Gemini Flex API হল একটি ইনফারেন্স টিয়ার যা স্ট্যান্ডার্ড রেটের তুলনায় ৫০% কম খরচ অফার করে, পরিবর্তনশীল লেটেন্সি এবং বেস্ট-এফর্ট উপলভ্যতার বিনিময়ে। এটি লেটেন্সি-সহনশীল ওয়ার্কলোডের জন্য ডিজাইন করা হয়েছে যার জন্য সিঙ্ক্রোনাস প্রসেসিং প্রয়োজন কিন্তু স্ট্যান্ডার্ড API-এর রিয়েল-টাইম পারফর্ম্যান্সের প্রয়োজন নেই।
Flex কীভাবে ব্যবহার করতে হয়
Flex টিয়ার ব্যবহার করতে, অনুরোধের বডিতে service_tier-কে flex হিসেবে
উল্লেখ করুন। ডিফল্ট হিসেবে, এই ফিল্ডটি বাদ দেওয়া হলে, অনুরোধ স্ট্যান্ডার্ড টিয়ার
ব্যবহার করে।
Python
from google import genai
client = genai.Client()
try:
response = client.models.generate_content(
model="gemini-3.8-flash",
contents="Analyze this dataset for trends...",
config={"service_tier": "flex"},
)
print(response.text)
except Exception as e:
print(f"Flex request failed: {e}")
জাভাস্ক্রিপ্ট
import {GoogleGenAI} from '@google/genai';
const ai = new GoogleGenAI({});
async function main() {
try {
const response = await ai.models.generateContent({
model: "gemini-3.8-flash",
contents: "Analyze this dataset for trends...",
config: { serviceTier: "flex" },
});
console.log(response.text);
} catch (e) {
console.log(`Flex request failed: ${e}`);
}
}
await main();
খুলুন
package main
import (
"context"
"fmt"
"log"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
result, err := client.Models.GenerateContent(
ctx,
"gemini-3.8-flash",
genai.Text("Analyze this dataset for trends..."),
&genai.GenerateContentConfig{
ServiceTier: "flex",
},
)
if err != nil {
log.Printf("Flex request failed: %v", err)
return
}
fmt.Println(result.Text())
}
বিশ্রাম
curl -X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent?key=$GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"contents": [{
"parts":[{"text": "Summarize the latest research on quantum computing."}]
}],
"service_tier": "flex"
}'
Flex inference কীভাবে কাজ করে
Gemini Flex inference, স্ট্যান্ডার্ড API এবং Batch API-এর ২৪-ঘণ্টার টার্নঅ্যারাউন্ডের মধ্যে পার্থক্য দূর করে। এটি ব্যাকগ্রাউন্ড টাস্ক ও সিকোয়েন্সিয়াল ওয়ার্কফ্লোর জন্য সাশ্রয়ী সমাধান প্রদান করতে অফ-পিক, "শেডেবল" কম্পিউট ক্যাপাসিটি ব্যবহার করে।
| ফিচার | ফ্লেক্স | অগ্রাধিকার | মানক | ব্যাচ |
|---|---|---|---|---|
| দাম | ৫০% ছাড় | স্ট্যান্ডার্ডের থেকে ৭৫-১০০% বেশি | সম্পূর্ণ দাম | ৫০% ছাড় |
| লেটেন্সি | মিনিট (১–১৫ মিনিট টার্গেট) | কম (সেকেন্ড) | সেকেন্ড থেকে মিনিট | ২৪ ঘণ্টা পর্যন্ত |
| নির্ভরযোগ্যতা | বেস্ট-এফোর্ট (শেডেবল) | বেশি (নন-শেডেবল) | বেশি / মাঝারি-বেশি | বেশি (থ্রুপুটের জন্য) |
| ইন্টারফেস | সিনক্রোনাস | সিনক্রোনাস | সিঙ্ক্রোনাস | অসমনিয়ত |
প্রধান সুবিধা
- খরচ সাশ্রয়: নন-প্রোডাকশন মূল্যায়ন, ব্যাকগ্রাউন্ড এজেন্ট ও ডেটা এনরিচমেন্টের জন্য উল্লেখযোগ্য সাশ্রয়।
- কম ঘর্ষণ: ব্যাচ অবজেক্ট, জব আইডি বা পোলিং ম্যানেজ করার প্রয়োজন নেই; আপনার আগে থেকে থাকা অনুরোধে শুধু একটি প্যারামিটার যোগ করুন।
- সিঙ্ক্রোনাস ওয়ার্কফ্লো: সিকোয়েন্সিয়াল API চেনের জন্য আদর্শ, যেখানে পরবর্তী অনুরোধ আগেরটির আউটপুটের উপর নির্ভর করে, এটি এজেন্টিক ওয়ার্কফ্লোয়ের জন্য ব্যাচের চেয়ে বেশি নমনীয়।
