Preguntas frecuentes y solución de problemas

¿Cuáles son las diferencias entre usar Gemini Developer API y Agent Platform Gemini API (formerly Vertex AI)?

En la siguiente tabla, se enumeran las diferencias importantes entre los dos proveedores de "Gemini API" en general, independientemente de cómo accedas a ellos:

¹ Los dos proveedores de APIs tienen precios de pago por uso diferentes (obtén más información en su documentación respectiva).

² La API de Files para Gemini Developer API no se admite a través de los SDKs de Firebase AI Logic.

En la siguiente tabla, se indica la disponibilidad de las funciones más consultadas para los dos proveedores de "Gemini API". Esta tabla se aplica específicamente cuando se usan los SDKs de cliente de Firebase AI Logic.

¿Puedo usar tanto el Gemini Developer API como el Agent Platform Gemini API (formerly Vertex AI)?

Sí, puedes habilitar ambos proveedores de "Gemini API" en tu proyecto de Firebase y usar ambas APIs en tu app.

Para cambiar de proveedor de API en tu código, asegúrate de configurar el servicio de backend de forma adecuada en tu código.

¿Qué cambios se requieren para el cambio de marca de "Vertex AI" a "Agent Platform"?

A mediados de 2026, Google Cloud cambió el nombre de "Vertex AI" a "Gemini Enterprise Agent Platform" (o "Agent Platform"). En el ecosistema de Firebase, nos referimos a este servicio como la "API de Gemini de Agent Platform".

En el caso de Google Cloud, este cambio de marca incluyó lo siguiente: Ten en cuenta que hubo otros cambios, pero no se aplican a Firebase AI Logic.

• Se cambió el nombre del producto de "Vertex AI" a "Gemini Enterprise Agent Platform" (o "Agent Platform"), lo que incluye nuevas URLs para la consola de Google Cloud y la documentación.

• Se cambió el nombre visible de la API de "API de Vertex AI" a "API de Agent Platform". Ten en cuenta que el nombre del servicio sigue siendo el mismo: aiplatform.googleapis.com.

• Se cambió el nombre de "Vertex AI Studio" a "Agent Studio".

• No se realizaron cambios en las capacidades de las APIs subyacentes ni en los modelos admitidos.

En el caso de los SDKs de Firebase AI Logic, adaptamos este cambio de marca actualizando la sintaxis de inicialización para el servicio de backend "Gemini API" y actualizando la ubicación predeterminada para acceder al modelo cuando se usa esta nueva sintaxis.

• Nueva sintaxis de inicialización para el servicio de backend "Gemini API":

  Swift

  Cambia vertexai a agentPlatform.
  Disponible a partir de la versión 12.17.0 y posteriores del SDK de Firebase para plataformas de Apple.

  ANTES

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

  DESPUÉS

  // ...
  
  // 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

  Cambia vertexAI a agentPlatform.
  Disponible a partir del SDK de Firebase AI Logic para Android v17.15.0 (Firebase Android BoM v34.17.0).

  ANTES

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

  DESPUÉS

  // ...
  
  // 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

  Cambia vertexAI a agentPlatform.
  Disponible a partir del SDK de Firebase AI Logic para Android v17.15.0 (Firebase Android BoM v34.17.0).

  ANTES

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

  DESPUÉS

  // ...
  
  // 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

  Cambia VertexAIBackend a AgentPlatformBackend.
  Disponible a partir de la versión 12.17.0 y posteriores del SDK de Firebase JS.

  ANTES

  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') });
  
  // ...
  

  DESPUÉS

  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

  Cambia vertexAI a agentPlatform.
  Disponible a partir del complemento de Firebase AI Logic para Flutter v3.15.0 (y versiones posteriores) (BoM de Firebase Flutter v4.18.0 y versiones posteriores).

  ANTES

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

  DESPUÉS

  // ...
  
  // 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

  Cambia VertexAI a AgentPlatform.
  Disponible a partir de la versión 13.15.0 del SDK de Firebase Unity.

