A partire dal 29 aprile 2025, i modelli Gemini 1.5 Pro e Gemini 1.5 Flash non sono disponibili nei progetti che non li hanno mai utilizzati, inclusi i nuovi progetti. Per maggiori dettagli, vedi Versioni e ciclo di vita dei modelli.
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Man mano che le tue applicazioni API Gemini maturano, potresti scoprire di aver bisogno di una piattaforma più ampia per creare e implementare applicazioni e soluzioni di AI generativa end-to-end.
Vertex AI fornisce un ecosistema completo di strumenti per consentire agli sviluppatori di sfruttare la potenza dell'AI generativa, dalle fasi iniziali dello sviluppo di app al deployment, all'hosting e alla gestione di dati complessi su larga scala.
Con Vertex AI, hai accesso a una suite di strumenti Machine Learning Operations (MLOps) per semplificare l'utilizzo, il deployment e il monitoraggio dei modelli di AI per efficienza e affidabilità. Inoltre, le integrazioni con database, strumenti DevOps (Development Operations), logging, monitoraggio e IAM offrono un approccio completo alla gestione dell'intero ciclo di vita dell'AI generativa.
Differenze tra l'utilizzo dell'API Gemini da sola e Vertex AI
La seguente tabella riepiloga le principali differenze tra l'API Gemini e Vertex AI per aiutarti a decidere quale opzione è più adatta al tuo caso d'uso:
Infrastruttura scalabile per l'hosting delle applicazioni
Database e archiviazione dei dati
MLOps
No
MLOps completo su Vertex AI (esempi: valutazione dei modelli, monitoraggio dei modelli, registro dei modelli)
Passi per la migrazione
Le sezioni seguenti descrivono i passaggi necessari per eseguire la migrazione del codice dell'API Gemini a Vertex AI. Questi passaggi presuppongono che tu abbia salvato i dati dei prompt di
Google AI Studio in Google Drive.
Quando esegui la migrazione a Vertex AI:
Puoi utilizzare il progetto Google Cloud esistente (lo stesso che hai utilizzato per generare la chiave API Gemini) o puoi creare un nuovo
Google Cloud progetto.
Tutti i modelli che hai creato in Google AI Studio devono essere riaddestrati in
Vertex AI.
1. Migrazione dei prompt a Vertex AI Studio
I dati dei prompt di Google AI Studio vengono salvati in una cartella di Google Drive. Questa
sezione mostra come eseguire la migrazione dei prompt a Vertex AI Studio.
Nel menu Vertex AI, fai clic su Recenti > Visualizza tutto per aprire il menu
Gestione dei prompt.
Fai clic su downloadImporta prompt.
Accanto al campo File prompt, fai clic su Sfoglia e seleziona un prompt
dalla directory locale.
Per caricare i prompt collettivamente, devi combinarli manualmente in un unico file JSON.
Fai clic su Carica.
2. Caricare i dati di addestramento in Vertex AI Studio
Per eseguire la migrazione dei dati di addestramento a Vertex AI, devi caricare i dati in un bucket Cloud Storage. Per ulteriori informazioni, consulta la sezione
Introduzione all'ottimizzazione .
3. Elimina le chiavi API inutilizzate
Se non hai più bisogno di utilizzare la chiave API Gemini per l'API Gemini Developer, segui le best practice per la sicurezza ed eliminala.
Individua la chiave API che vuoi eliminare e fai clic sull'icona Azioni.
Seleziona Elimina chiave API.
Nella finestra modale Elimina credenziali, seleziona Elimina.
L'eliminazione di una chiave API richiede alcuni minuti per la propagazione. Al termine della propagazione, tutto il traffico che utilizza la chiave API eliminata viene rifiutato.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 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)."]]
