Antworten mithilfe der Modellkonfiguration steuern

Bei jedem Aufruf eines Modells können Sie eine Modellkonfiguration senden, um zu steuern, wie das Modell eine Antwort generiert. Jedes Modell bietet unterschiedliche Konfigurationsoptionen.

Sie können mit Prompts und Modellkonfigurationen experimentieren und mit Vertex AI Studio schnell iterieren.

Zu den Konfigurationsoptionen für Gemini Zu den Konfigurationsoptionen für Imagen

Gemini-Modelle konfigurieren

In diesem Abschnitt erfahren Sie, wie Sie eine Konfiguration für die Verwendung mit Gemini-Modellen einrichten. Außerdem wird jeder Parameter beschrieben.

Modellkonfiguration einrichten (Gemini)

Konfiguration für allgemeine Anwendungsfälle

Die Konfiguration bleibt während der gesamten Lebensdauer der Instanz erhalten. Wenn Sie eine andere Konfiguration verwenden möchten, erstellen Sie eine neue GenerativeModel-Instanz mit dieser Konfiguration.

Swift

Legen Sie die Werte der Parameter in einem GenerationConfig fest, wenn Sie eine GenerativeModel-Instanz erstellen.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
let config = GenerationConfig(
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
  maxOutputTokens: 200,
  stopSequences: ["red"]
)

// Specify the config as part of creating the `GenerativeModel` instance
let model = vertex.generativeModel(
  modelName: "GEMINI_MODEL_NAME",
  generationConfig: config
)

// ...

Kotlin

Legen Sie die Werte der Parameter in einem GenerationConfig fest, wenn Sie eine GenerativeModel-Instanz erstellen.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `GenerativeModel` instance
val generativeModel = Firebase.vertexAI.generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

Java

Legen Sie die Werte der Parameter in einem GenerationConfig fest, wenn Sie eine GenerativeModel-Instanz erstellen.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");
configBuilder.temperature = 0.9f;
configBuilder.topK = 16;
configBuilder.topP = 0.1f;

GenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `GenerativeModel` instance
GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
    "GEMINI_MODEL_NAME",
    generationConfig
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// ...

Web

Legen Sie die Werte der Parameter in einem GenerationConfig fest, wenn Sie eine GenerativeModel-Instanz erstellen.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
const generationConfig = {
  max_output_tokens: 200,
  stop_sequences: ["red"],
  temperature: 0.9,
  top_p: 0.1,
  top_k: 16,
};

// Specify the config as part of creating the `GenerativeModel` instance
const model = getGenerativeModel(vertex, { model: "GEMINI_MODEL_NAME",  generationConfig });

// ...

Dart

Legen Sie die Werte der Parameter in einem GenerationConfig fest, wenn Sie eine GenerativeModel-Instanz erstellen.

// ...

// Set parameter values in a `GenerationConfig` (example values shown here)
final generationConfig = GenerationConfig(
  maxOutputTokens: 200,
  stopSequences: ["red"],
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
);
final model = FirebaseVertexAI.instance.generativeModel(
  model: 'GEMINI_MODEL_NAME',
  // Specify the config as part of creating the `GenerativeModel` instance
  config: generationConfig,
);

// ...

Eine Beschreibung der einzelnen Parameter finden Sie im nächsten Abschnitt dieser Seite.

Konfiguration für Gemini Live API

Die Konfiguration bleibt während der gesamten Lebensdauer der Instanz erhalten. Wenn Sie eine andere Konfiguration verwenden möchten, erstellen Sie eine neue LiveModel-Instanz mit dieser Konfiguration.

Swift

Die Live API wird für Apps auf Apple-Plattformen noch nicht unterstützt. Schauen Sie aber bald wieder vorbei.

Kotlin

Legen Sie die Werte der Parameter in einem LiveGenerationConfig fest, wenn Sie eine LiveModel-Instanz erstellen.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
val config = liveGenerationConfig {
    maxOutputTokens = 200
    responseModality = ResponseModality.AUDIO
    speechConfig = SpeechConfig(voice = Voices.FENRIR)
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

// Specify the config as part of creating the `LiveModel` instance
val generativeModel = Firebase.vertexAI.liveModel(
    modelName = "gemini-2.0-flash-live-preview-04-09",
    generationConfig = config
)

// ...

Java

Legen Sie die Werte der Parameter in einem LiveGenerationConfig fest, wenn Sie eine LiveModel-Instanz erstellen.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
LiveGenerationConfig.Builder configBuilder = new LiveGenerationConfig.Builder();
configBuilder.setMaxOutputTokens(200);
configBuilder.setResponseModalities(ResponseModality.AUDIO);

configBuilder.setSpeechConfig(new SpeechConfig(Voices.FENRIR));
configBuilder.setTemperature(0.9f);
configBuilder.setTopK(16);
configBuilder.setTopP(0.1f);

LiveGenerationConfig generationConfig = configBuilder.build();

// Specify the config as part of creating the `LiveModel` instance
LiveGenerativeModel gm = FirebaseVertexAI.getInstance().liveModel(
    "gemini-2.0-flash-live-preview-04-09",
    generationConfig
);

LiveModelFutures model = LiveModelFutures.from(gm);

// ...

