Параметры конфигурации для гибридного взаимодействия в приложениях Android

На этой странице описаны следующие параметры конфигурации для гибридных сред:

• Установите режим вывода.

• Определите, использовался ли вывод данных на устройстве или в облаке.

• Укажите модель для использования.

• Используйте конфигурацию модели для управления реакциями (например, температурой).

Убедитесь, что вы завершили руководство по началу работы с созданием гибридных приложений .

Установить режим вывода

В примерах руководства по началу работы используется режим PREFER_ON_DEVICE , но это лишь один из четырех доступных режимов вывода .

Вот доступные режимы вывода:

• PREFER_ON_DEVICE : Attempt to use the on-device model if it's available and supports the type of request. Otherwise, log an error on the device and then automatically fall back to the cloud-hosted model .

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_ON_DEVICE)
  

  Java

  InferenceMode mode = InferenceMode.PREFER_ON_DEVICE;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• ONLY_ON_DEVICE : Попытаться использовать модель, доступную на устройстве, если она доступна и поддерживает данный тип запроса. В противном случае сгенерировать исключение .

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_ON_DEVICE)
  

  Java

  InferenceMode mode = InferenceMode.ONLY_ON_DEVICE;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• PREFER_IN_CLOUD : Attempt to use the cloud-hosted model if the device is online and if the model is available. If the device is offline, fall back to the on-device model . In all other failure cases, throw an exception .

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_IN_CLOUD)
  

  Java

  InferenceMode mode = InferenceMode.PREFER_IN_CLOUD;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

• ONLY_IN_CLOUD : Попытаться использовать облачную модель, если устройство подключено к сети и модель доступна. В противном случае сгенерировать исключение .

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_IN_CLOUD)
  

  Java

  InferenceMode mode = InferenceMode.ONLY_IN_CLOUD;
  OnDeviceConfig config = new OnDeviceConfig(mode);
  

Определите, использовался ли вывод данных на устройстве или в облаке.

If your inference mode is PREFER_ON_DEVICE or PREFER_IN_CLOUD , then it might be helpful to know which mode was used for given requests. This information is provided by the inferenceSource property of each response.

При обращении к этому свойству возвращаемое значение будет либо ON_DEVICE , либо IN_CLOUD .

// ...

print("You used: ${result.response.inferenceSource}")

print(result.response.text)

// ...

System.out.println("You used: " + result.getResponse().getInferenceSource());

System.out.println(result.getResponse().getText());

Укажите модель для использования.

Вы можете указать модель для использования при создании экземпляра generativeModel ( Kotlin | Java ).

• Укажите модель размещения в облаке :

  • If your inference mode is PREFER_ON_DEVICE , PREFER_IN_CLOUD , or ONLY_IN_CLOUD , then you must explicitly specify a cloud-hosted model to use. The SDK does not have a default cloud-hosted model.

  • Найдите названия моделей для всех поддерживаемых облачных моделей Gemini .

• Укажите модель устройства :

  • If your inference mode is PREFER_ON_DEVICE , PREFER_IN_CLOUD , or ONLY_ON_DEVICE , then you can optionally specify in the onDeviceConfig a "category" of on-device model to use. Categories are a combination of release stage and performance characteristics.

  • Поддерживаемые значения категорий перечислены ниже.
    AICore auto-selects the on-device model that meets the conditions of the specified category and is supported by the device. For example, if you specify PREVIEW and the device is a Pixel 9, then Gemini Nano 4 Full [Preview] ( nano-v4-full ) would likely be auto-selected.

    • STABLE : Последняя стабильная версия, установленная на устройстве.

      • Протестировано на потребительских устройствах.

      • Например, Gemini Nano 3 ( nano-v3 ) или Gemini Nano 2 ( nano-v2 ).

      • Если параметр OnDeviceModelOption не указан, задается значение по умолчанию для модели устройства.

    • PREVIEW : Новейшая предварительная версия встроенной модели устройства с полными функциональными возможностями.

      • Предназначен для развития более высоких аналитических способностей и решения сложных задач.

