标准随用随付 (Standard PayGo) 是一种使用 Gemini Enterprise Agent Platform 的生成式 AI 模型套件（包括 Gemini 模型系列）的消费方案。
使用 Standard PayGo，您只需为所消耗的资源付费，而无需预先做出财务承诺。为了帮助扩缩共享容量的工作负载，Standard PayGo 纳入了使用层级系统。Agent Platform 会根据组织在滚动 30 天内对符合条件的 Agent Platform 服务的总支出，动态调整组织的优先级吞吐量阈值。随着组织支出的增加，系统会自动将其提升到更高的层级，并在共享容量池中提供更高的优先级吞吐量阈值。 Standard PayGo 在共享资源上运行，不会预留专用容量，也不会在争用高峰期提供保证的吞吐量。对于需要比 Standard PayGo 更稳定的性能的工作负载，请考虑使用 Priority PayGo。如需了解专用和 保证的容量，请参阅预配吞吐量。
使用层级和吞吐量
每个 Standard PayGo 使用层级都定义了组织级优先级吞吐量阈值，以每分钟令牌数 (TPM) 为单位进行衡量。请求的 TPM 达到层级阈值时，可以优先访问共享容量，而不是突发流量，但吞吐量和可用性仍取决于共享池中的实时需求，并且无法保证。吞吐量阈值适用于发送到 global 端点的请求。使用 global 端点是一种最佳实践，因为它提供对全球吞吐量容量池的访问权限，并动态将请求路由到可用性最高的位置。
多区域端点（例如us和eu在
aiplatform.us.rep.googleapis.com和aiplatform.eu.rep.googleapis.com上）将机器学习处理限制在特定的司法管辖范围内。
虽然多区域端点会在该地理区域内的多个数据中心汇集容量，但它们从单独的区域容量池运行，并且不共享
global 端点的全球吞吐量容量。
单区域端点（例如 us-central1 或 us-east5）仅限于单个数据中心集群，容量余量最低。如果您的工作负载不受严格的数据驻留要求限制，请使用
global 端点来使用层级的完整优先级吞吐量阈值并最大限度地提高余量。如需详细了解如何配置多区域端点，请参阅
多区域端点。
您的流量不会严格限制在层级的 TPM 阈值。当有备用共享容量可用时，Agent Platform 会根据情况处理超出此阈值的流量。在
Agent Platform 需求高峰期，系统会先限制超出层级阈值的突发流量，然后再处理层级阈值内的流量，并且所有共享池流量都可能会遇到更高的延迟或 429
错误。为了最大限度地减少限制，请尽可能均匀地平滑每分钟的流量，避免以急剧的秒级峰值发送请求。
即使每分钟的平均用量在层级的 TPM
阈值内，瞬时高流量也可能会导致限制。
Standard PayGo 中提供以下层级：
| 模型系列 | 层级 | 客户支出（30 天） | 流量 TPM（组织级） |
|---|---|---|---|
| Gemini Pro 和 Argon 模型 （包括 Gemini 4 Argon 和 Gemini 4 Argon Cyber Permissive） |
层级 1 | 10 美元 - 250 美元 | 50 万 |
| 层级 2 | 250 美元 - 2,000 美元 | 100 万 | |
| 层级 3 | 2,000 美元 - 50,000 美元 | 200 万 | |
| 层级 4 | > 50,000 美元 | 1000 万 | |
| 自定义层级 | 如需了解详情，请与销售团队联系 | ||
| Gemini Flash 和 Flash-Lite 模型 | 层级 1 | 10 美元 - 250 美元 | 200 万 |
| 层级 2 | 250 美元 - 2,000 美元 | 400 万 | |
| 层级 3 | 2,000 美元 - 50,000 美元 | 1000 万 | |
| 层级 4 | > 50,000 美元 | 5000 万 | |
| 自定义层级 | 如需了解详情，请与销售团队联系 | ||
为模型系列显示的吞吐量阈值独立适用于该系列中的每个模型。例如，层级 3 中的组织对于 Gemini 3.5 Flash 的优先级吞吐量阈值为 1000 万 TPM。针对一个模型阈值的使用情况不会影响其他模型的吞吐量。每个层级都没有单独的每分钟请求数 (RPM) 限制。具有多模态输入的 Gemini 请求 受相应的 系统速率限制。
使用层级的工作原理
您的使用层级由组织在滚动 30 天内对符合条件的 Agent Platform 服务的总支出自动确定。随着组织支出的增加，系统会将您提升到更高的层级，并提供更高的优先级吞吐量阈值。
支出计算
此计算包括各种服务，从所有 Gemini 模型系列的预测到 Agent Platform CPU、GPU 和 TPU 实例，以及基于承诺的 SKU，例如预配吞吐量。
