אם אתם משתמשים חדשים ב-Gemini, הדרך המהירה ביותר להתחיל היא באמצעות המדריך למתחילים.
עם זאת, ככל שפתרונות ה-AI הגנרטיבי שלכם יתפתחו, יכול להיות שתצטרכו פלטפורמה ליצירה ולפריסה של אפליקציות ופתרונות של AI גנרטיבי מקצה לקצה. ב-Google Cloud יש סביבה עסקית מקיפה של כלים שמאפשרים למפתחים למנף את הכוח של AI גנרטיבי, החל מהשלבים הראשונים של פיתוח האפליקציה ועד לפריסת האפליקציה, לאירוח אפליקציות וניהול נתונים מורכבים בקנה מידה רחב.
פלטפורמת Vertex AI ב-Google Cloud מציעה חבילת כלים של MLOps לייעול השימוש, הפריסה והמעקב אחרי מודלים של AI ליעילות ואמינות. בנוסף, שילובים עם מסדי נתונים, כלי DevOps, רישום ביומן, מעקב ו-IAM מספקים גישה הוליסטית לניהול כל מחזור החיים של הבינה המלאכותית הגנרטיבית.
הטבלה הבאה מציגה סיכום של ההבדלים העיקריים בין ה-AI של Google ל-Vertex AI כדי לעזור לכם להחליט איזו אפשרות מתאימה לתרחיש לדוגמה שלכם:
תכונות | Google AI Gemini API | Google Cloud Vertex AI Gemini API |
---|---|---|
הדגמים האחרונים של Gemini | Gemini Pro ו-Gemini Ultra | Gemini Pro ו-Gemini Ultra |
הרשמה | חשבון Google | חשבון Google Cloud (עם הסכם תנאים וחיוב) |
אימות | מפתח API | חשבון השירות ב-Google Cloud |
מגרש משחקים של ממשק המשתמש | Google AI Studio | Vertex AI Studio |
API ו-SDK | Python, Node.js, Android (Kotlin/Java), Swift, Go | ה-SDK תומך ב-Python, Node.js, Java ו-Go |
תוכנית ללא תשלום | כן | זיכוי בסך 300$ ב-Google Cloud למשתמשים חדשים |
מכסה (בקשה לדקה) | 60 (אפשר לבקש הגדלה) | הגדלה לפי בקשה (ברירת מחדל: 60) |
תמיכה לארגונים | לא |
מפתח הצפנה של לקוח ענן וירטואלי פרטי מיקום נתונים גישה לשקיפות תשתית ניתנת להתאמה לאירוח אפליקציות מסדי נתונים ואחסון נתונים |
MLOps | לא | MLOps מלאים ב-Vertex AI (דוגמאות: הערכת מודלים, Model Monitoring, Registry) |
במאמר פיתוח אפליקציה ל-AI גנרטיבי ב-Google Cloud מוסבר אילו מוצרים, מסגרות וכלים הם המתאימים ביותר לפיתוח אפליקציה של AI גנרטיבי ב-Google Cloud.
מעבר מ-Gemini ב-Google AI ל-Vertex AI
אם האפליקציה שלכם משתמשת ב-Google AI Gemini APIs, תצטרכו לעבור ל-Vertex AI Gemini APIs של Google Cloud.
בזמן ההעברה:
אפשר להשתמש בפרויקט הקיים ב-Google Cloud (אותו פרויקט שבו השתמשתם כדי ליצור את מפתח ה-API) או ליצור פרויקט חדש ב-Google Cloud.
האזורים הנתמכים עשויים להשתנות בין Google AI Studio לבין Vertex AI. כאן אפשר למצוא רשימה של האזורים הנתמכים ל-AI גנרטיבי ב-Google Cloud.
צריך לאמן מחדש את כל המודלים שיצרתם ב-Google AI Studio ב-Vertex AI.
Python: מעבר מ-Google AI Gemini API ל-Vertex AI Gemini API
בקטעים הבאים מוצגים קטעי קוד שיעזרו לכם להעביר את קוד Python לשימוש ב-Vertex AI Gemini API.
הגדרה של Vertex AI Python SDK
ב-Vertex AI לא צריך מפתח API. במקום זאת, Gemini ב-Vertex AI מנוהל באמצעות גישה ל-IAM, ששולט בהרשאה של המשתמש, הקבוצה או חשבון השירות לבצע קריאה ל-Gemini API דרך Vertex AI SDK.
יש הרבה דרכים לבצע אימות, אבל השיטה הקלה ביותר לאימות בסביבת פיתוח היא להתקין את ה-CLI של Google Cloud ואז להשתמש בפרטי הכניסה של המשתמש כדי להיכנס ל-CLI.
כדי להסיק קריאות ל-Vertex AI, צריך גם לוודא שלמשתמש או לחשבון השירות שלכם יש תפקיד משתמש ב-Vertex AI.
דוגמה לקוד להתקנת הלקוח
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת טקסט מהנחיה בטקסט
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת טקסט מטקסט ומתמונה
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת צ'אט מרובה פניות
AI מבית Google | Vertex AI |
---|---|
|
|
מחיקת מפתחות API שאינם בשימוש
אם אתם כבר לא צריכים להשתמש במפתח Google AI Gemini API, מומלץ לפעול לפי השיטות המומלצות בנושא אבטחה ולמחוק אותו.
השלבים הבאים
- בסקירה הכללית על Vertex AI תוכלו לקרוא מידע נוסף על פתרונות של בינה מלאכותית גנרטיבית ב-Vertex AI.
- מתעמקים ב-Vertex AI Gemini API.