Quote e limiti di sistema dell'AI generativa sulla piattaforma agentica Gemini Enterprise

Questa pagina fornisce un elenco di quote per regione e modello e mostra come visualizzare e modificare le quote nella Google Cloud console.

Quote dei modelli ottimizzati

L'inferenza del modello ottimizzato condivide la stessa quota del modello di base. Non esiste una quota separata per l'inferenza del modello ottimizzato.

Limiti di incorporamento

Le richieste per gemini-embedding-001 sono soggette a quote regionali, mentre le richieste per gemini-embedding-2 sono soggette a quote globali.
Modello di base Quota Metrica
base_model: gemini-embedding 5.000.000 aiplatform.googleapis.com/embed_content_input_tokens_per_minute_per_base_model
base_model: gemini-embedding-2 10.000.000 aiplatform.googleapis.com/global_embed_content_input_tokens_per_minute_per_base_model
base_model: gemini-embedding-2 40.000 aiplatform.googleapis.com/global_embed_content_requests_per_minute_per_base_model

Le richieste per gemini-embedding-001 che utilizzano l'API predict sono soggette anche alle seguenti quote:

Modello di base Quota Metrica
base_model: gemini-embedding 100.000 aiplatform.googleapis.com/online_prediction_requests_per_base_model
base_model: N/A 30.000 aiplatform.googleapis.com/online_prediction_requests

Quote di Vertex AI Agent Engine

Le seguenti quote si applicano a Vertex AI Agent Engine per un determinato progetto in ogni regione:
Descrizione Quota Metrica
Crea, elimina o aggiorna le risorse di Vertex AI Agent Engine al minuto 10 aiplatform.googleapis.com/reasoning_engine_service_write_requests
Crea, elimina o aggiorna le sessioni di Vertex AI Agent Engine al minuto 100 aiplatform.googleapis.com/session_write_requests
Recupera, elenca o recupera le sessioni di Vertex AI Agent Engine al minuto 10000 aiplatform.googleapis.com/session_read_requests
Query o StreamQuery Vertex AI Agent Engine por minuto 90 aiplatform.googleapis.com/reasoning_engine_service_query_requests
Aggiungi un evento alle sessioni di Vertex AI Agent Engine al minuto 300 aiplatform.googleapis.com/session_event_append_requests
Numero massimo di risorse di Vertex AI Agent Engine 100 aiplatform.googleapis.com/reasoning_engine_service_entities
Crea, elimina o aggiorna le risorse di memoria di Vertex AI Agent Engine al minuto 100 aiplatform.googleapis.com/memory_bank_write_requests
Recupera, elenca o recupera da Vertex AI Agent Engine Memory Bank al minuto 300 aiplatform.googleapis.com/memory_bank_read_requests
Richieste di esecuzione dell'ambiente sandbox (esecuzione del codice) al minuto 1000 aiplatform.googleapis.com/sandbox_environment_execute_requests
Entità dell'ambiente sandbox (esecuzione del codice) per regione 1000 aiplatform.googleapis.com/sandbox_environment_entities
Richieste di scrittura dell'ambiente sandbox (esecuzione del codice) al minuto 500 aiplatform.googleapis.com/sandbox_environment_write_requests
Richieste di post dell'agente A2A come sendMessage e cancelTask al minuto 60 aiplatform.googleapis.com/a2a_agent_post_requests
Richieste di recupero dell'agente A2A come getTask e getCard al minuto 600 aiplatform.googleapis.com/a2a_agent_get_requests
Connessioni bidirezionali live simultanee che utilizzano l'API BidiStreamQuery al minuto 10 aiplatform.googleapis.com/reasoning_engine_service_concurrent_query_requests

Previsione in batch

Le quote e i limiti per i job di inferenza batch sono gli stessi in tutte le regioni.

Limiti dei job di inferenza batch simultanei per i modelli Gemini

Non esistono limiti di quota predefiniti per l'inferenza batch per i modelli Gemini. Il servizio batch fornisce invece l'accesso a un pool di risorse condiviso di grandi dimensioni, allocato dinamicamente in base alla disponibilità e alla domanda in tempo reale del modello da parte di tutti i clienti per quel modello. Quando più clienti sono attivi e la capacità del modello è satura, le richieste batch potrebbero essere messe in coda per la capacità.

