W przypadku aplikacji mobilnych i internetowych pakiety SDK Firebase AI Logic 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 być wywoływane za pomocą tekstu w celu generowania obrazów.
W tabeli poniżej znajdziesz krótki przegląd obsługiwanych modeli Firebase AI Logic oraz ich najnowszych stabilnych nazw. Tabela zawiera też modele w wersji zapoznawczej i eksperymentalnej, które są dostępne do tworzenia prototypów.
| Model | Dane wejściowe | Wyniki | Opis |
|---|---|---|---|
| Gemini modeli ze stabilnymi wersjami | |||
Gemini 2.0 Flashgemini-2.0-flash-001
|
tekst, kod, pliki PDF, obrazy, filmy, dźwięk | tekst, kod, JSON (obrazy i dźwięk wkrótce!) |
Nasz multimodalny model z funkcjami nowej generacji i ulepszonymi możliwościami, w tym większą szybkością, wbudowanym narzędziem i oknem kontekstu z milionem tokenów (wkrótce udostępnimy generowanie multimodalne) |
Gemini 2.0 Flash‑Litegemini-2.0-flash-lite-001
|
tekst, kod, pliki PDF, obrazy, filmy, dźwięk | tekst, kod, JSON | Nasz najszybszy i najbardziej ekonomiczny model Flash. Jest to ścieżka uaktualnienia dla użytkowników Gemini 1.5 Flash, którzy chcą uzyskać lepszą jakość przy tej samej cenie i szybkości. |
| Geminimodele z tylko wersjami podglądu i eksperymentalnymi (zalecane tylko do tworzenia prototypów) | |||
Gemini 2.5 Progemini-2.5-pro-preview-05-06
|
tekst, kod, pliki PDF, obrazy, filmy, dźwięk | tekst, kod, JSON | Nasz najbardziej zaawansowany model rozumujący, który potrafi rozwiązywać złożone problemy. |
Gemini 2.5 Flashgemini-2.5-flash-preview-04-17
|
tekst, kod, pliki PDF, obrazy, filmy, dźwięk | tekst, kod, JSON | Nasz model myślenia, który zapewnia świetne, wszechstronne możliwości. Został on zaprojektowany tak, aby zapewnić równowagę między ceną a wydajnością. |
Gemini 2.0 Flash‑Live 1gemini-2.0-flash-live-preview-04-09
|
tekst (strumieniowanie), dźwięk (strumieniowanie). |
tekst (strumieniowanie), dźwięk (strumieniowanie). |
Nasz model multimodalny, który obsługuje strumieniowanie w czasie rzeczywistym z minimalnym opóźnieniem multimodalnych danych wejściowych i wyjściowych. |
| Imagen 3 modeli (w przypadku korzystania z Firebase AI Logic) | |||
Imagen 3imagen-3.0-generate-002 |
tekst | obrazy | generuje realistyczne obrazy wysokiej jakości na podstawie promptów w języku naturalnym. |
Imagen 3 Fast 2imagen-3.0-fast-generate-001
|
tekst | obrazy | generuje obrazy do tworzenia prototypów lub do zastosowań wymagających niskiego opóźnienia; |
1 Nieobsługiwane w przypadku używania pakietu Gemini Developer API z pakietami SDK Firebase AI Logic.
2 Nieobsługiwane przez Gemini Developer API niezależnie od sposobu uzyskiwania dostępu do interfejsu API.
Zapoznaj się też z najczęściej zadawanymi pytaniami dotyczącymi wszystkich modeli obsługiwanych i nieobsługiwanych przez Firebase AI Logic.
Pozostała część tej strony zawiera szczegółowe informacje o modelach obsługiwanych przez Firebase AI Logic.
-
- 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, podglądowej i eksperymentalnej.
