標準即付即用 (標準 PayGo) 是一種消費選項，可使用 Gemini Enterprise Agent Platform 的生成式 AI 模型套件，包括 Gemini 模型系列。
標準即付即用模式會按用量計費，不必預付費用。為協助您在共用運算資源上調度工作負載，標準即付即用方案採用用量級別系統。Agent Platform 會根據貴機構在過去 30 天內，於符合資格的 Agent Platform 服務上的支出總額，動態調整優先處理量門檻。隨著機構的支出增加，系統會自動將機構升級至較高等級，並在共用容量集區中提高優先順序輸送量門檻。Standard PayGo 在共用資源上執行，不會保留專用容量，也不會在高競爭期間提供保證處理量。如果工作負載需要比標準即付即用更穩定的效能，建議使用優先即付即用。如需專屬和保證的容量，請參閱「佈建輸送量」。
用量級別和處理量
每個標準即付即用用量級別都會定義組織層級的優先處理量門檻，以每分鐘詞元數 (TPM) 為單位。要求量未超過層級的 TPM 門檻時，可優先存取共用容量，避免爆量流量造成影響，但輸送量和可用性仍取決於共用集區的即時需求，因此無法保證。傳送至 global 端點的要求會受到輸送量門檻限制。最佳做法是使用 global 端點，因為這可讓您存取全球的處理量，並將要求動態轉送至可用性最高的位置。
多區域端點 (例如 us 和 eu 位於 aiplatform.us.rep.googleapis.com 和 aiplatform.eu.rep.googleapis.com) 會將機器學習處理作業限制在特定管轄範圍內。雖然多區域端點會彙整該地理區域內多個資料中心的容量，但這些端點是從個別區域容量集區運作，不會共用 global 端點的全球輸送量容量。單一區域端點 (例如 us-central1 或 us-east5) 僅限於單一資料中心叢集，且容量預留空間最低。如果工作負載不受嚴格的資料落地規定限制，請使用 global 端點，充分運用您所在級別的優先處理總處理量門檻，並盡可能提高可用空間。如要進一步瞭解如何設定多區域端點，請參閱「多區域端點」。
流量不會嚴格限制在級別的 TPM 門檻內。如有閒置的共用容量，Agent Platform 會視情況處理超過此門檻的流量。在 Agent Platform 需求量較高的期間，系統會先節流超出層級門檻的流量，再節流共用集區內的流量，因此所有共用集區流量都可能出現較高的延遲時間或 429 錯誤。為盡量減少節流，請盡可能平均分配每分鐘的流量，並避免在秒級尖峰時段傳送要求。即使每分鐘平均用量在級別的 TPM 門檻內，瞬間流量過高仍可能導致系統限制用量。
標準隨用隨付方案提供下列層級：
| 模型系列 | 級別 | 顧客支出 (30 天) | 流量 TPM (機構層級) |
|---|---|---|---|
| Gemini Pro 和 Argon 模型 (包括 Gemini 4 Argon 和 Gemini 4 Argon Cyber Permissive) |
級別 1 | $10 - $250 | 500,000 |
| 級別 2 | $250 至 $2,000 美元 | 1,000,000 | |
| 第 3 級 | $2,000 至 $50,000 美元 | 2,000,000 | |
| 第 4 級 | > $50,000 | 10,000,000 | |
| 自訂層級 | 詳情請洽詢業務團隊 | ||
| Gemini Flash 和 Flash-Lite 模型 | 級別 1 | $10 - $250 | 2,000,000 |
| 級別 2 | $250 至 $2,000 美元 | 4,000,000 | |
| 第 3 級 | $2,000 至 $50,000 美元 | 10,000,000 | |
| 第 4 級 | > $50,000 | 50,000,000 | |
| 自訂層級 | 詳情請洽詢業務團隊 | ||
模型系列的輸送量門檻會獨立套用至該系列中的每個模型。舉例來說，第 3 層的機構在 Gemini 3.5 Flash 的優先處理量門檻為 10,000,000 TPM。某個模型的用量達到門檻，不會影響其他模型的處理量。每個層級沒有個別的每分鐘要求數 (RPM) 上限。Gemini 要求若包含多模態輸入內容，則須遵守相應的系統頻率限制。
用量層級的運作方式
系統會根據貴機構在過去 30 天內，於符合資格的 Agent Platform 服務上的總支出，自動決定用量層級。隨著組織支出增加，系統會將您升級至更高的級別，並提高優先處理量門檻。
支出計算
這項計算涵蓋各種服務，從所有 Gemini 模型系列的預測，到 Agent Platform CPU、GPU 和 TPU 執行個體，以及以承諾為準的 SKU (例如佈建輸送量)。
