Preguntas frecuentes y solución de problemas

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 diferentes precios de pago por uso (obtén más información en sus respectivas documentaciones).

² La API de Files para Gemini Developer API no es compatible con los SDK de Firebase AI Logic.

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

Cómo usar Gemini Developer API y Agent Platform Gemini API (formerly Vertex AI)

Puedes tener ambos proveedores de Gemini API habilitados en tu proyecto de Firebase y puedes usar ambas APIs en tu app.

Para cambiar entre proveedores de APIs en tu código, solo asegúrate de haber configurado el servicio de backend de forma adecuada en tu código.

APIs obligatorias y cómo habilitarlas

Para usar los SDKs de Firebase AI Logic con la 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 con el Gemini Developer API.

   Esto 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 las 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 necesarias 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 ni uno de los proveedores de Gemini API, puedes inhabilitar las APIs asociadas en tu proyecto de Firebase.

Permisos necesarios para usar Firebase AI Logic

Modelos compatibles cuando se usa Firebase AI Logic

Consulta la lista de modelos compatibles. Agregamos funciones nuevas a los SDK con frecuencia, así que vuelve a consultar estas Preguntas frecuentes para obtener actualizaciones (así como en las notas de la versión, los blogs y las publicaciones de redes sociales).

• Firebase AI Logic admite los siguientes modelos:

  • Gemini Developer API

    • La mayoría de los modelos de base de Gemini

  • Agent Platform Gemini API (formerly Vertex AI)

    • La mayoría de los modelos de base de Gemini

• 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 Cyber

Cómo establecer 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 ajustar la configuración de cuota para 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 elevado de tokens, es probable que se deba a la configuración del nivel de razonamiento del modelo que estás usando.

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

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

Requisitos de tipo de MIME para solicitudes multimodales (como imágenes, archivos PDF, video y entrada de audio)

En cada solicitud multimodal, siempre debes proporcionar lo siguiente:

• El archivo mimeType. 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 Requisitos y archivos de entrada admitidos.

Excepción para incluir el tipo de MIME en tu solicitud

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

Los SDK de Firebase AI Logic para las plataformas de Android y Apple proporcionan una forma simplificada y compatible con la plataforma para controlar las imágenes en las solicitudes: todas las imágenes (sin importar su formato) se convierten en el 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.

Aquí encontrarás 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 las instrucciones multimodales que contienen imágenes como datos intercalados (consulta el ejemplo).

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

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

Funciones avanzadas que aún no 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

Varios modelos y los proveedores de APIs admiten las siguientes funciones, pero no están disponibles cuando se usa Firebase AI Logic:

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

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

Uso de datos para entrenar modelos

Consulta Administración de datos y IA responsable.

Modelos obsoletos o cerrados (retirados): lista y reemplazos

Cuando Google lanza una versión estable del modelo, nos esforzamos por mantenerla disponible durante al menos 12 meses antes de cerrar (retirar) el modelo.

Sin embargo, ten en cuenta lo siguiente:

• Para Agent Platform Gemini API (formerly Vertex AI), algunos modelos estables solo tienen disponibilidad a corto plazo, lo que significa que se pueden cerrar (retirar) en un plazo de 45 días después de que se lance un modelo de reemplazo.

• En el caso de Gemini Developer API, a veces, en lugar de cerrar un modelo, el servicio enrutará automáticamente la solicitud a un modelo más reciente. Las solicitudes al modelo más nuevo se facturan según las tarifas de ese modelo.

• Varias semanas antes de la fecha de cierre, se bloqueará el inicio del uso de un modelo en los proyectos que no lo hayan usado antes.

• Cuando se lanza una versión estable para un modelo determinado, todas las versiones experimentales y preliminares de ese modelo suelen cerrarse (retirarse) en un plazo de pocos días o semanas (en estas Preguntas frecuentes, no se enumeran todos los modelos experimentales y preliminares anteriores).

