As tabelas a seguir mostram os modelos compatíveis com a capacidade de processamento provisionada, a capacidade de processamento para cada unidade de escala de IA generativa (GSU) e as taxas de burndown de cada modelo.
Modelos do Google
A capacidade de processamento provisionada só é compatível com modelos que você chama diretamente
do seu projeto usando o ID específico do modelo, e não um alias. Para usar a
capacidade de processamento provisionada e fazer chamadas de API para um modelo, use o
ID específico da versão do modelo (por exemplo, gemini-2.0-flash-001) e não um
alias de versão do modelo.
Embora a capacidade de transferência provisionada garanta a capacidade para as solicitações do seu modelo, ela não inclui nem ignora cotas para outras ferramentas que você pode usar, como Fundamentação. Dependendo do tamanho da sua carga de trabalho, talvez seja necessário solicitar mais cota para essas ferramentas separadamente.
Além disso, a Capacidade de Processamento Provisionada não é compatível com modelos chamados por outros produtos da Gemini Enterprise Agent Platform, como os agentes da Vertex AI e o Agent Search. Por exemplo, se você fizer chamadas de API para o Gemini 2.0 Flash ao usar a Pesquisa de agentes, seu pedido de taxa de transferência provisionada para o Gemini 2.0 Flash não vai garantir as chamadas feitas pela Pesquisa de agentes.
O Provisioned Throughput não é compatível com chamadas de previsão em lote.
A tabela a seguir mostra a capacidade de processamento, o incremento de compra e as taxas de burndown para modelos do Google que oferecem suporte à capacidade de processamento provisionada. A capacidade de processamento por segundo é definida como a entrada de comando e a saída gerada em todas as solicitações por segundo.
Para saber quantos tokens sua carga de trabalho exige, consulte o tokenizador do SDK ou a API countTokens.
| Modelo | Capacidade de processamento por segundo por GSU | Unidades | Incremento mínimo de compra de GSU | Taxas de burndown |
|---|---|---|---|---|
|
Imagem do Gemini 3.1 Flash-Lite (Nano Banana 2 Lite) Versão mais recente compatível: |
4030 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens 1 token de imagem de saída = 120 tokens |
|
Versão mais recente compatível: |
500 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens 1 token de imagem de saída = 60 tokens |
|
Criação de imagens do Gemini 3.1 Flash Versão mais recente compatível: |
2015 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens 1 token de imagem de saída = 120 tokens |
|
Versão mais recente compatível: |
675 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 1 token 1 token de cache de texto de entrada = 0,1 token 1 token de cache de imagem de entrada = 0,1 token 1 token de cache de vídeo de entrada = 0,1 token 1 token de cache de áudio de entrada = 0,1 token 1 token de texto de saída = 6 tokens |
|
Versão mais recente compatível: |
4030 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 2 tokens 1 token de cache de texto de entrada = 0,1 token 1 token de cache de imagem de entrada = 0,1 token 1 token de cache de vídeo de entrada = 0,1 token 1 token de cache de áudio de entrada = 0,2 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens |
|
Criação de imagens do Gemini 3.1 Flash Versão mais recente compatível: |
2015 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 6 tokens 1 token de imagem de saída = 120 tokens |
|
Versão mais recente compatível: |
500 | Tokens | 1 |
Menos de 200.000 tokens de entrada: 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 1 token 1 token de cache de entrada = 0,1 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens Mais de 200.000 tokens de entrada: 1 token de texto de entrada = 2 tokens 1 token de imagem de entrada = 2 tokens 1 token de vídeo de entrada = 2 tokens 1 token de áudio de entrada = 2 tokens 1 token de cache de entrada = 0,2 token 1 token de texto de resposta de saída = 9 tokens 1 token de texto de raciocínio de saída = 9 tokens |
|
Versão mais recente compatível: |
2015 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 2 tokens 1 token de texto, imagem, vídeo em cache de entrada = 0,1 token 1 token de áudio em cache de entrada = 0,2 token 1 token de texto de resposta de saída = 6 tokens 1 token de texto de raciocínio de saída = 6 tokens |
