PayGo prioritaire

Le paiement à l'usage prioritaire (Priority PayGo) est une option de consommation qui offre des performances plus constantes que le paiement à l'usage standard, sans l'engagement initial du débit provisionné.

Lorsque vous utilisez Priority PayGo, vous êtes facturé par utilisation de jeton à un tarif plus élevé que Standard PayGo. Pour en savoir plus sur les tarifs, consultez la page des tarifs de Gemini Enterprise Agent Platform.

Quand utiliser le paiement à l'usage prioritaire ?

Priority PayGo est idéal pour les charges de travail critiques avec des modèles de trafic fluctuants ou imprévisibles. Voici des exemples de cas d'utilisation :

  • Assistants virtuels destinés aux clients
  • Workflows agentiques et interactions entre agents
  • Simulations de recherche

Modèles et emplacements compatibles

En général, le paiement à l'usage prioritaire est compatible avec les points de terminaison global, us et eu. Cependant, certains modèles (comme les modèles Gemini 2.5) peuvent ne pas être compatibles avec les trois points de terminaison. Consultez les pages des modèles individuels accessibles depuis Modèles Google pour voir quels points de terminaison sont compatibles avec Priority PayGo.

Les modèles suivants sont compatibles avec Priority PayGo :

Utiliser le paiement à l'usage prioritaire

Pour envoyer des requêtes à l'API Gemini à l'aide de Priority PayGo, vous devez inclure l'en-tête X-Vertex-AI-LLM-Shared-Request-Type dans votre requête. Vous pouvez utiliser le paiement à l'usage prioritaire de deux manières :

  • Utilisez le quota de débit provisionné (si disponible) et basculez vers Priority PayGo.

  • Utilisez uniquement le paiement à l'usage prioritaire.

Les exemples suivants utilisent le point de terminaison global. Pour envoyer vos requêtes à un point de terminaison multirégional, remplacez global par us ou eu. Pour les requêtes REST, vous devez également remplacer le nom d'hôte aiplatform.googleapis.com par aiplatform.us.rep.googleapis.com ou aiplatform.eu.rep.googleapis.com. Pour en savoir plus, consultez Points de terminaison multirégionaux.

Utiliser le paiement à l'usage prioritaire tout en utilisant le débit provisionné par défaut

Pour utiliser tout quota de débit provisionné disponible avant d'utiliser le paiement à l'usage prioritaire, incluez l'en-tête X-Vertex-AI-LLM-Shared-Request-Type: priority dans vos requêtes, comme indiqué dans les exemples suivants.

Python

Installer

pip install --upgrade google-genai

Pour en savoir plus, consultez la documentation de référence du SDK.

Définissez des variables d'environnement pour utiliser le SDK Google Gen AI avec Vertex AI : 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

Initialisez votre client d'IA générative pour utiliser le paiement à l'usage prioritaire. Après avoir effectué cette étape, vous n'aurez plus besoin d'apporter d'autres modifications à votre code pour interagir avec l'API Gemini à l'aide de Priority PayGo sur le même client.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

Une fois que vous avez configuré votre environnement, vous pouvez utiliser REST pour tester un prompt textuel. L'exemple suivant envoie une requête au point de terminaison du modèle de l'éditeur.

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : ID de votre projet. .
  • MODEL_ID : ID du modèle pour lequel vous souhaitez initialiser Priority PayGo. Pour obtenir la liste des modèles compatibles avec Priority PayGo, consultez Versions de modèle.
  • PROMPT_TEXT : instructions textuelles à inclure dans le prompt. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

Vous devriez recevoir une réponse JSON semblable à la suivante.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • Utilisez la méthode generateContent pour demander que la réponse soit renvoyée une fois qu'elle a été entièrement générée. Pour réduire la perception de la latence auprès d'un public humain, affichez la réponse progressivement à mesure qu'elle est générée à l'aide de la méthode streamGenerateContent.
  • L'ID du modèle multimodal se trouve à la fin de l'URL avant la méthode (par exemple, gemini-3.5-flash). Cet exemple peut également s'appliquer à d'autres modèles.

