Google Vertex AI - API – GetFreeAI.net

首页

AI 服务

API 服务

Google Vertex AI - API

📋 服务信息

提供者： Google Vertex AI
服务类型： API 服务
API 端点： https://[REGION]-aiplatform.googleapis.com（需替换 [REGION]，如 us-central1）
免费类型： 试用积分（$300，90天）

🎯 服务简介

Vertex AI API 提供企业级 AI 能力，支持 Gemini 系列模型，特别适合大规模生产部署和与 Google Cloud 服务集成。

核心优势：

💰 $300 试用积分 - 90天有效
🌟 Gemini 1.5 Pro - 2M 超长上下文
🏢 企业级 - 完整 MLOps 工具
🔐 安全合规 - Google Cloud 标准
🌐 全球部署 - 多区域可用
📊 监控完善 - 完整日志和指标

🚀 快速开始

前提条件

必需：

✅ 已创建 Google Cloud 账户
✅ 已激活 $300 试用积分
✅ 已启用 Vertex AI API
✅ 已创建服务账号或 API 密钥

详细步骤请参考：Vertex AI 注册指南

5 分钟快速示例

安装 SDK：

Bash

pip install google-cloud-aiplatform

使用示例：

Python

import vertexai
from vertexai.generative_models import GenerativeModel

# 初始化
vertexai.init(project="YOUR_PROJECT_ID", location="us-central1")

# 创建模型实例
model = GenerativeModel("gemini-1.5-pro")

# 生成内容
response = model.generate_content("解释一下什么是 Vertex AI")
print(response.text)

🤖 支持的模型

Gemini 1.5 Pro

Model ID: gemini-1.5-pro

特性	详情
上下文	2M tokens
多模态	文本、图像、音频、视频
价格	$1.25-2.50/M (in), $5-10/M (out)

Gemini 1.5 Flash

Model ID: gemini-1.5-flash

特性	详情
上下文	1M tokens
速度	极快
价格	$0.075-0.15/M (in), $0.30-0.60/M (out)

📖 API 使用示例

1. 基础对话

Python

import vertexai
from vertexai.generative_models import GenerativeModel

vertexai.init(project="YOUR_PROJECT_ID", location="us-central1")

model = GenerativeModel("gemini-1.5-flash")

response = model.generate_content("你好，介绍一下 Gemini")
print(response.text)

2. 流式输出

Python

model = GenerativeModel("gemini-1.5-flash")

response = model.generate_content(
    "写一篇关于AI的文章",
    stream=True
)

for chunk in response:
    print(chunk.text, end="", flush=True)

3. 多模态输入（图像）

Python

from vertexai.generative_models import GenerativeModel, Part

model = GenerativeModel("gemini-1.5-pro")

# 从本地加载图像
image = Part.from_uri(
    "gs://your-bucket/image.jpg",
    mime_type="image/jpeg"
)

response = model.generate_content([
    "这张图片里有什么？",
    image
])

print(response.text)

4. 长上下文处理

Python

# 处理超长文本（例如整本书）
with open("long_document.txt", "r") as f:
    long_text = f.read()  # 可以是几百万字

model = GenerativeModel("gemini-1.5-pro")

response = model.generate_content(
    f"总结以下文档的核心要点：\n\n{long_text}"
)

print(response.text)

5. 函数调用

Python

from vertexai.generative_models import (
    GenerativeModel,
    Tool,
    FunctionDeclaration
)

# 定义函数
get_weather_func = FunctionDeclaration(
    name="get_weather",
    description="获取指定城市的天气",
    parameters={
        "type": "object",
        "properties": {
            "city": {
                "type": "string",
                "description": "城市名称"
            }
        },
        "required": ["city"]
    }
)

# 创建工具
weather_tool = Tool(function_declarations=[get_weather_func])

# 使用
model = GenerativeModel(
    "gemini-1.5-pro",
    tools=[weather_tool]
)

response = model.generate_content("上海今天天气怎么样？")
print(response)

🔢 成本和配额

定价

Gemini 1.5 Pro：

上下文	输入	输出
≤ 128K	$1.25/M	$5/M
> 128K	$2.50/M	$10/M

Gemini 1.5 Flash：

上下文	输入	输出
≤ 128K	$0.075/M	$0.30/M
> 128K	$0.15/M	$0.60/M

试用积分使用示例

$300 可以：

Gemini Pro: 处理 240M input tokens
Gemini Flash: 处理 4B input tokens
或任意组合

💡 最佳实践

✅ 推荐做法

使用 Flash 优先

# Flash 便宜 16 倍，大部分场景够用
model = GenerativeModel("gemini-1.5-flash")

批量处理

# 批量处理多个请求
responses = []
for prompt in prompts:
    response = model.generate_content(prompt)
    responses.append(response.text)

成本监控

# 在 GCP Console 设置预算警报
# Billing → Budgets & alerts

错误处理

from google.api_core import exceptions

try:
    response = model.generate_content(prompt)
except exceptions.ResourceExhausted:
    print("配额用完")
except exceptions.InvalidArgument:
    print("参数错误")

🔧 常见问题

1. 如何认证？

方法：

Bash

# 设置环境变量
export GOOGLE_APPLICATION_CREDENTIALS="path/to/service-account-key.json"

# 或在代码中
import os
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = "key.json"

2. 如何选择区域？

可用区域：

us-central1（推荐）
europe-west1
asia-southeast1

3. 如何监控使用量？

方法：

GCP Console → Billing
查看 Vertex AI 使用情况
设置预算警报

📚 相关资源

官方文档

SDK 和工具

🌟 实战案例

案例：长文档分析系统

Python

import vertexai
from vertexai.generative_models import GenerativeModel

vertexai.init(project="YOUR_PROJECT_ID", location="us-central1")

class DocumentAnalyzer:
    def __init__(self):
        self.model = GenerativeModel("gemini-1.5-pro")
    
    def analyze(self, document_text):
        """分析长文档"""
        prompt = f"""
        请分析以下文档并提供：
        1. 核心主题
        2. 关键要点（5-10个）
        3. 总结（200字内）
        
        文档内容：
        {document_text}
        """
        
        response = self.model.generate_content(prompt)
        return response.text

# 使用
analyzer = DocumentAnalyzer()
with open("long_doc.txt") as f:
    result = analyzer.analyze(f.read())
    print(result)

服务提供者： Google Vertex AI

最后更新于 December 26, 2025