|
Versão mais recente compatível: |
500 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 6 tokens 1 token de pensamento de saída = 6 tokens 1 token de imagem de saída = 60 tokens |
|
Versão mais recente compatível: |
650 | Tokens | 1 |
Menor ou igual a 200.000 tokens de entrada: 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 1 token 1 token de texto de resposta de saída = 8 tokens 1 token de texto de raciocínio de saída = 8 tokens Maior que 200.000 tokens de entrada: 1 token de texto de entrada = 2 tokens 1 token de imagem de entrada = 2 tokens 1 token de vídeo de entrada = 2 tokens 1 token de áudio de entrada = 2 tokens 1 token de texto de resposta de saída = 12 tokens 1 token de texto de raciocínio de saída = 12 tokens |
|
Criação de Imagens do Gemini 2.5 Flash Versão mais recente compatível: |
2.690 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 9 tokens 1 token de imagem de saída = 100 tokens |
|
Versão mais recente compatível: |
2690 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 4 tokens 1 token de texto de resposta de saída = 9 tokens 1 token de texto de raciocínio de saída = 9 tokens |
|
Versão mais recente compatível (GA): Versão mais recente compatível (pré-lançamento): |
8.070 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de vídeo de entrada = 1 token 1 token de áudio de entrada = 3 tokens 1 token de texto de resposta de saída = 4 tokens 1 token de texto de raciocínio de saída = 4 tokens |
|
Gemini 2.5 Flash com áudio nativo da API Gemini Live Versão mais recente compatível: |
1.620 | Tokens | 1 |
1 token de texto de entrada = 1 token 1 token de áudio de entrada = 6 tokens 1 token de vídeo de entrada = 6 tokens 1 token de imagem de entrada = 6 tokens 1 token de memória de sessão de entrada = 1 token 1 token de texto de saída = 4 tokens 1 token de áudio de saída = 24 tokens |
Versão mais recente compatível: |
0,0350 | Segundos de vídeo (720p) | 1 | 1 segundo de vídeo de saída (720p) = 1 segundo de vídeo de saída |
| Segundos de vídeo+áudio (720p) | 1 | 1 segundo de vídeo+áudio de saída (720p) = 1,75 segundo de vídeo de saída | ||
| Segundos de vídeo (1080p) | 1 | 1 segundo de vídeo de saída (1080p) = 1,75 segundo de vídeo de saída (720p) | ||
| Segundos de vídeo+áudio (1080p) | 1 | 1 segundo de vídeo+áudio de saída (1080p) = 2,33 segundos de vídeo de saída (720p) | ||
Versão mais recente compatível: |
0,0040 | Segundos de vídeo | 1 | 1 segundo de vídeo de saída = 1 segundo de vídeo de saída |
| Segundos de áudio e vídeo | 1 | 1 segundo de vídeo e áudio de saída = 2 segundos de vídeo de saída | ||
Versão mais recente compatível: |
0,01 | Segundos de vídeo (720p) | 1 | 1 segundo de vídeo de saída (720p) = 1 segundo de vídeo de saída |
| Segundos de vídeo + áudio (720p) | 1 | 1 segundo de áudio e vídeo de saída (720p) = 1,30 segundo de vídeo de saída | ||
| Segundos de vídeo (1080p) | 1 | 1 segundo de vídeo de saída (1080p) = 1,30 segundo de vídeo de saída (720p) | ||
| Segundos de vídeo + áudio (1080p) | 1 | 1 segundo de áudio e vídeo de saída (1080p) = 1,60 segundo de vídeo de saída (720p) | ||
| Segundos de vídeo (4K) | 1 | 1 segundo de vídeo de saída (4K) = 3,40 segundos de vídeo de saída (720p) | ||
| Segundos de vídeo + áudio (4K) | 1 | 1 segundo de vídeo + áudio de saída (4K) = 4 segundos de vídeo de saída (720p) | ||
Versão mais recente compatível: |
0,0040 | Segundos de vídeo | 1 | 1 segundo de vídeo de saída = 1 segundo de vídeo de saída |
| Segundos de áudio e vídeo | 1 | 1 segundo de vídeo e áudio de saída = 2 segundos de vídeo de saída | ||
Versão mais recente compatível: |
0,01 | Segundos de vídeo (720p) | 1 | 1 segundo de vídeo de saída (720p) = 1 segundo de vídeo de saída |
| Segundos de vídeo + áudio (720p) | 1 | 1 segundo de áudio e vídeo de saída (720p) = 1,30 segundo de vídeo de saída | ||
| Segundos de vídeo (1080p) | 1 | 1 segundo de vídeo de saída (1080p) = 1,30 segundo de vídeo de saída (720p) | ||
| Segundos de vídeo + áudio (1080p) | 1 | 1 segundo de áudio e vídeo de saída (1080p) = 1,60 segundo de vídeo de saída (720p) |
Para informações sobre as capacidades de um modelo e os limites de entrada ou saída, consulte a documentação do modelo.