Modelos de uso general

^{1 Para el Agent Platform Gemini API (formerly Vertex AI), este es un "modelo de disponibilidad a corto plazo". Consulta Patrones de nombres y control de versiones de modelos.}

^{También se cerrarán todos los siguientes modelos de uso general: gemini-1.0-pro, gemini-1.0-pro-001, gemini-1.0-pro-002, gemini-1.0-pro-vision, gemini-1.0-pro-vision-001 gemini-1.5-flash-001, gemini-1.5-flash, gemini-1.5-flash-002, gemini-1.5-pro-001, gemini-1.5-pro, gemini-1.5-pro-002}

Modelos de generación de imágenes (Nano Banana y Imagen)

Audio: Modelos de Live API

Cambios necesarios cuando los modelos se dan de baja o se cierran (retiran)

¿Dónde puedo encontrar la fecha de cierre de un modelo?

Estas son algunas formas de encontrar la fecha de cierre de un modelo:

• Google envía correos electrónicos a los miembros del proyecto correspondientes.

• Publicamos anuncios y recordatorios sobre los próximos cierres en varios canales:

  • Notas de la versión (consulta el ejemplo)
  • Banners a nivel de página en los documentos, la página de modelos compatibles y las Preguntas frecuentes sobre los modelos obsoletos y cerrados

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

Debes realizar estos cambios antes de la fecha de cierre. De lo contrario, cualquier solicitud a un modelo cerrado fallará con un error 404.

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

   También proporcionamos modelos de reemplazo recomendados en las Preguntas frecuentes sobre los modelos obsoletos y cerrados.

2. Actualiza el nombre del modelo que usa tu app.

   Estableces el nombre del modelo durante la inicialización cuando creas una instancia de GenerativeModel, LiveModel o ImagenModel. Asegúrate de revisar la recomendación fundamental que se incluye a continuación sobre el uso de Firebase Remote Config o plantillas de instrucciones del servidor.

3. Verifica si necesitas actualizar parte de tu código.

   Por lo general, no es necesario modificar el código que llama al modelo. Estas son algunas excepciones:

   • Parámetros de muestreo no admitidos: En los modelos Gemini 4.x y Gemini 3.x más recientes, no se admiten varios parámetros (específicamente, temperatura, top-K, top-P, penalización de frecuencia, penalización de presencia y recuento de candidatos).

   • Nivel de pensamiento vs. presupuesto de pensamiento: A partir de los modelos Gemini 3.x, debes usar thinkingLevel en lugar de thinkingBudget (pero thinkingBudget aún se admite para la retrocompatibilidad). Sin embargo, a partir de los modelos Gemini 4.x, thinkingBudget no es compatible. Obtén más información sobre el pensamiento.

   • Experimenta con el valor del nivel de razonamiento: Cuando actualizas a una nueva generación (por ejemplo, de 2.5 a 3.8) y quieres garantizar el mismo rendimiento y comportamiento (por ejemplo, la latencia), te recomendamos experimentar con la configuración del nivel de razonamiento en un valor más bajo. Obtén más información sobre el pensamiento.

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

Cambios necesarios 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 en 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.

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

• Cambiar 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 compatibles.

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.

  • La sintaxis agentPlatform está disponible a partir de la versión 12.17.0 del SDK.
  • La sintaxis vertexAI se quitó en la versión 13.0.0 del SDK.

  ANTES

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

  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.

  • La sintaxis de agentPlatform está disponible a partir de la versión 17.15.0 o posterior del SDK y de la versión 34.17.0 o posterior de Firebase Android BoM.
  • La sintaxis vertexAI se quitó en la versión 18.0.0 del SDK y en la versión 35.0.0 de BoM.

  ANTES

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

  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.

  • La sintaxis de agentPlatform está disponible a partir de la versión 17.15.0 o posterior del SDK y de la versión 34.17.0 o posterior de Firebase Android BoM.
  • La sintaxis vertexAI se quitó en la versión 18.0.0 del SDK y en la versión 35.0.0 de BoM.

  ANTES

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

  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.

  • La sintaxis AgentPlatformBackend está disponible a partir de la versión 12.17.0 del SDK de Firebase para JS.
  • La sintaxis VertexAIBackend se quitó en la versión 13.0.0 del SDK.

  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-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') });
  
  // ...
  

  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.

  • La sintaxis agentPlatform está disponible a partir de la versión 3.15.0 o posterior del complemento y de la versión 4.18.0 o posterior de la BoM de Firebase para Flutter.
  • La sintaxis vertexAI se quitó en la versión 5.0.0 del complemento y en la versión 5.0.0 y posteriores de la BoM de Firebase para Flutter.