  ANTES

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

  DESPUÉS

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

• Nueva ubicación predeterminada para acceder al modelo cuando se usa la nueva sintaxis de inicialización:

  Cuando se usa la nueva sintaxis de inicialización de "Agent Platform", la ubicación se establece de forma predeterminada en global.

  Este cambio se realizó porque casi todos los modelos de Gemini son compatibles con global, y Google Cloud ya no admite la ubicación de us-central1 para las versiones nuevas de la mayoría de los modelos de Gemini.

¿Qué APIs se requieren? ¿Y cómo habilitarlas?

Para usar los SDKs de Firebase AI Logic con Gemini Developer API, tu proyecto debe tener habilitadas las siguientes dos APIs:

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

Debes habilitar estas dos APIs con la consola de Firebase:

1. En la consola de Firebase, ve a Servicios de IA > Lógica de IA.

2. Haz clic en Comenzar.

3. Selecciona para comenzar a usar Gemini Developer API.

   Se iniciará un flujo de trabajo guiado que habilitará las dos APIs por ti. Firebase también aprovisionará una cuenta de servicio administrada por Google (P4SA) para autorizar el uso de Gemini API y agregará la API de Firebase AI Logic a la lista de entidades permitidas de tu clave de API de Firebase.

¿Cómo inhabilitar APIs en un proyecto de Firebase?

En el caso de Firebase AI Logic, intentamos que la configuración de tu proyecto de Firebase para usar el proveedor de Gemini API que elijas sea lo más sencilla posible. Esto incluye habilitar las APIs requeridas en tu proyecto de Firebase durante recorridos específicos, como el flujo de trabajo guiado en la consola de Firebase.

Sin embargo, si decides no usar Firebase AI Logic o uno de los proveedores de Gemini API, puedes inhabilitar las APIs asociadas en tu proyecto de Firebase.

¿Qué permisos se pueden necesitar para usar Firebase AI Logic?

¿Qué modelos son compatibles cuando se usa Firebase AI Logic?

Consulta la lista de modelos compatibles. Con frecuencia, agregamos nuevas capacidades a los SDKs, así que consulta esta sección de preguntas frecuentes para ver las actualizaciones (además de las notas de la versión, los blogs y las publicaciones en redes sociales).

• Firebase AI Logic admite los siguientes modelos:

  • Gemini Developer API

    • La mayoría de los modelos de base Gemini y Imagen

    Ten en cuenta que Gemini Developer API (independientemente de cómo se acceda a él) solo admite modelos Imagen estables específicos.

  • Agent Platform Gemini API (formerly Vertex AI)

    • La mayoría de los modelos de base Gemini y Imagen

• Firebase AI Logic no admite los siguientes modelos (independientemente del proveedor de Gemini API que elijas):

  • Modelos ajustados

  • Modelos de incorporación, modelos de Veo, modelos de Lyria, modelos de robótica, modelos de uso de computadoras, modelos de Gemini Omni o modelos de Gemini Flash Cyber

  • Modelos Imagen o imagen-3.0-capability-001 más antiguos

¿Qué sucede cuando se apagan (retiran) los modelos?

Cuando lanzamos una versión estable del modelo, nos esforzamos por garantizar que esté disponible durante al menos un año antes de retirarlo.

¿Dónde puedo encontrar la fecha de desactivación permanente de un modelo?

Estas son algunas formas de encontrar la fecha de desactivación permanente de un modelo:

• En el momento del lanzamiento: Indicamos la fecha de desactivación permanente esperada de cada modelo en varios lugares de la documentación del proveedor de Gemini API, así como en la documentación de Firebase (consulta la página de modelos compatibles).

• A medida que se acerca la fecha de desactivación permanente: Google envía correos electrónicos a los miembros del proyecto correspondientes y publicamos recordatorios en las notas de la versión y otros canales sobre las próximas desactivaciones permanentes (por ejemplo, recordatorio de las fechas de desactivación permanente de los modelos estables de Gemini 1.5 y 1.0).

¿Qué hacer si el modelo que usas está a punto de cerrarse?

1. Busca un modelo compatible actualmente adecuado y su nombre.

2. Actualiza el nombre del modelo que usa tu app antes de la fecha de cierre. De lo contrario, fallarán todas las solicitudes a ese modelo con un error 404.