      • Например, Gemini Nano 4 Full [Preview] ( nano-v4-full , основанный на Gemma 4 E4B).

    • PREVIEW_FAST : Новейшая, быстрая предварительная версия встроенной модели устройства.

      • Оптимизировано для максимальной скорости и минимальной задержки.

      • Например, Gemini Nano 4 Fast [Preview] ( nano-v4-fast , основанный на Gemma 4 E2B).

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel(
        // Specify a cloud-hosted model.
        // Required for `PREFER_ON_DEVICE`, `PREFER_IN_CLOUD`, and `ONLY_IN_CLOUD` inference modes.
        modelName = "CLOUD_HOSTED_MODEL_NAME",
        onDeviceConfig = OnDeviceConfig(
            mode = InferenceMode.INFERENCE_MODE,
            // (Optional) Specify an on-device model category.
            // AICore will auto-select an on-device model based on this category.
            // If not specified, AICore will auto-select the default stable on-device model.
            modelOption = OnDeviceModelOption.ON-DEVICE_MODEL_CATEGORY)
    )

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
    .generativeModel(
        // Specify a cloud-hosted model.
        // Required for `PREFER_ON_DEVICE`, `PREFER_IN_CLOUD`, and `ONLY_IN_CLOUD` inference modes.
        "CLOUD_HOSTED_MODEL_NAME",
        /* config = */ null,
        /* safetySettings = */ null,
        /* tools = */ null,
        /* toolConfig = */ null,
        /* systemInstruction = */ null,
        /* requestOptions = */ new RequestOptions(),
        new OnDeviceConfig(
                /* mode = */ InferenceMode.INFERENCE_MODE,
                /* maxOutputTokens = */ null,
                /* temperature = */ null,
                /* topK = */ null,
                /* seed = */ null,
                /* candidateCount = */ 1,
                // (Optional) Specify an on-device model category.
                // AICore will auto-select an on-device model based on this category.
                // If not specified, AICore will auto-select the default stable on-device model.
                /* modelOption = */ OnDeviceModelOption.ON-DEVICE_MODEL_CATEGORY)
    );

GenerativeModelFutures model = GenerativeModelFutures.from(ai);

Используйте конфигурацию модели для управления ответами.

In each request to a model, you can send along a model configuration to control how the model generates a response. Cloud-hosted models and on-device models offer different configuration options ( cloud vs on-device parameters).

Для моделей, размещенных в облаке, их конфигурацию следует задавать непосредственно в конфигурации модели. Однако для моделей, размещенных на устройстве, конфигурацию следует задавать в объекте onDeviceConfig .

Данная конфигурация сохраняется на протяжении всего срока службы экземпляра. Если вы хотите использовать другую конфигурацию, создайте новый экземпляр GenerativeModel с этой конфигурацией.

Вот пример, определяющий конфигурацию для облачных и локальных моделей, которые могут использоваться, если установлен режим вывода PREFER_ON_DEVICE :

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel("MODEL_NAME",
        // Config for cloud-hosted model
        generationConfig = generationConfig {
          temperature = 0.8f,
          topK = 10
        },
        // Config for on-device model
        onDeviceConfig = onDeviceConfig {
          mode = InferenceMode.PREFER_ON_DEVICE,
          temperature = 0.8f,
          topK = 5
        })

// Config for cloud-hosted model
GenerationConfig generationConfig = new GenerationConfig.Builder()
    .setTemperature(0.8f)
    .setTopK(10)
    .build();

// Config for on-device model
OnDeviceConfig onDeviceConfig = new OnDeviceConfig.Builder()
    .setMode(InferenceMode.PREFER_ON_DEVICE)
    .setTemperature(0.8f)
    .setTopK(5)
    .build();

GenerativeModel ai = FirebaseAI.getInstance(GenerativeBackend.googleAI())
    .generativeModel(
        "MODEL_NAME",
        generationConfig,
        onDeviceConfig
    );

GenerativeModelFutures model = GenerativeModelFutures.from(ai);