Informacje o obsługiwanych modelach

bookmark_border Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

W przypadku aplikacji mobilnych i internetowych pakiety SDK Vertex AI in Firebase umożliwiają interakcję z obsługiwanymi modelami Gemini i Imagen 3 bezpośrednio z aplikacji.

Modele Gemini są uważane za multimodalne, ponieważ potrafią przetwarzać i nawet generować różne rodzaje danych, w tym tekst, kod, pliki PDF, obrazy, filmy i dźwięk. Modele Imagen 3 mogą generować obrazy na podstawie tekstu.

W tabeli poniżej znajdziesz krótki przegląd obsługiwanych modeli Vertex AI in Firebase oraz ich najnowszych stabilnych nazw. Tabela zawiera też modele w wersji zapoznawczej i eksperymentalnej, które są dostępne do tworzenia prototypów.

Czy Vertex AI in Firebase obsługuje starsze modele, takie jak Gemini 1.5 i Gemini 1.0?

Tak, Vertex AI in Firebase obsługuje wszystkie modele Gemini, w tym starsze.

Model	Dane wejściowe	Wyniki	Zoptymalizowany dla
Gemini 1.5 Pro gemini-1.5-pro-002	tekst, kod, pliki PDF, obrazy, filmy, dźwięk	tekst, kod, JSON	Obsługuje złożone zadania wymagające większej inteligencji; 2 mln tokenów w kontekście
Gemini 1.5 Flash gemini-1.5-flash-002	tekst, kod, pliki PDF, obrazy, filmy, dźwięk	tekst, kod, JSON	Zapewnia szybką i wszechstronną wydajność w wielu różnych zadaniach
Gemini 1.0 Pro Vision gemini-1.0-pro-vision-001	tekst, kod, pliki PDF, obrazy, film (tylko ramki)	tekst, kod	Obsługuje tekst, obrazy i filmy w przypadku odpowiedzi tekstowych lub kodowych. Nie można ich używać do czatu.
Gemini 1.0 Pro gemini-1.0-pro-002	tekst, kod	tekst, kod	zadania dotyczące języka naturalnego, czaty tekstowe i z kodem w wielu etapach oraz generowanie kodu;

Vertex AI in Firebase obsługuje tylko modele Imagen 3. Nie obsługuje on starszych modeli Imagen (takich jak Imagen 2).

U dołu tej strony możesz wyświetlić szczegółowe informacje o starszych modelach. Zapoznaj się z często zadawanymi pytaniami dotyczącymi wszystkich modeli obsługiwanych i nieobsługiwanych przez Vertex AI in Firebase.

W pozostałej części tej strony znajdziesz szczegółowe informacje o modelach obsługiwanych przez Vertex AI in Firebase:

• Porównaj modele:

  • Obsługiwane urządzenia wejściowe i wyjściowe
  • Ogólne porównanie obsługiwanych funkcji
  • Specyfikacje i ograniczenia, np. maksymalna liczba tokenów wejściowych lub maksymalna długość filmu wejściowego

• Opis wersji modeli, w szczególności ich wersji stabilnej, automatycznie aktualizowanej i podglądu.

• listy dostępnych nazw modeli do uwzględnienia w kodzie podczas inicjalizacji;

• listy obsługiwanych języków dla modeli;

U dołu tej strony możesz wyświetlić szczegółowe informacje o starszych modelach.

---

Porównanie modeli

Każdy model ma inne możliwości, które umożliwiają obsługę różnych przypadków użycia. Pamiętaj, że każda tabela w tej sekcji opisuje poszczególne modele w połączeniu z funkcją Vertex AI in Firebase. Każdy model może mieć dodatkowe funkcje, które nie są dostępne podczas korzystania z naszych pakietów SDK.

Jeśli nie możesz znaleźć potrzebnych informacji w podrozdziałach poniżej, więcej informacji o modelach Gemini i Imagen 3 znajdziesz w dokumentacji Google Cloud.