যেসব ক্ষেত্রে ব্যবহার করা যাবে
- অফলাইন মূল্যায়ন: "LLM-as-a-judge" রিগ্রেশন টেস্ট বা লিডারবোর্ড চালানো।
- ব্যাকগ্রাউন্ড এজেন্ট: CRM আপডেট, প্রোফাইল তৈরি বা কন্টেন্ট মডারেশনের মতো সিকোয়েন্সিয়াল টাস্ক যেখানে কয়েক মিনিট দেরি হলেও চলে।
- বাজেট-সীমিত গবেষণা: সীমিত বাজেটে প্রচুর টোকেন ভলিউম প্রয়োজন এমন একাডেমিক পরীক্ষা।
রেটের সীমা
ফ্লেক্স ইনফারেন্স ট্রাফিক আপনার সাধারণ রেট লিমিটের মধ্যে গণনা করা হয়; এটি ব্যাচ API-এর মতো বর্ধিত রেট লিমিট অফার করে না।
শেড করার মতো ক্যাপাসিটি
ফ্লেক্স ট্রাফিককে কম অগ্রাধিকার দেওয়া হয়। সাধারণ ট্রাফিকে হঠাৎ বৃদ্ধি হলে, বেশি অগ্রাধিকার পাওয়া ব্যবহারকারীদের জন্য ক্যাপাসিটি নিশ্চিত করতে, Flex অনুরোধ আগে থেকেই বাতিল বা সরিয়ে দেওয়া হতে পারে। আপনি যদি হাই-প্রPriority ইনফারেন্স খুঁজছেন, তাহলে অগ্রাধিকার ভিত্তিক ইনফারেন্স চেক করুন
সমস্যার কোড
Flex ক্যাপাসিটি উপলভ্য না থাকলে বা সিস্টেম কনজেস্টেড থাকলে, API স্ট্যান্ডার্ড এরর কোড দেখাবে:
- 503 পরিষেবা উপলভ্য নেই: সিস্টেম বর্তমানে তার ক্যাপাসিটির সর্বাধিক সীমায় পৌঁছে গেছে।
- 429 Too Many Requests: রেটের সীমা বা রিসোর্স শেষ হয়ে যাওয়া।
ক্লায়েন্টের দায়িত্ব
- সার্ভার-সাইড ফলব্যাক নেই: অপ্রত্যাশিত চার্জ এড়াতে, Flex-এর ক্ষমতা সম্পূর্ণ হলে সিস্টেম অটোমেটিক Flex অনুরোধকে Standard টিয়ারে আপগ্রেড করবে না।
- আবার চেষ্টা করা: এক্সপোনেনশিয়াল ব্যাকঅফ সহ আপনাকে নিজের ক্লায়েন্ট-সাইড আবার চেষ্টা করার লজিক প্রয়োগ করতে হবে।
- টাইম-আউট: Flex অনুরোধ সারিতে থাকতে পারে বলে, আমরা ক্লায়েন্ট-সাইড টাইম-আউট ১০ মিনিট বা তার বেশি করার সাজেশন দিই যাতে সময়ের আগে কানেকশন বন্ধ হয়ে না যায়।
টাইমআউট উইন্ডো অ্যাডজাস্ট করুন
আপনি REST API এবং ক্লায়েন্ট লাইব্রেরির জন্য অনুরোধ প্রতি টাইমআউট কনফিগার করতে পারেন, এবং শুধুমাত্র ক্লায়েন্ট লাইব্রেরি ব্যবহার করার সময় গ্লোবাল টাইমআউট কনফিগার করতে পারেন।
সবসময় নিশ্চিত করুন যে আপনার ক্লায়েন্ট-সাইড টাইমআউট যেন সার্ভারের ধৈর্য্য উইন্ডোকে (যেমন, Flex ওয়েট কিউয়ের জন্য ৬০০ সেকেন্ড+) কভার করে। SDK-তে টাইমআউট ভ্যালু মিলিসেকেন্ডে দেখাতে হয়।
প্রতিটি অনুরোধের জন্য টাইম-আউট
Python
from google import genai
client = genai.Client()
try:
response = client.models.generate_content(
model="gemini-3.8-flash",
contents="why is the sky blue?",
config={
"service_tier": "flex",
"http_options": {"timeout": 900000}
},
)
except Exception as e:
print(f"Flex request failed: {e}")
# Example with streaming
try:
response = client.models.generate_content_stream(
model="gemini-3.8-flash",
contents=["List 5 ideas for a sci-fi movie."],
config={
"service_tier": "flex",
"http_options": {"timeout": 60000}
}
# Per-request timeout for the streaming operation
)
for chunk in response:
print(chunk.text, end="")
except Exception as e:
print(f"An error occurred during streaming: {e}")
জাভাস্ক্রিপ্ট
import {GoogleGenAI} from '@google/genai';
const client = new GoogleGenAI({});
async function main() {
try {
const response = await client.models.generateContent({
model: "gemini-3.8-flash",
contents: "why is the sky blue?",
config: {
serviceTier: "flex",
httpOptions: {timeout: 900000}