   • Estableces el nombre del modelo durante la inicialización cuando crees una instancia de GenerativeModel, LiveModel o ImagenModel. Asegúrate de revisar la siguiente recomendación importante sobre el uso de Firebase Remote Config.

   • Cuando usas Firebase AI Logic, por lo general no necesitas modificar el código que realmente llama al modelo.

     Ten en cuenta que, para los modelos Gemini 3.x, los parámetros de muestreo (temperatura, Top-K y Top-P) dejaron de estar disponibles.

3. Prueba tu app para asegurarte de que las respuestas sigan siendo las esperadas.

Gemini 2.5 modelos estables: fechas de desactivación permanente y reemplazos

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

  gemini-2.5-pro
gemini-2.5-flash
gemini-2.5-flash-lite
gemini-2.5-flash-image (también conocido como "Nano Banana")

  • En el caso de los modelos de uso general, la fecha de desactivación permanente depende del proveedor de Gemini API que elijas:

    • Gemini Developer API (IA de Google): 16 de octubre de 2026
    • Agent Platform Gemini API (formerly Vertex AI): 20 de octubre de 2026

  • En el caso del modelo de generación de imágenes (Nano Banana), la fecha de desactivación permanente es la misma, independientemente del proveedor de Gemini API que elijas: 2 de octubre de 2026

  Ten en cuenta que otros modelos de "Nano Banana" y cualquier modelo estable de Gemini Live API 2.5 no se ven afectados.

Reemplazo: Migra para usar uno de los nuevos modelos Gemini 3.x (como gemini-3.6-flash o gemini-3.1-flash-image).

Imagen modelos estables: fechas de desactivación permanente y reemplazos

• Todos los modelos de Imagen se apagarán el 30 de junio de 2026.

Reemplazo: Migra tus apps para que usen los modelos de imágenes Gemini (los modelos "Nano Banana").

Gemini 2.0 modelos estables: fechas de desactivación permanente y reemplazos

• Gemini 2.0 Flash y Gemini 2.0 Flash‑Lite:

  gemini-2.0-flash-001 (y su alias gemini-2.0-flash actualizado automáticamente)
  gemini-2.0-flash-lite-001 (y su alias gemini-2.0-flash-lite actualizado automáticamente)

  • 6 de febrero de 2026: Estos modelos ya no estarán disponibles para su uso en proyectos que no los hayan usado antes.

  • 31 de marzo de 2026: Estos modelos dejarán de estar disponibles.

  Ten en cuenta que los modelos estables de Gemini Live API 2.0 no se ven afectados.

Reemplazo: Migra para usar uno de los nuevos modelos de Gemini 3.x (como gemini-3.1-flash-lite).

Modelos estables de Gemini 1.5 y 1.0: Fechas de desactivación permanente y reemplazos

• Modelos Gemini 1.5 Pro:

  • gemini-1.5-pro-002 (y gemini-1.5-pro): 24 de septiembre de 2025
  • gemini-1.5-pro-001: 24 de mayo de 2025

• Modelos Gemini 1.5 Flash:

  • gemini-1.5-flash-002 (y gemini-1.5-flash): 24 de septiembre de 2025
  • gemini-1.5-flash-001: 24 de mayo de 2025

• Modelos de Gemini 1.0 Pro Vision: 21 de abril de 2025 (anteriormente, se había programado para el 9 de abril de 2025)

• Modelos de Gemini 1.0 Pro: 21 de abril de 2025 (anteriormente, se había programado para el 9 de abril de 2025)

Reemplazo: Migra para usar uno de los nuevos modelos de Gemini 3.x (como gemini-3.1-flash-lite).

¿Firebase AI Logic usa mis datos para entrenar modelos?

Consulta Administración de datos y la IA responsable.

¿Cómo se establece un límite de frecuencia por usuario?

De forma predeterminada, Firebase AI Logic establece el límite de solicitudes por usuario en 100 solicitudes por minuto (RPM).

