אם זו הפעם הראשונה שאתם משתמשים ב-Gemini, תוכלו להיעזר במדריך למתחילים הוא הדרך המהירה ביותר להתחיל.
עם זאת, ככל שפתרונות ה-AI הגנרטיבי שלכם יתבגרו, ייתכן שתזדקקו לפלטפורמה לפיתוח פריסת אפליקציות ופתרונות של בינה מלאכותית גנרטיבית מקצה לקצה. Google Cloud מספק סביבה עסקית מקיפה של כלים שמאפשרת למפתחים לנצל את העוצמה של AI גנרטיבי, מהשלבים הראשונים של פיתוח האפליקציה ועד פריסת האפליקציה, אירוח אפליקציות וניהול של נתונים בקנה מידה נרחב.
פלטפורמת Vertex AI של Google Cloud מציעה חבילה של כלי MLOps שמייעלים את השימוש, הפריסה, ומעקב אחרי מודלים של AI לשיפור היעילות והאמינות. בנוסף, שילובים עם מסדי נתונים, כלי DevOps, רישום ביומן, מעקב ו-IAM מספקים גישה הוליסטית לניהול את כל מחזור החיים של בינה מלאכותית גנרטיבית.
בטבלה הבאה מוצגים סיכום של ההבדלים העיקריים בין AI מבית Google לבין Vertex AI כדי לעזור לכם ולהחליט איזו אפשרות מתאימה לתרחיש שלכם לדוגמה:
תכונות | Gemini ב-AI מבית Google | Vertex AI Gemini API |
---|---|---|
מודלים של Gemini | Gemini 1.5 Flash, Gemini 1.5 Pro, Gemini 1.0 Pro, Gemini 1.0 Pro Vision (הוצא משימוש) | Gemini 1.5 Flash, Gemini 1.5 Pro, Gemini 1.0 Pro, Gemini 1.0 Pro Vision, Gemini 1.0 Ultra, Gemini 1.0 Ultra Vision |
הרשמה | חשבון Google | חשבון Google Cloud (עם הסכם תנאים וחיוב) |
אימות | מפתח API | חשבון שירות ב-Google Cloud |
מגרש משחקים של ממשק המשתמש | Google AI Studio | Vertex AI Studio |
API & ערכת SDK | ערכות SDK לשרת ולנייד/לקוח אינטרנט
|
ערכות SDK לשרת ולנייד/לקוח אינטרנט
|
שימוש ללא עלות ב-API ערכת SDK | כן, במקרים הרלוונטיים | זיכוי בסך 300$ ב-Google Cloud למשתמשים חדשים |
מכסה (בקשות לדקה) | משתנה בהתאם לדגם ולתוכנית התמחור והתשלומים (מידע מפורט) | משתנה בהתאם למודל ולאזור (מידע מפורט) |
תמיכה לארגונים | לא |
מפתח הצפנה של לקוח ענן וירטואלי פרטי המיקום של נתונים שקיפות גישה תשתית ניתנת להרחבה לאירוח אפליקציות מסדי נתונים ואחסון נתונים |
MLOps | לא | MLOps מלא ב-Vertex AI (דוגמאות: הערכת מודלים, Model Monitoring, Model Registry) |
כדי ללמוד אילו מוצרים, frameworks וכלים הכי מתאימים ליצירת של הבינה המלאכותית הגנרטיבית ב-Google Cloud, פיתוח אפליקציה של בינה מלאכותית גנרטיבית ב-Google Cloud
מעבר מ-Gemini ב-AI מבית Google ל-Vertex AI
אם באפליקציה נעשה שימוש בממשקי ה-API של Gemini ב-Google AI, צריך לעבור אל ממשקי ה-API של Vertex AI Gemini ב-Google Cloud.
בעת ההעברה:
אפשר להשתמש בפרויקט הקיים שלך ב-Google Cloud (אותו המפתח שבו השתמשתם כדי ליצור את מפתח ה-API) או שאתם יכולים יוצרים פרויקט חדש ב-Google Cloud.
ייתכן שיהיו הבדלים בין האזורים הנתמכים בין Google AI Studio לבין Vertex AI. לצפייה רשימת האזורים הנתמכים ב-AI גנרטיבי ב-Google Cloud
כל מודל שיצרתם ב-Google AI Studio צריך לעבור אימון מחדש ב-Vertex AI.
Python: מעבר מ-Google AI Gemini API ל-Vertex AI Gemini API
בקטעים הבאים מוצגים קטעי קוד שיעזרו לכם להעביר את קוד Python אל ו-Vertex AI Gemini API.
הגדרת Vertex AI Python SDK
ב-Vertex AI לא צריך מפתח API. במקום זאת, Gemini ב-Vertex AI מנוהל באמצעות גישה ב-IAM, ששולטים בהרשאה של משתמש, קבוצה או חשבון שירות לקרוא ל-Gemini API באמצעות Vertex AI SDK.
יש הרבה דרכים לבצע אימות, השיטה הקלה ביותר לאימות בסביבת הפיתוח היא התקנת Google Cloud CLI ולהשתמש בפרטי הכניסה של המשתמש כדי נכנסים ל-CLI.
כדי לבצע קריאות הסקת מסקנות ל-Vertex AI, צריך גם לוודא שלחשבון המשתמש או לחשבון השירות שלכם ב-Vertex AI תפקיד משתמש.
דוגמה לקוד להתקנת הלקוח
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת טקסט מהנחיה בטקסט
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת טקסט מטקסט ומתמונה
AI מבית Google | Vertex AI |
---|---|
|
|
דוגמה לקוד ליצירת צ'אט עם מספר פניות
AI מבית Google | Vertex AI |
---|---|
|
|
מחיקת מפתחות API שלא בשימוש
אם לא צריך יותר להשתמש במפתח Gemini API של Google AI, מומלץ לפעול לפי מיטב האבטחה ולמחוק אותם.
כדי למחוק מפתח API:
פותחים את פרטי הכניסה ל-Google Cloud API הדף הזה.
מאתרים את מפתח ה-API שרוצים למחוק ולוחצים על הסמל Actions (פעולות).
בוחרים באפשרות Delete API key.
בחלון מחיקת פרטי הכניסה, בוחרים באפשרות מחיקה.
המחיקה של מפתח API נמשכת כמה דקות. אחרי ההפצה הושלמה, וכל תנועה שמשתמשת במפתח ה-API שנמחק תידחה.
השלבים הבאים
- לצפייה סקירה כללית על AI גנרטיבי ב-Vertex AI לקבל מידע נוסף על פתרונות של בינה מלאכותית גנרטיבית ב-Vertex AI.
- מתעמקים ב-Vertex AI Gemini API.