Starting November 2, 2026, Firebase App Check enforcement will be required to use Firebase AI Logic. Learn more.

Model updates:

Gemini 4 Argon is now available to use with Firebase AI Logic! Learn more.
Gemini 2.5 models are limited to projects that actively used them in the past. For the Agent Platform Gemini API, these models will shut down for all projects in October 2026. To avoid service disruptions, update to a newer model (like gemini-4-argon, gemini-3.8-flash, or gemini-nano-banana-2.1). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

Google 会使用 AI 技术将内容翻译成您偏好的语言。AI 翻译可能包含错误。

使用模型配置来控制回答

在对模型的每次调用中，您都可以发送模型配置，以控制模型如何生成回答。每个模型都支持不同的配置选项，例如设置 maxOutputTokens 或针对思考、回答模态、图片、语音或语音活动检测 (VAD) 的专门配置。

在访问 Gemini 模型的大多数用例中，您可以使用 GenerationConfig 配置模型。但是，如果您要配置 Gemini Live API 模型，则应使用 LiveGenerationConfig。

本页面介绍了如何为 Gemini 模型设置配置，并提供了可用参数表。

跳转到 Gemini 配置跳转到 Gemini Live API 配置

`GenerationConfig`（适用于 Gemini 模型）

点击您的 Gemini API 提供商，以查看此页面上特定于提供商的内容和代码。

为大多数 Gemini 生成模型设置 GenerationConfig，包括通用模型、图片生成 (Nano Banana) 模型和文字转语音 (TTS) 模型。

该配置会在 GenerativeModel 实例的生命周期内保持不变。如果您想使用其他配置，请创建并使用具有其他配置的新实例。

以下示例展示了一个非常基本的模型配置。如需了解其他选项（尤其是专用模型的选项），请参阅本页面后面的可用参数表。

Swift

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


import FirebaseAILogic

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
let config = GenerationConfig(
  maxOutputTokens: 200,
  stopSequences: ["red"]
)

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
// Specify the config as part of creating the `GenerativeModel` instance.
let model = FirebaseAI.firebaseAI(backend: .agentPlatform()).generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
}

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
// Specify the config as part of creating the `GenerativeModel` instance.
val model = Firebase.ai(backend = GenerativeBackend.agentPlatform()).generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

Java

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");

GenerationConfig config = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance.
GenerativeModelFutures model = GenerativeModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.agentPlatform())
                .generativeModel(
                    "GEMINI_MODEL_NAME",
                    config
                );
);

// ...

Web

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend() });

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
const generationConfig = {
  maxOutputTokens: 200,
  stopSequences: ["red"],
};

// Specify the config as part of creating the `GenerativeModel` instance.
const model = getGenerativeModel(ai, { model: "GEMINI_MODEL_NAME",  generationConfig });

// ...

Dart

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
final generationConfig = GenerationConfig(
  maxOutputTokens: 200,
  stopSequences: ["red"],
);

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
// Specify the config as part of creating the `GenerativeModel` instance.
final model = FirebaseAI.agentPlatform().generativeModel(
  model: 'GEMINI_MODEL_NAME',
  generationConfig: generationConfig,
);

// ...

Unity

在创建 GenerativeModel 实例的过程中，在 GenerationConfig 中设置参数的值。


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// For the latest general-use Gemini models, the following parameters are now unsupported:
// temperature, top-K, top-P, frequency penalty, presence penalty, and candidate count
var generationConfig = new GenerationConfig(
  maxOutputTokens: 200,
  stopSequences: new string[] { "red" }
);

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
// Specify the config as part of creating the `GenerativeModel` instance.
var ai = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform());
var model = ai.GetGenerativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: generationConfig
);

您可以使用 Agent Studio 尝试不同的提示和模型配置。

`LiveGenerationConfig`（适用于 Gemini Live API 模型）

点击您的 Gemini API 提供商，以查看此页面上特定于提供商的内容和代码。

仅在使用 Gemini Live API 模型时设置 LiveGenerationConfig。

该配置会在 LiveModel 实例的生命周期内保持不变。如果您想使用其他配置，请创建并使用具有其他配置的新实例。

以下示例展示了一个非常基本的模型配置。如需了解其他选项（例如配置语音活动检测 [VAD]），请参阅本页面下文中的可用参数表。

Swift

在 LiveModel 实例初始化期间，设置 liveGenerationConfig 中的参数值：


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
let config = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [.audio],
  speech: SpeechConfig(voiceName: "Fenrir"),
)

