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

Model updates:

The latest Gemini models, like Gemini 3.7 Flash, are available to use with Firebase AI Logic! Learn more.
All Imagen models will shut down as early as August 17, 2026. Learn about migrating your apps to use Nano Banana.
Gemini 2.5 models will shut down in October 2026. To avoid service disruptions, update to a newer model (like gemini-3.7-flash or gemini-3.1-flash-image). Any stable Gemini Live API 2.5 models are not impacted. Learn more.

Google utiliza tecnología de IA para traducir contenido a tu idioma preferido. Las traducciones realizadas con IA pueden contener errores.

Usa la configuración del modelo para controlar las respuestas

En cada llamada a un modelo, puedes enviar una configuración del modelo para controlar cómo este genera una respuesta. Cada modelo admite diferentes opciones de configuración, como establecer maxOutputTokens o configuraciones especializadas para el pensamiento, las modalidades de respuesta, las imágenes o el habla.

En la mayoría de los casos de uso, cuando accedes a un modelo Gemini, lo configuras con GenerationConfig. Sin embargo, si configuras un modelo Gemini Live API, debes usar LiveGenerationConfig.

En esta página, se muestra cómo configurar los modelos de Gemini y se proporciona una descripción de cada parámetro.

Ir a la configuración de Gemini Ir a la configuración de Gemini Live API

`GenerationConfig` para modelos Gemini

Haz clic en tu proveedor de Gemini API para ver el contenido y el código específicos del proveedor en esta página.

Establece un GenerationConfig para la mayoría de los modelos de Gemini, incluidos los modelos de uso general, los modelos de generación de imágenes (modelos "Nano Banana") y los modelos de texto a voz (TTS).

La configuración se mantiene durante la vida útil de la instancia de GenerativeModel. Si quieres usar una configuración diferente, crea y usa una instancia nueva con una configuración diferente.

Swift

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


import FirebaseAILogic

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
let config = GenerationConfig(
  candidateCount: 1,
  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

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
val config = generationConfig {
    candidateCount = 1
    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

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.candidateCount = 1;
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

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


// ...

// 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.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
const generationConfig = {
  candidateCount: 1,
  maxOutputTokens: 200,
  stopSequences: ["red"],
};

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

// ...

Dart

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
final generationConfig = GenerationConfig(
  candidateCount: 1,
  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',
  config: generationConfig,
);

// ...

Unity

Establece los valores de los parámetros en un GenerationConfig como parte de la creación de una instancia de GenerativeModel.


// ...

// Set parameter values in a `GenerationConfig`.
// IMPORTANT: Example values shown here. Make sure to update for your use case.
// Note that temperature, top-K, and top-P are deprecated and ignored by the latest Gemini models.
var generationConfig = new GenerationConfig(
  candidateCount: 1,
  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
);

Puedes encontrar una descripción de cada parámetro en la siguiente sección de esta página.

Puedes experimentar con instrucciones y configuraciones del modelo usando Agent Studio.

`LiveGenerationConfig` para modelos Gemini Live API

Haz clic en tu proveedor de Gemini API para ver el contenido y el código específicos del proveedor en esta página.

Establece un LiveGenerationConfig solo cuando uses modelos Gemini Live API.

La configuración se mantiene durante la vida útil de la instancia de LiveModel. Si quieres usar una configuración diferente, crea y usa una instancia nueva con una configuración diferente.

Swift

Establece los valores de los parámetros en liveGenerationConfig durante la inicialización de la instancia de LiveModel:


// ...

// 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

Establece los valores de los parámetros en un LiveGenerationConfig como parte de la creación de una instancia de LiveModel.


// ...

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

Establece los valores de los parámetros en un LiveGenerationConfig como parte de la creación de una instancia de LiveModel.


// ...

// 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(Voices.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

Establece los valores de los parámetros en LiveGenerationConfig durante la inicialización de la instancia de LiveGenerativeModel:


// ...

// 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

Establece los valores de los parámetros en un LiveGenerationConfig como parte de la creación de una instancia de LiveGenerativeModel.


// ...

// 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

Establece los valores de los parámetros en un LiveGenerationConfig como parte de la creación de una instancia de LiveModel.


