Quote e limiti di sistema dell'AI generativa su Agent Platform

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

Quote per i 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 e gemini-embedding-2 sono soggette a quote globali.
Modello di base Quota Metrica
base_model: gemini-embedding 100.000.000 aiplatform.googleapis.com/global_embed_content_input_tokens_per_minute_per_base_model
base_model: gemini-embedding 100.000 aiplatform.googleapis.com/global_embed_content_requests_per_minute_per_base_model
base_model: gemini-embedding-2 200.000.000 aiplatform.googleapis.com/global_embed_content_input_tokens_per_minute_per_base_model
base_model: gemini-embedding-2 60.000 aiplatform.googleapis.com/global_embed_content_requests_per_minute_per_base_model

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

Modello di base Quota Metrica
base_model: N/A 30.000 aiplatform.googleapis.com/online_prediction_requests

Quote di Agent Runtime

Le seguenti quote si applicano a Agent Runtime per un determinato progetto in ogni regione:
Descrizione Quota Metrica
Creare, eliminare o aggiornare le risorse di Agent Runtime al minuto 10 aiplatform.googleapis.com/reasoning_engine_service_write_requests
Creare, eliminare o aggiornare le sessioni di Agent Runtime al minuto 100 aiplatform.googleapis.com/session_write_requests
Recuperare, elencare o recuperare le sessioni di Agent Runtime al minuto 10000 aiplatform.googleapis.com/session_read_requests
Query o StreamQuery minuti di Agent Runtime al minuto 90 aiplatform.googleapis.com/reasoning_engine_service_query_requests
Aggiungi evento alle sessioni di Agent Runtime al minuto 300 aiplatform.googleapis.com/session_event_append_requests
Numero massimo di risorse di Agent Runtime 100 aiplatform.googleapis.com/reasoning_engine_service_entities
Crea, elimina o aggiorna le risorse di memoria di Agent Runtime al minuto 100 aiplatform.googleapis.com/memory_bank_write_requests
Recupera, elenca o recupera da Memory Bank di Agent Runtime al minuto 300 aiplatform.googleapis.com/memory_bank_read_requests
Richieste di esecuzione al minuto dell'ambiente sandbox (esecuzione di codice) 1000 aiplatform.googleapis.com/sandbox_environment_execute_requests
Entità Ambiente sandbox (esecuzione di codice) per regione 1000 aiplatform.googleapis.com/sandbox_environment_entities
Richieste di scrittura al minuto per l'ambiente sandbox (esecuzione del codice) 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 get 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

Quote per l'input multimodale

Le seguenti quote si applicano all'input multimodale per le richieste generateContent e streamGenerateContent per un determinato progetto in ogni regione. Ogni quota viene applicata per modello base e risoluzione. Gli stessi limiti si applicano alle richieste gestite dall'endpoint globale, utilizzando la metrica ..._global corrispondente.
Descrizione Quota Metrica
Generare richieste di contenuti con input di immagini al minuto per modello di base e risoluzione 34.000.000 aiplatform.googleapis.com/generate_content_image_input_per_base_model_id_and_resolution
Generare richieste di contenuti con input video al minuto per modello di base e risoluzione 192.000.000 aiplatform.googleapis.com/generate_content_video_input_per_base_model_id_and_resolution
Generare richieste di contenuti con input audio al minuto per modello di base e risoluzione 11.000.000 aiplatform.googleapis.com/generate_content_audio_input_per_base_model_id_and_resolution
Richieste di generazione di contenuti con input di documenti al minuto per modello di base e risoluzione 1.200.000 aiplatform.googleapis.com/generate_content_document_input_per_base_model_id_and_resolution

Per richiedere un limite superiore per queste quote, contatta il team del tuo account Google Cloud. Non è possibile aumentare i limiti dalla console Google Cloud .

Inferenza 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 ampio pool condiviso di risorse, allocate dinamicamente in base alla disponibilità e alla domanda in tempo reale del modello per tutti i clienti. Quando più clienti sono attivi e hanno saturato la capacità del modello, le richieste batch potrebbero essere inserite in coda per capacità.

Quote per job di inferenza batch simultanei per modelli non Gemini

La seguente tabella 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 console Google Cloud

Per visualizzare e modificare le quote nella console Google Cloud :
  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 di quota nel riquadro e fai clic su Invia richiesta.

Quote delle norme di governance semantica

Le seguenti quote si applicano alle norme di governance semantica per un determinato progetto in ogni regione:
Descrizione Quota Metrica
Recupera o elenca le norme di governance semantica al minuto 600 aiplatform.googleapis.com/semantic_governance/policy_read_requests
Creare, aggiornare o eliminare risorse delle norme di governance semantica al minuto 60 aiplatform.googleapis.com/semantic_governance/policy_write_requests
Richieste al minuto per le risorse del motore di policy di governance semantica 600 aiplatform.googleapis.com/semantic_governance/engine_read_requests
Aggiorna o deprovisiona le risorse del motore delle norme di governance semantica al minuto 60 aiplatform.googleapis.com/semantic_governance/engine_write_requests
Numero di risorse di norme di governance semantica per progetto per località. 1000 aiplatform.googleapis.com/semantic_governance/policy_count

Visualizza e modifica le quote nella console Google Cloud

Per visualizzare e modificare le quote nella console Google Cloud :
  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/semantic_governance/policy_write_requests nel filtro. Premi Invio.
  3. Fai clic sui tre puntini alla fine della riga e seleziona Modifica quota.
  4. Inserisci un nuovo valore di quota nel riquadro e fai clic su Invia richiesta.

Motore RAG su Gemini Enterprise Agent Platform

Per ogni servizio che esegue la generazione RAG (Retrieval-Augmented Generation) 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 giri/minuto VertexRagDataService requests per minute per region
RetrievalContexts API 600 giri/minuto VertexRagService retrieve requests per minute per region
base_model: textembedding-gecko 1500 giri/minuto Online prediction requests per base model per minute per region per base_model

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

Gen AI evaluation service

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

Se ricevi un errore relativo alle quote durante l'utilizzo del servizio di valutazione dell'IA generativa, potresti dover presentare una richiesta di aumento della quota. Per saperne di più, consulta Visualizzare e gestire le quote.

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

Quando utilizzi il servizio di valutazione dell'IA generativa per la prima volta in un nuovo progetto, potresti riscontrare un ritardo iniziale di configurazione fino a due minuti. Se la prima richiesta non va a buon fine, attendi qualche minuto e riprova. Le successive richieste di valutazione vengono in genere 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 giudice. Consulta Modelli Google per un elenco di modelli.

Quote di Gemini Enterprise Agent Platform Pipelines

Ogni job di ottimizzazione utilizza le pipeline di Gemini Enterprise Agent Platform. Per maggiori informazioni, consulta Quote e limiti di Agent Platform Pipelines.

Passaggi successivi

Panoramica

Scopri di più su Standard PayGo, un'opzione di consumo di Agent Platform che ti consente di pagare solo le risorse che utilizzi, senza richiedere impegni finanziari iniziali.

Risorsa

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