Você pode fazer upgrade para novos modelos assim que eles forem disponibilizados. Para informações sobre disponibilidade e datas de descontinuação de modelos, consulte Modelos do Google.
Para mais informações sobre os locais compatíveis, consulte Locais disponíveis.
Modelos de parceiros
A tabela a seguir mostra as taxas de capacidade de processamento, incremento de compra e burndown dos modelos de parceiros que oferecem suporte à capacidade de processamento provisionada. Os modelos do Claude são medidos em tokens por segundo, que é definido como o total de tokens de entrada e saída em todas as solicitações por segundo.
| Modelo | Capacidade de processamento por GSU (tokens/s) | Compra mínima de GSU | Incremento de compra de GSU | Taxas de burndown |
|---|---|---|---|---|
| Claude Sonnet 5 da Anthropic no Google Cloud | 350 | 25 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Fable 5 da Anthropic no Google Cloud | 105 | 1 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Opus 4.8 da Anthropic no Google Cloud | 210 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Opus 4.7 da Anthropic no Google Cloud | 210 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Sonnet 4.6 da Anthropic no Google Cloud | 350 | 25 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Opus 4.6 da Anthropic no Google Cloud | 210 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Opus 4.5 da Anthropic no Google Cloud | 210 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Sonnet 4.5 da Anthropic no Google Cloud | 350 | 25 | 1 | Menos de 200.000 tokens de entrada: 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token de ocorrência em cache = 0,1 token Maior ou igual a 200.000 tokens de entrada: 1 token de entrada = 2 tokens 1 token de saída = 7,5 tokens 1 token de gravação em cache de 5 minutos = 2,5 tokens 1 token de gravação em cache de 1 hora = 4 tokens 1 token de acerto de cache = 0,2 token |
| Claude Opus 4.1 da Anthropic no Google Cloud | 70 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Haiku 4.5 da Anthropic no Google Cloud | 1.050 | 8 | 1 | Menos de 200.000 tokens de entrada: 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Opus 4 da Anthropic no Google Cloud | 70 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude Sonnet 4 da Anthropic no Google Cloud | 350 | 25 | 1 | Menos de 200.000 tokens de entrada: 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token de ocorrência em cache = 0,1 token Maior ou igual a 200.000 tokens de entrada: 1 token de entrada = 2 tokens 1 token de saída = 7,5 tokens 1 token de gravação em cache de 5 minutos = 2,5 tokens 1 token de gravação em cache de 1 hora = 4 tokens 1 token de acerto de cache = 0,2 token |
| Claude 3.7 Sonnet da Anthropic no Google Cloud (descontinuado) | 350 | 25 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação de cache de 5 minutos = 1,25 token 1 token de ocorrência em cache = 0,1 token |
| Claude 3.5 Sonnet v2 da Anthropic no Google Cloud (descontinuado) | 350 | 25 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação de cache de 5 minutos = 1,25 token 1 token de ocorrência em cache = 0,1 token |
| Claude 3.5 Haiku da Anthropic no Google Cloud (descontinuado) | 2.000 | 10 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude 3 Opus da Anthropic no Google Cloud | 70 | 35 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação de cache de 5 minutos = 1,25 token 1 token de ocorrência em cache = 0,1 token |
| Claude 3 Haiku da Anthropic no Google Cloud (descontinuado) | 4.200 | 5 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação em cache de 5 minutos = 1,25 token 1 token de gravação em cache de 1 hora = 2 tokens 1 token ocorrência em cache = 0,1 token |
| Claude 3.5 Sonnet da Anthropic no Google Cloud (descontinuado) | 350 | 25 | 1 | 1 token de entrada = 1 token 1 token de saída = 5 tokens 1 token de gravação de cache de 5 minutos = 1,25 token 1 token de ocorrência em cache = 0,1 token |
Para informações sobre os locais compatíveis, consulte Disponibilidade na região de Anthropic Claude. Para pedir a taxa de transferência provisionada para modelos da Anthropic, entre em contato com seu Google Cloud representante da conta.
