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 creare e eseguire il deployment di applicazioni e soluzioni di IA generativa end-to-end. Google Cloud offre 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 IA per garantire 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 tabella seguente riassume le principali differenze tra Google AI e Vertex AI per aiutarti a decidere quale opzione è adatta al tuo caso d'uso:

Funzionalità API Gemini dell'IA di Google API Gemini Vertex AI di Google Cloud
Modelli Gemini più recenti 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 interfaccia utente Google AI Studio Vertex AI Studio
API e SDK Python, Node.js, Android (Kotlin/Java), Swift, Go SDK supporta Python, Node.js, Java e Go
Livello senza costi Sì 300 $ di credito Google Cloud per i nuovi utenti
Quota (richiesta al minuto) 60 (può richiedere un aumento) Aumenta su richiesta (valore predefinito: 60)
Supporto per le aziende No Chiave di crittografia del cliente
Cloud privato virtuale
Residenza dei dati
Trasparenza degli accessi
Infrastruttura scalabile per l'hosting di applicazioni
Database e archiviazione dati
MLOps Nessuna MLOps complete su Vertex AI (esempi: valutazione del modello, monitoraggio del modello, registro dei modelli)

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

Migrazione da Gemini su Google AI a Vertex AI

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

Quando esegui la migrazione:

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

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

Configurazione dell'SDK Python per Vertex AI

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

Sebbene esistano diversi modi per eseguire l'autenticazione, il metodo più semplice per l'autenticazione in un ambiente di sviluppo è installare Google Cloud CLI, quindi 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

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

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY=""
genai.configure(api_key=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

Google AI Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        
model = GenerativeModel('gemini-1.5-flash')

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

Google AI Vertex AI 
import PIL.Image

multimodal_model = GenerativeModel('gemini-1.5-flash')

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-1.5-flash")

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 a turni multipli

Google AI Vertex AI 
model = GenerativeModel('gemini-1.5-flash')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        
model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

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

Elimina chiavi API inutilizzate

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

Per eliminare una chiave API:

  1. Apri la pagina Credenziali API di Google Cloud.

  2. Trova la chiave API che vuoi eliminare e fai clic sull'icona Azioni.

  3. Seleziona Elimina chiave API.

  4. Nella finestra modale Elimina credenziale, seleziona Elimina.

    L'eliminazione di una chiave API richiede alcuni minuti per la propagazione. Una volta completata la propagazione, il traffico che utilizza la chiave API eliminata viene rifiutato.

Passaggi successivi