Освоение автоматизации задач Gemini 3 на Vertex AI

Lisa Ernst · 18.03.2026 · Искусственный интеллект · 11 мин

Gemini 3 на Vertex AI предоставляет разработчикам практический способ создания мультимодальных приложений, которые могут рассуждать, использовать инструменты, обрабатывать сложные входные данные и масштабироваться до производства. Вместо того чтобы рассматривать ИИ как автономный генератор текста, Vertex AI превращает Gemini в часть более крупного рабочего процесса, который включает тестирование, контроль доступа, мониторинг и развертывание.

Платформа Vertex AI от Google Cloud предоставляет унифицированную среду для работы с Gemini и другими фундаментальными моделями. Для команд, создающих реальные приложения, это важно, потому что разработка не заканчивается на составлении запроса. Аутентификация, выбор модели, оценка, использование инструментов и выпуск в продакшн — все это влияет на то, останется ли система ИИ прототипом или станет действительно полезной.

Краткое резюме:

Единая платформа: Vertex AI объединяет доступ к моделям, тестирование, развертывание и операционные инструменты в одной среде.
Направление современного SDK: Новые рабочие процессы Gemini на Vertex AI все больше концентрируются вокруг SDK Google Gen AI.
Важная заметка о миграции: Старые генеративные модули в SDK Vertex AI устарели и запланированы к удалению, поэтому новые проекты должны избегать построения на устаревших пространствах имен.
Мультимодальные возможности: Gemini 3 может обрабатывать текст, код, изображения, аудио, видео и PDF-файлы, в зависимости от варианта модели.
Управление производительностью: Параметры, такие как thinking_level и media_resolution, помогают сбалансировать качество, скорость и использование токенов.
Ценность автоматизации: Функции, такие как вызов функций и выполнение кода, делают Gemini более полезным для структурированной автоматизации задач, чем простые сценарии чата.

Почему Gemini 3 на Vertex AI важен

Gemini 3 особенно актуален для приложений, которым требуется больше, чем просто текстовый вывод. На Vertex AI его можно использовать для мультимодального понимания, рабочих процессов, требующих интенсивных рассуждений, решения проблем с помощью кода и автоматизации, подобной агентам. Это делает его более подходящим для анализа документов, автоматизации рабочих процессов, инструментов разработчика и внутренних корпоративных помощников, чем минимальная конфигурация только для чата.

Vertex AI также добавляет сопутствующие функции платформы, которые многим командам в конечном итоге все равно нужны. К ним относятся контроль доступа через IAM, тестирование запросов в Vertex AI Studio, операционный мониторинг и более плавный переход от экспериментов к производственным системам. Для разработчиков это означает меньше разрозненных инструментов. Для организаций — больший контроль над тем, как внедряются и поддерживаются системы ИИ.

Важные изменения SDK и аутентификация

Одно из самых важных технических обновлений — переход на SDK. Старые модули генеративного ИИ Google в SDK Vertex AI, включая vertexai.generative_models, vertexai.language_models, vertexai.vision_models, vertexai.tuning и vertexai.caching, устарели и запланированы к удалению. Для новых интеграций Gemini на Vertex AI рекомендуемым путем является SDK Google Gen AI.

Аутентификация зависит от того, как вы получаете доступ к Vertex AI, но распространенные подходы включают Application Default Credentials (ADC), учетные данные gcloud или доступ на основе ключа API в поддерживаемых сценариях, таких как экспресс-режим. В стандартном проекте Google Cloud вам обычно требуется включить биллинг, активировать API Vertex AI и иметь роль IAM roles/aiplatform.user или эквивалентную настраиваемую роль. Переменные среды, такие как GOOGLE_CLOUD_PROJECT, GOOGLE_CLOUD_LOCATION=global и GOOGLE_GENAI_USE_VERTEXAI=True, часто используются в конфигурациях на основе SDK.

Взаимодействие с моделями Gemini

API Gemini в Vertex AI используется для отправки мультимодальных запросов и получения результатов модели с помощью таких методов, как generateContent. В зависимости от выбранной модели Gemini может работать с комбинациями текстовых, кодовых, графических, аудио-, видео- и PDF-входных данных. Это особенно полезно при создании систем, которые должны суммировать документы, проверять скриншоты, извлекать смысл из смешанных медиа или сочетать рассуждения со структурированной автоматизацией.

