СТАТТЯ

Imagen 3 GA знято: міграція bulk-зображень у Bubble на Gemini image і Batch API через BIAIG

Віталій Дорошенко Опубліковано

Чеклист для Bubble: заміна Imagen predict/generate_images на generateContent, окремий маршрут для Batch API та sync fallback під час cutover — з урахуванням Gemini API vs Vertex.

Контекст

Google прибирає Imagen-family generation на двох поверхнях з різними endpoint і model ID. Якщо ваш Bubble workflow досі б’є в Imagen 3 GA (imagen-3.0-generate-002) або інші Imagen GA на Vertex — це не «оновити model name», а зміна методу, тіла запиту й парсингу відповіді. Bulk-роботи Google документує через Gemini image + Batch API (не через Imagen batch). Схожий розбір: Tencent Hy Image 3.5 Preview. Схожий розбір: Tencent Hy Image 3.5 Preview.

Факти з публічних джерел (перевірте live у консолі/API на дату читання):

  • Gemini Developer API (generativelanguage.googleapis.com): imagen-3.0-generate-002 — shutdown 2025-11-10; Imagen 4 на цій поверхні — shutdown 2026-08-17, рекомендована заміна gemini-3.1-flash-image (таблиця deprecations, оновлення сторінки 2026-09-24).
  • Vertex / Gemini Enterprise: release note 2026-03-24 — deprecation Imagen generation GA endpoints (imagen-3.0-*, imagen-4.0-*, legacy imagegeneration@*) → gemini-2.5-flash-image; порада оновитися до 2026-06-30.
  • Imagen docs на Gemini API: міграція з generate_images / :predict-стилю на generateContent для Gemini image (Nano Banana); зображення — у content parts (inline data), не Imagen predictions array. Поруч із цим: Gemini Nano Banana 2 у. Про це окремо: 29.10.2026: вимкнення Nano Banana 2.

Внутрішній digest публікації фіксує мандат міграції bulk на Gemini image + Batch API; формулювання «mandate» не приписуйте Google без окремої цитати з digest.

BIAIG (редакційний контекст)

BIAIG тут — dual route під час cutover: (1) batch для не термінових масових генерацій; (2) sync fallback для прев’ю, одиночних карток UI, або коли batch job ще не готовий. У публічних Bubble/Google docs термін не знайдено — уточніть у своєму стеку (plugin, proxy, внутрішній acronym).

Крок 0: визначити поверхню

Питання Gemini Developer API Vertex
Auth API key OAuth / service account (часто proxy)
Sync images generateContent, image models Vertex generateContent-еквівалент
Bulk Batch API batchGenerateContent batchPredictionJobs (JSONL/BQ, GCS)
Target model (приклади з docs) gemini-3.1-flash-image (після Imagen 4) gemini-2.5-flash-image (Imagen GA deprecation note)

Крок 0: визначити поверхню

Політика моделі: офіційні рекомендації не збігаються між поверхнями — не робіть один global model ID у BIAIG без surface-specific routes.

Чеклист: API Connector (sync route)

  1. Model ID — прибрати imagen-3.0-generate-002 / Imagen 4; підставити image model для вашої поверхні (див. таблицю вище).
  2. Method / URL — замість Imagen generate_images / :predict → generateContent (REST приклади в docs image generation / Imagen migration page).
  3. Request body — prompts і параметри в форматі GenerateContentRequest; для зображень у batch docs згадують response_modalities з IMAGE (часто TEXT+IMAGE).
  4. Headers / auth — Gemini API key vs Vertex JWT; pure API Connector + Vertex inference часто потребує server-side proxy (third-party guides описують pattern — перевірте security model).
  5. Response paths у Bubble — re-init JSON paths: шукати inline image data у parts, не Imagen predictions[]. Старі шляхи дадуть «порожні» поля навіть при HTTP 200.
  6. Live verify — на 2026-09-28 дедлайни Vertex (2026-06-30) і Gemini API Imagen 4 (2026-08-17) могли вже минути; тестуйте production connector, не покладайтесь на застарілий swagger у Bubble.

Чеклист: bulk route (Batch API на Gemini API)

Imagen / Lyria / Veo не Batch-API-compatible (cookbook); batch images — Nano Banana / Gemini image models.

  1. Endpoint — POST .../v1beta/models/{model}:batchGenerateContent (не Vertex batchPredictionJobs, якщо ви не на Vertex bulk).
  2. Input — inline requests (~20MB) або JSONL через File API (до ~2GB); кожен рядок — GenerateContentRequest з IMAGE modality.
  3. Orchestration — submit job → poll / webhook → отримати output file або inline responses; документовано ~24h SLO, ~50% interactive pricing (перевірте актуальний pricing у Google).
  4. Bubble reality — native API Connector = request/response; довгий poll і завантаження JSONL перевищують workflow timeout. Типово: backend workflow / recurring event, або proxy, що тримає job state.
  5. Idempotency — batch creation документовано як non-idempotent; у Bubble закладайте dedupe key (campaign id + row hash), щоб не дублювати jobs при retry. Про це окремо: Meta @-reference removal: міграція ref-пайплайнів. Про це окремо: SenseNova U1 Pro і 8K.

Cutover з BIAIG

  1. Паралельно тримайте sync fallback (обмежений RPS/quota) і batch для списків/каталогів.
  2. Feature flag — % traffic на новий parser paths; логуйте HTTP code + порожні parts.
  3. Rollback — лише якщо ще є working Imagen endpoint (після shutdown — лише forward).
  4. Не змішуйте Gemini API Batch і Vertex batchPredictionJobs в одному «універсальному» connector call — різні URL, auth, retrieval.

Джерела (Scout packet)

Відкриті питання (для вашого стеку)

Яка поверхня в prod? Один batch standard (Gemini Batch vs Vertex jobs)? Які error codes після shutdown? Чи тягне backend workflow 24h SLO? 2K/4K bulk у межах payload limits обраної моделі?

Схожі статті

← Усі статті