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 użyciem funkcji Firebase AI Logic. 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 znajdziesz w dokumentacji wybranego dostawcy interfejsu API:
Gemini Developer API: Gemini modeli i Imagen modeli
Vertex AI Gemini API: Gemini modeli i Imagen modeli
Obsługiwane urządzenia wejściowe i wyjściowe
Oto obsługiwane typy danych wejściowych i wyjściowych w przypadku każdego modelu z użyciem funkcji Firebase AI Logic:
|
<span="notranslate">Gemini 2.5 Pro </span="notranslate"> |
<span="notranslate">Gemini 2.5 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Lite </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Live </span="notranslate"> |
Imagen 3 / Imagen 3 Fast |
|||
|---|---|---|---|---|---|---|---|---|
| Typy danych wejściowych | ||||||||
| Tekst | ||||||||
| Tekst (streaming) | ||||||||
| Kod | ||||||||
| Dokumenty (pliki PDF lub tekstowe) |
||||||||
| Obrazy | ||||||||
| Wideo | ||||||||
| Audio | ||||||||
| Dźwięk (strumieniowanie) | ||||||||
| Typy danych wyjściowych | ||||||||
| Tekst | ||||||||
| Tekst (streaming) | ||||||||
| Kod | ||||||||
| uporządkowane dane wyjściowe (np. w formacie JSON); |
||||||||
| Obrazy | wkrótce | |||||||
| Audio | wkrótce | |||||||
| Dźwięk (strumieniowanie) | ||||||||
Więcej informacji o obsługiwanych typach plików znajdziesz w artykule Obsługiwane pliki wejściowe i wymagania.
Obsługiwane funkcje i możliwości
Te funkcje są obsługiwane podczas korzystania z każdego modelu z użyciem Firebase AI Logic:
|
<span="notranslate">Gemini 2.5 Pro </span="notranslate"> |
<span="notranslate">Gemini 2.5 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Lite </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Live </span="notranslate"> |
Imagen 3 / Imagen 3 Fast |
|
|---|---|---|---|---|---|---|
| generować tekst na podstawie danych wejściowych zawierających tylko tekst lub dane multimodalne; | tylko strumieniowanie, | |||||
|
Generowanie obrazów (Imagen 3) |
wkrótce | |||||
| Wygeneruj dźwięk | wkrótce | tylko strumieniowanie, | ||||
|
Generowanie uporządkowanych danych wyjściowych
(np. w formacie JSON) |
||||||
|
Analizować dokumenty
(pliki PDF lub tekst) |
||||||
| analizować obrazy (systemy wizyjne); | ||||||
| Analiza wideo(wizja) | ||||||
| Analiza dźwięku | tylko strumieniowanie, | |||||
| Czat wieloetapowy | ||||||
| Wywoływanie funkcji (narzędzia) | ||||||
| Liczba tokenów | ||||||
| Instrukcje dotyczące systemu | ||||||
| Transmisja multimodalna w obu kierunkach |
Specyfikacje i ograniczenia
Oto specyfikacje i ograniczenia w przypadku każdego modelu z parametrem Firebase AI Logic:
| Właściwość |
<span="notranslate">Gemini 2.5 Pro </span="notranslate"> |
<span="notranslate">Gemini 2.5 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Lite </span="notranslate"> |
<span="notranslate">Gemini 2.0 Flash- Live </span="notranslate"> |
Imagen 3 / Imagen 3 Fast |
|
|---|---|---|---|---|---|---|---|
| Okno kontekstu * Łączny limit tokenów (łączna liczba tokenów wejściowych i wyjściowych) |
1 048 576 tokenów | 1 048 576 tokenów | 1 048 576 tokenów | 1 048 576 tokenów | 32 768 tokenów | 480 tokenów | |
| Limit tokenów wyjściowych * | 65 536 tokenów | 65 536 tokenów | 8192 tokenów | 8192 tokenów | --- | --- | |
| Data granicy wiedzy | Styczeń 2025 r. | Styczeń 2025 r. | Czerwiec 2024 r. | Czerwiec 2024 r. | Sierpień 2024 r. | --- | |
