サポートされているモデルの詳細

bookmark_border コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

モバイルアプリとウェブアプリの場合、Vertex AI in Firebase SDK を使用すると、サポートされている Gemini モデルと Imagen 3 モデルをアプリから直接操作できます。

Gemini モデルは、テキスト、コード、PDF、画像、動画、音声など、複数のモダリティを処理し、生成できるため、マルチモーダルと見なされます。Imagen 3 モデルにはテキストを指定して画像を生成できます。

次の表に、Vertex AI in Firebase でサポートされているモデルと、最新の安定版モデル名の概要を示します。この表には、ユースケースのプロトタイピングに使用できるプレビュー版モデルと試験運用版モデルも示されています。

Vertex AI in Firebase は、Gemini 1.5 モデルや Gemini 1.0 モデルなどの古いモデルをサポートしていますか？

はい。Vertex AI in Firebase は、古いモデルを含むすべての Gemini モデルをサポートしています。

モデル	入力	出力	最適な用途
Gemini 1.5 Pro gemini-1.5-pro-002	テキスト、コード、PDF、画像、動画、音声	テキスト、コード、JSON	より高度なインテリジェンスを必要とする複雑な推論タスクをサポート。200 万文字の長いコンテキスト
Gemini 1.5 Flash gemini-1.5-flash-002	テキスト、コード、PDF、画像、動画、音声	テキスト、コード、JSON	さまざまなタスクで高速で汎用性の高いパフォーマンスを提供します。
Gemini 1.0 Pro Vision gemini-1.0-pro-vision-001	テキスト、コード、PDF、画像、動画（フレームのみ）	テキスト、コード	テキストまたはコードのレスポンスのテキスト、画像、動画を処理します。チャットには使用できません。
Gemini 1.0 Pro gemini-1.0-pro-002	テキスト、コード	テキスト、コード	自然言語タスク、マルチターン テキストとコードチャット、コード生成

Vertex AI in Firebase は Imagen 3 モデルのみをサポートします。古い Imagen モデル（Imagen 2 など）はサポートされていません。

このページの下部にある以前のモデルの詳細情報をご覧ください。Vertex AI in Firebase がサポートするモデルとサポートしないモデルについては、よくある質問をご覧ください。

このページの残りの部分では、Vertex AI in Firebase でサポートされているモデルについて詳しく説明します。

• モデルを比較する:

  • サポートされている入力と出力
  • サポートされている機能の概要の比較
  • 仕様と制限事項（最大入力トークン数、入力動画の最大長など）

• モデルのバージョニング方法の説明（特に、安定版、自動更新版、プレビュー版）。

• 初期化時にコードに含める使用可能なモデル名のリスト

• モデルでサポートされている言語の一覧

このページの下部にある以前のモデルの詳細情報をご覧ください。

---

モデルを比較する

各モデルには、さまざまなユースケースをサポートするためのさまざまな機能があります。このセクションの各表は、Vertex AI in Firebase で使用する場合の各モデルについて説明しています。各モデルには、Google の SDK では利用できない追加機能が含まれている場合があります。

次のサブセクションで目的の情報が見つからない場合は、Google Cloud のドキュメントで Gemini モデルと Imagen 3 モデルの詳細をご覧ください。

サポートされている入力と出力

Vertex AI in Firebase で各モデルを使用する場合、サポートされている入力と出力のタイプは次のとおりです。

サポートされているファイル形式については、サポートされている入力ファイルと Vertex AI Gemini API の要件をご覧ください。

サポートされている機能

Vertex AI in Firebase で各モデルを使用する場合にサポートされる機能は次のとおりです。

仕様と制限事項

Vertex AI in Firebase で各モデルを使用する場合の仕様と制限事項は次のとおりです。

^{* すべての Gemini モデルで、1 トークンは約 4 文字に相当するため、100 トークンは約 60 ～ 80 ワード（英語）に相当します。Gemini モデルの場合、countTokens を使用してリクエスト内のトークンの合計数を特定できます。}

^{** PDF は画像として扱われるため、PDF の 1 ページは 1 つの画像として扱われます。リクエストで許可されるページ数は、モデルがサポートできる画像の数に制限されます。}

詳細情報を確認する

• 割り当てと料金はモデルごとに異なります。料金は入力と出力によっても異なります。

• サポートされている入力ファイルの種類、MIME タイプの指定方法、入力ファイルとマルチモーダル リクエストが要件を満たしていることを確認する方法、ベスト プラクティスに沿って作成する方法については、Vertex AI Gemini API でサポートされている入力ファイルと要件をご覧ください。

