Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Wenn Ihre Gemini API-Anwendungen besser werden, benötigen Sie möglicherweise eine umfassendere Plattform für die Erstellung und Bereitstellung von generativen KI-Anwendungen und -Lösungen.
Vertex AI bietet ein umfassendes Ökosystem von Tools, mit denen Entwickler das Potenzial der generativen KI nutzen können – von den ersten Phasen der App-Entwicklung bis zur App-Bereitstellung, zum App-Hosting und zur Verwaltung komplexer Daten im großen Maßstab.
Mit Vertex AI erhalten Sie Zugriff auf eine Reihe von MLOps-Tools (Machine Learning Operations), mit denen Sie die Nutzung, Bereitstellung und Überwachung von KI-Modellen im Hinblick auf Effizienz und Zuverlässigkeit optimieren können. Darüber hinaus bieten Integrationen mit Datenbanken, DevOps-Tools (Development Operations), Logging, Monitoring und IAM einen umfassenden Ansatz für die Verwaltung des gesamten Lebenszyklus der generativen KI.
Unterschiede zwischen der Verwendung der Gemini API und Vertex AI
In der folgenden Tabelle sind die Hauptunterschiede zwischen der Gemini API und Vertex AI zusammengefasst, damit Sie entscheiden können, welche Option für Ihren Anwendungsfall am besten ist:
Feature
Gemini API
Vertex AI
Endpunktnamen
generativelanguage.googleapis.com
aiplatform.googleapis.com
Registrieren
Google-Konto
Google Cloud -Konto (mit Nutzungsbedingungen und Abrechnung)
Vom Kunden bereitgestellter Verschlüsselungsschlüssel
Virtual Private Cloud
Datenstandort
Access Transparency
Skalierbare Infrastruktur für das Anwendungshosting
Datenbanken und Datenspeicherung
MLOps
Nein
Vollständige MLOps in Vertex AI (z. B. Modellbewertung, Modellüberwachung, Model Registry)
Migrationsschritte
In den folgenden Abschnitten werden die Schritte beschrieben, die zum Migrieren Ihres Gemini API-Codes zu Vertex AI erforderlich sind. Bei diesen Schritten wird davon ausgegangen, dass Sie Prompt-Daten aus Google AI Studio in Google Drive gespeichert haben.
Bei der Migration zu Vertex AI gilt Folgendes:
Sie können Ihr vorhandenes Google Cloud Projekt verwenden (das, mit dem Sie Ihren Gemini API-Schlüssel generiert haben) oder
ein neuesGoogle Cloud Projekt erstellen.
Alle Modelle, die Sie in Google AI Studio erstellt haben, müssen in Vertex AI neu trainiert werden.
1. Prompts zu Vertex AI Studio migrieren
Die Daten Ihrer Google AI Studio-Prompts werden in einem Google Drive-Ordner gespeichert. In diesem Abschnitt wird gezeigt, wie Sie Ihre Prompts zu Vertex AI Studio migrieren.
Klicken Sie im Menü Vertex AI auf Letzte > Alle ansehen, um das Menü Prompt-Verwaltung zu öffnen.
Klicken Sie auf downloadPrompt importieren.
Klicken Sie neben dem Feld Aufforderungsdatei auf Durchsuchen und wählen Sie eine Aufforderung aus Ihrem lokalen Verzeichnis aus.
Wenn Sie Prompts im Bulk hochladen möchten, müssen Sie sie manuell in einer einzigen JSON-Datei zusammenführen.
Klicken Sie auf Hochladen.
2. Trainingsdaten in Vertex AI Studio hochladen
Wenn Sie Ihre Trainingsdaten zu Vertex AI migrieren möchten, müssen Sie die Daten in einen Cloud Storage-Bucket hochladen. Weitere Informationen finden Sie unter Einführung in das Tuning .