Obsługiwane urządzenia wejściowe i wyjściowe

Oto obsługiwane typy danych wejściowych i wyjściowych w przypadku każdego modelu z użyciem funkcji Vertex AI in Firebase:

Informacje o obsługiwanych typach plików znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania dotyczące usługi Vertex AI Gemini API.

Obsługiwane funkcje i możliwości

Te funkcje są obsługiwane podczas korzystania z każdego modelu z użyciem Vertex AI in Firebase:

Specyfikacje i ograniczenia

Oto specyfikacje i ograniczenia każdego modelu w przypadku parametru Vertex AI in Firebase:

^{*W przypadku wszystkich modeli Gemini jeden token odpowiada około 4 znakom, a 100 tokenów to około 60–80 słów w języku angielskim. W przypadku modeli Gemini możesz określić łączną liczbę tokenów w żądaniach za pomocą parametru countTokens.}

^{** Pliki PDF są traktowane jako obrazy, więc pojedyncza strona pliku PDF jest traktowana jako jeden obraz. Liczba stron dozwolonych w żądaniu jest ograniczona do liczby obrazów, które może obsługiwać model.}

Znajdowanie dodatkowych szczegółowych informacji

• Limity i opłaty są różne w zależności od modelu. Ceny zależą też od danych wejściowych i wyjściowych.

• Dowiedz się więcej o obsługiwanych typach plików wejściowych, o tym, jak określić typ MIME, oraz o tym, jak sprawdzić, czy pliki wejściowe i zapytania multimodalne spełniają wymagania. Zapoznaj się też ze wskazówkami dotyczącymi obsługiwanych plików wejściowych i wymagań dotyczących usługi Vertex AI Gemini API.

---

Wzorce obsługi wersji i nazywania modeli

Modele są dostępne w wersjach stabilnej, testowej i eksperymentalnej. Dla wygody obsługiwane są aliasy bez dokładnych wartości wersji.

Aby znaleźć konkretne nazwy modeli do użycia w kodzie, zapoznaj się z sekcją „dostępne nazwy modeli” dalej na tej stronie.

Więcej informacji o dostępnych wersjach modelu i ich cyklu życia (Gemini) lub Imagen znajdziesz w dokumentacji Google Cloud.

---

Dostępne nazwy modeli

Nazwy modeli to wartości jawne, które uwzględniasz w kodzie podczas inicjalizacji modelu.

Aby wyświetlić listę wszystkich dostępnych nazw modeli, możesz użyć punktu końcowego publishers.models.list. Zwróć uwagę, że zwrócona lista będzie zawierać wszystkie modele obsługiwane przez Vertex AI, ale Vertex AI in Firebase obsługuje tylko modele Gemini i Imagen opisane na tej stronie. Pamiętaj też, że aliasy aktualizowane automatycznie (np. gemini-2.0-flash) nie są wyświetlane, ponieważ są to aliasy ułatwiające korzystanie z modelu podstawowego.

Gemini nazwy modeli

Przykłady inicjalizowania w danym języku znajdziesz w przewodniku dla początkujących.

Gemini 2.5 Pro nazwy modeli

Gemini 2.0 Pro nazwy modeli

Gemini 2.0 Flash nazwy modeli

Gemini 2.0 Flash‑Lite nazwy modeli

Gemini 2.0 Flash‑Thinking nazwy modeli

Imagen nazwy modeli

Przykłady inicjalizacji w przypadku Twojego języka znajdziesz w przewodniku generowania obrazów za pomocą Imagen.

Obecnie żaden z modeli Imagen 3 nie ma wersji wstępnej ani eksperymentalnej.