Выбор модели имеет значение. Например, gemini-3.1-pro-preview разработан для более продвинутых рассуждений и агентов, но не поддерживает вывод изображений. Разработчики, работающие со старыми предварительными версиями, также должны отметить, что gemini-3-pro-preview выводится из эксплуатации, что делает планирование миграции важным, если приложение по-прежнему зависит от нее.

Еще одна заслуживающая внимания возможность — выполнение кода. Вместо того чтобы просто описывать решение, Gemini может создавать и выполнять код Python в качестве инструмента, проверять результат и продолжать итерации. Это особенно полезно для расчетов, обработки структурированных данных, трансформационной логики и других задач, где рассуждения выигрывают от фактического выполнения, а не от чистого предсказания текста.

Уточнение взаимодействий и оптимизация производительности

Vertex AI Studio помогает разработчикам тестировать запросы, сравнивать поведение и проверять идеи перед интеграцией их в производственный код. Это важно, потому что многие проблемы с моделями вызваны не самой моделью, а неясными инструкциями, плохой структурой ввода или неправильным выбором модели. Vertex AI также добавляет оптимизацию запросов, инструменты оценки и функции управления, которые становятся все более ценными по мере роста проектов.

Управление поведением Gemini 3

#!Gemini 3 вводит параметр thinking_level, который дает разработчикам более прямой контроль над тем, сколько внутренних рассуждений должна использовать модель. Это помогает сбалансировать качество ответа, задержку и стоимость в зависимости от задачи.

Уровень мышления	Описание	Типичный сценарий использования
`MINIMAL`	Использует минимально возможное количество мышления и предназначен для задач с низкой сложностью.	Задачи с высокой пропускной способностью, где скорость имеет первостепенное значение.
`LOW`	Снижает глубину рассуждений, сохраняя при этом эффективность ответов.	Простая автоматизация, извлечение данных и легкие преобразования.
`MEDIUM`	Балансирует скорость и качество рассуждений.	Умеренно сложные рабочие процессы, которые по-прежнему требуют хорошей отзывчивости.
`HIGH`	Использует динамические, более глубокие рассуждения для более сложных задач.	Многошаговое планирование, продвинутое кодирование и решение сложных проблем.

Для мультимодальных входных данных media_resolution обеспечивает дополнительный контроль. Более низкие настройки уменьшают потребление токенов и задержку, в то время как более высокие настройки помогают, когда модели необходимо проверять мелкие детали, такие как плотные скриншоты, отсканированные PDF-файлы или мелкие элементы интерфейса. В результате настройка производительности — это не только запросы; это также выбор правильных настроек рассуждений и медиа для рабочей нагрузки.

Управление контекстом и лучшие практики составления запросов

Модели Gemini 3 поддерживают большое контекстное окно ввода, что делает их полезными для длинных документов, больших цепочек запросов и более широкого контекста задач. Тем не менее, дисциплина в составлении запросов по-прежнему важна. Четкие инструкции, явные ограничения и последовательное руководство на системном уровне обычно дают более надежные результаты, чем чрезмерно широкие запросы. Для обоснованных рабочих процессов часто лучше точно указать модели, какие источники она может использовать и каких предположений ей следует избегать.

Еще одна практическая деталь — сигнатуры мыслей в многоходовых рабочих процессах. Когда рабочий процесс зависит от непрерывных рассуждений между запросами, эти сигнатуры должны быть сохранены правильно. Игнорирование их может привести к ошибкам запросов или непоследовательному поведению. Это становится особенно актуальным в рабочих процессах, управляемых агентами или инструментами, где модель обрабатывает промежуточные шаги в течение нескольких ходов.

От разработки до развертывания: реальные приложения

Истинная сила Gemini на Vertex AI становится более очевидной, когда он подключен к реальным продуктам и бизнес-процессам. Вместо того чтобы отвечать на отдельные запросы, Gemini можно комбинировать с внешними инструментами, внутренними системами и облачными сервисами для автоматизации конкретных действий, поддержки внутренних пользователей или улучшения взаимодействия с клиентами. Именно здесь Vertex AI становится больше, чем просто конечной точкой модели.

Тематическое исследование: MAIA от MOGUL.sg

Полезным примером является MAIA от MOGUL.sg, помощник ИИ, используемый в WhatsApp для взаимодействия, связанного с недвижимостью. Он демонстрирует, как Gemini может поддерживать диалоговые рабочие процессы, выходящие за рамки генерации текста, путем сочетания рассуждений модели с внешними данными и структурированной бизнес-логикой.

