舍OpenAI, 取Gemini

OpenAI最近真的变傻变慢了,2023,生成式AI的高开低走。还好,年底Google的Gemini来了,我和小伙伴们一起投入了学习。

如果您是最近刚开始学习AI,欢迎大家翻阅我之前的AI入门系列,感谢大家点个赞,鼓励我的创作。

逐步掌握最佳Ai Agents框架-AutoGen

LlamaIndex

LangChain

前言

让我们去到官网一看如何通过API来使用Google目前最强大的AI模型。

跟大多数大模型一样,Gemini根据不同的应用场景分成不同的版本:

目前可以使用的是Gemini Pro

费用方面有个好消息,目前是免费的,这可比OpenAI棒多了。只不过,限制是每分钟的调用次数上限为60。这在学习阶段完全够了。商业使用选择Pay as you go ! 这里声明了输入输出数据是会被采集的,大家在使用的时候,自行评估是否要将自己的数据提交给Gemini。

让我们点击Get API key in Google AI Studio,来得到自己的API KEY。

Gemini 为开发者提供了AI云开发平台,也就是Google声称的AI开发全家桶,喜提!

创建Google API KEY

按图,即可得到API KEY

Gemini的api_key是跟项目绑定的, 当我们按下图的指示点击,就会进入到项目。google cloud 云平台棒棒的,让我们的AI应用快点上云,这分分钟是要跟微软的OpenAI 硬刚的节奏啊。

在LangChain中使用Gemini模型

拿到API_KEY后,让我们使用colab来小玩一把Gemini。

  • 一些概念
  1. 可以传给Gemini的上下文上限是32K
  2. 目前是免费的,限制是每分钟调用次数
  3. 支持与OpenAI类似API, function calling, embeddings, semantic retrieval, chat functionality等。
  4. 支持180多个国家的38种语言,听说中文是撸的文花一言的羊毛这找谁说理去?
  5. 输入是文本,输出也是, 啥时支持生成图片和视频呢?
  6. 专业版除了文外,还支持图片作为输入。
  • 安装依赖

安装依赖,google-generativeai输出模型, langchain-google-genailangchain结合,看到了AI应用替换OpenAI的曙光了,最近的OpenAI又笨又慢,不惯着它了。python-dotenv用于读取.env文件里的Gemini Api_key。

python 复制代码
!pip install -q --upgrade google-generativeai  python-dotenv
  • 读取环境变量
csharp 复制代码
from dotenv import load_dotenv
load_dotenv()
  • 调用模型
ini 复制代码
import google.generativeai as genai
import os
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))
model = genai.GenerativeModel(model_name = "gemini-pro")
prompt_parts = [
    "Write a Python function and explain it to me",
]

response = model.generate_content(prompt_parts)
print(response.text)
  • 结果
python 复制代码
radius = 5  # Radius of the circle in meters
area = calculate_area_of_circle(radius)
print("Area of the circle:", area)

Output:
Area of the circle: 78.53981633974483

In this example, we have a circle with a radius of 5 meters, and the function calculates its area as approximately 78.54 square meters.

总结

  • Gemini的使用流程,Cloud AI 来了。

参考资料

相关推荐
工业机器人销售服务22 分钟前
应对频繁换模挑战:伯朗特机器人快换方案实现冲压产线“分钟级”换产
人工智能
2501_9219608523 分钟前
地图之外:对Lerchner“AI永无意识”论的系统反驳与协同本体论的重建
人工智能·重构
AI医影跨模态组学23 分钟前
Eur Radiol 温州医科大学第五附属医院等团队:开发与解释基于双能量CT的深度学习放射组学模型,用于预测颈动脉支架后新出现的脑缺血病灶
人工智能·深度学习·论文·医学·医学影像·影像组学
Bode_20021 小时前
制造企业实现产品服务化的路径
人工智能
Rubin智造社1 小时前
Claude Code开发者大会系列2|“饮鸩止渴”还是“即刻解药”?Anthropic与SpaceX的联姻内幕
大数据·数据库·人工智能·开发者大会·anthropic·claude code
AI机器学习算法1 小时前
机器学习基础知识
数据结构·人工智能·python·深度学习·算法·机器学习·ai学习路线
Sherlock Ma7 小时前
西瓜书《机器学习》全网最详细解读 第一章:绪论
人工智能·深度学习·考研·机器学习·学习方法·西瓜书·改行学it
烟锁池塘柳07 小时前
【机器学习】一文彻底搞懂正则化(Regularization)
人工智能·深度学习·机器学习
一个天蝎座 白勺 程序猿8 小时前
从AlphaGo到ChatGPT:机器学习基础概念的全景式拆解与工程实践思考
人工智能·机器学习·chatgpt
Luhui Dev8 小时前
Anthropic 2026 最新 Agent Harness 架构完整拆解:Managed Agents
人工智能·架构·agent·luhuidev