابط برنامه‌نویسی کاربردی Gemini متکی بود. اگر Firebase AI Logic را فعال می‌کردید و تصمیم می‌گرفتید از رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini استفاده کنید، Firebase یک کلید رابط برنامه‌نویسی کاربردی Gemini برای شما ایجاد می‌کرد که محدود به رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini بود. این کلید ... نامگذاری شده بود. Gemini Developer API key (auto created by Firebase) .

از اواسط سال 2026، رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini به یک جایگزین امن‌تر به نام «کلیدهای مجوز (auth)» (که اساساً حساب‌های سرویس هستند) ارتقا می‌یابد. Firebase AI Logic نیز به طور همزمان ارتقا یافته است. به جای استفاده از یک کلید استاندارد API Gemini ، Firebase AI Logic اکنون با استفاده از یک حساب سرویس مدیریت‌شده توسط گوگل (P4SA) که ما به طور خودکار برای شما فراهم می‌کنیم، مجوزدهی برای رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini را مدیریت می‌کند :
عامل سرویس منطقی هوش مصنوعی فایربیس ( service- PROJECT_ID @ gcp-sa-firebasevertexai.iam.gserviceaccount.com )

برای پروژه‌های موجود و جدید، اگر از طریق Firebase AI Logic به رابط برنامه‌نویسی نرم‌افزار Gemini Developer API دسترسی پیدا کنید، برای بهره‌مندی از این ارتقاءهای امنیتی از اواسط سال 2026، نیازی به انجام هیچ اقدامی از سوی شما نیست.

آیا لازم است کلید API مربوط به Gemini خود را به یک «کلید مجوز (auth)» منتقل کنم؟

برای پروژه‌های موجود و جدید، اگر از طریق Firebase AI Logic به رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini دسترسی پیدا کنید، برای بهره‌مندی از ارتقاءهای امنیتی از اواسط سال 2026 (از جمله انتقال به یک «کلید مجوز (auth)») نیازی به انجام هیچ اقدامی از سوی شما نیست .

از طرف توسعه‌دهندگان ما، Firebase AI Logic به طور خودکار تمام تغییرات امنیتی لازم را برای تطبیق با انتقال رابط برنامه‌نویسی نرم‌افزار Gemini Developer به درخواست «کلیدهای مجوز (auth)» انجام می‌دهد.

از اواسط سال ۲۰۲۶، Firebase AI Logic دیگر کلیدهای استاندارد Gemini API را ارائه نمی‌دهد یا از آنها استفاده نمی‌کند. در عوض، Firebase AI Logic اکنون با استفاده از یک حساب کاربری تحت مدیریت گوگل (P4SA) که ما به طور خودکار در پروژه Firebase شما ارائه می‌دهیم، مجوز API توسعه‌دهنده Gemini را مدیریت می‌کند:
عامل سرویس منطقی هوش مصنوعی فایربیس ( service- PROJECT_ID @ gcp-sa-firebasevertexai.iam.gserviceaccount.com )

با توجه به این تغییر، می‌توانید هر کلید API با نام مشخص شده را بررسی و حذف کنید. Gemini Developer API key (auto created by Firebase) . می‌توانید این کلید را در کنسول Google Cloud حذف کنید. قبل از حذف کلید، موارد زیر را بررسی کنید:

• این کلید API مربوط به Gemini توسط Firebase و صرفاً برای استفاده با Firebase AI Logic ایجاد شده است، بنابراین حذف آن باید بی‌خطر باشد. با این حال، قبل از حذف این کلید، باید بررسی کنید که آیا به اشتباه از این کلید با ابزارهای دیگری که می‌توانند به Gemini Developer API دسترسی بدهند، مانند SDKهای سرور GenAI یا Genkit ، استفاده نکرده‌اید یا خیر. در اینجا نحوه بررسی میزان استفاده از آن آمده است:
  1. In the Google Cloud console, go to the page for the Gemini Developer API , then click Manage .
  2. In the Metrics tab, in the Credentials dropdown, select the key named Gemini Developer API key (auto created by Firebase) .
  3. If the displayed graphs show no usage since early July 2026 (which was when Firebase AI Logic stopped using these API keys), then the key is safe to delete.
     However, if the graphs show usage, then you're using the key with another tool and you should rename the key so that it's clear that it's being used with that tool (and not with Firebase AI Logic ).
• Make sure that you do not delete any other API key with a name that contains the segment (auto created by Firebase) .

Should I add a Gemini API key into my mobile or web app's codebase?

When using the Firebase AI Logic SDKs, you do not need a Gemini API key for authorizing use of the Gemini Developer API , and you should not add a Gemini API key into your app's codebase.

Can I use my "Firebase API key" as a Gemini API key?

No — you should not use your "Firebase API key" as a Gemini API key. We strongly recommend that you do not add the Gemini Developer API to the allowlist for your Firebase API key.

Your Firebase API key is the API key that's listed in your Firebase configuration file or object that you add into your app's codebase to connect your app to Firebase. It's OK to include your Firebase API key in your code when you use the key only with Firebase-related APIs (like Firebase AI Logic ) . Learn important information about Firebase API keys .

In the APIs & Services > Credentials panel of the Google Cloud console, this is what Firebase API keys look like:

Because you need to add your Firebase API key into your app's codebase for Firebase-related APIs to work, and because the Gemini Developer API can be authorized via API key, we strongly recommend that you do NOT add the Gemini Developer API (called the "Generative Language API" in the Google Cloud console) to the API allowlist for your Firebase API key . If you do, then you're exposing the Gemini Developer API to potential abuse.

How do I keep my Gemini API key secure?