---

モデルのバージョニングと命名パターン

モデルには、安定版、プレビュー版、試験運用版があります。便宜上、明示的なバージョン値のないエイリアスがサポートされています。

コードで使用する特定のモデル名については、このページの「使用可能なモデル名」をご覧ください。

使用可能なモデル バージョンとそのライフサイクル（Gemini）の詳細については、Google Cloud のドキュメントで Imagen をご覧ください。

---

使用可能なモデル名

モデル名は、モデルの初期化時にコードに含める明示的な値です。

publishers.models.list エンドポイントを使用して、使用可能なモデル名をすべて一覧表示できます。返されるリストには、Vertex AI がサポートするすべてのモデルが含まれますが、Vertex AI in Firebase は、このページで説明する Gemini モデルと Imagen モデルのみをサポートします。また、自動更新エイリアス（gemini-2.0-flash など）は、ベースモデルの便利なエイリアスであるため、リストに表示されません。

Gemini モデル名

使用言語の初期化例については、スタートガイドをご覧ください。

Gemini 2.0 Pro モデル名

Gemini 2.0 Flash モデル名

Gemini 2.0 Flash‑Lite モデル名

Gemini 2.0 Flash‑Thinking モデル名

Imagen モデル名

言語の初期化例については、Imagen を使用して画像を生成するガイドをご覧ください。

現在、Imagen 3 モデルのプレビュー版または試験運用版はいずれも利用できません。

Imagen 3 モデル名

Imagen 3 Fast モデル名

---

サポートされている言語

Gemini

• すべての Gemini モデルは、次の言語を理解して回答できます。

  アラビア語（ar）、ベンガル語（bn）、ブルガリア語（bg）、中国語（簡体字、繁体字）（zh）、クロアチア語（hr）、チェコ語（cs）、デンマーク語（da）、オランダ語（nl）、英語（en）、エストニア語（et）、フィンランド語（fi）、フランス語（fr）、ドイツ語（de）、ギリシャ語（el）、ヘブライ語（iw）、ヒンディー語（hi）、ハンガリー語（hu）、インドネシア語（id）、イタリア語（it）、日本語（ja）、韓国語（ko）、ラトビア語（lv）、リトアニア語（lt）、ノルウェー語（no）、ポーランド語（pl）、ポルトガル語（pt）、ルーマニア語（ro）、ロシア語（ru）、セルビア語（sr）、スロバキア語（sk）、スロベニア語（sl）、スペイン語（es）、スワヒリ語（sw）、スウェーデン語（sv）、タイ語（th）、トルコ語（tr）、ウクライナ語（uk）、ベトナム語（vi）

• Gemini 2.0 Flash、Gemini 1.5 Pro、Gemini 1.5 Flash モデルは、次の追加言語を理解して回答できます。

  アフリカーンス語（af）、アムハラ語（am）、アッサム語（as）、アゼルバイジャン語（az）、ベラルーシ語（be）、ボスニア語（bs）、カタルーニャ語（ca）、セブアノ語（ceb）、コルシカ語（co）、ウェールズ語（cy）、ディベヒ語（dv）、エスペラント語（eo）、バスク語（eu）、ペルシア語（fa）、フィリピン語（タガログ語）（fil）、フリジア語（fy）、アイルランド語（ga）、スコットランド ゲール語（gd）、ガリシア語（gl）、グジャラート語（gu）、ハウサ語（ha）、ハワイ語（haw）、モン語（hmn）、クレオール語（ハイチ）（ht）、アルメニア語（hy）、イボ語（ig）、アイスランド語（is）、ジャワ語（jv）、ジョージア語（ka）、カザフ語（kk）、クメール語（km）、カンナダ語（kn）、クリオ語（kri）、クルド語（ku）、キルギス語（ky）、ラテン語（la）、ルクセンブルク語（lb）、ラオ語（lo）、マダガスカル語（mg）、マオリ語（mi）、マケドニア語（mk）、マラヤーラム語（ml）、モンゴル語（mn）、メイテイ語（マニプル語）（mni-Mtei）、マラーティー語（mr）、マレー語（ms）、マルタ語（mt）、ミャンマー語（ビルマ語）（my）、ネパール語（ne）、ニャンジャ語（チェワ語）（ny）、オディア語（オリヤー語）（or）、パンジャブ語（pa）、パシュトゥ語（ps）、シンド語（sd）、シンハラ語（si）、サモア語（sm）、ショナ語（sn）、ソマリ語（so）、アルバニア語（sq）、ソト語（st）、スンダ語（su）、タミル語（ta）、テルグ語（te）、タジク語（tg）、ウイグル語（ug）、ウルドゥー語（ur）、ウズベク語（uz）、コーサ語（xh）、イディッシュ語（yi）、ヨルバ語（yo）、ズールー語（zu）

