PayGo standard

Il pagamento standard a consumo è un'opzione di consumo per l'utilizzo della suite di modelli di AI generativa di Gemini Enterprise Agent Platform, inclusa la famiglia di modelli Gemini.

PayGo standard ti consente di pagare solo le risorse che utilizzi, senza richiedere impegni finanziari anticipati. Per contribuire a scalare i workload sulla capacità condivisa, Standard PayGo incorpora un sistema di livelli di utilizzo. Agent Platform regola dinamicamente la soglia di throughput prioritario della tua organizzazione in base alla spesa totale per i servizi Agent Platform idonei in un periodo di 30 giorni consecutivi. Man mano che la spesa della tua organizzazione aumenta, viene promossa automaticamente a livelli superiori con soglie di throughput con priorità più elevata all'interno del pool di capacità condivisa. PayGo standard viene eseguito su risorse condivise e non riserva capacità dedicata né fornisce throughput garantito durante i periodi di elevata contesa. Per i carichi di lavoro che richiedono prestazioni più costanti rispetto a PayGo standard, valuta PayGo prioritario. Per capacità dedicata e garantita, vedi Throughput riservato.

Livelli di utilizzo e throughput

Ogni livello di utilizzo PayGo standard definisce una soglia di throughput prioritaria a livello di organizzazione, misurata in token al minuto (TPM). Le richieste fino alla soglia TPM del tuo livello ricevono l'accesso prioritario alla capacità condivisa prima del traffico burst in eccesso, anche se il throughput e la disponibilità dipendono ancora dalla domanda in tempo reale nel pool condiviso e non sono garantiti. Le soglie di throughput si applicano alle richieste inviate all'endpoint global. L'utilizzo dell'endpoint global è una best practice perché fornisce l'accesso a un pool mondiale di capacità di throughput e indirizza dinamicamente le richieste alla località con la maggiore disponibilità.

Gli endpoint multiregionali (come us e eu su aiplatform.us.rep.googleapis.com e aiplatform.eu.rep.googleapis.com) limitano l'elaborazione del machine learning a confini giurisdizionali specifici. Sebbene gli endpoint multiregionali raggruppino la capacità in più data center all'interno di quell'area geografica, operano da pool di capacità regionali separati e non condividono la capacità di throughput mondiale dell'endpoint global. Gli endpoint a singola regione (ad esempio us-central1 o us-east5) sono limitati a un singolo cluster di data center e hanno il margine di capacità più basso. Se i tuoi workload non sono soggetti a rigidi requisiti di residenza dei dati, utilizza l'endpoint global per utilizzare la soglia di velocità effettiva con priorità completa del tuo livello e massimizzare l'headroom. Per saperne di più sulla configurazione degli endpoint multiregionali, consulta Endpoint multiregionali.

Il traffico non è limitato rigorosamente alla soglia TPM del tuo livello. Quando è disponibile capacità condivisa di riserva, Agent Platform gestisce il traffico che supera questa soglia in modo opportunistico. Durante i periodi di forte domanda sulla piattaforma dell'agente, il traffico burst in eccesso viene limitato prima del traffico entro le soglie dei livelli e tutto il traffico del pool condiviso può riscontrare una latenza più elevata o errori 429. Per ridurre al minimo la limitazione, distribuisci il traffico nel modo più uniforme possibile ogni minuto ed evita di inviare richieste in picchi acuti di secondo livello. Un traffico istantaneo elevato può comportare la limitazione anche se l'utilizzo medio al minuto rientra nella soglia TPM del tuo livello.

In Standard PayGo sono disponibili i seguenti livelli:

Famiglia di modelli Livello Spesa dei clienti (30 giorni) TPM del traffico (a livello di organizzazione)
Modelli Gemini Pro Livello 1 10-250 $ 500.000
Livello 2 250 $ - 2000 $ 1.000.000
Livello 3 2000 $-50.000 $ 2.000.000
Livello 4 > 50.000 $ 10.000.000
Livello personalizzato Contatta il team di vendita per ulteriori informazioni
Modelli Gemini Flash e Flash-Lite Livello 1 10-250 $ 2.000.000
Livello 2 250 $ - 2000 $ 4.000.000
Livello 3 2000 $-50.000 $ 10.000.000
Livello 4 > 50.000 $ 50.000.000
Livello personalizzato Contatta il team di vendita per ulteriori informazioni

La soglia di throughput mostrata per una famiglia di modelli si applica indipendentemente a ciascun modello all'interno di quella famiglia. Ad esempio, un'organizzazione di livello 3 ha una soglia di throughput prioritario di 10.000.000 di TPM per Gemini 3.5 Flash. L'utilizzo rispetto alla soglia di un modello non influisce sul throughput degli altri modelli. Non esiste un limite separato di richieste al minuto (RPM) per ogni livello. Le richieste a Gemini con input multimodali sono soggette ai limiti di frequenza del sistema corrispondenti.