Modelos abertos
A tabela a seguir mostra a capacidade de processamento, o incremento de compra e as taxas de burndown para modelos abertos que oferecem suporte à capacidade de processamento provisionada.
| Modelo | Capacidade de processamento por GSU (tokens/s) | Compra mínima de GSU | Incremento de compra de GSU | Taxas de burndown |
|---|---|---|---|---|
|
Versão mais recente compatível: |
3.360 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
1.680 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: O suporte ao Provisioned Throughput para esse modelo é faturado nas mesmas SKUs dos modelos do Google, mas está sujeito aos recursos de modelo aberto. |
6.725 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
1.680 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
1.400 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 1 token |
|
Versão mais recente compatível: |
2.800 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
4.035 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de imagem de entrada = 1 token 1 token de texto de saída = 3 tokens |
|
Versão mais recente compatível: |
3.360 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
11.205 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
14.405 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
4.035 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
1.010 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
6.725 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 8 tokens |
|
Versão mais recente compatível: |
6.725 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 8 tokens |
|
Versão mais recente compatível: |
1.685 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 4 tokens |
|
Versão mais recente compatível: |
1.010 | 1 | 1 | 1 token de texto de entrada = 1 token 1 token de texto de saída = 3 tokens |
Recursos disponíveis para modelos do Google e abertos
A tabela a seguir lista os recursos disponíveis com a capacidade de transmissão provisionada para modelos do Google e abertos:
| Capacidade | Modelos do Google | Modelos abertos (prévia) |
|---|---|---|
| Fazer um pedido pelo console do Google Cloud | Sim | Sim |
| Suporta endpoints globais | Consulte Suporte a modelos de endpoint global. | Consulte Suporte a modelos de endpoint global. |
| Compatível com modelos ajustados de forma supervisionada | Sim | Não |
| Compatível com o uso de chaves de API | Sim | Não |
| Integrado ao armazenamento em cache de contexto implícito | Sim | Não relevante |
| Integração com armazenamento em cache de contexto explícito | Sim | Não relevante |
| Processamento de ML | Disponível em regiões específicas. Para mais detalhes, consulte Capacidade de processamento provisionada de zona única. | Não relevante |
| Termos de pedido disponíveis | 1 semana, 1 mês, 3 meses e 1 ano | 1 semana, 1 mês, 3 meses e 1 ano |
| Mudar a ordem no console | Sim | Não |
| Status do pedido: pendente de revisão, aprovado, ativo, expirado | Sim | Sim |
| Os excedentes são transferidos para o pagamento por uso por padrão | Sim | Sim |
| Controle de cabeçalho da API: use "dedicated" para usar apenas a capacidade de transmissão provisionada ou "shared" para usar apenas o pagamento por uso. | Sim | Sim |
| Monitoring: métricas, painéis e alertas | Sim | Sim |
Suporte a modelos de endpoint global
A capacidade de transmissão provisionada é compatível com o endpoint global para modelos do Google e abertos.
