با مدل های پشتیبانی شده آشنا شوید، درباره مدل های پشتیبانی شده بدانید، درباره مدل های پشتیبانی شده بدانید، درباره مدل های پشتیبانی شده بدانید

برای برنامه‌های موبایل و وب، کیت‌های توسعه نرم‌افزار Firebase AI Logic به شما امکان می‌دهند مستقیماً از طریق برنامه خود با مدل‌های Gemini و Imagen پشتیبانی‌شده تعامل داشته باشید.

مدل‌های Gemini چندوجهی در نظر گرفته می‌شوند زیرا قادر به پردازش و حتی تولید چندین حالت، از جمله متن، کد، PDF، تصاویر، ویدیو و صدا هستند. مدل‌های Imagen را می‌توان با متن برای تولید تصاویر تحریک کرد.

همچنین، سوالات متداول ما را در مورد تمام مدل‌هایی که Firebase AI Logic پشتیبانی می‌کند و پشتیبانی نمی‌کند، بررسی کنید.

مدل‌های ویژه

arrow_downward پرش به مقایسه مدل‌ها

مدل‌های تولید تصویر

شما می‌توانید تصاویر را با مدل‌های Gemini یا Imagen تولید کنید.

arrow_downward پرش به مقایسه مدل‌ها

جوزا

ایمیجِن

مدل‌های نسل قبلی

مدل‌های زیر فعال هستند، اما از نسل قبلی می‌باشند. توصیه می‌کنیم در صورت امکان از جدیدترین مدل‌ها استفاده کنید.

arrow_downward پرش به مقایسه مدل‌ها

مدل‌های جمینی

ادامه‌ی این صفحه اطلاعات دقیقی در مورد مدل‌های پشتیبانی‌شده توسط Firebase AI Logic ارائه می‌دهد.

• مقایسه مدل‌ها :

  • ورودی و خروجی پشتیبانی شده
  • مقایسه سطح بالا از قابلیت‌های پشتیبانی‌شده
  • مشخصات و محدودیت‌ها، برای مثال حداکثر توکن‌های ورودی یا حداکثر طول ویدیوی ورودی

• شرح نحوه‌ی نسخه‌بندی مدل‌ها ، به ویژه نسخه‌های پایدار ، به‌روزرسانی خودکار ، پیش‌نمایش و آزمایشی آنها

• فهرست نام مدل‌های موجود برای گنجاندن در کد شما در هنگام مقداردهی اولیه

• لیست زبان‌های پشتیبانی‌شده برای مدل‌ها

در پایین این صفحه، می‌توانید اطلاعات دقیقی در مورد مدل‌های نسل قبلی مشاهده کنید .

مقایسه مدل‌ها

هر مدل قابلیت‌های متفاوتی برای پشتیبانی از موارد استفاده مختلف دارد. توجه داشته باشید که هر یک از جداول این بخش، هر مدل را هنگام استفاده با Firebase AI Logic شرح می‌دهند. هر مدل ممکن است قابلیت‌های اضافی داشته باشد که هنگام استفاده از SDK های ما در دسترس نیستند.

اگر اطلاعات مورد نظر خود را در زیربخش‌های زیر پیدا نکردید، می‌توانید اطلاعات بیشتری را در مستندات ارائه‌دهنده API انتخابی خود بیابید:

• رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini : مدل‌های Gemini و مدل‌های Imagen

• Vertex AI Gemini API : مدل‌های Gemini و مدل‌های Imagen

ورودی و خروجی پشتیبانی شده

اینها انواع ورودی و خروجی پشتیبانی شده هنگام استفاده از هر مدل با Firebase AI Logic هستند:

برای آشنایی با انواع فایل‌های پشتیبانی‌شده، به بخش فایل‌های ورودی پشتیبانی‌شده و الزامات مراجعه کنید.

قابلیت‌ها و ویژگی‌های پشتیبانی‌شده

این قابلیت‌ها و ویژگی‌های پشتیبانی‌شده هنگام استفاده از هر مدل با Firebase AI Logic هستند:

مشخصات و محدودیت‌ها

مشخصات و محدودیت‌های استفاده از هر مدل با Firebase AI Logic به شرح زیر است:

^{* برای همه مدل‌های Gemini ، یک توکن معادل حدود ۴ کاراکتر است، بنابراین ۱۰۰ توکن حدود ۶۰ تا ۸۰ کلمه انگلیسی است. برای مدل‌های Gemini ، می‌توانید تعداد کل توکن‌ها را در درخواست‌های خود با استفاده countTokens تعیین کنید.}

^{** فایل‌های PDF به عنوان تصویر در نظر گرفته می‌شوند، بنابراین یک صفحه از PDF به عنوان یک تصویر در نظر گرفته می‌شود. تعداد صفحات مجاز در یک درخواست محدود به تعداد تصاویری است که مدل می‌تواند پشتیبانی کند.}

اطلاعات دقیق اضافی را پیدا کنید

• سهمیه‌ها و قیمت‌گذاری برای هر مدل متفاوت است. قیمت‌گذاری همچنین به ورودی و خروجی بستگی دارد.