按一下即可進一步瞭解支出計算中包含的 SKU。
下表列出計入總支出的Google Cloud SKU 類別。
| 類別 | 內含 SKU 的說明 |
|---|---|
| Gemini 模型 | 所有 Gemini 模型系列 (例如 Pro、Flash 和 Lite 版本的 2.0、2.5 和 3.0)，可預測所有模態 (文字、圖片、音訊、影片)，包括批次、長脈絡、微調和「思考」變體 |
| Gemini 模型功能 | 所有相關 Gemini SKU，適用於快取、快取儲存空間和優先順序層級等功能，涵蓋所有模態和模型版本 |
| Agent Platform CPU | 所有 CPU 執行個體系列 (例如 C2、C3、E2、N1、N2 及其變體) 的線上和批次預測 |
| Agent Platform GPU | 在所有 NVIDIA GPU 加速執行個體 (例如 A100、H100、H200、B200、L4、T4、V100 和 RTX 系列) 上進行線上和批次預測 |
| Agent Platform TPU | 所有 TPU 執行個體 (例如 TPU-v5e 和 v6e) 的線上和批次預測 |
| 管理與費用 | 與各種 Agent Platform 預測執行個體相關聯的所有「管理費」SKU |
| 佈建輸送量 | 所有承諾使用佈建輸送量 SKU |
| 其他服務 | 「LLM Grounding for Gemini... with Google 搜尋工具」等專業服務 |
確認用量層級
如要驗證貴機構的使用層級，請前往 Google Cloud 控制台的 Agent Platform 資訊主頁。如要在資訊主頁上查看用量層級，您必須具備專案的Agent Platform 檢視者角色 (roles/aiplatform.viewer)，以及帳單帳戶的帳單帳戶檢視者角色 (roles/billing.viewer)。
驗證支出
如要查看 Agent Platform 支出，請前往Google Cloud 控制台的 Cloud Billing。支出會在機構層級匯總。
資源用盡 (429) 錯誤
如果收到 429 錯誤，不代表您已達到固定配額。這表示特定共用資源暫時出現高度競爭。請實作指數輪詢重試策略來處理這些錯誤，因為這個動態環境的可用性可能會快速變化。
除了重試策略，請評估端點選擇：
global端點 (建議使用)：global端點會動態將要求路由至 Google 全球資料中心機群，匯集全球輸送量容量，並平緩本地尖峰流量。這可提供最高可用性，並大幅降低429錯誤的可能性。- 多區域端點 (例如
us和eu)：多區域端點會彙整特定地理邊界內多個資料中心的容量。雖然多區域比單一區域的容量更大，但無法存取全球容量。如果應用程式使用多區域端點，並在尖峰時段發生429錯誤，請評估資料治理政策是否允許將非機密或一般工作負載轉送至global端點，或考慮使用優先 PayGo 或佈建的處理量。 - 單一區域端點 (例如
us-central1)：單一區域端點會受限於特定叢集位置，且在負載爭用情況下，最有可能發生429錯誤。除非需要與延遲時間敏感的運算資源共置，否則請避免將高處理量 Standard PayGo 工作負載固定至單一區域端點。
為獲得最佳成效，請搭配使用 global 端點和流量平滑化功能。請避免在尖峰時段傳送要求，因為即使每分鐘的平均用量在層級的優先輸送量門檻內，瞬間流量過高仍可能導致節流。更平均地分配 API 呼叫，有助於系統以可預測的方式管理負載，並提升整體效能。如要進一步瞭解如何處理資源耗盡錯誤，請參閱「建構彈性 LLM 應用程式並減少 429 錯誤」和「錯誤代碼 429」。
支援的模型
下列正式發布版 (GA) Gemini 模型和任何對應的監督式調整模型，都支援標準 PayGo (依用量分級)：
按一下即可展開支援的機型
下列 GA Gemini 模型也支援標準隨用隨付方案，但使用量層級不適用於這些模型：
- Gemini Nano Banana 2.1
- Gemini 3.1 Flash Image
- Gemini 3.1 Flash-Lite 映像檔
- Gemini 3 Pro Image
- Gemini 2.5 Flash Image
這些層級不適用於預先發布版模型。如需最準確的最新資訊，請參閱各模型的專屬官方說明文件。
監控處理量和效能
如要監控貴機構的即時權杖用量，請前往 Cloud Monitoring 的 Metrics Explorer。
如要進一步瞭解如何監控模型端點流量，請參閱「監控模型」。
用量級別適用於組織層級。如要瞭解如何設定可觀測性範圍，以便繪製機構內多個專案的輸送量圖表，請參閱「設定可觀測性範圍，以便查詢多個專案」。