Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
A medida que tus aplicaciones de la API de Gemini evolucionen, es posible que necesites una plataforma más amplia para compilar y, luego, implementar aplicaciones y soluciones de IA generativa de extremo a extremo.
Vertex AI proporciona un ecosistema integral de herramientas para que los desarrolladores puedan aprovechar la potencia de la IA generativa, desde las etapas iniciales del desarrollo de apps hasta la implementación de apps, el hosting de apps y la administración de datos complejos a gran escala.
Con Vertex AI, obtienes acceso a un conjunto de herramientas de Operaciones de aprendizaje automático (MLOps) para optimizar el uso, la implementación y la supervisión de los modelos de IA para lograr eficiencia y confiabilidad. Además, las integraciones con bases de datos, herramientas de Operaciones de desarrollo (DevOps), registro, supervisión y IAM ofrecen un enfoque integral para administrar todo el ciclo de vida de la IA generativa.
Diferencias entre usar la API de Gemini por sí sola y Vertex AI
En la siguiente tabla, se resumen las principales diferencias entre la API de Gemini y Vertex AI para ayudarte a decidir qué opción es adecuada para tu caso de uso:
Función
API de Gemini
Vertex AI
Nombres de extremos
generativelanguage.googleapis.com
aiplatform.googleapis.com
Registrarse
Cuenta de Google
Cuenta deGoogle Cloud (con acuerdo de condiciones y facturación)
Autenticación
Clave de API
Cuenta de servicio deGoogle Cloud
Zona de pruebas de la interfaz de usuario
Google AI Studio
Vertex AI Studio
API y SDK
SDK de clientes para la Web y dispositivos móviles
Servidor: Python, Node.js, Go, Dart y ABAP
Cliente web o para dispositivos móviles: Android (Kotlin/Java), Swift, Web y Flutter
SDK de clientes para la Web y dispositivos móviles
Servidor: Python, Node.js, Go, Java y ABAP
Cliente web o para dispositivos móviles (a través de Vertex AI in Firebase): Android (Kotlin/Java), Swift, Web y Flutter
Infraestructura escalable para el hosting de aplicaciones
Bases de datos y almacenamiento de datos
MLOps
No
MLOps completas en Vertex AI (ejemplos: evaluación de modelos, supervisión de modelos y Model Registry)
Pasos para la migración
En las siguientes secciones, se describen los pasos necesarios para migrar tu código de la API de Gemini a Vertex AI. En estos pasos, se supone que tienes datos de mensajes de Google AI Studio guardados en Google Drive.
Cuando migres a Vertex AI, ten en cuenta lo siguiente:
Puedes usar tu proyecto existente de Google Cloud (el mismo que usaste para generar tu clave de API de Gemini) o puedes crear un proyecto nuevo de
Google Cloud .
Todos los modelos que creaste en Google AI Studio deben volver a entrenarse en Vertex AI.
1. Migra tus instrucciones a Vertex AI Studio
Los datos de los mensajes de Google AI Studio se guardan en una carpeta de Google Drive. En esta sección, se muestra cómo migrar tus mensajes a Vertex AI Studio.
En el menú de Vertex AI, haz clic en Recientes > Ver todo para abrir el menú de Administración de instrucciones.
Haz clic en downloadImportar mensaje.
Junto al campo Archivo de instrucciones, haz clic en Explorar y selecciona una instrucción de tu directorio local.
Para subir mensajes de forma masiva, debes combinar manualmente tus mensajes en un solo archivo JSON.
Haz clic en Subir.
2. Sube datos de entrenamiento a Vertex AI Studio
Para migrar tus datos de entrenamiento a Vertex AI, debes subirlos a un bucket de Cloud Storage. Para obtener más información, consulta Introducción al ajuste .
3. Borra claves de API sin usar
Si ya no necesitas usar tu clave de la API de Gemini para la API para desarrolladores de Gemini, sigue las prácticas recomendadas de seguridad y bórrala.
Busca la clave de API que deseas borrar y haz clic en el ícono Acciones.
Selecciona Borrar clave de API.
En la ventana modal Borrar credencial, selecciona Borrar.
Borrar una clave de API por completo demora algunos minutos. Una vez que finalice este proceso, el tráfico que use la clave de API borrada se rechazará.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 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)."]]
