الاستدلال حسب الأولوية

‫Gemini Priority API هي طبقة استنتاج ممتازة مصمّمة لأحمال العمل الأساسية للمؤسسة التي تتطلّب وقت استجابة أقل وموثوقية أعلى بسعر ممتاز. تحظى الزيارات إلى طبقة "الأولوية" بأولوية أعلى من الزيارات إلى واجهة برمجة التطبيقات العادية وطبقة "المرونة".

يتوفّر الاستنتاج في طبقة "الأولوية" لمستخدمي الطبقة 2 والطبقة 3 على مستوى نقاط نهاية GenerateContent API وInteractions API.

كيفية استخدام طبقة "الأولوية"

لاستخدام طبقة "الأولوية"، اضبطوا حقل service_tier في نص الطلب على priority. الطبقة التلقائية هي "عادية" إذا تم حذف الحقل.

from google import genai

client = genai.Client()

try:
    response = client.models.generate_content(
        model="gemini-3.8-flash",
        contents="Triage this critical customer support ticket immediately.",
        config={"service_tier": "priority"},
    )

    # Validate for graceful downgrade
    if response.sdk_http_response.headers.get("x-gemini-service-tier") == "standard":
        print("Warning: Priority limit exceeded, processed at Standard tier.")

    print(response.text)

except Exception as e:
    # Standard error handling (e.g., DEADLINE_EXCEEDED)
    print(f"Error during API call: {e}")

import {GoogleGenAI} from '@google/genai';

const ai = new GoogleGenAI({});

async function main() {
  try {
      const result = await ai.models.generateContent({
          model: "gemini-3.8-flash",
          contents: "Triage this critical customer support ticket immediately.",
          config: {serviceTier: "priority"},
      });

      // Validate for graceful downgrade
      if (result.sdkHttpResponse.headers.get("x-gemini-service-tier") === "standard") {
          console.log("Warning: Priority limit exceeded, processed at Standard tier.");
      }

      console.log(result.text);

  } catch (e) {
      console.log(`Error during API call: ${e}`);
  }
}

await main();

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)
    }
    defer client.Close()

    resp, err := client.Models.GenerateContent(
        ctx,
        "gemini-3.8-flash",
        genai.Text("Triage this critical customer support ticket immediately."),
        &genai.GenerateContentConfig{
            ServiceTier: "priority",
        },
    )
    if err != nil {
        log.Fatalf("Error during API call: %v", err)
    }

    // Validate for graceful downgrade
    if resp.SDKHTTPResponse.Header.Get("x-gemini-service-tier") == "standard" {
        fmt.Println("Warning: Priority limit exceeded, processed at Standard tier.")
    }

    fmt.Println(resp.Text())
}

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": "Analyze user sentiment in real time"}]
  }],
  "service_tier": "priority"
}'

آلية عمل الاستنتاج في طبقة "الأولوية"

توجّه طبقة الاستنتاج "الأولوية" الطلبات إلى قوائم انتظار الحوسبة عالية الأهمية، ما يوفّر أداءً سريعًا يمكن التنبؤ به للتطبيقات التي يتفاعل معها المستخدمون. آليتها الأساسية هي الرجوع بسلاسة إلى المعالجة العادية من جهة الخادم للزيارات التي تتجاوز الحدود الديناميكية، ما يضمن استقرار التطبيق بدلاً من تعذُّر معالجة الطلب.

المزايا الرئيسية

• وقت استجابة منخفض: مصمّمة لأوقات الاستجابة بالثواني لأدوات الذكاء الاصطناعي التفاعلية التي يتفاعل معها المستخدمون.
• موثوقية عالية: يتم التعامل مع الزيارات بأعلى درجة من الأهمية ولا يمكن تقليلها على الإطلاق.
• التكيّف مع الإصدارات الأقدم: يتم تلقائيًا الرجوع إلى طبقة "الرزمة العادية" لمعالجة الارتفاعات المفاجئة في الزيارات التي تتجاوز الحدود الديناميكية بدلاً من تعذُّر معالجتها، ما يمنع انقطاع الخدمة.
• سهولة الاستخدام: تستخدم الطريقة المتزامنة نفسها generateContent المستخدَمة في طبقتَي "الرزمة العادية" و"المرونة".

حالات الاستخدام

تُعدّ المعالجة في طبقة "الأولوية" مثالية لسير العمل الأساسي للمؤسسة حيث يكون الأداء والموثوقية في غاية الأهمية.

• تطبيقات الذكاء الاصطناعي التفاعلية: روبوتات الدردشة و"المساعدون" لخدمة العملاء حيث يدفع المستخدمون سعرًا ممتازًا ويتوقّعون استجابات سريعة ومتّسقة.
• محركات اتخاذ القرارات في الوقت الفعلي: الأنظمة التي تتطلّب نتائج موثوقة جدًا ومنخفضة وقت الاستجابة، مثل فرز طلبات الدعم المباشر أو رصد الاحتيال.
• ميزات العملاء المميزين: المطوّرون الذين يحتاجون إلى ضمان أهداف أعلى لمستوى الخدمة (SLO) للعملاء الذين يدفعون مقابل الخدمة.

الحدود القصوى لمعدّل الاستخدام

تفرض طبقة "الأولوية" حدودها القصوى الخاصة لمعدّل الاستخدام، على الرغم من احتساب الاستهلاك ضمن الحدود القصوى لمعدّل استخدام الزيارات التفاعلية بشكل عام. الحدود القصوى التلقائية لمعدّل استخدام الاستنتاج في طبقة "الأولوية" هي 0.3 من الحدّ الأقصى لمعدّل الاستخدام العادي للطراز / الطبقة

تسلسل منطقي للرجوع بسلاسة إلى الإصدار الأقدم

إذا تم تجاوز الحدود القصوى لطبقة "الأولوية" بسبب الازدحام، يتم تلقائيًا وبسلاسة الرجوع إلى المعالجة العادية للطلبات التي تتجاوز الحدّ الأقصى بدلاً من تعذُّر معالجتها مع ظهور الخطأ 503 أو 429. تتم فوترة الطلبات التي تم الرجوع إلى الإصدار الأقدم منها بالسعر العادي، وليس بالسعر الممتاز لطبقة "الأولوية".

مسؤولية العميل

• مراقبة الردود: على المطوّرين مراقبة عنوان x-gemini-service-tier في ردّ واجهة برمجة التطبيقات لرصد ما إذا كان يتم الرجوع بشكل متكرّر إلى الإصدار الأقدم من الطلبات إلى standard.
• إعادة المحاولات: على العملاء تنفيذ تسلسل منطقي لإعادة المحاولة/التراجع الأسي للأخطاء العادية، مثل DEADLINE_EXCEEDED.

الأسعار

يتم تسعير الاستنتاج في طبقة "الأولوية" بنسبة %75 إلى %100 أعلى من واجهة برمجة التطبيقات العادية ويتم تحصيل الرسوم لكل رمز مميّز.

الطُرز المتوافقة

تتوافق الطُرز التالية مع الاستنتاج في طبقة "الأولوية":

الخطوات التالية

يمكنكم الاطّلاع على خيارات الاستنتاج والتحسين الأخرى في Gemini:

• الاستنتاج المرن لخفض التكلفة بنسبة% 50
• واجهة برمجة التطبيقات للمعالجة المجمّعة للمعالجة غير المتزامنة في غضون 24 ساعة
• التخزين المؤقت للسياق لتقليل تكاليف الرموز المميّزة للإدخال