Si deseas ajustar el límite de frecuencia por usuario, debes modificar la configuración de la cuota de la API de Firebase AI Logic.

Obtén más información sobre la cuota de la API de Firebase AI Logic. En esa página, también puedes obtener información para ver y editar tu cuota.

¿Cómo reducir la latencia y el uso elevado de tokens?

Si experimentas una latencia alta o un uso alto de tokens, es probable que se deba a la configuración del nivel de pensamiento del modelo que estás usando.

Gemini 3 y los modelos posteriores siempre usan un "proceso de pensamiento" interno que mejora significativamente sus capacidades de razonamiento y planificación de varios pasos, lo que los hace muy eficaces para tareas complejas, como programación, matemáticas avanzadas y análisis de datos.

Sin embargo, según la tarea, no siempre se necesitan niveles de pensamiento más altos, y puedes configurar el modelo para que use un nivel de pensamiento más bajo. Un nivel de pensamiento más bajo ayudará a reducir la latencia y el uso de tokens. Para ayudarte a decidir cuánta capacidad de pensamiento podría necesitar un modelo, revisa la comparación de dificultades de las tareas.

Ten en cuenta que, para la mayoría de los modelos Gemini 3 y posteriores, el nivel de razonamiento predeterminado se establece en HIGH.

¿Se requiere el tipo de MIME en mis solicitudes multimodales? (como para imágenes, PDFs, videos y entradas de audio)

Sí, en cada solicitud multimodal, siempre debes proporcionar lo siguiente:

• Es el mimeType del archivo. Consulta una excepción a continuación.

• El archivo. Puedes proporcionar el archivo como datos intercalados o con su URL.

Obtén información sobre los tipos de archivos de entrada admitidos, cómo especificar el tipo de MIME y las dos opciones para proporcionar el archivo en Archivos de entrada y requisitos admitidos.

Excepción para incluir el tipo de MIME en tu solicitud

Una excepción a la regla de proporcionar el tipo de MIME son las entradas de imágenes intercaladas para solicitudes de apps nativas de plataformas de Android y Apple.

Los SDK de Firebase AI Logic para plataformas de Android y Apple proporcionan una forma simplificada y compatible con la plataforma de controlar imágenes en las solicitudes: todas las imágenes (sin importar su formato) se convierten del lado del cliente a JPEG con un 80% de calidad antes de enviarse al servidor. Esto significa que cuando proporcionas imágenes como datos intercalados con los SDKs de las plataformas de Android y Apple, no necesitas especificar el tipo de MIME en la solicitud.

Este manejo simplificado se muestra en la documentación de Firebase AI Logic en los ejemplos para enviar imágenes codificadas en base64 en las solicitudes.

A continuación, se incluye información adicional específica de la plataforma sobre esta función:

• Para Android:

  • Puedes aprovechar la forma simplificada de controlar los tipos de imágenes nativas de la plataforma (Bitmap) en instrucciones multimodales que contienen imágenes como datos intercalados (consulta el ejemplo).

  • Para tener más control sobre los formatos y las conversiones de imágenes, puedes proporcionar las imágenes como un InlineDataPart y suministrar el tipo de MIME específico. Por ejemplo:

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

• Para plataformas de Apple:

  • Puedes aprovechar la forma simplificada de controlar los tipos de imágenes nativas de la plataforma (UIImage, NSImage, CIImage y CGImage) en instrucciones multimodales que contienen imágenes como datos intercalados (consulta el ejemplo).

  • Para tener más control sobre los formatos y las conversiones de imágenes, puedes proporcionar las imágenes como un InlineDataPart y suministrar el tipo de MIME específico. Por ejemplo:

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

¿Estas funciones están disponibles cuando se usa Firebase AI Logic: Fundamentación con la Búsqueda de Imágenes de Google, ajuste de un modelo, generación de embeddings y recuperación semántica?

Los siguientes parámetros son compatibles con varios modelos y proveedores de APIs, pero no están disponibles cuando se usa Firebase AI Logic:

• Fundamentación con la Búsqueda de imágenes de Google
• Ajuste de un modelo
• Generación de embeddings
• Recuperación semántica

Si quieres agregar estas opciones como solicitudes de funciones o votar por una solicitud de función existente, visita Firebase UserVoice.