| pliki PDF (na żądanie), | |||||||
| Maksymalna liczba pobranych plików PDF ** |
3000 plików | 3000 plików | 3000 plików | 3000 plików | --- | --- | |
| Maksymalna liczba stron na plik PDF wejściowy ** |
1000 stron | 1000 stron | 1000 stron | 1000 stron | --- | --- | |
| Maksymalny rozmiar na plik PDF wejściowy |
50 MB | 50 MB | 50 MB | 50 MB | --- | --- | |
| Obrazy (na żądanie) | |||||||
| Maksymalna liczba obrazów wejściowych |
3000 obrazów | 3000 obrazów | 3000 obrazów | 3000 obrazów | --- | --- | |
| Maksymalna liczba obrazów |
--- | --- | wkrótce | --- | --- | 4 obrazy | |
| Maksymalny rozmiar na obraz zakodowany w formacie base64 |
7 MB | 7 MB | 7 MB | 7 MB | --- | --- | |
| Wideo (na żądanie) | |||||||
| Maksymalna liczba wejściowych plików wideo |
10 plików | 10 plików | 10 plików | 10 plików | --- | --- | |
| Maksymalna długość wszystkich filmów wejściowych (tylko ramki) |
ok. 60 minut | ok. 60 minut | ok. 60 minut | ok. 60 minut | --- | --- | |
| Maksymalna długość wszystkich filmów wejściowych (ramki + dźwięk) |
ok. 45 minut | ok. 45 minut | ok. 45 minut | ok. 45 minut | --- | --- | |
| Dźwięk (z uwzględnieniem żądań) | |||||||
| Maksymalna liczba plików audio |
1 plik | 1 plik | 1 plik | 1 plik | --- | --- | |
| Maksymalna liczba pliku wyjściowego |
--- | --- | wkrótce | --- | --- | --- | |
| Maksymalna długość wszystkich wejść audio |
ok.8,4 godziny | ok.8,4 godziny | ok.8,4 godziny | ok.8,4 godziny | --- | --- | |
| Maksymalna długość wszystkich dźwięków wyjściowych |
--- | --- | wkrótce | --- | --- | --- | |
*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 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 i czy są zgodne ze wskazówkami podanymi w artykule Obsługiwane pliki wejściowe i wymagania.
Wzorce nazewnictwa i wersji 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.
| Typ wersji / Etap wydania |
Opis | Wzorzec nazwy modelu | |
|---|---|---|---|
| Stabilna |
Stabilne wersje są dostępne i obsługiwane w celu użytku produkcyjnego od daty premiery.
Stabilna wersja modelu jest zwykle udostępniana z datą wycofania, która wskazuje ostatni dzień, w którym model jest dostępny. Po tej dacie model nie będzie już dostępny ani obsługiwany przez Google. |
nazwy modeli stabilnych wersji są uzupełniane o specyficzny 3-cyfrowy numer wersji.
Przykład: |
|
| Stały alias aktualizowany automatycznie | Automatycznie aktualizowane aliasy wersji stabilnych zawsze wskazują najnowszą wersję stabilną danego modelu. Jeśli zostanie opublikowana nowa wersja stabilna, alias automatycznie aktualizowany automatycznie zacznie wskazywać nową wersję stabilną. |
Nazwa modelu aliasu nie zawiera żadnych dodatkowych elementów.
Przykład: |
|
| Podgląd |
Wersje w obejściu mają nowe możliwości i są uważane za niestabilne.
Wersje podglądu zawsze odnoszą się do najnowszej wersji tego modelu. Jeśli zostanie opublikowana nowa wersja podglądu, wszystkie istniejące wersje podglądu będą automatycznie wskazywać nową wersję podglądu. Te modele nie są zalecane do użytku w środowisku produkcyjnym. Mają one bardziej restrykcyjne limity stawek i mogą wymagać płatności. |
Nazwy modeli wersji podglądu są uzupełniane o parametr
Przykład: |
|
| eksperymentalna, |
Wersje eksperymentalne mają nowe funkcje i są uważane za niestabilne.