Imagen

• 一般提供: 英語

• プレビュー: 中国語（簡体）、中国語（繁体）、ヒンディー語、日本語、韓国語、ポルトガル語、スペイン語

---

以前のモデルに関する情報

Vertex AI in Firebase は、Gemini 1.5 モデルや Gemini 1.0 モデルなどの古いモデルを含む、すべての Gemini モデルをサポートしています。

Vertex AI in Firebase は Imagen 3 モデルのみをサポートします。古い Imagen モデル（Imagen 2 など）はサポートされていません。

以前のモデルでサポートされている入力と出力を確認する

Vertex AI in Firebase で各モデルを使用する場合の入力と出力の型は次のとおりです。

	<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">
入力値の型
テキスト
コード
ドキュメント （PDF またはテキスト）
画像
動画
音声
オーディオ（ストリーミング）
出力タイプ
テキスト
コード
構造化出力 （JSON など）
画像、動画、音声

以前のモデルでサポートされている機能

Vertex AI in Firebase で各モデルを使用する場合の機能は次のとおりです。

	<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">
テキストのみの入力からテキストを生成する
マルチモーダル入力からテキストを生成する
画像を生成する
音声を生成する
構造化出力を生成する （JSON など）
ドキュメントを分析する （PDF またはテキスト）
画像を分析する（ビジョン）
動画を分析する（ビジョン）
音声を分析する
マルチターン チャット
関数呼び出し（ツール）
トークンと課金対象文字数をカウントする
システム指示
Multimodal Live API （双方向ストリーミング）

以前のモデルの仕様と制限事項

Vertex AI in Firebase で各モデルを使用する場合の仕様と制限事項は次のとおりです。

	<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">
コンテキスト ウィンドウ * トークンの合計上限 （入力と出力の合計）	2,097,152 個のトークン	1,048,576 個のトークン	16,384 トークン	32,760 トークン
出力トークンの上限 *	8,192 トークン	8,192 トークン	2,048 トークン	8,192 トークン
知識の締め切り日	2024 年 5 月	2024 年 5 月	2023 年 2 月	2023 年 2 月
PDF（リクエストに応じて）
入力 PDF ファイルの最大数 **	3,000 ファイル	3,000 ファイル	16 個のファイル	---
入力 PDF ファイルあたりの最大ページ数 **	1,000 ページ	1,000 ページ	16 ページ	---
入力 PDF ファイルあたりの最大サイズ	50 MB	50 MB	50 MB	---
画像（リクエストあたり）
入力画像の最大数	3,000 個の画像	3,000 個の画像	16 枚	---
出力画像の最大数	---	---	---	---
入力 base64 エンコード画像あたりの最大サイズ	7 MB	7 MB	7 MB	---
動画（リクエストに応じて）
入力動画ファイルの最大数	10 ファイル	10 ファイル	1 個のファイル	---
すべての入力動画の最大長 （フレームのみ）	60 分程度	60 分程度	2 分	---
入力動画 の最大長 （フレーム数 + 音声）	45 分程度	45 分程度	---	---
音声（リクエストに応じて）
入力音声ファイルの最大数	1 個のファイル	1 個のファイル	---	---
出力音声ファイルの最大数	---	---	---	---
すべての入力音声の最大長	～ 8.4 時間	～ 8.4 時間	---	---
すべての出力音声の最大長	---	---	---	---

^{* すべての Gemini モデルで、1 トークンは約 4 文字に相当するため、100 トークンは約 60 ～ 80 ワード（英語）に相当します。Gemini モデルの場合、countTokens を使用してリクエスト内のトークンの合計数を特定できます。}

^{** PDF は画像として扱われるため、PDF の 1 ページは 1 つの画像として扱われます。リクエストで許可されるページ数は、モデルがサポートできる画像の数に制限されます。}

以前のモデルで使用可能なモデル名（廃止日を含む）

モデル名は、モデルの初期化時にコードに含める明示的な値です。

Gemini 1.5 Pro のモデル名

Gemini 1.5 Flash モデル名

Gemini 1.0 Pro Vision モデル名

Gemini 1.0 Pro モデル名

---

次のステップ

Gemini API の機能を試す

• マルチターンの会話（チャット）を構築します。
• テキストのみのプロンプトからテキストを生成する。
• マルチモーダル プロンプト（テキスト、画像、PDF、動画、音声など）からテキストを生成します。
• テキストとマルチモーダル プロンプトの両方から構造化出力（JSON など）を生成します。
• テキスト プロンプトから画像を生成する。
• 関数呼び出しを使用して、生成モデルを外部システムと情報に接続します。