Priority PayGo

Il pagamento a consumo prioritario (PayGo prioritario) è un'opzione di consumo che offre prestazioni più costanti rispetto a PayGo standard senza l'impegno iniziale di Throughput riservato.

Quando utilizzi PayGo prioritario, ti viene addebitato l'utilizzo dei token a una tariffa più elevata rispetto a PayGo standard. Per informazioni sui prezzi, consulta la pagina dei prezzi di Gemini Enterprise Agent Platform.

Quando utilizzare PayGo prioritario

PayGo prioritario è ideale per i workload mission critical con modelli di traffico fluttuanti o imprevedibili. Di seguito sono riportati alcuni esempi di casi d'uso:

  • Assistenti virtuali rivolti ai clienti
  • Agentic Workflows e interazioni tra agenti
  • Simulazioni di ricerca

Modelli e località supportati

In generale, PayGo prioritario è supportato sugli endpoint global, us e eu. Tuttavia, alcuni modelli (come i modelli Gemini 2.5) potrebbero non supportare tutti e tre gli endpoint. Controlla le singole pagine dei modelli collegate da modelli Google per vedere quali endpoint sono supportati quando utilizzi PayGo prioritario.

I seguenti modelli supportano PayGo prioritario:

Utilizzare PayGo prioritario

Per inviare richieste all'API Gemini utilizzando PayGo prioritario, devi includere l'intestazione X-Vertex-AI-LLM-Shared-Request-Type nella richiesta. Puoi utilizzare PayGo prioritario in due modi:

  • Utilizza la quota di Throughput riservato (se disponibile) e passa a PayGo prioritario.

  • Utilizza solo PayGo prioritario.

Gli esempi seguenti utilizzano l'endpoint global. Per inviare le richieste a un endpoint multiregionale, sostituisci global con us o eu. Per le richieste REST, devi anche sostituire il nome host aiplatform.googleapis.com con aiplatform.us.rep.googleapis.com o aiplatform.eu.rep.googleapis.com. Per saperne di più, consulta Endpoint multiregionali.

Utilizzare PayGo prioritario utilizzando Throughput riservato come impostazione predefinita

Per utilizzare la quota di Throughput riservato disponibile prima di utilizzare PayGo prioritario, includi l'intestazione X-Vertex-AI-LLM-Shared-Request-Type: priority nelle richieste, come mostrato negli esempi seguenti.

Python

Installa

pip install --upgrade google-genai

Per saperne di più, consulta la documentazione di riferimento dell'SDK.

Imposta le variabili di ambiente per utilizzare l'SDK Google Gen AI con 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

Inizializza il client GenAI per utilizzare PayGo prioritario. Dopo aver eseguito questo passaggio, non dovrai apportare ulteriori modifiche al codice per interagire con l'API Gemini utilizzando PayGo prioritario sullo stesso 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

Dopo aver configurato l'ambiente, puoi utilizzare REST per testare un prompt testuale. L'esempio seguente invia una richiesta all'endpoint del modello del publisher.

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: Il tuo ID progetto. .
  • MODEL_ID: l'ID modello del modello per il quale vuoi inizializzare PayGo prioritario. Per un elenco dei modelli che supportano PayGo prioritario, consulta Versioni dei modelli.
  • PROMPT_TEXT: le istruzioni di testo da includere nel 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" }
    }
  }'

Dovresti ricevere una risposta JSON simile alla seguente.

{
  "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
  }
}
  • Utilizza il generateContent metodo per richiedere che la risposta venga restituita dopo essere stata generata completamente. Per ridurre la percezione della latenza per un pubblico umano, trasmetti in streaming la risposta durante la generazione utilizzando il streamGenerateContent metodo.
  • L'ID modello multimodale si trova alla fine dell'URL prima del metodo (ad esempio, gemini-3.5-flash). Questo esempio potrebbe supportare anche altri modelli.