点击即可详细了解支出计算中包含的 SKU。
下表列出了包含在总支出计算中的 Google Cloud SKU类别。
| 类别 | 包含的 SKU 说明 |
|---|---|
| Gemini 模型 | 所有 Gemini 模型系列（例如 Pro、Flash 和 Lite 版本中的 2.0、2.5 和 3.0），用于跨所有模态（文本、图片、音频、视频）进行预测，包括批量、长上下文、调整和“思考”变体 |
| Gemini 模型功能 | 所有相关的 Gemini SKU，适用于缓存、缓存存储和优先级层级等功能，涵盖所有模态和模型版本 |
| Agent Platform CPU | 所有基于 CPU 的实例系列（例如 C2、C3、E2、N1、N2 及其变体）的在线和批量预测 |
| Agent Platform GPU | 所有 NVIDIA GPU 加速实例（例如 A100、H100、H200、B200、L4、T4、V100 和 RTX 系列）的在线和批量预测 |
| Agent Platform TPU | 所有基于 TPU 的实例（例如 TPU-v5e 和 v6e）的在线和批量预测 |
| 管理和费用 | 与各种 Agent Platform 预测实例关联的所有“管理费”SKU |
| 预配吞吐量 | 所有基于承诺的预配吞吐量 SKU |
| 其他服务 | 专业服务，例如“LLM Grounding for Gemini... with Google Search tool” |
验证使用层级
如需验证组织的使用层级，请前往
控制台中的 Google Cloud Agent Platform 信息中心。
如需在信息中心内查看使用层级，您需要对项目拥有
Agent Platform Viewer 角色
(roles/aiplatform.viewer)，并对结算账号拥有
Billing Account Viewer 角色
(roles/billing.viewer)。
验证支出
如需查看 Agent Platform 支出，请前往 Google Cloud 控制台中的 Cloud Billing。支出在组织级汇总。
资源用尽 (429) 错误
如果您收到 429 错误，这并不表示您已达到固定配额，
而是表示特定共享资源暂时争用激烈。
请实现指数退避算法重试策略来处理这些错误，因为此动态环境中的可用性可能会快速变化。
除了重试策略之外，还要评估端点选择：
global端点（推荐） ：global端点会在 Google 的全球数据中心集群中动态路由请求，汇集全球吞吐量容量并平滑本地峰值。这可提供最高的可用性，并显著降低429错误的发生几率。- 多区域端点（例如
us和eu）：多区域端点 会在特定地理 边界内的多个数据中心汇集容量。虽然它们提供的容量比单个区域更大，但无法访问全球容量。如果您的应用使用多区域 端点，并且在高峰期遇到429错误，请评估您的 数据治理政策是否允许将非敏感或一般 工作负载路由到global端点，或者考虑 Priority PayGo 或 预配吞吐量。 - 单区域端点（例如
us-central1）：单区域 端点受限于特定集群位置，并且在负载争用情况下最有可能遇到429错误。 除非需要与延迟敏感型计算资源进行共置，否则请避免将高吞吐量 Standard PayGo 工作负载固定到单区域端点。
为获得最佳效果，请将 global 端点与流量平滑结合使用。避免以急剧的秒级峰值发送请求，因为即使每分钟的平均用量在层级的优先级吞吐量阈值内，瞬时高流量也可能会导致限制。更均匀地分配 API
调用有助于系统以可预测的方式管理负载，并提高整体性能。如需详细了解如何处理资源
用尽错误，请参阅
构建弹性 LLM 应用并减少 429 错误
和 错误代码 429。
支持的模型
以下 正式版 (GA) Gemini 模型和任何相应的 监督式 微调模型支持 具有使用层级的 Standard PayGo：
点击即可展开支持的模型
以下 GA Gemini 模型也支持 Standard PayGo，但 使用层级不适用于这些模型：
- Gemini Nano Banana 2.1
- Gemini 3.1 Flash Image
- Gemini 3.1 Flash-Lite Image
- Gemini 3 Pro Image
- Gemini 2.5 Flash Image
这些层级不适用于预览版模型。如需获取最准确、最新的信息，请参阅每个模型的具体官方文档。
监控吞吐量和性能
如需监控组织的实时令牌消耗量，请前往 Cloud Monitoring 中的 Metrics Explorer。
如需详细了解如何监控模型端点流量，请参阅 监控模型。
使用层级在组织级应用。如需了解如何设置您的 可观测性范围以绘制组织中多个项目的 吞吐量图表，请参阅为多项目 查询配置可观测性范围。