PayGo standard

Il modello di pagamento standard a consumo (Standard PayGo) è un'opzione di consumo per l'utilizzo della suite di modelli di AI generativa di Gemini Enterprise Agent Platform. Standard PayGo ti consente di pagare solo per le risorse che consumi, senza richiedere impegni finanziari iniziali. Per fornire prestazioni più prevedibili per i carichi di lavoro scalabili, Standard PayGo incorpora un sistema di livelli di utilizzo. Agent Platform regola dinamicamente la capacità di throughput di base della tua organizzazione in base alla spesa totale per i servizi Agent Platform idonei in un periodo mobile di 30 giorni. Man mano che la spesa della tua organizzazione aumenta, viene automaticamente promossa a livelli più elevati che forniscono un maggiore accesso alle risorse condivise e soglie di prestazioni più elevate.

Livelli di utilizzo e throughput

Ogni livello di utilizzo di Standard PayGo mira a fornire un throughput di base, misurato in token al minuto (TPM), che funge da limite minimo di prestazioni prevedibile per il traffico della tua organizzazione. I limiti di throughput si basano sulle richieste inviate all'endpoint globale. L'utilizzo dell'endpoint globale è una best practice, in quanto fornisce l'accesso a un pool di capacità di throughput più ampio e multiregionale e consente di instradare le richieste alla località con la maggiore disponibilità per massimizzare le prestazioni.

Il traffico non è limitato rigorosamente al limite di throughput di base. Agent Platform consente al traffico di superare questo limite in base al criterio del "best effort". Tuttavia, durante i periodi di elevata domanda sulla piattaforma Agent Platform, questo traffico di burst in eccesso potrebbe avere una maggiore variabilità nelle prestazioni. Per ottimizzare le prestazioni e ridurre al minimo la probabilità di ricevere questi errori, è anche una best practice uniformare il traffico il più possibile ogni minuto. Evita di inviare richieste con picchi elevati e di secondo livello. Un traffico elevato e istantaneo può comportare la limitazione anche se l'utilizzo medio al minuto è inferiore al limite. La distribuzione più uniforme delle chiamate API aiuta il sistema a gestire il carico in modo prevedibile e migliora le prestazioni complessive.

In Standard PayGo sono disponibili i seguenti livelli:

Famiglia di modelli Livello Spesa del cliente (30 giorni) TPM di traffico (a livello di organizzazione)
Modelli Gemini Pro Livello 1 10-250 $ 500.000
Livello 2 250-2000 $ 1.000.000
Livello 3 > 2000 $ 2.000.000
Modelli Gemini Flash e Flash-Lite Livello 1 10-250 $ 2.000.000
Livello 2 250-2000 $ 4.000.000
Livello 3 > 2000 $ 10.000.000

Il limite di throughput mostrato per una famiglia di modelli si applica indipendentemente a ogni modello all'interno di quella famiglia. Ad esempio, un cliente di livello 3 ha un throughput di base di 10.000.000 TPM per Gemini 2.5 Flash e una base separata di 10.000.000 TPM per Gemini 2.0 Flash. L'utilizzo rispetto a uno di questi limiti non influisce sul throughput di altri modelli. Non esiste un limite di richieste al minuto (RPM) separato per ogni livello. Tuttavia, si applica il limite di sistema di 30.000 RPM per modello per regione . Le richieste di Gemini con input multimodali sono soggette a i limiti di frequenza di sistema corrispondenti, tra cui immagini, audio, video e documenti.

Se hai bisogno di un throughput più elevato per un caso d'uso aziendale, contatta il team dedicato all'account per saperne di più su un livello personalizzato.

Come funzionano i livelli di utilizzo

Il livello di utilizzo viene determinato automaticamente dalla spesa totale della tua organizzazione per i servizi Gemini Enterprise Agent Platform idonei in un periodo mobile di 30 giorni. Man mano che la spesa della tua organizzazione aumenta, il sistema ti promuove a un livello più elevato con un throughput maggiore.

Calcolo della spesa

Questo calcolo include una vasta gamma di servizi, dalle previsioni su tutte le famiglie di modelli Gemini alle istanze CPU, GPU e TPU di Gemini Enterprise Agent Platform, nonché gli SKU basati sull'impegno, come il throughput riservato.

