Funktion zur Dokumentverarbeitung auswählen

Sie können die in BigQuery ML verfügbaren Funktionen zur Dokumentverarbeitung vergleichen, um das beste Tool für die Analyse von unstrukturiertem Text und unstrukturierten Dokumenten auszuwählen. Wenn Sie die Unterschiede zwischen den Funktionen AI.GENERATE_TEXT und ML.PROCESS_DOCUMENT kennen, können Sie Ihre Datenworkflows im Hinblick auf Kosten, Sprachunterstützung und das Parsen strukturierter Dokumente optimieren.

Auf übergeordneter Ebene besteht der Unterschied zwischen diesen Funktionen darin:

• AI.GENERATE_TEXT ist eine gute Wahl für Aufgaben im Bereich Natural Language Processing (NLP), bei denen sich ein Teil des Inhalts in Dokumenten befindet. Diese Funktion bietet folgende Vorteile:

  • Geringere Kosten
  • Support in weiteren Sprachen
  • Schnellerer Durchsatz
  • Modellabstimmungsfunktion
  • Verfügbarkeit multimodaler Modelle

  Beispiele für Dokumentverarbeitungsaufgaben, die mit diesem Ansatz am besten funktionieren, finden Sie unter Dokumentverarbeitungsfunktionen mit der Gemini API kennenlernen.

• ML.PROCESS_DOCUMENT ist eine gute Wahl für Dokumentverarbeitungsaufgaben, die das Parsen von Dokumenten und eine vordefinierte, strukturierte Antwort erfordern.

Funktionsvergleich

In der folgenden Tabelle werden die Funktionen AI.GENERATE_TEXT und ML.PROCESS_DOCUMENT verglichen:

	AI.GENERATE_TEXT	ML.PROCESS_DOCUMENT
Zweck	Führen Sie beliebige dokumentbezogene NLP-Aufgaben aus, indem Sie einen Prompt an ein Gemini- oder Partnermodell oder an ein offenes Modell übergeben. Wenn Sie beispielsweise ein Finanzdokument für ein Unternehmen haben, können Sie Dokumentinformationen abrufen, indem Sie einen Prompt wie What is the quarterly revenue for each division? angeben.	Verwenden Sie die Document AI API, um eine spezialisierte Dokumentverarbeitung für verschiedene Dokumenttypen wie Rechnungen, Steuerformulare und Finanzberichte durchzuführen. Sie können auch Dokumente in Blöcke aufteilen.
Abrechnung	Für die verarbeiteten Daten fallen BigQuery ML-Gebühren an. Weitere Informationen finden Sie unter BigQuery ML-Preise. Für Aufrufe des Modells fallen Gebühren für die Gemini Enterprise Agent Platform an. Wenn Sie ein Gemini 2.0- oder höheres Modell verwenden, wird der Aufruf zum Batch API-Tarif abgerechnet. Weitere Informationen finden Sie unter Kosten für das Erstellen und Bereitstellen von KI-Modellen in der Agent Platform.	Für die verarbeiteten Daten fallen BigQuery ML-Gebühren an. Weitere Informationen finden Sie unter BigQuery ML-Preise. Für Aufrufe der Document AI API fallen Kosten an. Weitere Informationen finden Sie unter Document AI API – Preise.
Anfragen pro Minute (RPM)	Gilt nicht für Gemini-Modelle. Zwischen 25 und 60 für Partnermodelle. Weitere Informationen finden Sie unter Limits für Anfragen pro Minute.	120 Anfragen pro Minute und Prozessortyp, mit einem Gesamtlimit von 600 Anfragen pro Minute und Projekt. Weitere Informationen finden Sie unter Kontingentliste.
Tokens pro Minute	Reicht von 8.192 bis über 1 Million, je nach verwendetem Modell.	Kein Tokenlimit. Für diese Funktion gelten jedoch je nach verwendetem Prozessor unterschiedliche Seitenlimits. Weitere Informationen finden Sie unter Beschränkungen.
Überwachte Abstimmung	Die überwachte Abstimmung wird für einige Modelle unterstützt.	Nicht unterstützt.
Unterstützte Sprachen	Die Unterstützung variiert je nach ausgewähltem LLM.	Die Sprachunterstützung hängt vom Typ des Dokumentprozessors ab. Die meisten unterstützen nur Englisch. Weitere Informationen finden Sie unter Prozessorliste.
Unterstützte Regionen	Wird in allen Regionen für generative KI für die Agent Platform unterstützt.	Wird in den Multiregionen EU und US für alle Prozessoren unterstützt. Einige Prozessoren sind auch in bestimmten Einzelregionen verfügbar. Weitere Informationen finden Sie unter Regionale und multiregionale Unterstützung.