• در مورد انواع فایل‌های ورودی پشتیبانی‌شده، نحوه تعیین نوع MIME و نحوه اطمینان از اینکه فایل‌های ورودی و درخواست‌های چندوجهی شما الزامات را برآورده می‌کنند و از بهترین شیوه‌ها در فایل‌ها و الزامات ورودی پشتیبانی‌شده پیروی می‌کنند، اطلاعات کسب کنید.

الگوهای نسخه‌بندی و نامگذاری مدل

مدل‌ها در نسخه‌های پایدار ، پیش‌نمایش و آزمایشی ارائه می‌شوند. برای راحتی، از نام‌های مستعار بدون مقادیر نسخه صریح پشتیبانی می‌شود.

برای یافتن نام‌های مدل خاص برای استفاده در کد خود، به بخش «نام‌های مدل موجود» در ادامه همین صفحه مراجعه کنید.

نام مدل‌های موجود

نام‌های مدل، مقادیر صریحی هستند که شما در هنگام مقداردهی اولیه مدل، در کد خود قرار می‌دهید.

پرش به نام مدل‌های arrow_downward arrow_downward پرش به نام مدل‌های Imagen

لیست کردن تمام مدل‌های موجود به صورت برنامه‌نویسی شده

شما می‌توانید با استفاده از REST API، نام تمام مدل‌های موجود را فهرست کنید:

• رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini : فراخوانی نقطه پایانی models.list

• رابط برنامه‌نویسی کاربردی Vertex AI Gemini : فراخوانی نقطه پایانی publishers.models.list

توجه داشته باشید که این لیست برگشتی شامل تمام مدل‌های پشتیبانی‌شده توسط ارائه‌دهندگان API خواهد بود، اما Firebase AI Logic فقط از مدل‌های Gemini و Imagen که در این صفحه توضیح داده شده‌اند، پشتیبانی می‌کند. همچنین توجه داشته باشید که نام‌های مستعار به‌روزرسانی‌شده خودکار (به عنوان مثال، gemini-2.0-flash ) در فهرست قرار نگرفته‌اند زیرا آنها یک نام مستعار برای مدل پایه هستند.

نام مدل‌های جمینی

برای مثال‌های مقداردهی اولیه برای پلتفرم خود، به راهنمای شروع به کار مراجعه کنید.

برای جزئیات بیشتر در مورد مراحل انتشار (به ویژه برای موارد استفاده، صدور صورتحساب و بازنشستگی)، به الگوهای نسخه‌بندی و نامگذاری مدل مراجعه کنید.

نام مدل‌های جمینی ۳ پرو

نام مدل‌های Gemini 2.5 Pro

نام مدل‌های Gemini 2.5 Flash

نام مدل‌های Gemini 2.5 Flash‑Lite

نام مدل‌های تصویر فلش Gemini 2.5 (معروف به "نانو موز")

نام مدل‌های Gemini 2.5 Flash Live

Firebase AI Logic هنوز از مدل‌های صوتی بومی (مانند gemini-2.5-flash-native-audio-preview-09-2025 ) پشتیبانی نمی‌کند .

^{۱ برای درخواست دسترسی با نماینده تیم حساب Google Cloud خود تماس بگیرید. ۲ صرف نظر از نحوه دسترسی شما، توسط Vertex AI Gemini API پشتیبانی نمی‌شود.}

نام مدل‌های Gemini 2.0 Flash Live

^{۲ صرف نظر از نحوه دسترسی شما، توسط API مربوط به Vertex AI Gemini پشتیبانی نمی‌شود.}

نام مدل‌های ایمیجن

برای مثال‌های مقداردهی اولیه برای پلتفرم خود، به راهنمای تولید تصاویر با Imagen مراجعه کنید.

برای جزئیات بیشتر در مورد مراحل انتشار (به ویژه برای موارد استفاده، صدور صورتحساب و بازنشستگی)، به الگوهای نسخه‌بندی و نامگذاری مدل مراجعه کنید.