Источник: cloud.google.com

Это изображение показывает рабочий процесс ИИ-помощника на смартфоне, иллюстрируя, как системы на базе Gemini могут поддерживать реальные взаимодействия с клиентами в средах обмена сообщениями.

Примеры, подобные этому, важны, потому что они показывают практическое направление платформы. Успешные развертывания обычно сочетают мощную модель с четким дизайном рабочего процесса, четким использованием инструментов и бизнес-данными, которые придают приложению реальную пользу.

Источник: firebase.google.com

Firebase AI Logic дополняет разработку Gemini для мобильных и веб-продуктов, помогая командам более безопасно и эффективно интегрировать функции ИИ в приложения.

Корпоративные возможности и операционная ценность

Vertex AI также добавляет корпоративные сервисы вокруг Gemini, включая инструменты оценки, управление моделями, инструменты для запросов и операционный мониторинг. Это не мелкие дополнения. Они помогают командам сравнивать поведение моделей, отслеживать изменения во время миграции и снижать риск прямого внедрения нестабильной логики запросов в производство. Для организаций с требованиями к соответствию, качеству или надежности этот окружающий слой часто так же важен, как и сама модель.

Именно поэтому Vertex AI привлекателен для автоматизации задач. Вы можете перейти от простого концептуального доказательства к измеримым, повторяемым и более легко управляемым рабочим процессам. На практике это означает меньше хрупких хаков запросов и более структурированные системы, которые могут развиваться со временем.

Часто задаваемые вопросы

Что такое Vertex AI?

Vertex AI — это платформа искусственного интеллекта Google Cloud для создания, тестирования, развертывания и эксплуатации приложений машинного и генеративного обучения. Она предоставляет доступ к моделям Gemini, а также инструменты для разработки запросов, мониторинга, контроля доступа и производственных рабочих процессов.

Что такое Gemini 3 и каковы его основные возможности?

Gemini 3 — это семейство мультимодальных моделей на Vertex AI, разработанное для рассуждений, использования инструментов и обработки более широких входных данных. В зависимости от варианта он может обрабатывать текст, код, изображения, аудио, видео и PDF-файлы, в то время как такие функции, как thinking_level, выполнение кода и вызов функций, делают его более подходящим для сложных задач автоматизации.

Как мне аутентифицироваться в Vertex AI для использования Gemini?

Вы можете аутентифицироваться с помощью Application Default Credentials, учетных данных gcloud или доступа на основе ключа API, где это поддерживается. В типичном проекте Google Cloud вам также требуется включить биллинг, активировать API Vertex AI и иметь роль IAM roles/aiplatform.user или сопоставимую настраиваемую роль.

Какие параметры наиболее важны для оптимизации производительности Gemini 3?

Наиболее важными являются thinking_level для глубины рассуждений и media_resolution для точности мультимодального ввода. Вместе они напрямую влияют на задержку, использование токенов и качество выходных данных, особенно в рабочих процессах с большим количеством изображений и документов.

Может ли Gemini 3 генерировать и выполнять код?

Да. Gemini на Vertex AI поддерживает выполнение кода в качестве инструмента, что позволяет модели генерировать и выполнять код Python и итерировать на основе результата. Это особенно полезно для структурированных рассуждений, расчетов и задач преобразования.

Следует ли мне по-прежнему использовать старые модули SDK генеративного ИИ Vertex AI?

Для новых проектов — нет. Старые генеративные модули в SDK Vertex AI устарели, поэтому лучшим долгосрочным выбором является SDK Google Gen AI для разработки Gemini на Vertex AI.

Заключение

Сочетание Gemini 3 и Vertex AI убедительно, поскольку оно выходит за рамки простого доступа к моделям. Оно предоставляет разработчикам способ создавать мультимодальные, способные к рассуждению, использующие инструменты системы ИИ в рамках платформы, которая также поддерживает управление, тестирование и развертывание. Это делает его особенно ценным для команд, которым нужно больше, чем просто демонстрация, и которые хотят реалистичный путь от экспериментов к производству.

Для организаций, изучающих автоматизацию ИИ, настоящая выгода заключается в контроле. Выбор модели, аутентификация, составление запросов, операционные инструменты и стратегия миграции — все это формирует конечный результат. Vertex AI объединяет эти компоненты, и именно это делает Gemini 3 значительно более полезным, чем простой автономный конечный узел модели.

Источник: YouTube