3. Nicht verwendete API-Schlüssel löschen
Wenn Sie Ihren Gemini API-Schlüssel für die Gemini Developer API nicht mehr benötigen, folgen Sie den Best Practices für die Sicherheit und löschen Sie ihn.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-10 (UTC)."],[],[],null,["As your [Gemini API](https://ai.google.dev/gemini-api/docs)\napplications mature, you might find that you need a more expansive platform for\nbuilding and deploying generative AI applications and solutions end-to-end.\nVertex AI provides a comprehensive ecosystem of tools to enable\ndevelopers to harness the power of generative AI, from the initial stages of app\ndevelopment to app deployment, app hosting, and managing complex data at scale.\n\nWith Vertex AI, you get access to a suite of Machine Learning\nOperations (MLOps) tools to streamline usage, deployment, and monitoring of AI\nmodels for efficiency and reliability. Additionally, integrations with\ndatabases, Development Operations (DevOps) tools, logging, monitoring, and\nIAM offer a comprehensive approach to managing the entire\ngenerative AI lifecycle.\n\nDifferences between using the Gemini API on its own and Vertex AI\n\nThe following table summarizes the main differences between the\nGemini API and Vertex AI to help you decide which option is\nright for your use case:\n\n| **Feature** | **Gemini API** | **Vertex AI** |\n| Endpoint names | `generativelanguage.googleapis.com` | `aiplatform.googleapis.com` |\n| Sign up | Google Account | Google Cloud account (with terms agreement and billing) |\n| Authentication | API key | Google Cloud service account |\n| User interface playground | Google AI Studio | Vertex AI Studio |\n|-----------------------------|---------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| API \\& SDK | Server and mobile/web client SDKs - Server: Python, Node.js, Go, Dart, ABAP - Mobile/Web client: Android (Kotlin/Java), Swift, Web, Flutter | Server and mobile/web client SDKs - Server: Python, Node.js, Go, Java, ABAP - Mobile/Web client (via [Vertex AI in Firebase](https://firebase.google.com/docs/vertex-ai)): Android (Kotlin/Java), Swift, Web, Flutter |\n| No-cost usage of API \\& SDK | Yes, [where applicable](https://ai.google.dev/gemini-api/docs/billing#is-Gemini-free-in-EEA-UK-CH) | $300 Google Cloud credit for new users |\n| Quota (requests per minute) | Varies based on model and pricing plan (see [detailed information](https://ai.google.dev/pricing)) | Varies based on model and region (see [detailed information](/vertex-ai/generative-ai/docs/quotas)) |\n| Enterprise support | No | - Customer encryption key - Virtual private cloud - Data residency - Access transparency - Scalable infrastructure for application hosting - Databases and data storage |\n| MLOps | No | Full MLOps on Vertex AI (examples: model evaluation, Model Monitoring, Model Registry) |\n\nMigration steps\n\nThe following sections cover the steps required to migrate your Gemini\nAPI code to Vertex AI. These steps assume you have prompt data from\nGoogle AI Studio saved in Google Drive.\n\nWhen migrating to Vertex AI:\n\n- You can use your existing Google Cloud project (the same one you used to generate your Gemini API key) or you can create a new [Google Cloud project](/resource-manager/docs/creating-managing-projects).\n- Supported regions might differ between the Gemini API and Vertex AI. See the list of [supported regions for generative\n AI on Google Cloud](/vertex-ai/generative-ai/docs/learn/locations).\n- Any models you created in Google AI Studio need to be retrained in Vertex AI.\n\n1. Migrate your prompts to Vertex AI Studio\n\nYour Google AI Studio prompt data is saved in a Google Drive folder. This\nsection shows how to migrate your prompts to Vertex AI Studio.\n\n1. Open [Google Drive](https://drive.google.com).\n2. Navigate to the **AI_Studio** folder where the prompts are stored.\n3. Download your prompts from Google Drive to a local directory.\n\n | **Note:** Prompts downloaded from Google Drive are in the text (`txt`) format. Before you upload them to Vertex AI Studio, change the file extensions from `.txt` to `.json` to convert them to JSON files.\n4. Open [Vertex AI Studio](https://console.cloud.google.com/vertex-ai/generative) in the Google Cloud console.\n\n5. In the **Vertex AI** menu, click **Recents \\\u003e View all** to open the\n **Prompt management** menu.\n\n6. Click download**Import prompt**.\n\n7. Next to the **Prompt file** field, click **Browse** and select a prompt\n from your local directory.\n\n To upload prompts in bulk, you must manually combine your prompts into a\n single JSON file.\n8. Click **Upload**.\n\n2. Upload training data to Vertex AI Studio\n\nTo migrate your training data to Vertex AI, you need to upload your\ndata to a Cloud Storage bucket. For more information, see\n[Introduction to tuning](/vertex-ai/generative-ai/docs/models/tune-models).\n\n3. Delete unused API Keys\n\nIf you no longer need to use your Gemini API key for the\nGemini Developer API, then follow security best practices and delete\nit.\n\nTo delete an API key:\n\n1. Open the [Google Cloud API Credentials](https://console.cloud.google.com/apis/credentials)\n page.\n\n2. Find the API key that you want to delete and click the **Actions** icon.\n\n3. Select **Delete API key**.\n\n4. In the **Delete credential** modal, select **Delete**.\n\n Deleting an API key takes a few minutes to propagate. After propagation\n completes, any traffic using the deleted API key is rejected.\n\n| **Important:** If you delete a key that's still used in production and need to recover it, see [`gcloud beta services api-keys\n| undelete`](/sdk/gcloud/reference/beta/services/api-keys/undelete).\n\nWhat's next\n\n- Try a quickstart tutorial using [Vertex AI Studio](/vertex-ai/generative-ai/docs/start/quickstarts/quickstart) or the [Vertex AI API](/vertex-ai/generative-ai/docs/start/quickstarts/quickstart-multimodal)."]]