¿Por qué cambió el nombre de "Vertex AI in Firebase" a "Firebase AI Logic"?

En 2024, lanzamos un conjunto de SDKs de cliente de Firebase que podían usar Agent Platform Gemini API (formerly Vertex AI), así como una puerta de enlace de proxy de Firebase para proteger esa API del abuso y habilitar integraciones con otros productos de Firebase. Llamamos a nuestro producto "Vertex AI in Firebase", y este nombre describía con precisión los casos de uso disponibles en ese momento.

Sin embargo, desde entonces, ampliamos las capacidades de nuestro producto. Por ejemplo, a partir de mayo de 2025, ofrecemos compatibilidad con Gemini Developer API, incluida la capacidad de proteger Gemini Developer API contra el abuso con nuestra integración en Firebase App Check.

Como resultado, el nombre "Vertex AI in Firebase" ya no representa con precisión el alcance expandido de nuestro producto. Por lo tanto, un nuevo nombre, Firebase AI Logic, refleja mejor nuestro conjunto de funciones en evolución y nos permite seguir expandiendo nuestras ofertas en el futuro.

Consulta la guía de migración para asegurarte de obtener todas las funciones más recientes de Firebase AI Logic (y, de manera opcional, comenzar a usar Gemini Developer API).

En el caso de las apps de Swift en plataformas de Apple, ¿qué se debe hacer con el cambio de nombre del módulo de FirebaseAI a FirebaseAILogic?

En el caso de las apps para plataformas de Apple, a partir de la versión 12.5.0 del SDK de Firebase, Firebase AI Logic ahora se distribuye en el módulo FirebaseAILogic. Hicimos que este cambio no sea rotundo y sea compatible con versiones anteriores.

¿Por qué hicimos este cambio?

Anteriormente, distribuíamos este servicio en el módulo FirebaseAI. Sin embargo, debimos cambiarle el nombre a FirebaseAILogic por los siguientes motivos:

• Evita una colisión de nombres entre el módulo y la clase que cause problemas en las distribuciones binarias.

• Nos permite usar macros de Swift para el desarrollo de funciones futuras.

¿Qué debes hacer si actualizas a la versión 12.5.0 o posterior?

El cambio de nombre del módulo a FirebaseAILogic no es rotundo y es compatible con versiones anteriores. Sin embargo, es posible que, con el tiempo, quitemos el módulo anterior junto con una versión futura de cambio rotundo del SDK de Firebase (el plazo aún no se determinó).

No se requieren cambios para este cambio de nombre del módulo, pero recomendamos que hagas lo siguiente:

1. Cuando elijas dependencias de Swift PM, elige FirebaseAILogic (en lugar de FirebaseAI).

2. Cambia las declaraciones de importación a FirebaseAILogic (en lugar de FirebaseAI).

¿Cuáles fueron las actualizaciones de seguridad (a mediados de 2026) para Gemini Developer API y Firebase AI Logic?

Históricamente, Gemini Developer API se basó en claves de API de Gemini estándar para autorizar el uso de Gemini Developer API (generativelanguage.googleapis.com). Si habilitaste Firebase AI Logic y elegiste usar Gemini Developer API, Firebase creó una clave de API de Gemini para ti que se restringió a Gemini Developer API. Esta clave se llamaba Gemini Developer API key (auto created by Firebase).

A partir de mediados de 2026, la Gemini Developer API se actualizará a una alternativa más segura llamada "claves de autorización (auth)" (que son esencialmente cuentas de servicio). Firebase AI Logic se actualizó en conjunto. En lugar de usar una clave de API de Gemini estándar, Firebase AI Logic ahora controla la autorización para Gemini Developer API con una cuenta de servicio administrada por Google (P4SA) que aprovisionamos automáticamente para ti:
Agente de servicio de Firebase AI Logic (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com)

En el caso de los proyectos existentes y los nuevos, si accedes a Gemini Developer API a través de Firebase AI Logic, no es necesario que realices ninguna acción para aprovechar estas actualizaciones de seguridad a partir de mediados de 2026.

