Crea experiencias híbridas con modelos alojados en la nube y en el dispositivo


Compila apps y funciones potenciadas por IA con inferencia híbrida usando Firebase AI Logic. La inferencia híbrida permite ejecutar la inferencia con modelos integrados en el dispositivo cuando están disponibles y recurrir sin problemas a modelos alojados en la nube en otros casos.

Con este lanzamiento, la inferencia híbrida está disponible a través del SDK de cliente de Firebase AI Logic para la Web, con compatibilidad para la inferencia en el dispositivo en Chrome para computadoras.

Ir a los ejemplos de código

Casos de uso recomendados y capacidades admitidas

Casos de uso recomendados:

  • Usar un modelo en el dispositivo para la inferencia ofrece las siguientes ventajas:

    • Privacidad mejorada
    • Contexto local
    • Inferencias sin costo
    • Funcionalidad sin conexión

  • El uso de la funcionalidad híbrida ofrece las siguientes ventajas:

    • Llega al 100% de tu público, independientemente de la disponibilidad del modelo en el dispositivo

Funciones y capacidades compatibles con la inferencia en el dispositivo:

  • Generación de contenido de un solo turno, con transmisión y sin transmisión
  • Generar texto a partir de una entrada de solo texto
  • Generar texto a partir de entradas de texto y de imagen, específicamente tipos de imágenes de entrada JPEG y PNG
  • Generar resultados estructurados, incluidos JSON y enumeraciones

Comenzar

En esta guía, se muestra cómo comenzar a usar el SDK de Firebase AI Logic para la Web para realizar inferencias híbridas.

La inferencia con un modelo integrado en el dispositivo usa la API de Prompt de Chrome, mientras que la inferencia con un modelo alojado en la nube usa el proveedor de Gemini API que elijas (ya sea Gemini Developer API o Vertex AI Gemini API).

Paso 1: Configura Chrome y la API de Prompt para la inferencia en el dispositivo

  1. Descarga la compilación más reciente de Chrome Beta.

    La inferencia en el dispositivo está disponible a partir de Chrome v138 y versiones posteriores.

  2. Habilita la API de Prompt para tu instancia de Chrome configurando los siguientes parámetros:

    • chrome://flags/#optimization-guide-on-device-model: Se establece en Habilitado.
    • chrome://flags/#prompt-api-for-gemini-nano: Se establece en Habilitado.

    Obtén más información para usar APIs en localhost en la documentación de Chrome. De manera opcional, únete al Programa de versión preliminar anticipada (EPP) de Chrome para enviar comentarios.

  3. Para habilitar el modelo multimodal integrado en el dispositivo, configura la siguiente marca:

    • chrome://flags/#prompt-api-for-gemini-nano-multimodal-input: Establece el valor en Habilitado.

  4. Verifica la API de forma local:

    1. Reinicia Chrome.

    2. Abre Herramientas para desarrolladores > Consola.

    3. Ejecuta lo siguiente:

      await LanguageModel.availability();

    4. Asegúrate de que el resultado sea available, downloading o downloadable. .

    5. Si el resultado es downloadable, puedes iniciar la descarga del modelo ejecutando await LanguageModel.create();. De lo contrario, la primera solicitud de inferencia en el dispositivo iniciará una descarga del modelo en segundo plano, lo que podría tardar varios minutos.

Paso 2: Configura un proyecto de Firebase y conecta tu app a Firebase

  1. Accede a la consola de Firebase y, luego, selecciona tu proyecto de Firebase.

  2. En la consola de Firebase, ve a la página Firebase AI Logic.

  3. Haz clic en Comenzar para iniciar un flujo de trabajo guiado que te ayudará a configurar las APIs requeridas y los recursos para tu proyecto.

  4. Selecciona el proveedor "Gemini API" que deseas usar con los SDKs de Firebase AI Logic. Si lo deseas, puedes configurar y usar el otro proveedor de API más adelante.