},
});
} catch (e) {
console.log(`Flex request failed: ${e}`);
}
// Example with streaming
try {
const response = await client.models.generateContentStream({
model: "gemini-3.8-flash",
contents: ["List 5 ideas for a sci-fi movie."],
config: {
serviceTier: "flex",
httpOptions: {timeout: 60000}
},
});
for await (const chunk of response.stream) {
process.stdout.write(chunk.text());
}
} catch (e) {
console.log(`An error occurred during streaming: ${e}`);
}
}
await main();
খুলুন
package main
import (
"context"
"fmt"
"log"
"time"
"google.golang.org/api/iterator"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
defer client.Close()
timeoutCtx, cancel := context.WithTimeout(ctx, 900*time.Second)
defer cancel()
_, err = client.Models.GenerateContent(
timeoutCtx,
"gemini-3.8-flash",
genai.Text("why is the sky blue?"),
&genai.GenerateContentConfig{
ServiceTier: "flex",
},
)
if err != nil {
fmt.Printf("Flex request failed: %v\n", err)
}
// Example with streaming
streamTimeoutCtx, streamCancel := context.WithTimeout(ctx, 60*time.Second)
defer streamCancel()
iter := client.Models.GenerateContentStream(
streamTimeoutCtx,
"gemini-3.8-flash",
genai.Text("List 5 ideas for a sci-fi movie."),
&genai.GenerateContentConfig{
ServiceTier: "flex",
},
)
for {
response, err := iter.Next()
if err == iterator.Done {
break
}
if err != nil {
fmt.Printf("An error occurred during streaming: %v\n", err)
break
}
fmt.Print(response.Candidates[0].Content.Parts[0])
}
}
বিশ্রাম
REST কল করার সময়, আপনি HTTP
হেডার ও curl বিকল্পের সাহায্যে টাইম-আউট কন্ট্রোল করতে পারবেন:
X-Server-Timeoutহেডার (সার্ভার-সাইড টাইমআউট): এই হেডার Gemini API সার্ভারের জন্য পছন্দের টাইমআউট সময়সীমা (ডিফল্ট ৬০০ সেকেন্ড) সাজেস্ট করে। সার্ভার এটি মেনে চলার চেষ্টা করবে, তবে এর কোনও গ্যারান্টি নেই। ভ্যালু সেকেন্ডে হতে হবে।--max-timeincurl(ক্লায়েন্ট-সাইড টাইম-আউট):curl --max-time <seconds>বিকল্পটি মোট সময়ের (সেকেন্ডে) উপর একটি হার্ড লিমিট সেট করে, যার জন্যcurlসম্পূর্ণ অপারেশন শেষ হওয়ার জন্য অপেক্ষা করবে। এটি ক্লায়েন্ট-সাইড সুরক্ষা।
# Set a server timeout hint of 120 seconds and a client-side curl timeout of 125 seconds.
curl --max-time 125 \
-X POST "https://generativelanguage.googleapis.com/v1beta/models/gemini-3.8-flash:generateContent?key=$GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-H "X-Server-Timeout: 120" \
-d '{
"contents": [{
"parts":[{"text": "Summarize the latest research on quantum computing."}]
}],
"service_tier": "flex"
}'
গ্লোবাল টাইমআউট
আপনি যদি চান যে নির্দিষ্ট genai.Client ইনস্ট্যান্সের
(শুধুমাত্র ক্লায়েন্ট লাইব্রেরি) মাধ্যমে করা সব API কলের ডিফল্ট টাইমআউট থাকুক, তাহলে http_options ও genai.types.HttpOptions ব্যবহার করে ক্লায়েন্ট ইনিশিয়ালাইজ করার সময়
এটি কনফিগার করতে পারবেন।
Python
from google import genai
from google.genai import types
global_timeout_ms = 120000
client_with_global_timeout = genai.Client(
http_options=types.HttpOptions(timeout=global_timeout_ms)
)
try:
