PayGo prioritaire

Le paiement à l'usage prioritaire (Priority PayGo) est une option de consommation qui offre des performances plus constantes que le paiement à l'usage standard, sans l'engagement initial du débit provisionné.

Lorsque vous utilisez le paiement à l'usage prioritaire, vous êtes facturé par jeton utilisé à un tarif plus élevé que le paiement à l'usage standard. Pour en savoir plus sur les tarifs, consultez la page Tarifs de Gemini Enterprise Agent Platform.

Quand utiliser le paiement à l'usage prioritaire ?

Le paiement à l'usage prioritaire est idéal pour les charges de travail critiques dont les schémas de trafic sont fluctuants ou imprévisibles. Voici des exemples de cas d'utilisation :

  • Assistants virtuels destinés aux clients
  • Workflows agentifs et interactions entre agents
  • Simulations de recherche

Modèles et emplacements compatibles

En général, le paiement à l'usage prioritaire est compatible avec les points de terminaison global, us et eu. Toutefois, certains modèles (tels que les modèles Gemini 2.5) peuvent ne pas être compatibles avec les trois points de terminaison. Consultez les pages de chaque modèle liées à partir des modèles Google pour voir quels points de terminaison sont compatibles lorsque vous utilisez le paiement à l'usage prioritaire.

Les modèles suivants sont compatibles avec le paiement à l'usage prioritaire :

Utiliser le paiement à l'usage prioritaire

Pour envoyer des requêtes à l'API Gemini à l'aide du paiement à l'usage prioritaire, vous devez inclure l'en-tête X-Vertex-AI-LLM-Shared-Request-Type dans votre requête. Vous pouvez utiliser le paiement à l'usage prioritaire de deux manières :

  • Utiliser le quota de débit provisionné (si disponible) et passer au paiement à l'usage prioritaire.

  • Utiliser uniquement le paiement à l'usage prioritaire.

Les exemples suivants utilisent le point de terminaison global. Pour envoyer vos requêtes à un point de terminaison multirégional, remplacez global par us ou eu. Pour les requêtes REST, vous devez également remplacer le nom d'hôte aiplatform.googleapis.com par aiplatform.us.rep.googleapis.com ou aiplatform.eu.rep.googleapis.com. Pour en savoir plus, consultez la section Points de terminaison multirégionaux.

Utiliser le paiement à l'usage prioritaire tout en utilisant le débit provisionné par défaut

Pour utiliser tout quota de débit provisionné disponible avant d'utiliser le paiement à l'usage prioritaire, incluez l'en-tête X-Vertex-AI-LLM-Shared-Request-Type: priority dans vos requêtes, comme illustré dans les exemples suivants.

Python

Installer

pip install --upgrade google-genai

Pour en savoir plus, consultez la documentation de référence du SDK.

Définissez des variables d'environnement pour utiliser le SDK Google Gen AI avec Vertex AI : 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

Initialisez votre client GenAI pour utiliser le paiement à l'usage prioritaire. Après avoir effectué cette étape, vous n'aurez plus besoin d'ajuster votre code pour interagir avec l'API Gemini à l'aide du paiement à l'usage prioritaire sur le même client.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

Une fois que vous avez configuré votre environnement, vous pouvez utiliser REST pour tester un prompt textuel. L'exemple suivant envoie une requête au point de terminaison du modèle de l'éditeur.

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : Votre ID de projet. .
  • MODEL_ID : ID du modèle pour lequel vous souhaitez initialiser le paiement à l'usage prioritaire. Pour obtenir la liste des modèles compatibles avec le paiement à l'usage prioritaire, consultez la section Versions de modèle.
  • PROMPT_TEXT : instructions textuelles à inclure dans le prompt. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

Vous devriez recevoir une réponse JSON semblable à la suivante.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • Utilisez la generateContent méthode pour demander que la réponse soit renvoyée une fois qu'elle a été entièrement générée. Pour réduire la perception de la latence auprès d'un public humain, affichez la réponse progressivement à mesure qu'elle est générée à l'aide de la méthode streamGenerateContent.
  • L'ID du modèle multimodal se trouve à la fin de l'URL avant la méthode (par exemple, gemini-3.5-flash). Cet exemple peut également s'appliquer à d'autres modèles.

Utiliser uniquement le paiement à l'usage prioritaire

Pour utiliser uniquement le paiement à l'usage prioritaire, incluez les en-têtes X-Vertex-AI-LLM-Request-Type: shared et X-Vertex-AI-LLM-Shared-Request-Type: priority dans vos requêtes, comme illustré dans les exemples suivants.

Python

Installer

pip install --upgrade google-genai

Pour en savoir plus, consultez la documentation de référence du SDK.