    • Gemini Developer API: Facturación opcional (disponible en el plan de precios Spark sin costo, y puedes actualizarlo más adelante si lo deseas)
      La consola habilitará las APIs requeridas y creará una clave de API Gemini en tu proyecto.
      No agregues esta clave de API de Gemini a la base de código de tu app. Obtén más información.

    • Vertex AI Gemini API: Se requiere facturación (requiere el plan de precios Blaze de pago por uso)
      La consola te ayudará a configurar la facturación y habilitar las APIs requeridas en tu proyecto.

  5. Si se te solicita en el flujo de trabajo de la consola, sigue las instrucciones en pantalla para registrar tu app y conectarla a Firebase.

  6. Continúa con el siguiente paso de esta guía para agregar el SDK a tu app.

Paso 3: Agrega el SDK

La biblioteca de Firebase proporciona acceso a las APIs para interactuar con modelos generativos. La biblioteca se incluye como parte del SDK de Firebase JavaScript para la Web.

  1. Instala el SDK de Firebase JS para la Web con npm.

    La función híbrida se lanza con una etiqueta npm diferente, por lo que debes asegurarte de incluirla en el comando de instalación.

    npm install firebase@eap-ai-hybridinference

  2. Inicializa Firebase en tu app:

    import { initializeApp } from "firebase/app";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

Paso 4: Inicializa el servicio y crea una instancia del modelo

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

Antes de enviar una instrucción a un modelo Gemini, inicializa el servicio para el proveedor de la API que elegiste y crea una instancia de GenerativeModel.

Establece mode en uno de los siguientes valores:

  • prefer_on_device: Configura el SDK para usar el modelo integrado en el dispositivo si está disponible o para recurrir al modelo alojado en la nube.

  • only_on_device: Configura el SDK para que use el modelo integrado en el dispositivo o arroje una excepción.

  • only_in_cloud: Configura el SDK para que nunca use el modelo integrado en el dispositivo.

De forma predeterminada, cuando usas prefer_on_device o only_in_cloud, el modelo alojado en la nube es gemini-2.0-flash-lite, pero puedes anular el valor predeterminado.

import { initializeApp } from "firebase/app";
import { getAI, getGenerativeModel, GoogleAIBackend } from "firebase/ai";

// TODO(developer) Replace the following with your app's Firebase configuration
// See: https://firebase.google.com/docs/web/learn-more#config-object
const firebaseConfig = {
  // ...
};

// Initialize FirebaseApp
const firebaseApp = initializeApp(firebaseConfig);

// Initialize the Gemini Developer API backend service
const ai = getAI(firebaseApp, { backend: new GoogleAIBackend() });

// Create a `GenerativeModel` instance
// Set the mode, for example to use on-device model when possible
const model = getGenerativeModel(ai, { mode: "prefer_on_device" });

Envía una solicitud de instrucción a un modelo

En esta sección, se proporcionan ejemplos para enviar varios tipos de entrada y generar diferentes tipos de salida, incluidos los siguientes:

Si deseas generar resultados estructurados (como JSON o enumeraciones), usa uno de los siguientes ejemplos de "generar texto" y, además, configura el modelo para que responda según un esquema proporcionado.

Generar texto a partir de entrada de solo texto

Antes de probar este ejemplo, asegúrate de haber completado la sección Comienza ahora de esta guía.

Puedes usar generateContent() para generar texto a partir de una instrucción que contenga texto:

// Imports + initialization of FirebaseApp and backend service + creation of model instance

// Wrap in an async function so you can use await
async function run() {
  // Provide a prompt that contains text
  const prompt = "Write a story about a magic backpack."

  // To generate text output, call `generateContent` with the text input
  const result = await model.generateContent(prompt);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

run();

Genera texto a partir de entradas de texto e imágenes (multimodales)

Antes de probar este ejemplo, asegúrate de haber completado la sección Comienza ahora de esta guía.

