ถ้าคุณเพิ่งเริ่มใช้ Gemini การใช้การเริ่มต้นอย่างรวดเร็วเป็นวิธีเริ่มต้นที่เร็วที่สุด
อย่างไรก็ตาม เมื่อโซลูชัน Generative AI เติบโตเต็มที่แล้ว คุณอาจต้องมีแพลตฟอร์มสำหรับการสร้างและทำให้แอปพลิเคชันและโซลูชัน Generative AI ใช้งานได้ตั้งแต่ต้นจนจบ Google Cloud มีระบบนิเวศเครื่องมือที่ครอบคลุมเพื่อให้นักพัฒนาซอฟต์แวร์ได้ใช้ประโยชน์จากศักยภาพของ Generative AI ตั้งแต่ขั้นตอนแรกของการพัฒนาแอปไปจนถึงการทำให้แอปใช้งานได้ การโฮสต์แอป และการจัดการข้อมูลที่ซับซ้อนในวงกว้าง
แพลตฟอร์ม Vertex AI ของ Google Cloud มีชุดเครื่องมือ MLOps ที่เพิ่มประสิทธิภาพการใช้งาน การติดตั้งใช้งาน และการตรวจสอบโมเดล AI เพื่อประสิทธิภาพและความเสถียร นอกจากนี้ การผสานรวมกับฐานข้อมูล, เครื่องมือ DevOps, การบันทึก, การตรวจสอบ และ IAM ยังมอบแนวทางแบบองค์รวมในการจัดการวงจร Generative AI ทั้งหมด
ตารางต่อไปนี้สรุปความแตกต่างหลักๆ ระหว่าง AI ของ Google กับ Vertex AI เพื่อช่วยให้คุณตัดสินใจได้ว่าตัวเลือกใดเหมาะกับกรณีการใช้งานของคุณ
ฟีเจอร์ | Gemini API ของ Google AI | Vertex AI Gemini API ของ Google Cloud |
---|---|---|
โมเดล Gemini ล่าสุด | Gemini Pro และ Gemini Ultra | Gemini Pro และ Gemini Ultra |
ลงชื่อสมัคร | บัญชี Google | บัญชี Google Cloud (พร้อมข้อตกลงเกี่ยวกับข้อกำหนดและการเรียกเก็บเงิน) |
การตรวจสอบสิทธิ์ | คีย์ API | บัญชีบริการ Google Cloud |
เพลย์กราวด์ของอินเทอร์เฟซผู้ใช้ | Google AI Studio | Vertex AI Studio |
API และ SDK | Python, Node.js, Android (Kotlin/Java), Swift, Go | SDK รองรับ Python, Node.js, Java, Go |
ระดับฟรี | ใช่ | เครดิต Google Cloud มูลค่า $300 สำหรับผู้ใช้ใหม่ |
โควต้า (คำขอต่อนาที) | 60 (ขอเพิ่มได้) | เพิ่มขึ้นตามคำขอ (ค่าเริ่มต้น: 60) |
การสนับสนุนสำหรับองค์กร | ไม่ได้ |
คีย์การเข้ารหัสลูกค้า Virtual Private Cloud ถิ่นที่อยู่ของข้อมูล ความโปร่งใสในการเข้าถึง โครงสร้างพื้นฐานที่รองรับการปรับขนาดสำหรับการโฮสต์แอปพลิเคชัน ฐานข้อมูลและพื้นที่เก็บข้อมูล |
MLOps | ไม่ | MLOps เต็มรูปแบบใน Vertex AI (เช่น การประเมินโมเดล การตรวจสอบโมเดล รีจิสทรีโมเดล) |
หากต้องการดูว่าผลิตภัณฑ์ เฟรมเวิร์ก และเครื่องมือใดเหมาะกับการสร้างแอปพลิเคชัน Generative AI บน Google Cloud มากที่สุด โปรดดูหัวข้อสร้างแอปพลิเคชัน Generative AI บน Google Cloud
ย้ายข้อมูลจาก Gemini บน AI ของ Google ไปยัง Vertex AI
หากแอปพลิเคชันใช้ Google AI Gemini API คุณจะต้องย้ายข้อมูลไปยัง Vertex AI Gemini API ของ Google Cloud
สิ่งที่จะเกิดขึ้นเมื่อย้ายข้อมูล
คุณจะใช้โปรเจ็กต์ Google Cloud ที่มีอยู่ (โปรเจ็กต์เดียวกับที่ใช้สร้างคีย์ API) หรือสร้างโปรเจ็กต์ Google Cloud ใหม่ก็ได้
ภูมิภาคที่รองรับระหว่าง Google AI Studio กับ Vertex AI อาจแตกต่างกัน ดูรายการภูมิภาคที่รองรับ Generative AI ใน Google Cloud
โมเดลที่คุณสร้างใน Google AI Studio ต้องได้รับการฝึกใน Vertex AI อีกครั้ง
Python: ย้ายข้อมูลจาก Google AI Gemini API ไปยัง Vertex AI Gemini API
ส่วนต่อไปนี้จะแสดงข้อมูลโค้ดเพื่อช่วยคุณในการย้ายข้อมูลโค้ด Python เพื่อใช้ Vertex AI Gemini API
การตั้งค่า Vertex AI Python SDK
ใน Vertex AI คุณไม่จำเป็นต้องใช้คีย์ API แต่ Gemini บน Vertex AI จะจัดการโดยใช้การเข้าถึง IAM แทน ซึ่งจะควบคุมสิทธิ์สำหรับผู้ใช้ กลุ่ม หรือบัญชีบริการในการเรียกใช้ Gemini API ผ่าน Vertex AI SDK
แม้ว่าจะมีวิธีตรวจสอบสิทธิ์หลายวิธี แต่วิธีที่ง่ายที่สุดในการตรวจสอบสิทธิ์ในสภาพแวดล้อมการพัฒนาคือติดตั้ง Google Cloud CLI จากนั้นใช้ข้อมูลเข้าสู่ระบบของผู้ใช้เพื่อลงชื่อเข้าใช้ CLI
หากต้องการเรียกใช้การอนุมานไปยัง Vertex AI คุณต้องตรวจสอบว่าผู้ใช้หรือบัญชีบริการมีบทบาทของผู้ใช้ Vertex AI
ตัวอย่างโค้ดสำหรับติดตั้งไคลเอ็นต์
AI ของ Google | Vertex AI |
---|---|
|
|
ตัวอย่างโค้ดสำหรับสร้างข้อความจากพรอมต์ข้อความ
AI ของ Google | Vertex AI |
---|---|
|
|
ตัวอย่างโค้ดสำหรับสร้างข้อความจากข้อความและรูปภาพ
AI ของ Google | Vertex AI |
---|---|
|
|
ตัวอย่างโค้ดสำหรับสร้างแชทแบบมัลติเทิร์น
AI ของ Google | Vertex AI |
---|---|
|
|
ลบคีย์ API ที่ไม่ได้ใช้
หากไม่จำเป็นต้องใช้คีย์ AI Gemini API ของ Google อีกต่อไป ให้ทำตามแนวทางปฏิบัติแนะนำด้านความปลอดภัยและลบคีย์ออก
ขั้นตอนถัดไป
- ดู ภาพรวมของ Vertex AI เพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับโซลูชัน Generative AI ใน Vertex AI
- สำรวจ Vertex AI Gemini API แบบเจาะลึก