תשלום לפי שימוש בעדיפות גבוהה

"תשלום לפי שימוש בעדיפות" (Priority PayGo) היא אפשרות צריכה שמספקת ביצועים עקביים יותר מאשר "תשלום לפי שימוש רגיל" (Standard PayGo), בלי ההתחייבות מראש של "הקצאת משאבים לפי התפוקה שנקבעה".

כשמשתמשים ב-Priority PayGo, החיוב הוא לפי שימוש בטוקנים בתעריף גבוה יותר מאשר ב-Standard PayGo. מידע על המחירים מופיע בדף התמחור של Gemini Enterprise Agent Platform.

מתי כדאי להשתמש בשיטת התשלום 'תשלום בעדיפות גבוהה'

Priority PayGo מתאים לעומסי עבודה קריטיים לעסק עם דפוסי תנועה משתנים או בלתי צפויים. הנה כמה תרחישים לדוגמה:

  • עוזרים וירטואליים שפונים ללקוחות
  • Agentic workflows ואינטראקציות בין סוכנים
  • סימולציות מחקר

מודלים ומיקומים נתמכים

באופן כללי, יש תמיכה ב-Priority PayGo בנקודות הקצה global,‏ us ו-eu. עם זאת, יכול להיות שמודלים מסוימים (כמו מודלים של Gemini 2.5) לא יתמכו בכל שלושת נקודות הקצה. כדי לראות אילו נקודות קצה נתמכות כשמשתמשים בשיטת התשלום 'עדיפות לתשלום לפי שימוש', אפשר לעיין בדפים של המודלים השונים שמקושרים ממודלים של Google.

המודלים הבאים תומכים בתשלום לפי שימוש עם עדיפות:

שימוש ב-Priority PayGo

כדי לשלוח בקשות ל-Gemini API באמצעות Priority PayGo, צריך לכלול את הכותרת X-Vertex-AI-LLM-Shared-Request-Type בבקשה. יש שתי דרכים להשתמש ב-Priority PayGo:

  • שימוש במכסת התפוקה שהוקצתה (אם זמינה) ומעבר לשיטת התשלום לפי שימוש (PayGo) עם עדיפות.

  • משתמשים רק ב-Priority PayGo.

הדוגמאות הבאות משתמשות בנקודת הקצה global. כדי לשלוח את הבקשות לנקודת קצה בכמה אזורים, מחליפים את global ב-us או ב-eu. בבקשות REST, צריך גם להחליף את שם המארח aiplatform.googleapis.com ב-aiplatform.us.rep.googleapis.com או ב-aiplatform.eu.rep.googleapis.com. מידע נוסף זמין במאמר בנושא נקודות קצה (endpoint) מרובות אזורים.

שימוש ב-Priority PayGo בזמן השימוש ב"הקצאת משאבים לפי התפוקה שנקבעה" כברירת מחדל

כדי לנצל את המכסה הזמינה של הקצאת משאבים לפי התפוקה שנקבעה לפני שמשתמשים ב-Priority PayGo, צריך לכלול את הכותרת X-Vertex-AI-LLM-Shared-Request-Type: priority בבקשות, כמו שמוצג בדוגמאות הבאות.

Python

התקנה

pip install --upgrade google-genai

מידע נוסף זמין ב מאמרי העזרה של ה-SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

אתחול של לקוח GenAI לשימוש בתשלום לפי שימוש עם עדיפות. אחרי שמבצעים את השלב הזה, לא צריך לבצע שינויים נוספים בקוד כדי ליצור אינטראקציה עם Gemini API באמצעות תשלום לפי שימוש עם עדיפות באותו לקוח.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

אחרי שמגדירים את הסביבה, אפשר להשתמש ב-REST כדי לבדוק פרומפט טקסטואלי. בדוגמה הבאה נשלחת בקשה לנקודת הקצה של המודל של בעל התוכן הדיגיטלי.

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט. .
  • ‫MODEL_ID: מזהה המודל של המודל שרוצים להפעיל עבורו את התשלום לפי שימוש עם עדיפות. כאן מפורטים המודלים שתומכים ב-Priority PayGo.
  • ‫PROMPT_TEXT: הוראות הטקסט שרוצים לכלול בהנחיה. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • משתמשים ב-method‏ generateContent כדי לבקש שהתשובה תוחזר אחרי שהיא נוצרת במלואה. כדי להפחית את תפיסת זמן האחזור בקרב קהל אנושי, אפשר להעביר בסטרימינג את התשובה בזמן שהיא נוצרת באמצעות השיטה streamGenerateContent.
  • מזהה המודל הרב-אופני מופיע בסוף כתובת ה-URL לפני השיטה (לדוגמה, gemini-3.5-flash). יכול להיות שהדוגמה הזו תתמוך גם במודלים אחרים.

שימוש רק ב-Priority PayGo

כדי להשתמש רק ב-Priority PayGo, צריך לכלול את הכותרות X-Vertex-AI-LLM-Request-Type: shared ו-X-Vertex-AI-LLM-Shared-Request-Type: priority בבקשות, כמו שמוצג בדוגמאות הבאות.

Python

התקנה

pip install --upgrade google-genai

מידע נוסף מופיע ב מאמרי העזרה בנושא SDK.

