אם זו הפעם הראשונה שאתם משתמשים ב-Gemini, השימוש במדריך למתחילים הוא הדרך המהירה ביותר להתחיל בעבודה.
עם זאת, ככל שפתרונות ה-AI הגנרטיבי שלכם יתבגרו, ייתכן שתזדקקו לפלטפורמה ליצירה ולפריסה של אפליקציות ופתרונות של בינה מלאכותית גנרטיבית מקצה לקצה. Google Cloud מספק סביבה עסקית מקיפה של כלים שמאפשרים למפתחים לנצל את העוצמה של AI גנרטיבי, החל מהשלבים הראשונים של פיתוח האפליקציה, ועד פריסת האפליקציה, אירוח האפליקציות וניהול של נתונים מורכבים בקנה מידה נרחב.
פלטפורמת Vertex AI של Google Cloud מציעה חבילה של כלי MLOps שמייעלים את השימוש במודלים של AI, את הפריסה שלהם ואת המעקב אחריהם כדי לשפר את היעילות והאמינות. בנוסף, שילובים עם מסדי נתונים, כלי DevOps, רישום ביומן, מעקב ו-IAM מספקים גישה הוליסטית לניהול כל מחזור החיים של AI גנרטיבי.
בטבלה הבאה מוצג סיכום של ההבדלים העיקריים בין AI מבית Google לבין Vertex AI כדי לעזור לכם להחליט איזו אפשרות מתאימה לתרחיש שלכם לדוגמה:
תכונות | Gemini ב-AI מבית Google | Google Cloud Vertex AI Gemini API |
---|---|---|
המודלים 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 שירות 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 | ערכת ה-SDK תומכת ב-Python, ב-Node.js, ב-Java, ב-Go |
רמת חברות 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 (VPC) מיקום נתונים שקיפות גישה תשתית ניתנת להרחבה לאירוח אפליקציות מסדי נתונים ואחסון נתונים |
MLOps | לא | MLOps מלא ב-Vertex AI (דוגמאות: הערכת מודלים, Model Monitoring, Model Registry) |
במאמר פיתוח אפליקציה ל-AI גנרטיבי ב-Google Cloud מוסבר אילו מוצרים, frameworks וכלים הכי מתאימים לפיתוח אפליקציית ה-AI הגנרטיבי ב-Google Cloud.
מעבר מ-Gemini ב-AI מבית Google ל-Vertex AI
אם האפליקציה שלכם מתבססת על ממשקי ה-API של Gemini ב-Google AI, תצטרכו לעבור לממשקי ה-API של Vertex AI Gemini של Google Cloud.
בעת ההעברה:
אתם יכולים להשתמש בפרויקט הקיים ב-Google Cloud (זה הפרויקט שבו השתמשתם כדי ליצור את מפתח ה-API) או ליצור פרויקט חדש ב-Google Cloud.
ייתכן שיהיו הבדלים בין האזורים הנתמכים בין Google AI Studio לבין Vertex AI. רשימת האזורים הנתמכים ב-AI גנרטיבי ב-Google Cloud
כל מודל שיצרתם ב-Google AI Studio צריך לעבור אימון מחדש 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.
הגדרת Vertex AI Python SDK
ב-Vertex AI לא צריך מפתח API. במקום זאת, Gemini ב-Vertex AI מנוהל באמצעות גישה ב-IAM, ששולטת בהרשאות של משתמש, קבוצה או חשבון שירות לקריאה ל-Gemini API דרך Vertex AI SDK.
יש הרבה דרכים לבצע אימות, אבל השיטה הקלה ביותר לאימות בסביבת פיתוח היא להתקין את Google Cloud CLI, ואז להיכנס ל-CLI באמצעות פרטי הכניסה של המשתמש.
כדי לבצע קריאות הסקת מסקנות ל-Vertex AI, אתם צריכים גם לוודא שלחשבון המשתמש 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 עם מספר פניות
AI מבית Google | Vertex AI |
---|---|
|
|
מחיקת מפתחות API שלא בשימוש
אם אתם לא צריכים יותר להשתמש במפתח Gemini API של Google AI, כדאי לפעול לפי השיטות המומלצות בנושא אבטחה ולמחוק אותו.
כדי למחוק מפתח API:
פותחים את הדף Google Cloud API Credentials.
מאתרים את מפתח ה-API שרוצים למחוק ולוחצים על הסמל Actions (פעולות).
בוחרים באפשרות Delete API key.
בחלון מחיקת פרטי הכניסה, בוחרים באפשרות מחיקה.
המחיקה של מפתח API נמשכת כמה דקות. בסיום ההפצה, כל תעבורת הנתונים שמשתמשת במפתח ה-API שנמחק נדחית.
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.