# Calling generate_content using global timeout...
response = client_with_global_timeout.models.generate_content(
model="gemini-3.8-flash",
contents="Summarize the history of AI development since 2000.",
config={"service_tier": "flex"},
)
print(response.text)
# A per-request timeout will *override* the global timeout for that specific call.
shorter_timeout = 30000
response = client_with_global_timeout.models.generate_content(
model="gemini-3.8-flash",
contents="Provide a very brief definition of machine learning.",
config={
"service_tier": "flex",
"http_options":{"timeout": shorter_timeout}
} # Overrides the global timeout
)
print(response.text)
except TimeoutError:
print(
f"A GenerateContent call timed out. Check if the global or per-request timeout was exceeded."
)
except Exception as e:
print(f"An error occurred: {e}")
জাভাস্ক্রিপ্ট
import {GoogleGenAI} from '@google/genai';
const globalTimeoutMs = 120000;
const clientWithGlobalTimeout = new GoogleGenAI({httpOptions: {timeout: globalTimeoutMs}});
async function main() {
try {
// Calling generate_content using global timeout...
const response1 = await clientWithGlobalTimeout.models.generateContent({
model: "gemini-3.8-flash",
contents: "Summarize the history of AI development since 2000.",
config: { serviceTier: "flex" },
});
console.log(response1.text());
// A per-request timeout will *override* the global timeout for that specific call.
const shorterTimeout = 30000;
const response2 = await clientWithGlobalTimeout.models.generateContent({
model: "gemini-3.8-flash",
contents: "Provide a very brief definition of machine learning.",
config: {
serviceTier: "flex",
httpOptions: {timeout: shorterTimeout}
} // Overrides the global timeout
});
console.log(response2.text());
} catch (e) {
if (e.name === 'TimeoutError' || e.message?.includes('timeout')) {
console.log(
"A GenerateContent call timed out. Check if the global or per-request timeout was exceeded."
);
} else {
console.log(`An error occurred: ${e}`);
}
}
}
await main();
খুলুন
package main
import (
"context"
"fmt"
"log"
"time"
"google.golang.org/genai"
)
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
defer client.Close()
model := client.GenerativeModel("gemini-3.8-flash")
// Go uses context for timeouts, not client options.
// Set a default timeout for requests.
globalTimeout := 120 * time.Second
fmt.Printf("Using default timeout of %v seconds.\n", globalTimeout.Seconds())
fmt.Println("Calling generate_content (using default timeout)...")
ctx1, cancel1 := context.WithTimeout(ctx, globalTimeout)
defer cancel1()
resp1, err := model.GenerateContent(ctx1, genai.Text("Summarize the history of AI development since 2000."), &genai.GenerateContentConfig{ServiceTier: "flex"})
if err != nil {
log.Printf("Request 1 failed: %v", err)
} else {
fmt.Println("GenerateContent 1 successful.")
fmt.Println(resp1.Text())
}
// A different timeout can be used for other requests.
shorterTimeout := 30 * time.Second
fmt.Printf("\nCalling generate_content with a shorter timeout of %v seconds...\n", shorterTimeout.Seconds())
ctx2, cancel2 := context.WithTimeout(ctx, shorterTimeout)
defer cancel2()
resp2, err := model.GenerateContent(ctx2, genai.Text("Provide a very brief definition of machine learning."), &genai.GenerateContentConfig{
ServiceTier: "flex",
})
if err != nil {
log.Printf("Request 2 failed: %v", err)
} else {
fmt.Println("GenerateContent 2 successful.")
fmt.Println(resp2.Text())
}
}
আবার চেষ্টা করার সুবিধা প্রয়োগ করা
যেহেতু Flex শেডেবল এবং ৫০৩ সমস্যার কারণে ব্যর্থ হয়, তাই এখানে ব্যর্থ অনুরোধের সাথে চালিয়ে যেতে ঐচ্ছিকভাবে আবার চেষ্টা করার লজিক প্রয়োগ করার উদাহরণ দেওয়া হল:
Python
import time
from google import genai
client = genai.Client()
def call_with_retry(max_retries=3, base_delay=5):
for attempt in range(max_retries):
try:
return client.models.generate_content(
model="gemini-3.8-flash",
contents="Analyze this batch statement.",
config={"service_tier": "flex"},
)
except Exception as e:
# Check for 503 Service Unavailable or 429 Rate Limits
print(e.code)
if attempt < max_retries - 1:
delay = base_delay * (2 ** attempt) # Exponential Backoff
print(f"Flex busy, retrying in {delay}s...")
time.sleep(delay)
else:
# Fallback to standard on last strike (Optional)
print("Flex exhausted, falling back to Standard...")
return client.models.generate_content(
model="gemini-3.8-flash",
contents="Analyze this batch statement."