Puedes usar generateContent() para generar texto a partir de una instrucción que contenga archivos de texto y de imagen, proporcionando el mimeType de cada archivo de entrada y el archivo en sí.

Los tipos de imágenes de entrada admitidos para la inferencia en el dispositivo son PNG y JPEG.

// Imports + initialization of FirebaseApp and backend service + creation of model instance

// Converts a File object to a Part object.
async function fileToGenerativePart(file) {
  const base64EncodedDataPromise = new Promise((resolve) => {
    const reader = new FileReader();
    reader.onloadend = () => resolve(reader.result.split(',')[1]);
    reader.readAsDataURL(file);
  });
  return {
    inlineData: { data: await base64EncodedDataPromise, mimeType: file.type },
  };
}

async function run() {
  // Provide a text prompt to include with the image
  const prompt = "Write a poem about this picture:";

  const fileInputEl = document.querySelector("input[type=file]");
  const imagePart = await fileToGenerativePart(fileInputEl.files[0]);

  // To generate text output, call `generateContent` with the text and image
  const result = await model.generateContent([prompt, imagePart]);

  const response = result.response;
  const text = response.text();
  console.log(text);
}

run();

¿Qué más puedes hacer?

Además de los ejemplos anteriores, también puedes usar modos de inferencia alternativos, anular el modelo de resguardo predeterminado y usar la configuración del modelo para controlar las respuestas.

Usa modos de inferencia alternativos

En los ejemplos anteriores, se usó el modo prefer_on_device para configurar el SDK de modo que use un modelo integrado en el dispositivo si está disponible o recurra a un modelo alojado en la nube. El SDK ofrece dos modos de inferencia alternativos: only_on_device y only_in_cloud.

  • Usa el modo only_on_device para que el SDK solo pueda usar un modelo en el dispositivo. En esta configuración, la API arrojará un error si no hay un modelo disponible en el dispositivo.

    const model = getGenerativeModel(ai, { mode: "only_on_device" });

  • Usa el modo only_in_cloud para que el SDK solo pueda usar un modelo alojado en la nube.

    const model = getGenerativeModel(ai, { mode: "only_in_cloud" });

Cómo anular el modelo de resguardo predeterminado

Cuando usas el modo prefer_on_device, el SDK recurrirá a un modelo alojado en la nube si no hay un modelo disponible en el dispositivo. El modelo alojado en la nube de resguardo predeterminado es gemini-2.0-flash-lite. Este modelo alojado en la nube también es el predeterminado cuando usas el modoonly_in_cloud.

Puedes usar la opción de configuración inCloudParams para especificar un modelo alternativo predeterminado alojado en la nube:

const model = getGenerativeModel(ai, {
  mode: 'prefer_on_device',
  inCloudParams: {
    model: "gemini-2.5-flash"
  }
});

Encuentra los nombres de los modelos de todos los modelos de Gemini compatibles.

Usa la configuración del modelo para controlar las respuestas

En cada solicitud a un modelo, puedes enviar una configuración del modelo para controlar cómo este genera una respuesta. Los modelos alojados en la nube y los modelos integrados en el dispositivo ofrecen diferentes opciones de configuración.

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

Establece la configuración de un modelo alojado en la nube

Usa la opción inCloudParams para configurar un modelo de Gemini alojado en la nube. Obtén información sobre los parámetros disponibles.

const model = getGenerativeModel(ai, {
  mode: 'prefer_on_device',
  inCloudParams: {
    model: "gemini-2.5-flash"
    temperature: 0.8,
    topK: 10
  }
});

Cómo establecer la configuración de un modelo en el dispositivo

Ten en cuenta que la inferencia con un modelo integrado en el dispositivo usa la API de Prompt de Chrome.

Usa la opción onDeviceParams para configurar un modelo en el dispositivo. Obtén información sobre los parámetros disponibles.

const model = getGenerativeModel(ai, {
  mode: 'prefer_on_device',
  onDeviceParams: {
    createOptions: {
      temperature: 0.8,
      topK: 8
    }
  }
});

Cómo establecer la configuración para los resultados estructurados

La generación de resultados estructurados (como JSON y enumeraciones) se admite para la inferencia con modelos alojados en la nube y en el dispositivo.