Imagen 3 nazwy modeli

Imagen 3 Fast nazwy modeli

---

Obsługiwane języki

Gemini

• Wszystkie modele Gemini rozumieją i odpowiadają w tych językach:

  arabski (ar), bengalski (bn), bułgarski (bg), chiński uproszczony i tradycyjny (zh), chorwacki (hr), czeski (cs), duński (da), niderlandzki (nl), angielski (en), estoński (et), fiński (fi), francuski (fr), grecki (el), hebrajski (iw), hindi (hi), węgierski (hu), indonezyjski (id), hiszpański (es), japoński (ja), koreański (ko), łaciński (la), litewski (lt), norweski (no), polski (pl), portugalski (pt), rumuński (ro), rosyjski (ru), serbski (sr), słowacki (sk), słoweński (sl), szwedzki (sv), swahili (sw), tajski (th), turecki (tr), ukraiński (uk), wietnamski (vi)

• Modele Gemini 2.0 Flash, Gemini 1.5 Pro i Gemini 1.5 Flash rozumieją i odpowiadają w tych dodatkowych językach:

  Afrikaans (af), amharski (am), assamski (as), azerski (az), białoruski (be), bośniacki (bs), kataloński (ca), cebuańska (ceb), korsykański (co), walijski (cy), divehi (dv), esperanto (eo), baskijski (eu), perski (fa), filipino (tagalog) (fil), fryzyjski (fy), irlandzki (ga), szkocki gaelicki (gd), galicyjski (gl), gudżarati (gu), hausa (ha), hawajski (haw), hmong (hmn), kreolski haitamski (ht), ormiański (hy), igbokańska (ig), islandzki (is), jawajski (jv), gruziński (ka), kazachski (kk), khmerski (km), kannada (kn), krio (kri), kurdyjski (ku), kirgiski (ky), łacina (la), birmański (my), nepalski (ne), nyanja (Chichewa) (ny), orija (Oriya) (or), pendżabski (pa), paszto (ps), sindhi (sd), sinhala (sinhalese) (si), samoański (sm), shona (sn), somali (so), albański (sq), sesotho (st), tamilski (ta), telugu (te), tadżycki (tg), ujgurski (ug), urdu (ur), uzbecki (uz), xhosa (xh), jidysz (yi), joruba (yo), zulu (zu)

Imagen

• Ogólna dostępność: angielski

• Podgląd: chiński (uproszczony), chiński (tradycyjny), hindi, japoński, koreański, portugalski, hiszpański

---

Informacje o starszych modelach

Vertex AI in Firebase obsługuje wszystkie modele Gemini, w tym starsze modele, takie jak Gemini 1.5 i Gemini 1.0.

Vertex AI in Firebase obsługuje tylko modele Imagen 3. Nie obsługuje on starszych modeli Imagen (takich jak Imagen 2).

Wyświetlanie obsługiwanych danych wejściowych i wyjściowych starszych modeli

Oto typy danych wejściowych i wyjściowych w przypadku każdego modelu z użyciem funkcji Vertex AI in Firebase:

	<span="notranslate">Gemini 1.5 Pro </span="notranslate">	<span="notranslate">Gemini 1.5 Flash </span="notranslate">	<span="notranslate">Gemini 1.0 Pro Vision </span="notranslate">	<span="notranslate">Gemini 1.0 Pro </span="notranslate">
Typy danych wejściowych
Tekst
Kod
Dokumenty (pliki PDF lub tekstowe)
Obrazy
Wideo
Audio
Dźwięk (strumieniowanie)
Typy danych wyjściowych
Tekst
Kod
Dane wyjściowe w uporządkowanym formacie (np. JSON)
obrazy, filmy i pliki audio;

Obsługiwane funkcje i możliwości starszych modeli

Oto możliwości i funkcje dostępne podczas korzystania z każdego modelu z użyciem Vertex AI in Firebase:

	<span="notranslate">Gemini 1.5 Pro </span="notranslate">	<span="notranslate">Gemini 1.5 Flash </span="notranslate">	<span="notranslate">Gemini 1.0 Pro Vision </span="notranslate">	<span="notranslate">Gemini 1.0 Pro </span="notranslate">
Generowanie tekstu na podstawie tylko tekstu
Generowanie tekstu na podstawie danych multimodalnych
Generuj obrazy
Generowanie dźwięku
Generowanie uporządkowanych danych wyjściowych (np. w formacie JSON)
analizować dokumenty (pliki PDF lub tekstowe).
analizowanie obrazów (systemy wizyjne);
Analiza wideo(wizja)
Analiza dźwięku
Czat wieloetapowy
Połączenia z funkcjami (narzędzia)
Licznik tokenów i znaków podlegających rozliczeniu
Instrukcje dotyczące systemu
Interfejs multimodalny Live API (transmisja dwukierunkowa)