نام مدل‌های ایمیجن ۴

نام مدل‌های Imagen 4 Fast

نام مدل‌های ایمیجن ۴ اولترا

نام مدل‌های قابلیت Imagen 3

^{۳ صرف نظر از نحوه دسترسی شما، توسط رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini پشتیبانی نمی‌شود.}

زبان‌های پشتیبانی‌شده

جوزا

• تمام مدل‌های Gemini می‌توانند زبان‌های زیر را درک کرده و به آنها پاسخ دهند:

  عربی (ar)، بنگالی (bn)، بلغاری (bg)، چینی ساده‌شده و سنتی (zh)، کرواتی (hr)، چکی (cs)، دانمارکی (da)، هلندی (nl)، انگلیسی (en)، استونیایی (et)، فنلاندی (fi)، فرانسوی (fr)، آلمانی (de)، یونانی (el)، عبری (iw)، هندی (hi)، مجارستانی (hu)، اندونزیایی (id)، ایتالیایی (it)، ژاپنی (ja)، کره‌ای (ko)، لتونیایی (lv)، لیتوانیایی (lt)، نروژی (no)، لهستانی (pl)، پرتغالی (pt)، رومانیایی (ro)، روسی (ru)، صربی (sr)، اسلواکی (sk)، اسلوونیایی (sl)، اسپانیایی (es)، سواحیلی (sw)، سوئدی (sv)، تایلندی (th)، ترکی (tr)، اوکراینی (uk)، ویتنامی (vi)

• مدل‌های Gemini 2.0 Flash ، Gemini 1.5 Pro و Gemini 1.5 Flash می‌توانند زبان‌های اضافی زیر را درک کرده و به آنها پاسخ دهند:

  آفریکانس (af)، آمهری (am)، آسامی (ع)، آذربایجانی (az)، بلاروسی (be)، بوسنیایی (bs)، کاتالان (ca)، سبوانو (ceb)، کورسی (co)، ولزی (cy)، Dhivehi (dv)، اسپرانتو (eo)، باسک (eu)، فارسی (fa)، فیلیپینی (تاگالوگ) (fil)، (fy)، ایرلندی (ga)، گالیکایی اسکاتلندی (ga)، گالیکایی گالاتی (ga)، اسکاتلندی (ga) (ha)، هاوایی (haw)، همونگ (hmn)، کریول هائیتی (ht)، ارمنی (hy)، ایگبو (ig)، ایسلندی (is)، جاوه ای (jv)، گرجی (ka)، قزاقستان (kk)، خمر (km)، کانادا (kn)، کریو (kri)، کردی (ku)، قرقیز (ky)، لاتین (la)، لوگزامبورگی (lb)، لائوس (lom)، مقدونی، مالاگاسی (mk)، مالایالام (ml)، مغولی (mn)، Meiteilon (Manipuri) (mni-Mtei)، مراتی (mr)، مالایی (ms)، مالتی (mt)، میانمار (برمه) (my)، نپالی (ne)، Nyanja (Chichewa) (ny)، Odia (Oriya) (یا)، پنجابی (Pa), Pashtoinhales (Pashto) (si)، ساموآیی (sm)، شونا (sn)، سومالیایی (so)، آلبانیایی (sq)، سسوتو (st)، سوندانی (su)، تامیلی (ta)، تلوگو (te)، تاجیکی (tg)، اویغور (ug)، اردو (ur)، ازبکی (uz)، Xhosa (xh)، ییدیش (yi)، یروبا (yo)، زولو (zu)

ایمیجِن

• دسترسی عمومی : انگلیسی

• پیش‌نمایش : چینی (ساده‌شده)، چینی (سنتی)، هندی، ژاپنی، کره‌ای، پرتغالی، اسپانیایی

اطلاعات مربوط به مدل‌های قبلی

مدل‌های زیر فعال هستند، اما از نسل قبلی می‌باشند. توصیه می‌کنیم در صورت امکان از جدیدترین مدل‌ها استفاده کنید.

مدل‌های جمینی

مدل‌های ایمیجن

^{۲- صرف نظر از نحوه دسترسی شما، توسط رابط برنامه‌نویسی کاربردی توسعه‌دهندگان Gemini پشتیبانی نمی‌شود.}

مراحل بعدی

قابلیت‌های رابط برنامه‌نویسی Gemini را امتحان کنید

• مکالمات چند نوبتی (چت) بسازید.
• تولید متن از درخواست‌های فقط متنی .
• با استفاده از انواع فایل‌های مختلف، مانند تصاویر ، فایل‌های PDF ، ویدیو و صدا ، متن را با پرس‌وجو تولید کنید.
• خروجی ساختاریافته (مانند JSON) را از هر دو حالت متنی و چندوجهی تولید کنید.
• تصاویر را از متن‌های پیشنهادی ( Gemini یا Imagen ) تولید کنید.
• ورودی و خروجی (از جمله صدا) را با استفاده از Gemini Live API استریم کنید.
• از ابزارهایی (مانند فراخوانی تابع و اتصال به زمین با جستجوی گوگل ) برای اتصال یک مدل Gemini به سایر بخش‌های برنامه و سیستم‌ها و اطلاعات خارجی خود استفاده کنید.