¿Debo migrar mi clave de API de Gemini a una "clave de autorización (auth)"?

Tanto para los proyectos existentes como para los nuevos, si accedes a Gemini Developer API a través de Firebase AI Logic, no es necesario que realices ninguna acción para aprovechar las actualizaciones de seguridad a partir de mediados de 2026 (incluida la migración a una "clave de autorización [auth]").

En nombre de nuestros desarrolladores, Firebase AI Logic está controlando automáticamente todos los cambios de seguridad necesarios para adaptarse a la transición de Gemini Developer API, que requerirá "claves de autorización (auth)".

A partir de mediados de 2026, Firebase AI Logic ya no aprovisionará ni usará claves de API estándar de Gemini. En cambio, Firebase AI Logic ahora controla la autorización para Gemini Developer API con una cuenta de servicio administrada por Google (P4SA) que aprovisionamos automáticamente para ti en tu proyecto de Firebase:Firebase AI Logic Service Agent (service-PROJECT_ID@gcp-sa-firebasevertexai.iam.gserviceaccount.com).

Dado este cambio, puedes revisar y borrar cualquier clave de API llamada Gemini Developer API key (auto created by Firebase). Puedes borrar esta clave en la consola de Google Cloud. Revisa lo siguiente antes de borrar la clave:

• Firebase creó esta clave de API de Gemini con el único propósito de usarla con Firebase AI Logic, por lo que puedes borrarla sin problemas. Sin embargo, antes de borrar esta clave, debes verificar que no la hayas usado por error con otras herramientas que puedan dar acceso a Gemini Developer API, como los SDKs del servidor de IA generativa o Genkit. Sigue estos pasos para verificar el uso:
  1. En la consola de Google Cloud, ve a la página de Gemini Developer API y, luego, haz clic en Administrar.
  2. En la pestaña Métricas, en el menú desplegable Credenciales, selecciona la clave llamada Gemini Developer API key (auto created by Firebase).
  3. Si los gráficos que se muestran no registran uso desde principios de julio de 2026 (cuando Firebase AI Logic dejó de usar estas claves de API), puedes borrar la clave de forma segura.
     Sin embargo, si los gráficos muestran el uso, significa que estás usando la clave con otra herramienta y debes cambiarle el nombre para que quede claro que se está usando con esa herramienta (y no con Firebase AI Logic).
• Asegúrate de no borrar ninguna otra clave de API con un nombre que contenga el segmento (auto created by Firebase).

¿Debo agregar una clave de API de Gemini a la base de código de mi app para dispositivos móviles o web?

Cuando usas los SDKs de Firebase AI Logic, no necesitas una clave de API de Gemini para autorizar el uso de Gemini Developer API, y no debes agregar una clave de API de Gemini a la base de código de tu app.

¿Puedo usar mi "clave de API de Firebase" como clave de API de Gemini?

No, no debes usar tu "clave de API de Firebase" como una clave de API de Gemini. Te recomendamos no agregar Gemini Developer API a la lista de entidades permitidas de tu clave de API de Firebase.

Tu clave de API de Firebase es la que aparece en el archivo o el objeto de configuración de Firebase que agregas a la base de código de tu app para conectarla a Firebase. Puedes incluir tu clave de API de Firebase en tu código cuando la uses solo con APIs relacionadas con Firebase (como Firebase AI Logic). Obtén información importante sobre las claves de API de Firebase.

En el panel APIs y servicios > Credenciales de la consola de Google Cloud, las claves de API de Firebase se ven de la siguiente manera:

Dado que debes agregar tu clave de API de Firebase a la base de código de tu app para que funcionen las APIs relacionadas con Firebase, y dado que Gemini Developer API se puede autorizar a través de la clave de API, te recomendamos que NO agregues Gemini Developer API (llamada "Generative Language API" en la consola de Google Cloud) a la lista de entidades permitidas de la API para tu clave de API de Firebase. Si lo haces, expones el Gemini Developer API a posibles abusos.

¿Cómo puedo proteger mi clave de la API de Gemini?