)
# Usage
response = call_with_retry()
print(response.text)
জাভাস্ক্রিপ্ট
import {GoogleGenAI} from '@google/genai';
const ai = new GoogleGenAI({});
async function sleep(ms) {
return new Promise(resolve => setTimeout(resolve, ms));
}
async function callWithRetry(maxRetries = 3, baseDelay = 5) {
for (let attempt = 0; attempt < maxRetries; attempt++) {
try {
console.log(`Attempt ${attempt + 1}: Calling Flex tier...`);
const response = await ai.models.generateContent({
model: "gemini-3.8-flash",
contents: "Analyze this batch statement.",
config: { serviceTier: 'flex' },
});
return response;
} catch (e) {
if (attempt < maxRetries - 1) {
const delay = baseDelay * (2 ** attempt);
console.log(`Flex busy, retrying in ${delay}s...`);
await sleep(delay * 1000);
} else {
console.log("Flex exhausted, falling back to Standard...");
return await ai.models.generateContent({
model: "gemini-3.8-flash",
contents: "Analyze this batch statement.",
});
}
}
}
}
async function main() {
const response = await callWithRetry();
console.log(response.text);
}
await main();
খুলুন
package main
import (
"context"
"fmt"
"log"
"math"
"time"
"google.golang.org/genai"
)
func callWithRetry(ctx context.Context, client *genai.Client, maxRetries int, baseDelay time.Duration) (*genai.GenerateContentResponse, error) {
modelName := "gemini-3.8-flash"
content := genai.Text("Analyze this batch statement.")
flexConfig := &genai.GenerateContentConfig{
ServiceTier: "flex",
}
for attempt := 0; attempt < maxRetries; attempt++ {
log.Printf("Attempt %d: Calling Flex tier...", attempt+1)
resp, err := client.Models.GenerateContent(ctx, modelName, content, flexConfig)
if err == nil {
return resp, nil
}
log.Printf("Attempt %d failed: %v", attempt+1, err)
if attempt < maxRetries-1 {
delay := time.Duration(float64(baseDelay) * math.Pow(2, float64(attempt)))
log.Printf("Flex busy, retrying in %v...", delay)
time.Sleep(delay)
} else {
log.Println("Flex exhausted, falling back to Standard...")
return client.Models.GenerateContent(ctx, modelName, content)
}
}
return nil, fmt.Errorf("retries exhausted") // Should not be reached
}
func main() {
ctx := context.Background()
client, err := genai.NewClient(ctx, nil)
if err != nil {
log.Fatal(err)
}
defer client.Close()
resp, err := callWithRetry(ctx, client, 3, 5*time.Second)
if err != nil {
log.Fatalf("Failed after retries: %v", err)
}
fmt.Println(resp.Text())
}
দাম
Flex inference-এর দাম স্ট্যান্ডার্ড API-এর ৫০% এবং টোকেন প্রতি বিল করা হয়।
যেসব মডেলে কাজ করে
নিম্নলিখিত মডেলগুলি Flex ইনফারেন্স সমর্থন করে:
| মডেল | Flex inference |
|---|---|
| Gemini 4 Argon | ✔️ |
| Gemini 3.8 Flash | ✔️ |
| Gemini 3.6 Flash | ✔️ |
| Gemini 3.5 Flash-Lite | ✔️ |
| Gemini 3.1 Flash-Lite | ✔️ |
| Gemini 3.1 Pro প্রিভিউ | ✔️ |
| Gemini 3 Flash প্রিভিউ | ✔️ |
| Gemini 3 Pro ইমেজ প্রিভিউ | ✔️ |
| Gemini 2.5 Pro | ✔️ |
| Gemini 2.5 Flash | ✔️ |
| Gemini 2.5 Flash Image | ✔️ |
| Gemini 2.5 Flash-Lite | ✔️ |
এর পরে কী করতে হবে
Gemini-র অন্যান্য ইনফারেন্স ও অপ্টিমাইজেশন বিকল্প সম্পর্কে পড়ুন:
- আল্ট্রা-লো লেটেন্সির জন্য অগ্রাধিকার ভিত্তিক অনুমান।
- ২৪ ঘণ্টার মধ্যে অ্যাসিঙ্ক্রোনাস প্রসেসিংয়ের জন্য ব্যাচ API।
- ইনপুট টোকেনের খরচ কমাতে কন্টেক্সট ক্যাশিং।