// ...

// 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
);

// ...

Puedes encontrar una descripción de cada parámetro en la siguiente sección de esta página.

Puedes experimentar con indicaciones y configuraciones del modelo usando Agent Studio.

Descripción de los parámetros

En la siguiente tabla, se proporciona una descripción general de alto nivel de los parámetros disponibles. Algunos parámetros solo se aplican a ciertos modelos.

Ten en cuenta que los parámetros temperatura, Top-K y Top-P están obsoletos y los ignoran los modelos Gemini más recientes.

Parámetro	Descripción	Limitaciones	Valor predeterminado
Marca de tiempo de audio `audioTimestamp`	Habilita la comprensión de marcas de tiempo para archivos de entrada de solo audio.	Booleano Solo se aplica cuando se usa una configuración de `GenerativeModel` y el tipo de entrada es un archivo de solo audio.	`false`
Recuento de candidatos `candidateCount`	Especifica la cantidad de variaciones de respuesta que se devolverán. Por cada solicitud, se te cobra por los tokens de salida de todos los candidatos, pero solo se te cobra una vez por los tokens de entrada.	Valores admitidos: `1` a `8` (inclusive) Solo se aplica cuando se usa `generateContent`. No se aplica cuando se usan modelos de `generateContentStream`, modelos de TTS o modelos de Live API.	`1`
Cantidad máxima de tokens de salida `maxOutputTokens`	Especifica la cantidad máxima de tokens que se pueden generar en la respuesta.	---	---
Penalización de frecuencia `frequencyPenalty`	Controla la probabilidad de incluir tokens que aparecen repetidamente en la respuesta generada. Los valores positivos penalizan los tokens que aparecen repetidamente en el contenido generado, lo que disminuye la probabilidad de repetir contenido.	No se aplica a los modelos de TTS.	---
Penalización por presencia `presencePenalty`	Controla la probabilidad de incluir tokens que ya aparecen en la respuesta generada. Los valores positivos penalizan los tokens que ya aparecen en el contenido generado, lo que aumenta la probabilidad de generar contenido más diverso.	No se aplica a los modelos de TTS.	---
Secuencias de detención `stopSequences`	Especifica una lista de cadenas que le indica al modelo que deje de generar contenido si se encuentra una de las cadenas en la respuesta.	Solo se aplica cuando se usa una configuración de `GenerativeModel`. No se aplica a los modelos de TTS.	---
Configuraciones especializadas
Pensando `thinkingConfig`	Controla el "proceso de pensamiento" de los modelos cuando generan una respuesta. Controla la cantidad de razonamiento que puede realizar el modelo con un nivel de razonamiento (modelos Gemini 3.x y posteriores). Controla si se incluyen resúmenes de pensamientos.	Valores admitidos: Consulta la documentación de pensamiento. No se aplica a los modelos de TTS. Firebase AI Logic aún no admite la configuración de un `thinkingConfig` para los modelos Live API.	Depende del modelo
Modalidades de respuesta `responseModalities`	Especifica el tipo de salida (como texto, audio o imágenes).	Solo se aplica (y es obligatorio) cuando se usan modelos de imágenes Gemini (modelos "Nano Banana"), modelos de TTS y modelos Live API.	---
Características de la imagen `imageConfig`	Especifica la relación de aspecto y la resolución de las imágenes generadas.	Valores admitidos: Consulta Cómo configurar la generación de imágenes Solo se aplica cuando se usan modelos de imagen Gemini (modelos "Nano Banana").	Relación de aspecto 1:1 (cuadrada) Resolución de 1,024 x 1,024
Voz `speechConfig`	Especifica la voz que se usa para la salida de audio.	Solo se aplica cuando se usan modelos de TTS y modelos de Live API. Obligatorio para los modelos de TTS.	`Puck`

Nota: Las siguientes configuraciones también se admiten en GenerationConfig:

La generación de resultados estructurados (como JSON) se controla con los parámetros responseMimeType y responseSchema.
Estos parámetros solo son compatibles con los modelos de texto de uso general (no con los modelos de imagen Gemini [modelos "Nano Banana"], los modelos de TTS ni los modelos Live API).