Specyfikacje i ograniczenia starszych modeli

Oto specyfikacje i ograniczenia każdego modelu w przypadku parametru Vertex AI in Firebase:

	<span="notranslate">Gemini 1.5 Pro </span="notranslate">	<span="notranslate">Gemini 1.5 Flash </span="notranslate">	<span="notranslate">Gemini 1.0 Pro Vision </span="notranslate">	<span="notranslate">Gemini 1.0 Pro </span="notranslate">
Okno kontekstu * Łączny limit tokenów (łączna liczba tokenów wejściowych i wyjściowych)	2 097 152 tokeny	1 048 576 tokenów	16 384 tokenów	32 760 tokenów
Limit tokenów wyjściowych *	8192 tokenów	8192 tokenów	2048 tokenów	8192 tokenów
Data odcięcia	Maj 2024 r.	Maj 2024 r.	Luty 2023 r.	Luty 2023 r.
pliki PDF (na żądanie),
Maksymalna liczba pobranych plików PDF **	3000 plików	3000 plików	16 plików	---
Maksymalna liczba stron na plik PDF wejściowy **	1000 stron	1000 stron	16 stron	---
Maksymalny rozmiar na plik PDF wejściowy	50 MB	50 MB	50 MB	---
Obrazy (na żądanie)
Maksymalna liczba obrazów	3000 obrazów	3000 obrazów	16 obrazów	---
Maksymalna liczba obrazów	---	---	---	---
Maksymalny rozmiar na obraz zakodowany w formacie base64	7 MB	7 MB	7 MB	---
Film (na żądanie)
Maksymalna liczba wejściowych plików wideo	10 plików	10 plików	1 plik	---
Maksymalna długość wszystkich filmów wejściowych (tylko ramki)	ok. 60 minut	ok. 60 minut	2 minuty	---
Maksymalna długość wszystkich filmów wejściowych (ramki + dźwięk)	ok. 45 minut	ok. 45 minut	---	---
Dźwięk (z uwzględnieniem żądań)
Maksymalna liczba plików audio	1 plik	1 plik	---	---
Maksymalna liczba pliku wyjściowego	---	---	---	---
Maksymalna długość wszystkich wejść audio	ok.8,4 godziny	ok.8,4 godziny	---	---
Maksymalna długość wszystkich dźwięków wyjściowych	---	---	---	---

^{*W przypadku wszystkich modeli Gemini jeden token odpowiada około 4 znakom, a 100 tokenów to około 60–80 słów w języku angielskim. W przypadku modeli Gemini możesz określić łączną liczbę tokenów w żądaniach za pomocą parametru countTokens.}

^{** Pliki PDF są traktowane jako obrazy, więc pojedyncza strona pliku PDF jest traktowana jako jeden obraz. Liczba stron dozwolonych w żądaniu jest ograniczona do liczby obrazów, które może obsługiwać model.}

Dostępne nazwy starszych modeli (w tym daty zakończenia sprzedaży)

Nazwy modeli to wartości jawne, które uwzględniasz w kodzie podczas inicjalizacji modelu.

Nazwy modeli Gemini 1.5 Pro

Gemini 1.5 Flash nazwy modeli

Gemini 1.0 Pro Vision nazwy modeli

Gemini 1.0 Pro nazwy modeli

---

Dalsze kroki

Wypróbuj możliwości Gemini API

• tworzyć rozmowy wieloetapowe (czat);
• generować tekst na podstawie promptów tekstowych,
• generować tekst na podstawie promptów multimodalnych (w tym tekst, obrazy, pliki PDF, filmy i pliki audio).
• generować dane wyjściowe w uporządkowanym formacie (np. JSON) na podstawie zarówno tekstowych, jak i wielomodalnych promptów;
• generować obrazy na podstawie promptów tekstowych;
• Użyj funkcji wywoływania, aby połączyć modele generatywne z zewnętrznymi systemami i informacjami.