Opcje konfiguracji środowisk hybrydowych w aplikacjach na Androida

Na tej stronie opisujemy te opcje konfiguracji środowisk hybrydowych:

• Ustaw tryb wnioskowania.

• Określ, czy użyto wnioskowania na urządzeniu czy w chmurze.

• Określ model, którego chcesz użyć.

• Używaj konfiguracji modelu do kontrolowania odpowiedzi (np. temperatury).

Upewnij się, że masz za sobą przewodnik dla początkujących po tworzeniu środowisk hybrydowych.

Ustawianie trybu wnioskowania

Przykłady w przewodniku dla początkujących korzystają z trybu PREFER_ON_DEVICE, ale jest to tylko jeden z 4 dostępnych trybów wnioskowania.

Dostępne tryby wnioskowania:

• PREFER_ON_DEVICE: spróbuj użyć modelu na urządzeniu, jeśli jest dostępny i obsługuje typ żądania. W przeciwnym razie zarejestruj błąd na urządzeniu, a następnie automatycznie wróć do modelu hostowanego w chmurze.

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_ON_DEVICE)
  

  Java

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

• ONLY_ON_DEVICE: spróbuj użyć modelu na urządzeniu, jeśli jest dostępny i obsługuje typ żądania. W przeciwnym razie zgłoś wyjątek.

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_ON_DEVICE)
  

  Java

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

• PREFER_IN_CLOUD: spróbuj użyć modelu hostowanego w chmurze, jeśli urządzenie jest online i model jest dostępny. Jeśli urządzenie jest offline, wróć do modelu na urządzeniu. We wszystkich innych przypadkach niepowodzenia zgłoś wyjątek.

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.PREFER_IN_CLOUD)
  

  Java

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

• ONLY_IN_CLOUD: spróbuj użyć modelu hostowanego w chmurze, jeśli urządzenie jest online i model jest dostępny. W przeciwnym razie zgłoś wyjątek.

  Kotlin

  val config = OnDeviceConfig(mode = InferenceMode.ONLY_IN_CLOUD)
  

  Java

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

Określanie, czy użyto wnioskowania na urządzeniu czy w chmurze

Jeśli tryb wnioskowania to PREFER_ON_DEVICE lub PREFER_IN_CLOUD, warto wiedzieć, który tryb został użyty w przypadku poszczególnych żądań. Te informacje są podawane przez właściwość inferenceSource każdej odpowiedzi.

Gdy uzyskasz dostęp do tej właściwości, zwrócona wartość będzie wynosić ON_DEVICE lub 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());

Określanie modelu do użycia

Możesz określić model, który ma być używany podczas tworzenia instancji generativeModel (Kotlin | Java).

• Określ model hostowany w chmurze:

  • Jeśli tryb wnioskowania to PREFER_ON_DEVICE, PREFER_IN_CLOUD lub ONLY_IN_CLOUD, musisz wyraźnie określić model hostowany w chmurze, którego chcesz używać. Pakiet SDK nie ma domyślnego modelu hostowanego w chmurze.

  • Znajdź nazwy wszystkich obsługiwanych modeli Gemini hostowanych w chmurze.

• Określ model na urządzeniu:

  • Jeśli tryb wnioskowania to PREFER_ON_DEVICE, PREFER_IN_CLOUD lub ONLY_ON_DEVICE, możesz opcjonalnie określić w onDeviceConfig „kategorię” modelu na urządzeniu, który ma być używany. Kategorie to połączenie etapu wydania i charakterystyki wydajności.

  • Obsługiwane wartości kategorii są wymienione poniżej.
    AICore automatycznie wybiera model na urządzeniu, który spełnia warunki określonej kategorii i jest obsługiwany przez urządzenie. Jeśli na przykład określisz PREVIEW, a urządzeniem jest Pixel 9, prawdopodobnie automatycznie zostanie wybrany model Gemini Nano 4 Full [wersja podglądowa] (nano-v4-full).

    • STABLE: najnowszy stabilny model na urządzeniu.

      • W pełni przetestowane i dostępne na urządzeniach konsumenckich.

      • Na przykład Gemini Nano 3 (nano-v3) lub Gemini Nano 2 (nano-v2).

      • Domyślne ustawienie modelu na urządzeniu, jeśli nie określono parametru OnDeviceModelOption.

    • PREVIEW: najnowsza wersja modelu na urządzeniu z pełnymi możliwościami.

      • Zaprojektowany z myślą o większej mocy rozumowania i złożonych zadaniach.

      • Na przykład Gemini Nano 4 Full [wersja testowa] (nano-v4-full, który jest oparty na Gemma 4 E4B).

    • PREVIEW_FAST: najnowszy wersja podglądowa modelu na urządzeniu, który działa szybko.

      • Zoptymalizowany pod kątem maksymalnej szybkości i mniejszych opóźnień.

      • Na przykład Gemini Nano 4 Fast [wersja testowa] (nano-v4-fast, która jest oparta na 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);

Kontrolowanie odpowiedzi za pomocą konfiguracji modelu

W każdym żądaniu wysyłanym do modelu możesz przesłać konfigurację modelu, aby określić, jak ma on generować odpowiedź. Modele hostowane w chmurze i modele na urządzeniu oferują różne opcje konfiguracji (parametry chmury i urządzenia).

W przypadku modeli hostowanych w chmurze skonfiguruj je bezpośrednio w ich konfiguracji. W przypadku modeli na urządzeniu skonfiguruj je w ramach elementu onDeviceConfig.

Konfiguracja jest utrzymywana przez cały okres istnienia instancji. Jeśli chcesz użyć innej konfiguracji, utwórz nową instancję GenerativeModel z tą konfiguracją.

Oto przykład ustawień konfiguracji modeli hostowanych w chmurze i na urządzeniu, które mogą być używane, jeśli ustawiony jest PREFER_ON_DEVICE tryb wnioskowania:

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);