Scegli una funzione di elaborazione dei documenti

Puoi confrontare le funzioni di elaborazione dei documenti disponibili in BigQuery ML per scegliere lo strumento migliore per l'analisi di testi e documenti non strutturati. Comprendere le differenze tra le funzioni AI.GENERATE_TEXT e ML.PROCESS_DOCUMENT ti aiuta a ottimizzare i workflow dei dati in termini di costi, supporto linguistico e analisi dei documenti strutturati.

A livello generale, la differenza tra queste funzioni è la seguente:

• AI.GENERATE_TEXT è una buona scelta per eseguire attività di elaborazione del linguaggio naturale (NLP) in cui alcuni contenuti si trovano nei documenti. Questa funzione offre i seguenti vantaggi:

  • Riduci i costi
  • Supporto di più lingue
  • Velocità effettiva più elevata
  • Funzionalità di ottimizzazione del modello
  • Disponibilità dei modelli multimodali

  Per esempi di attività di elaborazione dei documenti che funzionano meglio con questo approccio, consulta Esplora le funzionalità di elaborazione dei documenti con l'API Gemini.

• ML.PROCESS_DOCUMENT è una buona scelta per eseguire attività di elaborazione dei documenti che richiedono l'analisi dei documenti e una risposta strutturata predefinita.

Confronto delle funzioni

Utilizza la seguente tabella per confrontare le funzioni AI.GENERATE_TEXT e ML.PROCESS_DOCUMENT:

	AI.GENERATE_TEXT	ML.PROCESS_DOCUMENT
Finalità	Esegui qualsiasi attività di NLP relativa ai documenti passando un prompt a un modello Gemini o partner o a un modello aperto. Ad esempio, dato un documento finanziario di un'azienda, puoi recuperare le informazioni del documento fornendo un prompt come What is the quarterly revenue for each division?.	Utilizza l'API Document AI per eseguire l'elaborazione di documenti specializzati per diversi tipi di documenti, come fatture, moduli fiscali e rendiconti finanziari. Puoi anche eseguire il chunking dei documenti.
Fatturazione	Comporta addebiti di BigQuery ML per il trattamento dei dati. Per saperne di più, consulta la pagina relativa ai prezzi di BigQuery ML. Comporta addebiti per Gemini Enterprise Agent Platform per le chiamate al modello. Se utilizzi un modello Gemini 2.0 o versioni successive, la chiamata viene fatturata in base alla tariffa dell'API batch. Per saperne di più, consulta Costo della creazione e del deployment dei modelli di AI in Agent Platform.	Comporta addebiti di BigQuery ML per il trattamento dei dati. Per saperne di più, consulta la pagina relativa ai prezzi di BigQuery ML. Comporta addebiti per le chiamate all'API Document AI. Per saperne di più, consulta i prezzi dell'API Document AI.
Richieste al minuto (RPM)	Non applicabile ai modelli Gemini. Tra 25 e 60 per i modelli dei partner. Per saperne di più, consulta Limiti di richieste al minuto.	120 RPM per tipo di processore, con un limite complessivo di 600 RPM per progetto. Per saperne di più, consulta l'elenco delle quote.
Token al minuto	Varia da 8192 a oltre 1 milione, a seconda del modello utilizzato.	Nessun limite di token. Tuttavia, questa funzione ha limiti di pagine diversi a seconda del processore utilizzato. Per saperne di più, consulta Limiti.
Ottimizzazione supervisionata	L'ottimizzazione supervisionata è supportata per alcuni modelli.	Non supportati.
Lingue supportate	Il supporto varia in base all'LLM scelto.	Il supporto delle lingue dipende dal tipo di processore di documenti; la maggior parte supporta solo l'inglese. Per saperne di più, consulta l'elenco dei processori.
Aree geografiche supportate	Supportato in tutte le regioni di AI generativa per Agent Platform.	Supportato nelle località multiregionali EU e US per tutti i processori. Alcuni processori sono disponibili anche in determinate regioni singole. Per saperne di più, consulta Supporto a livello di regione e multiregionale.