Quote dei job di inferenza batch simultanei per i modelli non Gemini

La tabella seguente elenca le quote per il numero di job di inferenza batch simultanei, che non si applicano ai modelli Gemini:
Quota Valore
aiplatform.googleapis.com/textembedding_gecko_concurrent_batch_prediction_jobs 4
Se il numero di attività inviate supera la quota allocata, le attività vengono inserite in una coda ed elaborate quando la capacità della quota diventa disponibile.

Visualizza e modifica le quote nella Google Cloud console

Per visualizzare e modificare le quote nella Google Cloud console:
  1. Vai alla pagina Quote e limiti di sistema.

    2. Vai a Quote e limiti di sistema

  2. Per modificare la quota, copia e incolla la proprietà aiplatform.googleapis.com/textembedding_gecko_concurrent_batch_prediction_jobs nel Filtro. Premi Invio.
  3. Fai clic sui tre puntini alla fine della riga e seleziona Modifica quota.
  4. Inserisci un nuovo valore della quota nel riquadro e fai clic su Invia richiesta.

Vertex AI RAG Engine

Per ogni servizio che esegue la Retrieval-Augmented Generation (RAG) utilizzando RAG Engine, si applicano le seguenti quote, con la quota misurata come richieste al minuto (RPM).
Servizio Quota Metrica
API di gestione dei dati di RAG Engine 60 RPM VertexRagDataService requests per minute per region
API RetrievalContexts 600 RPM VertexRagService retrieve requests per minute per region
base_model: textembedding-gecko 1500 RPM Online prediction requests per base model per minute per region per base_model

Un filtro aggiuntivo che puoi specificare è base_model: textembedding-gecko
I limiti sono i seguenti:
Servizio Limite Metrica
Richieste ImportRagFiles simultanee 3 RPM VertexRagService concurrent import requests per region
Numero massimo di file per richiesta ImportRagFiles 10.000 VertexRagService import rag files requests per region

Per ulteriori limiti di frequenza e quote, consulta Limiti di frequenza di AI generativa su Gemini Enterprise Agent Platform limiti di frequenza.

Gen AI evaluation service

Gen AI evaluation service utilizza Gemini 2.5 Flash come modello di valutazione predefinito per le metriche basate su modelli. Una singola richiesta di valutazione per una metrica basata su modelli potrebbe generare più richieste sottostanti a Gen AI evaluation service. Il consumo di ogni modello viene calcolato a livello di organizzazione, il che significa che tutte le richieste indirizzate al modello di valutazione per l'inferenza del modello e la valutazione basata su modelli contribuiscono al consumo del modello. Le quote per Gen AI evaluation service e il modello di valutazione sottostante sono riportate nella tabella seguente:
Quota di richieste Quota predefinita
Richieste di Gen AI evaluation service al minuto 1000 richieste per progetto per regione
Velocità effettiva di Gemini Dipende dal modello e dall'opzione di consumo
Esecuzioni di valutazione simultanee 20 esecuzioni di valutazione simultanee per progetto per regione

Se ricevi un errore relativo alle quote durante l'utilizzo di Gen AI evaluation service, potresti dover presentare una richiesta di aumento della quota. Per saperne di più, consulta Visualizza e gestisci le quote.

Limite Valore
Timeout della richiesta di servizio di Gen AI evaluation service 60 secondi

Quando utilizzi Gen AI evaluation service per la prima volta in un nuovo progetto, potresti riscontrare un ritardo di configurazione iniziale fino a due minuti. Se la prima richiesta non va a buon fine, attendi qualche minuto e riprova. In genere, le richieste di valutazione successive vengono completate entro 60 secondi.

Il numero massimo di token di input e output per le metriche basate su modelli dipende dal modello utilizzato come modello di valutazione. Per un elenco dei modelli, consulta Modelli Google per un elenco di modelli.

Quote di Gemini Enterprise Agent Platform Pipelines

Ogni job di ottimizzazione utilizza Gemini Enterprise Agent Platform Pipelines. Per saperne di più, consulta Quote e limiti di Agent Platform Pipelines.

Passaggi successivi

Panoramica

Scopri di più su Pay as you go standard, un'opzione di consumo di Agent Platform che ti consente di pagare solo le risorse che consumi, senza richiedere impegni finanziari iniziali.

Risorsa

Quote e limiti di sistema relativi ad Agent Platform, esclusi quote e limiti di sistema specifici 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.