Wnioskowanie o priorytecie

Interfejs Gemini Priority API to poziom wnioskowania premium przeznaczony dla krytycznych zbiorów zadań biznesowych, które wymagają krótszego czasu oczekiwania i najwyższej niezawodności w wyższej cenie. Ruch na poziomie Priority ma wyższy priorytet niż ruch na poziomie Standard API i Flex.

Wnioskowanie o priorytecie jest dostępne dla użytkowników poziomu 2 i 3 w przypadku interfejsu GenerateContent API i punktów końcowych interfejsu Interactions API.

Jak korzystać z priorytetu

Aby użyć poziomu priorytetu, ustaw w treści żądania pole service_tier na wartość priority. Jeśli pole zostanie pominięte, domyślnym poziomem jest standardowy.

from google import genai

client = genai.Client()

try:
    response = client.models.generate_content(
        model="gemini-3.5-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-3.5-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-3.5-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-3.5-flash:generateContent?key=$GEMINI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
  "contents": [{
    "parts":[{"text": "Analyze user sentiment in real time"}]
  }],
  "service_tier": "priority"
}'

Jak działa wnioskowanie priorytetowe

Wnioskowanie priorytetowe kieruje żądania do kolejek obliczeniowych o wysokim znaczeniu, zapewniając przewidywalną i szybką wydajność w przypadku aplikacji dostępnych dla użytkowników. Jego głównym mechanizmem jest płynne przejście po stronie serwera do standardowego przetwarzania w przypadku ruchu, który przekracza dynamiczne limity, co zapewnia stabilność aplikacji zamiast odrzucania żądania.

Główne zalety

• Niskie opóźnienie: zaprojektowany z myślą o czasie reakcji wynoszącym kilka sekund w przypadku interaktywnych narzędzi AI przeznaczonych dla użytkowników.
• Wysoka niezawodność: ruch jest traktowany jako najważniejszy i nie może być odrzucany.
• Łagodna degradacja: skoki ruchu przekraczające dynamiczne limity są automatycznie obniżane do poziomu Standard w celu przetworzenia zamiast niepowodzenia, co zapobiega przerwom w działaniu usługi.
• Niskie tarcie: korzysta z tej samej synchronicznej metody generateContent co w przypadku poziomów standardowego i Flex.

Przypadki użycia

Przetwarzanie priorytetowe jest idealne w przypadku procesów o kluczowym znaczeniu dla firmy, w których wydajność i niezawodność mają największe znaczenie.

• Interaktywne aplikacje AI: czatboty i kopiloty obsługi klienta, w przypadku których użytkownicy płacą wyższą cenę i oczekują szybkich, spójnych odpowiedzi.
• Silniki decyzyjne działające w czasie rzeczywistym: systemy wymagające bardzo wiarygodnych wyników o niskim opóźnieniu, takie jak systemy triage zgłoszeń lub wykrywania oszustw.
• Funkcje dla klientów premium: deweloperzy, którzy muszą zagwarantować wyższe docelowe poziomy usług (SLO) dla klientów płacących.

Ograniczenia liczby żądań

Zużycie priorytetowe ma własne limity szybkości, mimo że jest wliczane do ogólnych limitów szybkości ruchu interaktywnego. Domyślne limity szybkości dla wnioskowania priorytetowego to 0,3x standardowego limitu szybkości dla modelu lub poziomu.

Logika łagodnego przejścia na niższą wersję

Jeśli limity priorytetowe zostaną przekroczone z powodu przeciążenia, nadmiarowe żądania zostaną automatycznie i bezproblemowo obniżone do przetwarzania standardowego zamiast zakończyć się niepowodzeniem z błędem 503 lub 429. Obniżone żądania są rozliczane według stawki standardowej, a nie według stawki premium za priorytet.

Odpowiedzialność klienta

• Monitorowanie odpowiedzi: deweloperzy powinni monitorować x-gemini-service-tiernagłówek w odpowiedzi interfejsu API, aby wykrywać, czy żądania są często obniżane do poziomustandard.
• Ponowne próby: klienci muszą w przypadku standardowych błędów, takich jak DEADLINE_EXCEEDED, zaimplementować logikę ponawiania lub wzrastający czas do ponowienia.

Ceny

Wnioskowanie priorytetowe jest o 75–100% droższe niż standardowy interfejs API i jest rozliczane za token.

Obsługiwane modele

Priorytetowe wnioskowanie jest obsługiwane w tych modelach:

Co dalej?

Dowiedz się więcej o innych opcjach wnioskowania i optymalizacji Gemini:

• Elastyczne wnioskowanie, które pozwala obniżyć koszty o 50%.
• Interfejs Batch API do przetwarzania asynchronicznego w ciągu 24 godzin.
• Buforowanie kontekstu, aby obniżyć koszty tokenów wejściowych.