  ANTES

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

  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.

  • La sintaxis AgentPlatform está disponible a partir del SDK de Firebase para Unity v13.15.0 o posterior.
  • La sintaxis VertexAI se quitó en la versión 14.0.0 del SDK.

  ANTES

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

  DESPUÉS

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

• 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 predeterminada es global.

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

Para apps de Swift: Cambios necesarios para migrar 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 se distribuye en el módulo FirebaseAILogic. En la versión 13.0.0 del SDK, se quitó el módulo FirebaseAI.

¿Por qué hicimos este cambio?

Anteriormente, distribuíamos este servicio en el módulo FirebaseAI. Sin embargo, tuvimos que 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.

• Permitirnos usar macros de Swift para el desarrollo de funciones futuras

¿Qué debes hacer si actualizas a la versión 12.5.0 o posterior, o a la versión 13.0.0 o posterior?

En Firebase 12 (a partir de la versión 12.5.0), el cambio de nombre del módulo a FirebaseAILogic no genera interrupciones y es retrocompatible, por lo que estos cambios se recomiendan en Firebase 12. Sin embargo, en la versión 13.0.0 del SDK de Firebase, se quitó el módulo FirebaseAI anterior, por lo que estos cambios son obligatorios cuando actualizas a Firebase 13.

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

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

Comprende el cambio de nombre de "Vertex AI in Firebase" a "Firebase AI Logic"

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

Sin embargo, desde entonces, ampliamos las capacidades de nuestro producto. Por ejemplo, desde mayo de 2025, ofrecemos asistencia para 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 en Firebase" ya no representa con precisión el alcance ampliado de nuestro producto. Por lo tanto, un nombre nuevo, 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).

Se requiere la aplicación de medidas por incumplimiento de App Check para todas las versiones de una app

Se debe aplicar App Check en todas las versiones de tu app que usen Firebase AI Logic.

Es fundamental que se aplique App Check lo antes posible, en especial, antes de confirmar tu app en un sistema de control de código fuente disponible públicamente, compartirla o ponerla a disposición del público.

Si implementas App Check en la base de código de tu app de inmediato, todas las versiones de la app podrán enviar tokens de App Check válidos. Una solicitud que no envía un token válido se considera no verificada y se bloqueará cuando se aplique App Check.

Si ya lanzaste una versión de tu app para los usuarios finales que no tiene implementada la App Check, consulta las Preguntas frecuentes sobre cómo implementar y aplicar la App Check en una app que ya se lanzó.

Retrasar la aplicación automática de App Check para Firebase AI Logic

A partir del 2 de noviembre de 2026, Firebase aplicará automáticamente la Firebase App Check para Firebase AI Logic en tu proyecto de Firebase (si aún no se aplica).

Cuando se aplique la App Check, se bloquearán todas las solicitudes a Firebase AI Logic que no tengan un token de App Check válido. Esto incluye las versiones de la app lanzadas que no tienen implementado un proveedor de certificación de producción.

Si lanzaste versiones de la app que no tienen implementado App Check, puedes retrasar temporalmente la aplicación automática de App Check para Firebase AI Logic. Sin embargo, antes del 21 de enero de 2027, es fundamental que trabajes para implementar y aplicar la App Check en las apps que ya lanzaste.

A continuación, se indica cómo retrasar la aplicación automática de App Check para Firebase AI Logic:

1. En la consola de Firebase, ve a la pestaña Seguridad > Verificación de aplicaciones > APIs.

2. Busca la fila de Firebase AI Logic.

3. Al final de la fila, busca el selector de fecha Aplicar: con su ícono editEditar.

4. Selecciona la fecha en la que deseas que App Check se aplique automáticamente para Firebase AI Logic.

   La última fecha posible es el 21 de enero de 2027. Después de esa fecha, no podrás retrasar la aplicación automática de App Check para Firebase AI Logic.

5. Haz clic en Guardar.

Cómo implementar y aplicar la App Check en una app que ya se lanzó

En el caso de las versiones de la app que no tienen implementada la App Check, las solicitudes a Firebase AI Logic desde esas versiones no tienen tokens de App Check válidos y se consideran no verificadas. Estas solicitudes se bloquearán cuando se aplique App Check para Firebase AI Logic.

