A partir de 29 de abril de 2025, os modelos Gemini 1.5 Pro e Gemini 1.5 Flash não estarão disponíveis em projetos que não os usaram antes, incluindo novos projetos. Para mais detalhes, consulte Versões e ciclo de vida do modelo.
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
À medida que seus aplicativos da API Gemini evoluem, talvez você precise de uma plataforma mais abrangente para criar e implantar aplicativos e soluções de IA generativa de ponta a ponta.
A Vertex AI oferece um ecossistema abrangente de ferramentas para permitir que os desenvolvedores aproveitem o poder da IA generativa, desde os estágios iniciais de desenvolvimento de apps até a implantação e hospedagem de apps e o gerenciamento de dados complexos em escala.
Com a Vertex AI, você tem acesso a um conjunto de ferramentas de operações de machine learning (MLOps) para simplificar o uso, a implantação e o monitoramento de modelos de IA para eficiência e confiabilidade. Além disso, as integrações com bancos de dados, ferramentas de operações de desenvolvimento (DevOps), geração de registros, monitoramento e IAM oferecem uma abordagem abrangente para gerenciar todo o ciclo de vida da IA generativa.
Diferenças entre usar a API Gemini sozinha e a Vertex AI
A tabela a seguir resume as principais diferenças entre a
API Gemini e a Vertex AI para ajudar você a decidir qual opção é
adequada para seu caso de uso:
Recurso
API Gemini
Vertex AI
Nomes de endpoints
generativelanguage.googleapis.com
aiplatform.googleapis.com
Inscreva-se
Conta do Google
Conta doGoogle Cloud (com contrato e faturamento de termos)
Autenticação
Chave de API
Conta de serviço doGoogle Cloud
Playground de interface do usuário
o Google AI Studio;
Vertex AI Studio
API e SDK
SDKs de servidor e cliente para dispositivos móveis/Web
Servidor: Python, Node.js, Go, Dart, ABAP
Cliente para dispositivos móveis/Web: Android (Kotlin/Java), Swift, Web, Flutter
SDKs de servidor e cliente para dispositivos móveis/Web
Servidor: Python, Node.js, Go, Java, ABAP
Cliente para dispositivos móveis/Web (pela
Vertex AI no Firebase):
Android (Kotlin/Java), Swift, Web, Flutter
Infraestrutura escalonável para hospedagem de aplicativos
Bancos de dados e armazenamento de dados
MLOps
Não
MLOps completas na Vertex AI (exemplos: avaliação de modelo, monitoramento de modelos, registro de modelos)
Etapas da migração
As seções a seguir abordam as etapas necessárias para migrar seu código da API Gemini para a Vertex AI. Estas etapas pressupõem que você tem dados de comandos do
Google AI Studio salvos no Google Drive.
Ao migrar para a Vertex AI:
É possível usar seu projeto atual do Google Cloud (o mesmo usado para gerar a chave de API do Gemini) ou criar um novo
projeto doGoogle Cloud .
Todos os modelos criados no Google AI Studio precisam ser treinados novamente na Vertex AI.
1. Migrar seus comandos para o Vertex AI Studio
Os dados de comandos do Google AI Studio são salvos em uma pasta do Google Drive. Nesta seção, mostramos como migrar seus comandos para o Vertex AI Studio.
No menu Vertex AI, clique em Recentes > Ver tudo para abrir o menu Gerenciamento de comandos.
Clique em downloadImportar comando.
Ao lado do campo Arquivo de comandos, clique em Procurar e selecione um comando
no seu diretório local.
Para fazer upload em massa dos comandos, é necessário combinar manualmente os comandos em um único arquivo JSON.
Clique em Fazer upload.
2. fazer upload de dados de treinamento para o Vertex AI Studio;
Para migrar seus dados de treinamento para a Vertex AI, faça upload deles para um bucket do Cloud Storage. Para mais informações, consulte
Introdução ao ajuste .
3. Excluir chaves de API não usadas
Se você não precisar mais usar sua chave da API Gemini para a
API Gemini Developer, siga as práticas recomendadas de segurança e exclua
a chave.
Encontre a chave de API que você quer excluir e clique no ícone Ações.
Selecione Excluir chave de API.
No modal Excluir credencial, selecione Excluir.
A remoção de uma chave de API leva alguns minutos para ser propagada. Após a conclusão da propagação, todo tráfego que usar a chave de API excluída será recusado.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 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)."]]