Te modele nie są zalecane do użytku w środowisku produkcyjnym i mają bardziej restrykcyjne limity szybkości. Modele eksperymentalne służą do zbierania opinii i testowania naszych najnowszych funkcji. |
Nazwy modeli wersji eksperymentalnych są uzupełniane o parametr
Przykład: |
|
| Jestem na emeryturze |
Wycofane wersje są trwale dezaktywowane po upływie terminu ich wycofania.
Wycofane modele nie są już dostępne ani obsługiwane przez Google. Żądania odwołujące się do wycofanego identyfikatora modelu zwykle zwracają błąd 404. |
--- |
|
Dostępne nazwy modeli
Nazwy modeli to wartości jawne, które uwzględniasz w kodzie podczas inicjalizacji modelu.
Wyświetlanie wszystkich dostępnych modeli za pomocą programowania
Listę wszystkich dostępnych nazw modeli możesz wyświetlić za pomocą interfejsu API REST:
Gemini Developer API: wywołanie punktu końcowego
models.listVertex AI Gemini API: wywołanie punktu końcowego
publishers.models.list
Zwróć uwagę, że zwrócona lista będzie zawierać wszystkie modele obsługiwane przez dostawców interfejsów API, ale Firebase AI Logic 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 inicjalizacji dla danej platformy znajdziesz w przewodniku dla początkujących.
Szczegółowe informacje o etapach wprowadzania (zwłaszcza o przypadkach użycia i fakturowaniu) znajdziesz w artykule Wzory wersji i nazwy modeli.
Gemini 2.5 Pro nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
gemini-2.5-pro-preview-05-06 |
Wersja podglądu: Gemini 2.5 Pro | Podgląd | 2025-05-06 | Jeszcze nieznany |
gemini-2.5-pro-preview-03-25 |
Wersja podglądu wskazująca gemini-2.5-pro-preview-05-06(jest to najnowsza wersja podglądu) |
Podgląd | 2025-03-25 | Jeszcze nieznany |
Gemini 2.5 Flash nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
gemini-2.5-flash-preview-04-17 |
Wersja podglądu: Gemini 2.5 Flash | Podgląd | 2025-04-17 | Jeszcze nieznany |
Gemini 2.0 Flash nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
gemini-2.0-flash-001 |
najnowsza stabilna wersja aplikacji Gemini 2.0 Flash, | Stabilny | 2025-02-05 | Nie wcześniej niż 2026-02-05 |
gemini-2.0-flash |
Automatycznie aktualizowany alias wskazujący najnowszą wersję stabilną modelu 2.0 Flash (obecnie gemini-2.0-flash-001 |
Stabilny | 2025-02-10 | --- |
Gemini 2.0 Flash‑Lite nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
gemini-2.0-flash-lite-001 |
najnowsza stabilna wersja aplikacji Gemini 2.0 Flash‑Lite, | Stabilny | 2025-02-25 | Nie wcześniej niż 2026-02-25 |
gemini-2.0-flash-lite |
Alias automatycznie aktualizowany do najnowszej stabilnej wersji 2.0 Flash-Lite (obecnie gemini-2.0-flash-lite-001 |
Stabilny | 2025-02-25 | --- |
Gemini 2.0 Flash‑Live nazwy modeli
| Dostępne tylko wtedy, gdy używasz interfejsu API od firmy Vertex AI Gemini API. |
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
gemini-2.0-flash-live-preview-04-09 1 |
Wersja podglądu: Gemini 2.0 Flash‑Live | Podgląd | 2025-04-09 | Jeszcze nieznany |
1 Nieobsługiwane w przypadku używania pakietu Gemini Developer API z pakietami SDK Firebase AI Logic.
Imagen nazwy modeli
Przykłady inicjalizacji dla danej platformy znajdziesz w przewodniku generowanie obrazów za pomocą Imagen.
Szczegółowe informacje o etapach wprowadzania (zwłaszcza o przypadkach użycia i fakturowaniu) znajdziesz w artykule Wzory wersji i nazwy modeli.
