الاستدلال حسب الأولوية

‫Gemini Priority API هو مستوى استنتاج متميّز مصمّم لأحمال العمل الأساسية للمؤسسة التي تتطلّب وقت استجابة منخفضًا وأعلى مستوى من الموثوقية بسعر متميّز. تتم معالجة الزيارات على مستوى "الأولوية" قبل الزيارات على مستوى واجهة برمجة التطبيقات العادية ومستوى "المرونة".

يتوفّر الاستنتاج على مستوى "الأولوية" في جميع نقاط نهاية Interactions API.

كيفية استخدام مستوى "الأولوية"

لاستخدام مستوى "الأولوية"، اضبط حقل service_tier في طلبك على priority. المستوى التلقائي هو "عادي" إذا تم حذف الحقل.

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Triage this critical customer support ticket immediately.",
    service_tier='priority'
)
print(interaction.output_text)

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

const ai = new GoogleGenAI({});

async function main() {
    const interaction = await ai.interactions.create({
        model: "gemini-3.8-flash",
        input: "Triage this critical customer support ticket immediately.",
        service_tier: "priority"
    });
    console.log(interaction.output_text);
}

await main();

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.interactions.ServiceTier;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;

Client client = new Client();

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(InteractionsInput.of("Perform a priority inference task."))
        .serviceTier(ServiceTier.PRIORITY)
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

package main

import (
    "context"
    "fmt"
    "log"

    "google.golang.org/genai"
    "google.golang.org/genai/interactions/models/interactions"
    "google.golang.org/genai/interactions/models/operations"
)

func main() {
    ctx := context.Background()
    client, err := genai.NewClient(ctx, nil)
    if err != nil {
        log.Fatal(err)
    }

    res, err := client.Interactions.Create(ctx, operations.CreateInteractionRequest{
        Body: operations.NewCreateInteractionRequestBody(interactions.CreateModelInteraction{
            Model:       interactions.Model("gemini-3.8-flash"),
            Input:       interactions.NewInteractionsInput("Perform a priority inference task."),
            ServiceTier: interactions.ServiceTierPriority.ToPointer(),
        }),
    })
    if err != nil {
        log.Fatal(err)
    }
    if res.Interaction.OutputText != nil {
        fmt.Println(*res.Interaction.OutputText)
    }
}

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "Content-Type: application/json" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -d '{
    "model": "gemini-3.8-flash",
    "input": "Triage this critical customer support ticket immediately.",
    "service_tier": "priority"
  }'

آلية عمل الاستنتاج على مستوى "الأولوية"

يوجّه الاستنتاج على مستوى "الأولوية" الطلبات إلى قوائم انتظار الحوسبة عالية الأهمية، ما يوفّر أداءً سريعًا يمكن التنبؤ به للتطبيقات الموجّهة للمستخدمين. آليته 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: مصمّم لأوقات الاستجابة الثانية لأدوات الذكاء الاصطناعي التفاعلية الموجّهة للمستخدمين.
• موثوقية عالية: يتم التعامل مع الزيارات بأعلى مستوى من الأهمية ولا يمكن إيقافها على الإطلاق.
• التكيّف مع الإصدارات الأقدم: يتم تلقائيًا الرجوع بالزيارات التي تتجاوز الحدود الديناميكية إلى مستوى "الرزمة العادية" لمعالجتها بدلاً من تعذُّر معالجتها، ما يمنع انقطاع الخدمة.
• سهولة الاستخدام: يستخدم الطريقة المتزامنة نفسها create التي يستخدمها مستوى "الرزمة العادية" ومستوى "المرونة".

حالات الاستخدام

تُعدّ المعالجة على مستوى "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 متميّزًا 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 المتميّزين: المطوّرون الذين يحتاجون إلى ضمان أهداف أعلى لمستوى الخدمة (SLO) للعملاء الذين يدفعون مقابل الخدمة.

حدود معدّل الاستخدام

يحتفظ الاستهلاك على مستوى "الأولوية" بحدود معدّل الاستخدام الخاصة به على الرغم من احتساب الاستهلاك ضمن حدود معدّل الاستخدام الإجمالية للزيارات التفاعلية. حدود معدّل الاستخدام التلقائية للاستنتاج على مستوى "الأولوية" هي 0.3 من حدّ معدّل الاستخدام العادي للطراز / المستوى

تسلسل منطقي للرجوع بسلاسة إلى الإصدارات الأقدم

إذا تم تجاوز حدود مستوى "الأولوية" بسبب الازدحام، يتم تلقائيًا وبسلاسة الرجوع بالطلبات التي تتجاوز الحد إلى المعالجة على مستوى "الرزمة العادية" بدلاً من تعذُّر معالجتها مع ظهور الخطأ 503 أو 429. تتم فوترة الطلبات التي تم الرجوع بها إلى الإصدار الأقدم بالمعدّل العادي، وليس بالمعدّل المتميّز لمستوى "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 بالطلبات إلى مستوى standard.
• إعادة المحاولات: على العملاء تنفيذ تسلسل منطقي لإعادة المحاولة/التأخير الأسي لـ الأخطاء العادية، مثل DEADLINE_EXCEEDED.

الأسعار

يتم تسعير الاستنتاج على مستوى "الأولوية" بنسبة %75 إلى %100 أكثر من واجهة برمجة التطبيقات العادية ويتم تحصيل الرسوم لكل رمز مميّز.

الطُرز المتوافقة

تسمح الطُرز التالية بالاستنتاج على مستوى "الأولوية":

الخطوات التالية

• الاستنتاج المرن لتقليل التكاليف
• الرموز المميّزة: التعرّف على الرموز المميّزة