Fai clic per saperne di più sugli SKU inclusi nel calcolo della spesa.

La tabella seguente elenca le categorie di Google Cloud SKU incluse nel calcolo della spesa totale.

Categoria Descrizione degli SKU inclusi
Modelli Gemini Tutte le famiglie di modelli Gemini (ad es. 2.0, 2.5, 3.0 nelle versioni Pro, Flash e Lite) per le previsioni in tutte le modalità (testo, immagine, audio, video), incluse le varianti batch, di contesto lungo, ottimizzate e "di pensiero"
Funzionalità dei modelli Gemini Tutti gli SKU Gemini correlati per funzionalità come la memorizzazione nella cache, lo spazio di archiviazione della cache e i livelli di priorità, in tutte le modalità e versioni dei modelli
CPU di Agent Platform Previsioni online e batch su tutte le famiglie di istanze basate su CPU (ad es. C2, C3, E2, N1, N2 e relative varianti)
GPU di Agent Platform Previsioni online e batch su tutte le istanze con accelerazione GPU NVIDIA (ad es. A100, H100, H200, B200, L4, T4, V100 e serie RTX)
TPU di Agent Platform Previsioni online e batch su tutte le istanze basate su TPU (ad es. TPU-v5e, v6e)
Gestione e commissioni Tutti gli SKU "Commissione di gestione" associati a varie istanze di previsione di Agent Platform
Throughput riservato Tutti gli SKU basati sull'impegno per il throughput riservato
Altri servizi Servizi specializzati come "LLM Grounding for Gemini... with Google Search tool"

Verificare il livello di utilizzo

Per verificare il livello di utilizzo della tua organizzazione, vai alla dashboard di Gemini Enterprise Agent Platform nella Google Cloud console.

Verificare la spesa

Per esaminare la spesa di Agent Platform, vai a Fatturazione Cloud nella Google Cloud console. La spesa viene aggregata a livello di organizzazione.

Vai a Fatturazione Cloud

Errori di esaurimento delle risorse (429)

Se ricevi un errore 429: Resource Exhausted, non significa che hai raggiunto una quota fissa. Indica un'elevata contesa temporanea per una risorsa condivisa specifica. Ti consigliamo di implementare una strategia di nuovi tentativi con backoff esponenziale per gestire questi errori, poiché la disponibilità in questo ambiente dinamico può cambiare rapidamente. Oltre a una strategia di nuovi tentativi, ti consigliamo di utilizzare l'endpoint globale. A differenza di un endpoint regionale (ad esempio, us-central1), l'endpoint globale instrada dinamicamente le richieste alla regione con la maggiore capacità disponibile in quel momento. In questo modo, la tua applicazione può accedere a un pool di capacità condivisa più ampio e multiregionale, aumentando notevolmente il potenziale di burst riuscito e riducendo la probabilità di errori 429.

Per risultati ottimali, combina l'utilizzo dell'endpoint globale con l'uniformazione del traffico. Evita di inviare richieste con picchi elevati e di secondo livello, perché un traffico elevato e istantaneo può comportare la limitazione, anche se l'utilizzo medio al minuto rientra nel limite di throughput di base. La distribuzione più uniforme delle chiamate API aiuta il sistema a gestire il carico in modo prevedibile e migliora le prestazioni complessive. Per ulteriori informazioni su come gestire gli errori di esaurimento delle risorse, consulta la guida alla gestione degli errori 429 e il codice di errore 429.

Monitorare il throughput e le prestazioni

Per monitorare il consumo di token in tempo reale della tua organizzazione, vai a Metrics Explorer in Cloud Monitoring.

Vai a Esplora metriche

Per saperne di più sul monitoraggio del traffico degli endpoint dei modelli, consulta Monitorare i modelli.

Tieni presente che i livelli di utilizzo si applicano a livello di organizzazione. Per informazioni su come impostare l'ambito di osservabilità per rappresentare graficamente il throughput in più progetti della tua organizzazione, consulta Configurare gli ambiti di osservabilità per le query multiprogetto.