O tráfego que excede a cota de capacidade de processamento provisionada usa o endpoint global por padrão.
Para atribuir capacidade de processamento provisionada ao endpoint global de um modelo, selecione global como a região ao fazer um pedido de capacidade de processamento provisionada.
Modelos do Google com suporte a endpoints globais
A tabela a seguir lista os modelos do Google em que a capacidade de processamento provisionada é compatível com o endpoint global:
| Modelo | Versão mais recente do modelo com suporte |
|---|---|
| Imagem do Gemini 3.1 Flash-Lite (Nano Banana 2 Lite) | gemini-3.1-flash-lite-image |
| Gemini 3 Pro Image | gemini-3-pro-image |
| Criação de imagens do Gemini 3.1 Flash | gemini-3.1-flash-image |
| Gemini 3.5 Flash | gemini-3.5-flash |
| Gemini 3.1 Flash-Lite | gemini-3.1-flash-lite |
| Criação de imagens do Gemini 3.1 Flash pré-lançamento | gemini-3.1-flash-image-preview |
| Gemini 3.1 Pro pré-lançamento | gemini-3.1-pro-preview |
| Gemini 3 Flash pré-lançamento | gemini-3-flash-preview |
| Gemini 3 Pro Image pré-lançamento | gemini-3-pro-image-preview |
| Gemini 2.5 Pro | gemini-2.5-pro |
| Criação de Imagens do Gemini 2.5 Flash | gemini-2.5-flash-image |
| Gemini 2.5 Flash | gemini-2.5-flash |
| Gemini 2.5 Flash-Lite | gemini-2.5-flash-lite |
Modelos abertos com suporte a endpoints globais
A tabela a seguir lista os modelos abertos para os quais a taxa de transferência provisionada é compatível com o endpoint global:
| Modelo | Versão mais recente do modelo compatível |
|---|---|
| DeepSeek-OCR | deepseek-ocr-maas |
| DeepSeek-V3.2 | deepseek-v3.2-maas |
| Kimi K2 Thinking | kimi-k2-thinking-maas |
| MiniMax M2 | minimax-m2-maas |
| OpenAI gpt-oss 120B | gpt-oss-120b-maas |
| Qwen3-Next-80B Instruct | qwen3-next-80b-a3b-instruct-maas |
| Qwen3-Next-80B Thinking | qwen3-next-80b-a3b-thinking-maas |
| GLM 4.7 | glm-4.7-maas |
| GLM 5 | glm-5-maas |
Suporte para modelos ajustados de forma supervisionada
O seguinte é compatível com modelos do Google que aceitam ajuste de detalhes supervisionado:
A Capacidade de Processamento Provisionada pode ser aplicada a modelos de base e a versões ajustadas de forma supervisionada deles.
Os endpoints de modelo ajustado supervisionado e a contagem do modelo de base correspondente são contabilizados na mesma cota de capacidade de processamento provisionada.
Por exemplo, o Provisioned Throughput comprado para
gemini-3.1-flash-liteem um projeto específico prioriza solicitações feitas de versões supervisionadas e refinadas degemini-3.1-flash-litecriadas nesse projeto. Use o cabeçalho apropriado para controlar o comportamento do tráfego.
A partir do Gemini 3, as taxas de redução para inferência de modelos ajustados são mais altas em comparação com a inferência de modelos básicos. Esse prêmio é proporcional ao prêmio de inferência ajustada do modelo. Por exemplo, se a inferência ajustada custar 50% mais do que a inferência do modelo base, a taxa de burndown da inferência ajustada será 50% maior. Nesse caso, se a inferência do modelo de base de um token de texto de entrada for um token, a inferência do modelo ajustado de um token de texto de entrada será de 1,5 token.
Antes do Gemini 3, os endpoints de modelo ajustado com ajuste supervisionado e o modelo de base correspondente eram contabilizados na mesma cota de capacidade de processamento provisionada com as mesmas taxas de redução.