Se dejaron de usar los parámetros Temperatura, Top-K y Top-P.

Los parámetros temperature, topK y topP están obsoletos y los ignoran los modelos gemini-3.7-flash, gemini-3.6-flash y gemini-3.5-flash-lite. Para obtener respuestas más determinísticas, define instrucciones del sistema con reglas explícitas para tu caso de uso específico.

Parámetro	Descripción	Valor predeterminado
Temperatura `temperature`	Controla el grado de aleatoriedad en la respuesta. Las temperaturas más bajas generan respuestas más determinísticas, y las temperaturas más altas generan respuestas más diversas o creativas. El parámetro de configuración `temperature` está en desuso y los modelos `gemini-3.7-flash`, `gemini-3.6-flash` y `gemini-3.5-flash-lite` lo ignoran.	Depende del modelo
Top-K `topK`	Limita la cantidad de palabras con mayor probabilidad que se usan en el contenido generado. Un valor de Top-K de `1` significa que el siguiente token seleccionado debe ser el más probable entre todos los tokens del vocabulario del modelo, mientras que un valor de Top-K de `n` significa que el siguiente token debe seleccionarse entre los n tokens más probables (todo según la temperatura establecida). El parámetro de configuración `topK` está en desuso y los modelos `gemini-3.7-flash`, `gemini-3.6-flash` y `gemini-3.5-flash-lite` lo ignoran.	Depende del modelo
Top-P `topP`	Controla la diversidad del contenido generado. Los tokens se seleccionan del más probable (consulta Top-K más arriba) al menos probable hasta que la suma de sus probabilidades sea igual al valor de Top-P. El parámetro de configuración `topP` está en desuso y los modelos `gemini-3.7-flash`, `gemini-3.6-flash` y `gemini-3.5-flash-lite` lo ignoran.	Depende del modelo

Configura modelos de Imagen

Haz clic en tu proveedor de Imagen API para ver el contenido y el código específicos del proveedor en esta página.

En esta sección, se muestra cómo configurar el modelo Imagen para usarlo y se proporciona una descripción de cada parámetro.

Configura un modelo (Imagen)

La configuración se mantiene durante el ciclo de vida de la instancia. Si quieres usar una configuración diferente, crea una instancia de ImagenModel nueva con esa configuración.

Swift

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


import FirebaseAILogic

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
let config = ImagenGenerationConfig(
  negativePrompt: "frogs",
  numberOfImages: 2,
  aspectRatio: .landscape16x9,
  imageFormat: .jpeg(compressionQuality: 100),
  addWatermark: false
)

// Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
// Specify the config as part of creating the `ImagenModel` instance
let model = FirebaseAI.firebaseAI(backend: .vertexAI()).imagenModel(
  modelName: "IMAGEN_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
val config = ImagenGenerationConfig {
    negativePrompt = "frogs",
    numberOfImages = 2,
    aspectRatio = ImagenAspectRatio.LANDSCAPE_16x9,
    imageFormat = ImagenImageFormat.jpeg(compressionQuality = 100),
    addWatermark = false
}

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

// ...

Java

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
ImagenGenerationConfig config = new ImagenGenerationConfig.Builder()
    .setNegativePrompt("frogs")
    .setNumberOfImages(2)
    .setAspectRatio(ImagenAspectRatio.LANDSCAPE_16x9)
    .setImageFormat(ImagenImageFormat.jpeg(100))
    .setAddWatermark(false)
    .build();

// Specify the config as part of creating the `ImagenModel` instance
ImagenModelFutures model = ImagenModelFutures.from(
        FirebaseAI.getInstance(GenerativeBackend.vertexAI())
                .imagenModel(
                    "IMAGEN_MODEL_NAME",
                    config
                );
);

// ...

Web

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


// ...

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

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
const generationConfig = {
  negativePrompt: "frogs",
  numberOfImages: 2,
  aspectRatio: ImagenAspectRatio.LANDSCAPE_16x9,
  imageFormat: ImagenImageFormat.jpeg(100),
  addWatermark: false
};

// Specify the config as part of creating the `ImagenModel` instance
const model = getImagenModel(ai, { model: "IMAGEN_MODEL_NAME", generationConfig });

// ...

Dart

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


// ...