Utilizzare solo PayGo prioritario

Per utilizzare solo PayGo prioritario, includi le intestazioni X-Vertex-AI-LLM-Request-Type: shared e X-Vertex-AI-LLM-Shared-Request-Type: priority nelle richieste, come mostrato negli esempi seguenti.

Python

Installa

pip install --upgrade google-genai

Per saperne di più, consulta la documentazione di riferimento dell'SDK.

Imposta le variabili di ambiente per utilizzare l'SDK Google Gen AI con 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

Inizializza il client GenAI per utilizzare PayGo prioritario. Dopo aver eseguito questo passaggio, non dovrai apportare ulteriori modifiche al codice per interagire con l'API Gemini utilizzando PayGo prioritario sullo stesso 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

Prima di utilizzare i dati della richiesta, apporta le sostituzioni seguenti:

  • PROJECT_ID: Il tuo ID progetto. .
  • MODEL_ID: l'ID modello del modello per il quale vuoi inizializzare PayGo prioritario. Per un elenco dei modelli che supportano PayGo prioritario, consulta Versioni dei modelli.
  • PROMPT_TEXT: le istruzioni di testo da includere nel 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" }
    }
  }'

Dovresti ricevere una risposta JSON simile alla seguente.

{
  "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
  }
}
  • Utilizza il generateContent metodo per richiedere che la risposta venga restituita dopo essere stata generata completamente. Per ridurre la percezione della latenza per un pubblico umano, trasmetti in streaming la risposta durante la generazione utilizzando il streamGenerateContent metodo.
  • L'ID modello multimodale si trova alla fine dell'URL prima del metodo (ad esempio, gemini-3.5-flash). Questo esempio potrebbe supportare anche altri modelli.

Verificare l'utilizzo di PayGo prioritario

Puoi verificare se una richiesta ha utilizzato PayGo prioritario dal tipo di traffico nella risposta, come mostrato negli esempi seguenti.

Python

Puoi verificare se PayGo prioritario è stato utilizzato per una richiesta dal campo traffic_type nella risposta. Se la richiesta è stata elaborata utilizzando PayGo prioritario, il campo traffic_type è impostato su 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

Puoi verificare se PayGo prioritario è stato utilizzato per una richiesta dal campo trafficType nella risposta. Se la richiesta è stata elaborata utilizzando PayGo prioritario, il campo trafficType è impostato su 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
  }
}

Limiti di throughput

PayGo prioritario fornisce un limite di throughput di base a livello di organizzazione per ogni modello:

  • Modelli Gemini Pro: 10.000.000 di token al minuto
  • Modelli Gemini Flash e Flash-Lite: 50.000.000 di token al minuto

Questi limiti sono disponibili immediatamente per la tua organizzazione. Non è previsto un periodo di aumento graduale e non è necessario creare un utilizzo sostenuto prima di poterli raggiungere. Analogamente a PayGo standard, il limite di throughput mostrato per una famiglia di modelli si applica indipendentemente a ogni modello all'interno di quella famiglia.

Il traffico superiore al limite non viene automaticamente sottoposto a downgrade. Quando la capacità è disponibile, Agent Platform continua a gestire il traffico con priorità e viene fatturato alle tariffe PayGo prioritarie. Le richieste vengono sottoposte a downgrade a PayGo standard solo quando non è disponibile capacità di riserva per gestirle con priorità e vengono fatturate alle tariffe PayGo standard.

Puoi verificare se una richiesta è stata sottoposta a downgrade dalla risposta. Per le richieste sottoposte a downgrade a PayGo standard, il tipo di traffico è impostato su ON_DEMAND. Per saperne di più, consulta Verificare l'utilizzo di PayGo prioritario.

Per ridurre la probabilità di un downgrade, uniforma il traffico ogni minuto anziché inviare picchi acuti a livello di secondo. Se il tuo workload richiede un limite più elevato, contatta il team di vendita. Per i workload che richiedono capacità dedicata e garantita, consulta Throughput riservato.

Passaggi successivi