// Specify the config as part of creating the `liveModel` instance.
let liveModel = FirebaseAI.firebaseAI(backend: .agentPlatform(location: "us-central1")).liveModel(
  modelName: "GEMINI_LIVE_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voice("FENRIR"))
}

// Specify the config as part of creating the `LiveModel` instance.
val liveModel = Firebase.ai(backend = GenerativeBackend.agentPlatform(location = "us-central1")).liveModel(
    modelName = "GEMINI_LIVE_MODEL_NAME",
    generationConfig = config
)

// ...

Java

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
LiveGenerationConfig.Builder configBuilder = new LiveGenerationConfig.Builder();
configBuilder.setMaxOutputTokens(200);
configBuilder.setResponseModality(ResponseModality.AUDIO);

configBuilder.setSpeechConfig(new SpeechConfig(new Voice("FENRIR")));

LiveGenerationConfig config = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance.
LiveGenerativeModel lm = FirebaseAI.getInstance(GenerativeBackend.agentPlatform("us-central1")).liveModel(
          "GEMINI_LIVE_MODEL_NAME",
          config
);

// ...

Web

在 LiveGenerativeModel 实例初始化期间，设置 LiveGenerationConfig 中的参数值：


// ...

// Initialize the Agent Platform Gemini API backend service (formerly Vertex AI).
const ai = getAI(firebaseApp, { backend: new AgentPlatformBackend("us-central1") });

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
const liveGenerationConfig = {
  maxOutputTokens: 200,
  responseModalities: [ResponseModality.AUDIO],
  speechConfig: {
    voiceConfig: {
      prebuiltVoiceConfig: { voiceName: "Fenrir" },
    },
  },
};

// Specify the config as part of creating the `LiveGenerativeModel` instance.
const liveModel = getLiveGenerativeModel(ai, {
  model: "GEMINI_LIVE_MODEL_NAME",
  liveGenerationConfig,
});

// ...

Dart

在创建 LiveGenerativeModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
final config = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [ResponseModalities.audio],
  speechConfig: SpeechConfig(voiceName: 'Fenrir'),
);

// Specify the config as part of creating the `liveGenerativeModel` instance.
final liveModel = FirebaseAI.agentPlatform(location: 'us-central1').liveGenerativeModel(
  model: 'GEMINI_LIVE_MODEL_NAME',
  liveGenerationConfig: config,
);

// ...

Unity

在创建 LiveModel 实例的过程中，设置 LiveGenerationConfig 中的参数值。


// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here).
var config = new LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: new[] { ResponseModality.Audio },
  speechConfig: SpeechConfig.UsePrebuiltVoice("Fenrir")
);

// Specify the config as part of creating the `LiveModel` instance.
var liveModel = FirebaseAI.GetInstance(FirebaseAI.Backend.AgentPlatform(location: "us-central1")).GetLiveModel(
  modelName: "GEMINI_LIVE_MODEL_NAME",
  liveGenerationConfig: config
);

// ...

