Crea con Gemini su Google Cloud

Se non hai mai utilizzato Gemini, le guide rapide sono il modo più rapido per iniziare.

Tuttavia, man mano che le tue soluzioni di IA generativa maturano, potresti aver bisogno di una piattaforma per la creazione e il deployment end-to-end di applicazioni e soluzioni di IA generativa. Google Cloud fornisce un ecosistema completo di strumenti per consentire agli sviluppatori di sfruttare la potenza dell'IA generativa, dalle fasi iniziali dello sviluppo delle app al deployment delle app, all'hosting delle app e alla gestione di dati complessi su larga scala.

La piattaforma Vertex AI di Google Cloud offre una suite di strumenti MLOps che semplificano l'utilizzo, il deployment e il monitoraggio dei modelli di AI per una maggiore efficienza e affidabilità. Inoltre, le integrazioni con database, strumenti DevOps, logging, monitoraggio e IAM forniscono un approccio olistico alla gestione dell'intero ciclo di vita dell'IA generativa.

La seguente tabella riassume le principali differenze tra l'IA di Google e Vertex AI per aiutarti a scegliere l'opzione giusta per il tuo caso d'uso:

Funzionalità API Google AI Gemini API Vertex AI Gemini di Google Cloud
Ultimi modelli Gemini Gemini Pro e Gemini Ultra Gemini Pro e Gemini Ultra
Registrati Account Google Account Google Cloud (con contratto sui termini e fatturazione)
Autenticazione Chiave API Account di servizio Google Cloud
Playground dell'interfaccia utente Google AI Studio Vertex AI Studio
API e SDK Python, Node.js, Android (Kotlin/Java), Swift, Go L'SDK supporta Python, Node.js, Java, Go
Livello senza costi Sì 300 $ di credito Google Cloud per i nuovi utenti
Quota (richiesta al minuto) 60 (può richiedere un aumento) Aumento su richiesta (valore predefinito: 60)
Supporto per le aziende No Chiave di crittografia del cliente
Virtual Private Cloud
Residenza dei dati
Trasparenza degli accessi
Infrastruttura scalabile per l'hosting di applicazioni
Database e archiviazione dei dati
MLOps No MLOps completo su Vertex AI (esempi: valutazione del modello, monitoraggio dei modelli, registro dei modelli)

Per scoprire quali prodotti, framework e strumenti sono più adatti per creare la tua applicazione di IA generativa su Google Cloud, consulta Creare un'applicazione di IA generativa su Google Cloud.

Esegui la migrazione da Gemini sull'IA di Google a Vertex AI

Se la tua applicazione utilizza le API Google AI Gemini, devi eseguire la migrazione alle API Vertex AI Gemini di Google Cloud.

Quando esegui la migrazione:

Python: esegui la migrazione dall'API Google AI Gemini all'API Vertex AI Gemini

Le seguenti sezioni mostrano gli snippet di codice utili per la migrazione del codice Python per utilizzare l'API Vertex AI Gemini.

Configurazione dell'SDK Python di Vertex AI

In Vertex AI non è necessaria una chiave API. Gemini su Vertex AI viene gestito utilizzando l'accesso IAM, che controlla l'autorizzazione di un utente, un gruppo o un account di servizio a chiamare l'API Gemini tramite l'SDK Vertex AI.

Anche se esistono molti modi per eseguire l'autenticazione, il metodo più semplice per eseguire l'autenticazione in un ambiente di sviluppo è installare Google Cloud CLI e utilizzare le tue credenziali utente per accedere all'interfaccia a riga di comando.

Per effettuare chiamate di inferenza a Vertex AI, devi anche assicurarti che il tuo account utente o di servizio abbia il ruolo Utente Vertex AI.

Esempio di codice per installare il client

IA di Google Vertex AI 
# To install the Python SDK, use this CLI command:
# pip install google-generativeai

from google.generativeai import GenerativeModel
from google.colab import userdata

genai.configure(userdata.get('API_KEY'))
        
# To install the Python SDK, use this CLI command:
# pip install google-cloud-aiplatform

import vertexai
from vertexai.generative_models
          import GenerativeModel, Image

PROJECT_ID = ""
REGION = ""  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)

Esempio di codice per generare testo da un prompt di testo

IA di Google Vertex AI 
model = GenerativeModel('gemini-1.0-pro')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.0-pro')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.

Esempio di codice per generare testo da testo e immagine

IA di Google Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel('gemini-1.0-pro-vision')

image = PIL.Image.open('image.jpg')

response = multimodal_model.generate_content(['What is this picture?', image])
print(response.text) # A cat is shown in this picture.
        
multimodal_model = GenerativeModel("gemini-1.0-pro-vision")

image = Image.load_from_file("image.jpg")

response = multimodal_model.generate_content(["What is shown in this image?", image])

print(response.text) # A cat is shown in this picture.

Esempio di codice per generare una chat multi-turno

IA di Google Vertex AI 
model = GenerativeModel('gemini-1.0-pro')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.0-pro")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)

Elimina le chiavi API inutilizzate

Se non hai più bisogno di utilizzare la chiave API Google AI Gemini, segui le best practice per la sicurezza ed eliminala.

Passaggi successivi