实验性混合推理和适用于 Android 的新 Gemini 模型

如果您是 Android 开发者，希望在应用中实现创新的 AI 功能，我们最近推出了强大的新更新：

• 混合推理，一种适用于 Firebase AI Logic 的新 API，可同时利用设备端推理和云端推理，
• 支持新的 Gemini 模型，包括用于生成图片的最新 Nano Banana 模型。

我们开始吧！

尝试混合推理

借助全新的适用于混合推理的 Firebase API，我们实现了一种简单的基于规则的路由方法作为初始解决方案，让您可以通过统一的 API 同时使用设备端推理和云端推理。我们计划在未来提供更复杂的路由功能。

它允许您的应用在设备本地运行的 Gemini Nano 和云托管的 Gemini 模型之间动态切换。设备端执行使用机器学习套件的 Prompt API。云端推理支持 Vertex AI 和 Developer API 中 Firebase AI Logic 的所有 Gemini 模型。

如需使用此功能，请将 firebase-ai-ondevice 依赖项以及 Firebase AI Logic 添加到您的应用中：

dependencies {
 [...] 
 implementation("com.google.firebase:firebase-ai:17.10.1")
 implementation("com.google.firebase:firebase-ai-ondevice:16.0.0-beta01")
}

在初始化期间，您需要创建一个 GenerativeModel 实例，并为其配置特定的推理模式，例如 PREFER_ON_DEVICE（如果设备上没有 Gemini Nano，则回退到云端）或 PREFER_IN_CLOUD（如果离线，则回退到设备端推理）：

val model = Firebase.ai(backend = GenerativeBackend.googleAI())
    .generativeModel(
        modelName = "gemini-3.1-flash-lite",
        onDeviceConfig = OnDeviceConfig(
           mode = InferenceMode.PREFER_ON_DEVICE
        )
    )

val response = model.generateContent(prompt)

适用于 Android 混合推理的 Firebase API 仍处于实验阶段，我们鼓励您在应用中试用，尤其是如果您已经在使用 Firebase AI Logic。

目前，设备端模型专门用于根据文本或单个位图图片输入进行单轮文本生成。如需了解详情，请参阅限制。

我们刚刚在 AI 示例目录中发布了一个利用 Firebase API for Hybrid 的新示例，该示例演示了如何使用 Firebase API for Hybrid 推理功能根据几个选定主题生成评价，然后将其翻译成各种语言。查看代码，了解其实际运作方式！

新混合推理示例的实际应用

试用我们的新模型

作为新 Gemini 模型的一部分，我们发布了两个对 Android 开发者特别有帮助的模型，它们可以通过 Firebase AI Logic SDK 轻松集成到您的应用中。

Nano Banana
去年，我们发布了先进的图片生成模型 Nano Banana。几周前，我们发布了几个新的 Nana Banana 模型。

Nano Banana Pro (Gemini 3 Pro Image) 专为专业素材资源制作而设计，可以呈现高保真文本，甚至可以采用特定字体或模拟不同类型的手写体。

Nano Banana 2 (Gemini 3.1 Flash Image) 是 Nano Banana Pro 的高效版本。它针对速度和高用量应用场景进行了优化。它可用于各种应用场景（信息图、虚拟贴纸、情境插图等）。  

全新 Nano Banana 模型利用现实世界知识和深度推理能力，生成精准且细节丰富的图片。

我们更新了 Magic Selfie 示例（使用图片生成功能更改自拍照的背景！），以使用 Nano Banana 2。现在，背景分割直接由图片生成模型处理，这不仅简化了实现过程，还让 Nano Banana 2 强大的图片生成能力得以充分展现。点击此处查看实际应用场景。

您可以通过 Firebase AI Logic SDK 使用它。如需了解详情，请参阅 Android 文档。

Gemini 3.1 Flash-Lite

我们还发布了 Gemini Flash-Lite 系列的新版本 Gemini 3.1 Flash-Lite。Gemini Flash-Lite 模型因其出色的质量/延迟比和低推理成本，而深受 Android 开发者青睐。Android 开发者已将其用于各种应用场景，例如应用内消息翻译或根据菜肴图片生成食谱。  

Gemini 3.1 Flash-Lite 目前处于预览版阶段，将支持更高级的使用场景，延迟时间与 Gemini 2.5 Flash-Lite 相当。

如需详细了解此模型，请参阅 Firebase 文档。

总结

现在正是探索我们目录中全新混合样本的好时机，您可以了解这些功能的实际应用，并了解在设备端推理和云端推理之间进行路由的好处。我们还建议您查看我们的文档，测试新的 Gemini 模型。