Imagen 3 nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
imagen-3.0-generate-002 |
najnowsza stabilna wersja aplikacji Imagen 3, | Stabilny | 2025-01-23 | Nie wcześniej niż 23.01.2026 |
imagen-3.0-generate-001 2 |
Pierwsza stabilna wersja Imagen 3 | Stabilny | 2024-07-31 | Nie wcześniej niż 31.07.2025 |
Imagen 3 Fast nazwy modeli
| Nazwa modelu | Opis | Etap udostępniania | Data premiery | Data przejścia na emeryturę |
|---|---|---|---|---|
imagen-3.0-fast-generate-001 2 |
Pierwsza stabilna wersja Imagen 3 Fast | Stabilny | 2024-07-31 | Nie wcześniej niż 31.07.2025 |
2 Nieobsługiwane przez Gemini Developer API niezależnie od sposobu uzyskiwania dostępu do interfejsu API.
Obsługiwane języki
Gemini
Wszystkie modele Gemini mogą rozumieć i odpowiadać 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), Amharic (am), Assamese (as), Azerbaijani (az), Belarusian (be), Bosnian (bs), Catalan (ca), Cebuano (ceb), Corsican (co), Welsh (cy), Dhivehi (dv), Esperanto (eo), Basque (eu), Persian (fa), Filipino (Tagalog) (fil), Frisian (fy), Irish (ga), Scots Gaelic (gd), Galician (gl), Gujarati (gu), Hausa (ha), Hawaiian (haw), Hmong (hmn), Haitian Creole (ht), Armenian (hy), Igbo (ig), Icelandic (is), Javanese (jv), Georgian (ka), Kazakh (kk), Khmer (km), Kannada (kn), Krio (kri), Kurdish (ku), Kyrgyz (ky), Latin (la), Luxembourgish (lb), Lao (lo), Malagasy (mg), Maori (mi), Macedonian (mk), Malayalam (ml), Mongolian (mn), Meiteilon (Manipuri) (mni-Mtei), Marathi (mr), Malay (ms), Maltese (mt), Myanmar (Burmese) (my), Nepali (ne), Nyanja (Chichewa) (ny), Odia (Oriya) (or), Punjabi (pa), Pashto (ps), Sindhi (sd), Sinhala (Sinhalese) (si), Samoan (sm), Shona (sn), Somali (so), Albanian (sq), Sesotho (st), Sundanese (su), Tamil (ta), Telugu (te), Tajik (tg), Uyghur (ug), Urdu (ur), Uzbek (uz), Xhosa (xh), Yiddish (yi), Yoruba (yo), Zulu (zu)
Imagen
Ogólna dostępność: angielski
Podgląd: chiński (uproszczony), chiński (tradycyjny), hindi, japoński, koreański, portugalski, hiszpański
Informacje o starszych modelach
Firebase AI Logic obsługuje starsze aktywne modele Gemini (np. modele Gemini 1.5).
Firebase AI Logic nie obsługuje starszych modeli Imagen (takich jak Imagen 2).
| Model | Dane wejściowe | Wyniki | Zoptymalizowany dla |
|---|---|---|---|
Gemini 1.5 Progemini-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 Flashgemini-1.5-flash-002 |
tekst, kod, pliki PDF, obrazy, filmy, dźwięk | tekst, kod, JSON | Zapewnia szybkie i wszechstronne działanie w różnych zastosowaniach |
gemini-1.0-pro-vision-001 |
|
||
gemini-1.0-pro-002 |
|
Dalsze kroki
Poznaj możliwości Gemini API
- tworzyć rozmowy wieloetapowe (czat);
- generować tekst na podstawie promptów tekstowych,
- generować tekst, wyświetlając prompty z różnymi typami plików, takimi jak obrazy, pliki PDF, filmy i dźwięk;
- generować uporządkowane dane wyjściowe (np. w formacie JSON) zarówno na podstawie promptów tekstowych, jak i promptów multimodalnych;
- generować obrazy na podstawie promptów tekstowych;
- przesyłać dane wejściowe i wyjściowe (w tym dźwięk) za pomocą urządzenia Gemini Live API;
- Użyj funkcji wywoływania, aby połączyć modele generatywne z zewnętrznymi systemami i informacjami.