Las siguientes instrucciones te ayudarán a migrar tu app para que puedas aplicar App Check de una manera que evite interrupciones del servicio en una app ya lanzada que no tenga App Check.

1. Retrasa la aplicación automática de App Check para Firebase AI Logic:

   1. En la consola de Firebase, ve a la pestaña Seguridad > Verificación de aplicaciones > APIs.

   2. Busca la fila de Firebase AI Logic.

   3. Al final de la fila, busca el selector de fecha Aplicar: con su ícono editEditar.

   4. Selecciona la fecha en la que deseas que App Check se aplique automáticamente para Firebase AI Logic.

      La última fecha posible es el 21 de enero de 2027. Después de esa fecha, no podrás retrasar la aplicación automática de App Check para Firebase AI Logic.

   5. Haz clic en Guardar.

2. Implementa un proveedor de certificación de producción en tu app lo antes posible.

   • Plataformas de Apple: DeviceCheck, App Attest o reCAPTCHA Enterprise
   • Android: Play Integrity o reCAPTCHA Enterprise
   • Web: reCAPTCHA Enterprise
   • Flutter: Admite todos los proveedores anteriores, incluido reCAPTCHA Enterprise
   • Unity: Admite todos los proveedores anteriores (la compatibilidad con reCAPTCHA Enterprise estará disponible próximamente)

3. Supervisa las solicitudes de tu app para ayudarte a decidir cuándo es seguro aplicar App Check.

   Por ejemplo, si casi todas las solicitudes recientes provienen de clientes verificados, deberías considerar aplicar App Check.

4. Aplica App Check para Firebase AI Logic.

5. Para el desarrollo local cuando se aplica App Check, puedes configurar el proveedor de depuración de App Check y, aun así, mantener la aplicación de App Check para Firebase AI Logic.

Comprende las actualizaciones de seguridad (mediados de 2026) para Gemini Developer API y Firebase AI Logic

Históricamente, el Gemini Developer API dependía de las claves de API estándar de Gemini para autorizar el uso del Gemini Developer API (generativelanguage.googleapis.com). Si habilitaste Firebase AI Logic y elegiste usar el Gemini Developer API, Firebase creó una clave de API de Gemini para ti que estaba restringida al 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, en esencia, cuentas de servicio). Firebase AI Logic se actualizó de forma simultánea. En lugar de usar una clave de API estándar de Gemini, Firebase AI Logic ahora controla la autorización para la 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)

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 estas actualizaciones de seguridad a partir de mediados de 2026.

Cómo migrar una 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 de mediados de 2026 (incluida la migración a una "clave de autorización (auth)").

En nombre de nuestros desarrolladores, Firebase AI Logic controla automáticamente todos los cambios de seguridad necesarios para adaptar la transición del Gemini Developer API para que requiera "claves de autorización (auth)".

A partir de mediados de 2026, Firebase AI Logic ya no aprovisionará ni usará claves de API de Gemini estándar. En su lugar, Firebase AI Logic ahora controla la autorización para Gemini Developer API con una cuenta de servicio administrada por Google (P4SA) que aprovisionamos automáticamente en tu proyecto de Firebase:
Agente de servicio de Firebase AI Logic (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 debería ser seguro borrarla. Sin embargo, antes de borrar esta clave, debes verificar que no la hayas usado por error con otras herramientas que puedan otorgar acceso a la 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 indican ningún uso desde principios de julio de 2026 (que fue cuando Firebase AI Logic dejó de usar estas claves de API), entonces es seguro borrar la clave.
     Sin embargo, si los gráficos muestran uso, significa que estás usando la clave con otra herramienta y deberías 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).

No agregues una clave de API de Gemini a la base de código de una app web o para dispositivos móviles.

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.

No uses una "clave de API de Firebase" como clave de API de Gemini

Nunca uses tu "clave de API de Firebase" como una clave de API de Gemini. Te recomendamos enfáticamente que no agregues la 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 objeto o archivo 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:

Debido a 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 a que la Gemini Developer API se puede autorizar a través de la clave de API, te recomendamos que NO agregues la Gemini Developer API (llamada "API de Generative Language" 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 la Gemini Developer API a un posible abuso.

Cómo mantener protegida una clave de API de Gemini