Wnioskowanie o priorytecie

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

Określanie priorytetów wnioskowania 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 SERVICE_TIER_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-flash-preview",
        contents="Triage this critical customer support ticket immediately.",
        config={'service_tier': '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-flash-preview",
          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-flash-preview",
        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 \
-H "x-goog-api-key: $GEMINI_API_KEY" \
-H 'Content-Type: application/json' \
"https://generativelanguage.googleapis.com/v1beta/models/gemini-3-flash-preview:generateContent" \
-d '{
  "contents": [{
    "parts":[{"text": "Analyze user sentiment in real time"}]
  }],
  "serviceTier": "PRIORITY"
}'

Jak działa wnioskowanie priorytetowe

Routowanie wnioskowania priorytetowego 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 ruchu, który przekracza limity dynamiczne, co zapewnia stabilność aplikacji zamiast odrzucania żądania.

Główne zalety

• Niskie opóźnienie: zaprojektowane z myślą o czasie reakcji w milisekundach 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 limity dynamiczne są automatycznie obniżane do poziomu Standard w celu przetworzenia zamiast powodować błędy, co zapobiega przerwom w działaniu usługi.
• Niskie tarcie: używa 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 poziomie opóźnień, takie jak systemy triage zgłoszeń lub wykrywania oszustw.
• Funkcje dla klientów premium: dla programistów, 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 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 Priority.

Odpowiedzialność klienta

• Monitorowanie odpowiedzi: deweloperzy powinni monitorować wartość service_tier w treści odpowiedzi interfejsu API, aby wykrywać, czy żądania są często obniżane do poziomu standard.
• Ponowne próby: w przypadku standardowych błędów, takich jak DEADLINE_EXCEEDED, klienci muszą wdrożyć logikę ponawiania prób lub wykładniczy 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 w celu obniżenia kosztów tokenów wejściowych.