Abrechnung der RAG Engine auf der Gemini Enterprise Agent Platform

Auf dieser Seite werden die Preise und die Abrechnung für die RAG Engine auf der Gemini Enterprise Agent Platform beschrieben. Die Kosten hängen von den verwendeten Komponenten der RAG Engine auf der Gemini Enterprise Agent Platform ab, z. B. Modelle, Neuranking und Vektorspeicher.

Weitere Informationen finden Sie auf der Seite RAG Engine auf der Gemini Enterprise Agent Platform.

Preise und Abrechnung

In dieser Tabelle wird erläutert, wie die Abrechnung funktioniert, wenn Sie die RAG-Komponenten verwenden.

Komponente Abrechnung für die RAG Engine
Datenaufnahme Die RAG Engine unterstützt die Aufnahme von Daten aus verschiedenen Datenquellen. Zum Beispiel lokale Dateien, Cloud Storage und Google Drive. Der Zugriff auf Dateien in diesen Datenquellen über die RAG Engine ist kostenlos, aber für die Datenübertragung können Kosten anfallen. Beispielsweise Kosten für ausgehenden Datentraffic.
Datentransformation (Dateiparser)
  • Standardparser: kostenlos.
  • LLM-Parser: Die RAG Engine verwendet das von Ihnen angegebene LLM-Modell, um Ihre Datei zu parsen. Die Kosten für das LLM-Modell werden direkt in Ihrem Projekt angezeigt und abgerechnet.
  • Document AI-Layoutparser: Die RAG Engine verwendet den von Ihnen angegebenen Document AI-Layoutparser, um Ihre Datei zu verarbeiten. Die Nutzung des Document AI-Layoutparsers wird direkt über Ihr Projekt abgerechnet.
Datentransformation (Aufteilen von Dateien) Unterstützt die kostenlose Aufteilung in Blöcke fester Größe.
Erstellung von Einbettungen

Die RAG Engine orchestriert die Einbettungsgenerierung mit dem von Ihnen angegebenen Einbettungsmodell. Ihrem Projekt werden die mit diesem Modell verbundenen Kosten in Rechnung gestellt.

Weitere Informationen zu den Preisen finden Sie unter Kosten für das Erstellen und Bereitstellen von KI-Modellen in der Gemini Enterprise Agent Platform.

Datenindexierung und -abruf

Die RAG Engine unterstützt zwei Kategorien von Vektordatenbanken für die Vektorsuche:

  • Von RAG verwaltete Datenbank
  • Eigene Vektordatenbank verwenden

Eine von RAG verwaltete Datenbank hat zwei Zwecke:

  • In einer von RAG verwalteten Datenbank werden RAG-Ressourcen wie RAG-Korpora und RAG-Dateien gespeichert. Dateiinhalte sind ausgeschlossen.
  • Nach Ihrer Wahl Einbettungsindexierung und -abruf für die Vektorsuche.

Eine von RAG verwaltete Datenbank verwendet eine Cloud Spanner-Instanz als Backend.

Für jedes Ihrer Projekte stellt die RAG Engine ein kundenspezifisches Google Cloud -Projekt bereit und verwaltet von der RAG verwaltete Ressourcen, die in der RAG Engine gespeichert sind, sodass Ihre Daten physisch isoliert sind.

Wenn Sie die Basis- oder skalierte Stufe von RagManagedDB auswählen, stellt die RAG Engine eine Spanner Enterprise-Instanz im entsprechenden Projekt bereit:

  • Basisstufe: 100 Verarbeitungseinheiten mit Sicherung
  • Skalierte Stufe: Beginnt bei 1 Knoten (1.000 Verarbeitungseinheiten) und wird automatisch auf bis zu 10 Knoten mit Sicherung skaliert.

Wenn ein RAG-Korpus in Ihrem Projekt eine RAG-verwaltete Datenbank für die Vektorsuche verwendet, wird Ihnen die RAG-verwaltete Spanner-Instanz in Rechnung gestellt.

Die RAG Engine zeigt die Cloud Spanner-Kosten aus Ihrem entsprechenden RAG-verwalteten Projekt in Ihrem Google Cloud-Projekt an, damit Sie die Kosten für die Cloud Spanner-Instanz sehen und bezahlen können.

Weitere Informationen zu den Preisen für Cloud Spanner finden Sie unter Cloud Spanner-Preise.

Reranking für die RAG Engine auf der Gemini Enterprise Agent Platform

Die folgenden Ranking-Tools werden nach dem Abruf unterstützt:

  • LLM-Reranker: Die RAG Engine verwendet das von Ihnen angegebene LLM-Modell, um die Abrufergebnisse neu zu bewerten. Die Kosten für das LLM-Modell werden direkt in Ihrem Projekt angezeigt und abgerechnet.
  • Agent Search auf der Gemini Enterprise Agent Platform Ranking API: Die RAG Engine verwendet die Agent Search Ranking API, um die Abrufergebnisse neu zu bewerten. Die Ranking API wird direkt in Ihrem Projekt angezeigt und abgerechnet.

RAG Engine löschen

Die folgenden Codebeispiele zeigen, wie Sie eine RAG-Engine für die Google Cloud Console, Python und REST löschen:

Nächste Schritte