Come funzionano i livelli di utilizzo

Il tuo livello di utilizzo viene determinato automaticamente in base alla spesa totale della tua organizzazione per i servizi Agent Platform idonei in un periodo di 30 giorni consecutivi. Man mano che aumentano le spese della tua organizzazione, il sistema ti promuove a un livello superiore con soglie di throughput con priorità più alta.

Calcolo della spesa

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

Fai clic per scoprire 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 (come 2.0, 2.5 e 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 "pensiero"
Funzionalità dei modelli Gemini Tutti gli SKU Gemini correlati per funzionalità come memorizzazione nella cache, spazio di archiviazione nella cache e livelli di priorità, in tutte le modalità e versioni del modello
CPU di Agent Platform Previsioni online e batch su tutte le famiglie di istanze basate su CPU (come C2, C3, E2, N1, N2 e le relative varianti)
GPU Agent Platform Previsioni online e batch su tutte le istanze con accelerazione GPU NVIDIA (come le serie A100, H100, H200, B200, L4, T4, V100 e RTX)
TPU di Agent Platform Previsioni online e batch su tutte le istanze basate su TPU (ad esempio TPU v5e e v6e)
Gestione e commissioni Tutti gli SKU "Tariffa 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 strumento della Ricerca Google"

Verificare il livello di utilizzo

Per verificare il livello di utilizzo della tua organizzazione, vai alla dashboard di Agent Platform nella console Google Cloud . Per visualizzare il livello di utilizzo nella dashboard, devi disporre del ruolo Visualizzatore piattaforma agente (roles/aiplatform.viewer) nel progetto e del ruolo Visualizzatore account di fatturazione (roles/billing.viewer) nell'account di fatturazione.

Vai alla dashboard di Agent Platform

Verifica spesa

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

Vai alla fatturazione Cloud

Errori di risorsa esaurita (429)

Se ricevi un errore 429, non significa che hai raggiunto una quota fissa. Indica una contesa temporanea elevata per una risorsa condivisa specifica. Implementa una strategia di ripetizione con backoff esponenziale per gestire questi errori perché la disponibilità in questo ambiente dinamico può cambiare rapidamente.

Oltre a una strategia di ripetizione, valuta la scelta dell'endpoint:

  • Endpoint global (consigliato): l'endpoint global instrada dinamicamente le richieste nella flotta mondiale di data center di Google, raggruppando la capacità di throughput globale e attenuando i picchi localizzati. In questo modo si ottiene la massima disponibilità e si riduce significativamente la probabilità di errori 429.
  • Endpoint multiregionali (ad esempio us e eu): gli endpoint multiregionali mettono in comune la capacità di più data center all'interno di un confine geografico specifico. Sebbene offrano una capacità maggiore rispetto a una singola regione, non accedono alla capacità mondiale. Se la tua applicazione utilizza un endpoint multiregionale e si verificano errori 429 durante i periodi di picco, valuta se le tue norme di governance dei dati consentono di indirizzare i carichi di lavoro non sensibili o generali all'endpoint global oppure valuta la possibilità di utilizzare Priority PayGo o Throughput riservato.
  • Endpoint a regione singola (ad esempio us-central1): gli endpoint a regione singola sono vincolati a una posizione del cluster specifica e hanno la massima probabilità di riscontrare errori 429 in caso di contesa del carico. Evita di bloccare i carichi di lavoro Standard PayGo con throughput elevato sugli endpoint a singola regione, a meno che non sia necessario per la collocazione con risorse di calcolo sensibili alla latenza.

Per risultati ottimali, combina l'utilizzo dell'endpoint global con lo smoothing del traffico. Evita di inviare richieste in picchi acuti di secondo livello, perché un traffico istantaneo elevato può portare alla limitazione, anche se l'utilizzo medio al minuto rientra nella soglia di velocità effettiva con priorità del tuo livello. 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 Crea applicazioni LLM resilienti e riduci gli errori 429 e Codice di errore 429.

Modelli supportati

I seguenti modelli Gemini in disponibilità generale (GA) e tutti i modelli ottimizzati con supervisione corrispondenti supportano Standard PayGo con livelli di utilizzo:

Fai clic per espandere i modelli supportati

I seguenti modelli Gemini GA supportano anche Standard PayGo, ma i livelli di utilizzo non si applicano a questi modelli:

Questi livelli non si applicano ai modelli di anteprima. Per informazioni più accurate e aggiornate, consulta la documentazione ufficiale specifica di ogni modello.

Monitorare il throughput e il rendimento

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

Vai a Esplora metriche

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

I livelli di utilizzo vengono applicati a livello di organizzazione. Per informazioni su come impostare l'ambito di osservabilità per tracciare il throughput in più progetti della tua organizzazione, consulta Configurare gli ambiti di osservabilità per le query multiprogetto.

Passaggi successivi

Risorsa

Quote e limiti relativi ad Agent Platform, escluse le limitazioni specifiche del prodotto.

Panoramica

Scopri in che modo Google Cloud limita la quantità di una risorsa che può essere utilizzata nel tuo progetto Google Cloud e come le quote si applicano a una serie di tipi di risorse, inclusi hardware, software e componenti di rete.