Définissez des variables d'environnement pour utiliser le SDK Google Gen AI avec Vertex AI : 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

Initialisez votre client GenAI pour utiliser le paiement à l'usage prioritaire. Après avoir effectué cette étape, vous n'aurez plus besoin d'ajuster votre code pour interagir avec l'API Gemini à l'aide du paiement à l'usage prioritaire sur le même client.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Request-Type": "shared",
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : Votre ID de projet. .
  • MODEL_ID : ID du modèle pour lequel vous souhaitez initialiser le paiement à l'usage prioritaire. Pour obtenir la liste des modèles compatibles avec le paiement à l'usage prioritaire, consultez la section Versions de modèle.
  • PROMPT_TEXT : instructions textuelles à inclure dans le prompt. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Request-Type: shared" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

Vous devriez recevoir une réponse JSON semblable à la suivante.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • Utilisez la generateContent méthode pour demander que la réponse soit renvoyée une fois qu'elle a été entièrement générée. Pour réduire la perception de la latence auprès d'un public humain, affichez la réponse progressivement à mesure qu'elle est générée à l'aide de la méthode streamGenerateContent.
  • L'ID du modèle multimodal se trouve à la fin de l'URL avant la méthode (par exemple, gemini-3.5-flash). Cet exemple peut également s'appliquer à d'autres modèles.

Vérifier l'utilisation du paiement à l'usage prioritaire

Vous pouvez vérifier si une requête a utilisé le paiement à l'usage prioritaire à partir du type de trafic dans la réponse, comme illustré dans les exemples suivants.

Python

Vous pouvez vérifier si le paiement à l'usage prioritaire a été utilisé pour une requête à partir du champ traffic_type dans la réponse. Si votre requête a été traitée à l'aide du paiement à l'usage prioritaire, le champ traffic_type est défini sur ON_DEMAND_PRIORITY.

sdk_http_response=HttpResponse(
  headers=<dict len=9>
) candidates=[Candidate(
  avg_logprobs=-0.539712212302468,
  content=Content(
    parts=[
      Part(
        text="""Response to sample request.
        """
      ),
    ],
    role='model'
  ),
  finish_reason=<FinishReason.STOP: 'STOP'>
)] create_time=datetime.datetime(2025, 12, 3, 20, 32, 55, 916498, tzinfo=TzInfo(0)) model_version='gemini-2.5-flash' prompt_feedback=None response_id='response_id' usage_metadata=GenerateContentResponseUsageMetadata(
  candidates_token_count=1408,
  candidates_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=1408
    ),
  ],
  prompt_token_count=5,
  prompt_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=5
    ),
  ],
  thoughts_token_count=1356,
  total_token_count=2769,
  traffic_type=<TrafficType.ON_DEMAND_PRIORITY: 'ON_DEMAND_PRIORITY'>
) automatic_function_calling_history=[] parsed=None

REST

Vous pouvez vérifier si le paiement à l'usage prioritaire a été utilisé pour une requête à partir du champ trafficType dans la réponse. Si votre requête a été traitée à l'aide du paiement à l'usage prioritaire, le champ trafficType est défini sur ON_DEMAND_PRIORITY.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}

Limites de débit

Le paiement à l'usage prioritaire fournit une limite de débit de base au niveau de l'organisation pour chaque modèle :

  • Modèles Gemini Pro : 10 000 000 de jetons par minute
  • Modèles Gemini Flash et Flash-Lite : 50 000 000 de jetons par minute

Ces limites sont immédiatement disponibles pour votre organisation. Il n'y a pas de période de montée en charge, et vous n'avez pas besoin de créer une utilisation soutenue avant de pouvoir les atteindre. Comme pour le paiement à l'usage standard, la limite de débit affichée pour une famille de modèles s'applique indépendamment à chaque modèle de cette famille.

Le trafic au-dessus de votre limite n'est pas automatiquement rétrogradé. Lorsque la capacité est disponible, Agent Platform continue de diffuser ce trafic en priorité, et il est facturé aux tarifs du paiement à l'usage prioritaire. Les requêtes ne sont rétrogradées au paiement à l'usage standard que lorsqu'il n'y a pas de capacité disponible pour les diffuser en priorité, et ces requêtes sont facturées aux tarifs du paiement à l'usage standard.

Vous pouvez vérifier si une requête a été rétrogradée à partir de la réponse. Pour les requêtes rétrogradées au paiement à l'usage standard, le type de trafic est défini sur ON_DEMAND. Pour en savoir plus, consultez la section Vérifier l'utilisation du paiement à l'usage prioritaire.

Pour réduire le risque de rétrogradation, lissez le trafic chaque minute plutôt que d'envoyer des pics nets au niveau de la seconde. Si votre charge de travail nécessite une limite plus élevée, contactez votre équipe commerciale. Pour les charges de travail qui nécessitent une capacité dédiée et garantie , consultez la section Débit provisionné.

Étape suivante