Web

Die Live API wird für Web-Apps noch nicht unterstützt. Wir arbeiten aber daran, das bald zu ändern.

Dart

Legen Sie die Werte der Parameter in einem LiveGenerationConfig fest, wenn Sie eine LiveModel-Instanz erstellen.

// ...

// Set parameter values in a `LiveGenerationConfig` (example values shown here)
final generationConfig = LiveGenerationConfig(
  maxOutputTokens: 200,
  responseModalities: [ResponseModality.audio],
  speechConfig: SpeechConfig(voice: Voice.fenrir),
  temperature: 0.9,
  topP: 0.1,
  topK: 16,
);

// Specify the config as part of creating the `LiveModel` instance
final model = FirebaseVertexAI.instance.LiveModel(
  model: 'gemini-2.0-flash-live-preview-04-09',
  config: generationConfig,
);

// ...

Eine Beschreibung der einzelnen Parameter finden Sie im nächsten Abschnitt dieser Seite.

Beschreibung der Parameter (Gemini)

Hier finden Sie eine allgemeine Übersicht über die verfügbaren Parameter. Eine umfassende Liste der Parameter und ihrer Werte finden Sie in der Google Cloud-Dokumentation.

Parameter	Beschreibung	Standardwert
Audio-Zeitstempel `audioTimestamp`	Ein boolescher Wert, der das Verstehen von Zeitstempeln für Eingabedateien mit reiner Audiowiedergabe ermöglicht. Gilt nur, wenn `generateContent`- oder `generateContentStream`-Aufrufe verwendet werden und der Eingabetyp eine reine Audiodatei ist.	`false`
Häufigkeitsstrafe `frequencyPenalty`	Bestimmt die Wahrscheinlichkeit, dass Tokens eingeschlossen werden, die wiederholt in der generierten Antwort vorkommen. Positive Werte nehmen Abzüge bei Tokens vor, die wiederholt im generierten Text angezeigt werden, wodurch die Wahrscheinlichkeit wiederholter Inhalte verringert wird.	---
Max. Ausgabetokens `maxOutputTokens`	Gibt die maximale Anzahl von Tokens an, die in der Antwort generiert werden können.	---
Präsenzminderung `presencePenalty`	Damit wird die Wahrscheinlichkeit gesteuert, dass Tokens eingeschlossen werden, die bereits in der generierten Antwort vorkommen. Positive Werte nehmen Abzüge bei Tokens vor, die wiederholt im generierten Text angezeigt werden, wodurch die Wahrscheinlichkeit wiederholter Inhalte verringert wird.	---
Stoppsequenzen `stopSequences`	Gibt eine Liste an Strings an, die das Modell anweist, Inhalte nicht mehr zu generieren, wenn einer der Strings in der Antwort gefunden wird. Gilt nur bei Verwendung einer `GenerativeModel`-Konfiguration.	---
Temperatur `temperature`	Steuert den Grad der Zufälligkeit der Antwort. Niedrigere Temperaturen führen zu deterministischeren Antworten und höhere Temperaturen zu vielfältigeren oder kreativeren Antworten.	Je nach Modell
Top-K `topK`	Damit wird die Anzahl der Wörter mit der höchsten Wahrscheinlichkeit begrenzt, die in den generierten Inhalten verwendet werden. Ein „Top-K“-Wert von `1` bedeutet, dass das nächste ausgewählte Token das wahrscheinlichste unter allen Tokens im Vokabular des Modells sein sollte. Ein „Top-K“-Wert von `n` bedeutet, dass das nächste Token aus den n wahrscheinlichsten Tokens ausgewählt werden sollte (je nach festgelegter Temperatur).	Je nach Modell
Top-P `topP`	Steuert die Vielfalt der generierten Inhalte. Die Tokens werden von den wahrscheinlichsten (siehe „Top-K“ oben) bis zu den unwahrscheinlichsten Werten ausgewählt, bis die Summe ihrer Wahrscheinlichkeiten dem „Top-P“-Wert entspricht.	Je nach Modell
Antwortmodalität `responseModality`	Gibt den Typ der gestreamten Ausgabe an, wenn Live API verwendet wird, z. B. Text oder Audio. Gilt nur bei Verwendung von Live API und einer `LiveModel`-Konfiguration.	---
Sprache (Stimme) `speechConfig`	Gibt die Stimme an, die für die gestreamte Audioausgabe verwendet wird, wenn Live API verwendet wird. Gilt nur bei Verwendung von Live API und einer `LiveModel`-Konfiguration.	`Puck`

Imagen-Modelle konfigurieren

In diesem Abschnitt erfahren Sie, wie Sie eine Konfiguration für die Verwendung mit Imagen-Modellen einrichten. Außerdem wird jeder Parameter beschrieben.

Modellkonfiguration einrichten (Imagen)

Die Konfiguration bleibt während der gesamten Lebensdauer der Instanz erhalten. Wenn Sie eine andere Konfiguration verwenden möchten, erstellen Sie eine neue ImagenModel-Instanz mit dieser Konfiguration.