Para la inferencia híbrida, usa inCloudParams y onDeviceParams para configurar el modelo de modo que responda con un resultado estructurado. Para los demás modos, usa solo la configuración aplicable.

  • Para inCloudParams: Especifica el responseMimeType adecuado (en este ejemplo, application/json), así como el responseSchema que deseas que use el modelo.

  • Para onDeviceParams: Especifica el responseConstraint que quieres que use el modelo.

Salida de JSON

En el siguiente ejemplo, se adapta el ejemplo general de salida en formato JSON para la inferencia híbrida:

import {
  getAI,
  getGenerativeModel,
  Schema
} from "firebase/ai";

const jsonSchema = Schema.object({
 properties: {
    characters: Schema.array({
      items: Schema.object({
        properties: {
          name: Schema.string(),
          accessory: Schema.string(),
          age: Schema.number(),
          species: Schema.string(),
        },
        optionalProperties: ["accessory"],
      }),
    }),
  }
});

const model = getGenerativeModel(ai, {
  mode: 'prefer_on_device',
  inCloudParams: {
    model: "gemini-2.5-flash"
    generationConfig: {
      responseMimeType: "application/json",
      responseSchema: jsonSchema
    },
  }
  onDeviceParams: {
    promptOptions: {
      responseConstraint: jsonSchema
    }
  }
});
Salida de enumeración

Como se indicó anteriormente, pero adaptando la documentación sobre la salida de enumeración para la inferencia híbrida:

// ...

const enumSchema = Schema.enumString({
  enum: ["drama", "comedy", "documentary"],
});

const model = getGenerativeModel(ai, {

// ...

    generationConfig: {
      responseMimeType: "text/x.enum",
      responseSchema: enumSchema
    },

// ...

Funciones aún no disponibles para la inferencia en el dispositivo

Como lanzamiento experimental, no todas las capacidades del SDK web están disponibles para la inferencia en el dispositivo. Las siguientes funciones aún no son compatibles con la inferencia en el dispositivo (pero suelen estar disponibles para la inferencia basada en la nube).

  • Generar texto a partir de tipos de entrada de archivos de imagen que no sean JPEG ni PNG

    • Puede recurrir al modelo alojado en la nube. Sin embargo, el modo only_on_device arrojará un error.

  • Generar texto a partir de entradas de audio, video y documentos (como PDFs)

    • Puede recurrir al modelo alojado en la nube. Sin embargo, el modo only_on_device arrojará un error.

  • Genera imágenes con los modelos de Gemini o Imagen

    • Puede recurrir al modelo alojado en la nube. Sin embargo, el modo only_on_device arrojará un error.

  • Proporcionar archivos con URLs en solicitudes multimodales Debes proporcionar archivos como datos intercalados a los modelos integrados en el dispositivo.

  • Chat de varios turnos

    • Puede recurrir al modelo alojado en la nube. Sin embargo, el modo only_on_device arrojará un error.

  • Transmisión bidireccional con el Gemini Live API

    • Ten en cuenta que el SDK para Web del cliente de Firebase AI Logic no admite esta función, ni siquiera para los modelos alojados en la nube.

  • Llamada a función

    • Disponible próximamente

  • Cuenta tokens

    • Siempre arroja un error. El recuento diferirá entre los modelos alojados en la nube y los que se ejecutan en el dispositivo, por lo que no hay una alternativa intuitiva.

  • Supervisión de la IA en la consola de Firebase para la inferencia en el dispositivo

    • Ten en cuenta que cualquier inferencia que use los modelos alojados en la nube se puede supervisar al igual que otras inferencias que usen el SDK del cliente de Firebase AI Logic para la Web.


Envía comentarios sobre tu experiencia con Firebase AI Logic