您可以使用 Agent Studio 尝试不同的提示和模型配置。

可用的模型参数

下表简要概述了可用于模型配置的参数。某些参数仅适用于特定模型。

参数	说明	限制	默认值
音频时间戳 `audioTimestamp`	为仅音频输入文件启用时间戳理解功能。	布尔值仅在使用 `GenerativeModel` 配置且输入类型为纯音频文件时适用。	`false`
输出 token 数量上限 `maxOutputTokens`	指定回答中可生成的词元数量上限。对于 `gemini-4-argon`，非流式请求的默认和最大输出 token 限制为 `32,768` 个 token，流式请求的默认和最大输出 token 限制为 `65,536` 个 token。请注意，Firebase AI Logic 尚不支持长解码，但该功能即将推出！	---	---
停止序列 `stopSequences`	指定一个字符串列表，告知模型在回答中遇到其中一个字符串时，停止生成内容。	仅在使用 `GenerativeModel` 配置时适用。不适用于 Nano Banana 或 TTS 模型。	---
专用配置
思考型 `thinkingConfig`	控制模型在生成回答时的“思考过程”。使用思考级别控制模型可以执行的思考量。控制是否包含思考摘要。	支持的值：请参阅思考文档不适用于 TTS 模型。 Firebase AI Logic尚不支持为 Live API 模型设置 `thinkingConfig`。	取决于模型
回答模态 `responseModalities`	指定输出类型（例如文本、音频或图片）。	仅在使用 Nano Banana、TTS 和 Live API 模型时适用（且必需）。	---
图片特征 `imageConfig`	指定生成图片的宽高比和分辨率。	支持的值：请参阅配置图片生成仅在使用 Nano Banana 模型时适用。	1:1 宽高比（方形） 1024x1024 分辨率
语音 `speechConfig`	指定用于音频输出的语音。	仅在使用 TTS 模型和 Live API 模型时适用。 TTS 模型必须具有此参数。	`Puck`
语音活动检测 (VAD) `realtimeInputConfig`	配置语音活动检测 (VAD)、中断处理和轮次上下文覆盖范围，或停用自动 VAD。	支持的值：请参阅配置 VAD 仅在使用 Live API 模型时适用。	已启用 VAD 请参阅各项设置的默认值。

注意：GenerationConfig 中还支持以下配置：

生成结构化输出（如 JSON）由 responseMimeType 和 responseSchema 参数控制。
这些参数仅适用于通用文本模型（不适用于 Nano Banana、TTS 或 Live API 模型）。

不支持温度、Top-K、Top-P、频率惩罚、存在惩罚和候选数量

参数	说明	限制	默认值
候选数量 `candidateCount`	指定要返回的响应变体数量。对于每个请求，您需要为所有候选词元的输出词元付费，但只需为输入词元支付一次费用。不支持设置 `candidateCount`。	支持的值：`1` - `8`（含）仅适用于使用 `generateContent` 的情况。使用 `generateContentStream`、Nano Banana、TTS 或 Live API 模型时不适用。	`1`
频次惩罚 `frequencyPenalty`	控制在生成的回答中包含重复出现的词元的概率。正值会惩罚生成的内容中反复出现的 token，从而降低重复内容概率。不支持设置 `frequencyPenalty`。	不适用于 Nano Banana 或 TTS 模型。	---
存在性惩罚 `presencePenalty`	控制包含已在生成的回答中出现的词元的概率。正值会惩罚生成的文本中已存在的 token，从而增加生成更多样化内容的概率。不支持设置 `presencePenalty`。	不适用于 Nano Banana 或 TTS 模型。	---
温度 `temperature`	控制回答的随机程度。较低的温度会产生更具确定性的回答，而较高的温度会产生更多样化或更具创造性的回答。不支持设置 `temperature`。	---	取决于模型
Top-K `topK`	限制生成的内容中使用的概率最高的字词数量。如果 top-K 值设为 `1`，表示下一个所选词元应是模型词汇表的所有词元中概率最高的词元。如果 top-K 值设为 `n`，则表示系统应从 n 个概率最高的词元中选择下一个词元（均基于设置的温度）。不支持设置 `topK`。	---	取决于模型
Top-P `topP`	控制生成内容的多样性。系统会按照概率从最高（见上文的 top-K）到最低的顺序选择词元，直到所选词元的概率总和等于 top-P 的值。不支持设置 `topP`。	---	取决于模型

其他内容生成控制选项

详细了解提示设计，以便影响模型生成符合您特定需求的输出。
使用安全设置可调整收到可能被视为有害的回答（包括仇恨言论和露骨色情内容）的可能性。
设置系统指令，以引导模型的行为。此功能就像一段预置指令，在模型接收到最终用户的进一步指令之前添加。
将响应 schema 与提示一起传递，以指定特定的输出 schema。此功能最常用于生成 JSON 输出，但也可用于分类任务（例如，当您希望模型使用特定标签或标记时）。

如未另行说明，那么本页面中的内容已根据知识共享署名 4.0 许可获得了许可，并且代码示例已根据 Apache 2.0 许可获得了许可。有关详情，请参阅 Google 开发者网站政策。Java 是 Oracle 和/或其关联公司的注册商标。

最后更新时间 (UTC)：2026-10-23。