מגדירים משתני סביבה כדי להשתמש ב-Google Gen AI SDK עם Vertex AI: 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

אתחול של לקוח GenAI לשימוש בתשלום לפי שימוש עם עדיפות. אחרי שמבצעים את השלב הזה, לא צריך לבצע שינויים נוספים בקוד כדי ליצור אינטראקציה עם Gemini API באמצעות תשלום לפי שימוש עם עדיפות באותו לקוח.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Request-Type": "shared",
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

לפני שמשתמשים בנתוני הבקשה, צריך להחליף את הנתונים הבאים:

  • ‫PROJECT_ID: מזהה הפרויקט. .
  • ‫MODEL_ID: מזהה המודל שרוצים להפעיל בו את Priority PayGo. כאן מפורטים המודלים שתומכים ב-Priority PayGo.
  • PROMPT_TEXT: ההוראות בטקסט שצריך לכלול בהנחיה. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Request-Type: shared" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

אתם אמורים לקבל תגובת JSON שדומה לזו:

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • משתמשים ב-method‏ generateContent כדי לבקש שהתשובה תוחזר אחרי שהיא נוצרת במלואה. כדי לצמצם את תפיסת זמן האחזור בקרב קהל אנושי, אפשר להזרים את התשובה בזמן שהיא נוצרת באמצעות השיטה streamGenerateContent.
  • מזהה המודל הרב-אופני מופיע בסוף כתובת ה-URL לפני השיטה (לדוגמה, gemini-3.5-flash). יכול להיות שהדוגמה הזו תתמוך גם במודלים אחרים.

אימות השימוש ב-PayGo בעדיפות גבוהה

כדי לבדוק אם בקשה השתמשה ב-Priority PayGo, אפשר לבדוק את סוג התנועה בתשובה, כמו שמוצג בדוגמאות הבאות.

Python

אפשר לבדוק אם נעשה שימוש ב-Priority PayGo לבקשה מסוימת באמצעות השדה traffic_type בתשובה. אם הבקשה שלכם עובדה באמצעות תשלום לפי שימוש עם עדיפות, הערך בשדה traffic_type הוא ON_DEMAND_PRIORITY.

sdk_http_response=HttpResponse(
  headers=<dict len=9>
) candidates=[Candidate(
  avg_logprobs=-0.539712212302468,
  content=Content(
    parts=[
      Part(
        text="""Response to sample request.
        """
      ),
    ],
    role='model'
  ),
  finish_reason=<FinishReason.STOP: 'STOP'>
)] create_time=datetime.datetime(2025, 12, 3, 20, 32, 55, 916498, tzinfo=TzInfo(0)) model_version='gemini-2.5-flash' prompt_feedback=None response_id='response_id' usage_metadata=GenerateContentResponseUsageMetadata(
  candidates_token_count=1408,
  candidates_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=1408
    ),
  ],
  prompt_token_count=5,
  prompt_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=5
    ),
  ],
  thoughts_token_count=1356,
  total_token_count=2769,
  traffic_type=<TrafficType.ON_DEMAND_PRIORITY: 'ON_DEMAND_PRIORITY'>
) automatic_function_calling_history=[] parsed=None

REST

אפשר לבדוק אם נעשה שימוש ב-Priority PayGo לבקשה מסוימת באמצעות השדה trafficType בתשובה. אם הבקשה עובדה באמצעות Priority PayGo, השדה trafficType מוגדר לערך ON_DEMAND_PRIORITY.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}

מגבלות על קצב העברת הנתונים

ב-Priority PayGo יש מגבלת בסיס של קצב העברת נתונים ברמת הארגון לכל מודל:

  • מודלים של Gemini Pro: ‏10,000,000 טוקנים לדקה
  • ‫Gemini Flash ו-Flash-Lite: 50,000,000 טוקנים לדקה

המגבלות האלה זמינות לארגון שלכם באופן מיידי. אין תקופת הרצה של קמפיין, ואין צורך להגיע לשימוש קבוע כדי להגיע אליהם. בדומה ל-Standard PayGo, מגבלת התפוקה שמוצגת למשפחת מודלים חלה בנפרד על כל מודל במשפחה הזו.

תנועה שחורגת מהמגבלה לא משונמכת באופן אוטומטי. כשהקיבולת זמינה, פלטפורמת Agent ממשיכה לשרת את התנועה הזו בעדיפות, והיא מחויבת לפי תעריפי Priority PayGo. הבקשות משודרגות ל-Standard PayGo רק כשאין קיבולת פנויה לטיפול בהן בעדיפות, והן מחויבות לפי המחירים של Standard PayGo.

אפשר לבדוק מהתשובה אם הבקשה שודרגה. בבקשות ששודרגו לאחור ל-Standard PayGo, סוג התנועה מוגדר כ-ON_DEMAND. למידע נוסף, קראו את המאמר אימות השימוש ב-Priority PayGo.

כדי להקטין את הסיכוי לשדרוג לאחור, כדאי לשלוח תנועה חלקה בכל דקה ולא לשלוח עליות חדות ברמה השנייה. אם העומס שלכם מחייב מכסה גבוהה יותר, תוכלו לפנות לצוות המכירות. לעומסי עבודה שדורשים קיבולת ייעודית ומובטחת, ראו הקצאת משאבים לפי התפוקה שנקבעה.

המאמרים הבאים