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
final generationConfig = ImagenGenerationConfig(
  negativePrompt: 'frogs',
  numberOfImages: 2,
  aspectRatio: ImagenAspectRatio.landscape16x9,
  imageFormat: ImagenImageFormat.jpeg(compressionQuality: 100)
  addWatermark: false
);

// Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
// Specify the config as part of creating the `ImagenModel` instance
final model = FirebaseAI.vertexAI().imagenModel(
  model: 'IMAGEN_MODEL_NAME',
  config: generationConfig,
);

// ...

Unity

Establece los valores de los parámetros en un ImagenGenerationConfig como parte de la creación de una instancia de ImagenModel.


using Firebase.AI;

// Set parameter values in a `ImagenGenerationConfig` (example values shown here)
var config = new ImagenGenerationConfig(
  negativePrompt: "frogs",
  numberOfImages: 2,
  aspectRatio: ImagenAspectRatio.Landscape16x9,
  imageFormat: ImagenImageFormat.Jpeg(100),
  addWatermark: false
);

// Initialize the Agent Platform Gemini API backend service (formerly branded Vertex AI).
// Specify the config as part of creating the `ImagenModel` instance
var model = FirebaseAI.GetInstance(FirebaseAI.Backend.VertexAI()).GetImagenModel(
  modelName: "imagen-4.0-generate-001",
  generationConfig: config
);

// ...

Puedes encontrar una descripción de cada parámetro en la siguiente sección de esta página.

Descripción de los parámetros (Imagen)

A continuación, se incluye una descripción general de alto nivel de los parámetros disponibles, según corresponda.

Parámetro	Descripción	Valor predeterminado
Instrucción negativa `negativePrompt`	Una descripción de lo que deseas omitir en las imágenes generadas `imagen-3.0-generate-002` aún no admite este parámetro.	---
Cantidad de resultados `numberOfImages`	Cantidad de imágenes generadas que se muestran para cada solicitud	El valor predeterminado es una imagen.
Relación de aspecto `aspectRatio`	Proporción entre el ancho y la altura de las imágenes generadas	El valor predeterminado es cuadrada (1:1).
Formato de imagen `imageFormat`	Las opciones de salida, como el formato de imagen (tipo de MIME) y el nivel de compresión de las imágenes generadas	El tipo de MIME predeterminado es PNG. La compresión predeterminada es 75 (si el tipo de MIME se establece en JPEG).
Marca de agua `addWatermark`	Indica si se debe agregar una marca de agua digital no visible (llamada SynthID) a las imágenes generadas.	El valor predeterminado es `true`.
Generación de personas `personGeneration`	Indica si se permite que el modelo genere personas.	El valor predeterminado depende del modelo.
Incluye atributos de seguridad. `includeSafetyAttributes`	Indica si se deben habilitar las puntuaciones redondeadas de IA responsable para obtener una lista de atributos de seguridad en las respuestas de entrada y salida sin filtrar Categorías de atributos de seguridad: `"Death, Harm & Tragedy"`, `"Firearms & Weapons"`, `"Hate"`, `"Health"`, `"Illicit Drugs"`, `"Politics"`, `"Porn"`, `"Religion & Belief"`, `"Toxic"`, `"Violence"`, `"Vulgarity"`, `"War & Conflict"`.	El valor predeterminado es `false`.

Otras opciones para controlar la generación de contenido

Obtén más información sobre el diseño de instrucciones para que puedas influir en el modelo y generar resultados específicos para tus necesidades.
Usa la configuración de seguridad para ajustar la probabilidad de obtener respuestas que se puedan considerar dañinas, como incitación al odio o a la violencia y contenido sexual explícito.
Establece instrucciones del sistema para dirigir el comportamiento del modelo. Esta función es como un preámbulo que agregas antes de que el modelo se exponga a otras instrucciones del usuario final.
Pasa un esquema de respuesta junto con la instrucción para especificar un esquema de salida específico. Esta función se usa con mayor frecuencia cuando se genera un resultado en formato JSON, pero también se puede usar para tareas de clasificación (como cuando quieres que el modelo use etiquetas o rótulos específicos).

Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.

Última actualización: 2026-08-23 (UTC)