Utiliser uniquement le paiement à l'usage prioritaire

Pour n'utiliser que Priority PayGo, incluez les en-têtes X-Vertex-AI-LLM-Request-Type: shared et X-Vertex-AI-LLM-Shared-Request-Type: priority dans vos requêtes, comme illustré dans les exemples suivants.

Python

Installer

pip install --upgrade google-genai

Pour en savoir plus, consultez la documentation de référence du SDK.

Définissez des variables d'environnement pour utiliser le SDK Google Gen AI avec Vertex AI : 

# Replace the `GOOGLE_CLOUD_PROJECT` and `GOOGLE_CLOUD_LOCATION` values
# with appropriate values for your project.
export GOOGLE_CLOUD_PROJECT=GOOGLE_CLOUD_PROJECT
export GOOGLE_CLOUD_LOCATION=global
export GOOGLE_GENAI_USE_ENTERPRISE=True

Initialisez votre client d'IA générative pour utiliser le paiement à l'usage prioritaire. Après avoir effectué cette étape, vous n'aurez plus besoin d'apporter d'autres modifications à votre code pour interagir avec l'API Gemini à l'aide de Priority PayGo sur le même client.

from google import genai
from google.genai.types import HttpOptions
client = genai.Client(
  vertexai=True, project='your_project_id', location='global',
  http_options=HttpOptions(
    api_version="v1",
      headers={
        "X-Vertex-AI-LLM-Request-Type": "shared",
        "X-Vertex-AI-LLM-Shared-Request-Type": "priority"
      },
  )
)

REST

Avant d'utiliser les données de requête ci-dessous, effectuez les remplacements suivants :

  • PROJECT_ID : ID de votre projet. .
  • MODEL_ID : ID du modèle pour lequel vous souhaitez initialiser Priority PayGo. Pour obtenir la liste des modèles compatibles avec Priority PayGo, consultez Versions de modèle.
  • PROMPT_TEXT : instructions textuelles à inclure dans le prompt. JSON.
curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json; charset=utf-8" \
  -H "X-Vertex-AI-LLM-Request-Type: shared" \
  -H "X-Vertex-AI-LLM-Shared-Request-Type: priority" \
  "https://aiplatform.googleapis.com/v1/projects/PROJECT_ID/locations/global/publishers/google/models/MODEL_ID:generateContent" -d \
  $'{
      "contents": {
        "role": "model",
        "parts": { "text": "PROMPT_TEXT" }
    }
  }'

Vous devriez recevoir une réponse JSON semblable à la suivante.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}
  • Utilisez la méthode generateContent pour demander que la réponse soit renvoyée une fois qu'elle a été entièrement générée. Pour réduire la perception de la latence auprès d'un public humain, affichez la réponse progressivement à mesure qu'elle est générée à l'aide de la méthode streamGenerateContent.
  • L'ID du modèle multimodal se trouve à la fin de l'URL avant la méthode (par exemple, gemini-3.5-flash). Cet exemple peut également s'appliquer à d'autres modèles.

Vérifier l'utilisation de Priority PayGo

Vous pouvez vérifier si une requête a utilisé le paiement à l'usage prioritaire à partir du type de trafic dans la réponse, comme illustré dans les exemples suivants.

Python

Vous pouvez vérifier si Priority PayGo a été utilisé pour une requête à partir du champ traffic_type de la réponse. Si votre requête a été traitée à l'aide de Priority PayGo, le champ traffic_type est défini sur ON_DEMAND_PRIORITY.

sdk_http_response=HttpResponse(
  headers=<dict len=9>
) candidates=[Candidate(
  avg_logprobs=-0.539712212302468,
  content=Content(
    parts=[
      Part(
        text="""Response to sample request.
        """
      ),
    ],
    role='model'
  ),
  finish_reason=<FinishReason.STOP: 'STOP'>
)] create_time=datetime.datetime(2025, 12, 3, 20, 32, 55, 916498, tzinfo=TzInfo(0)) model_version='gemini-2.5-flash' prompt_feedback=None response_id='response_id' usage_metadata=GenerateContentResponseUsageMetadata(
  candidates_token_count=1408,
  candidates_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=1408
    ),
  ],
  prompt_token_count=5,
  prompt_tokens_details=[
    ModalityTokenCount(
      modality=<MediaModality.TEXT: 'TEXT'>,
      token_count=5
    ),
  ],
  thoughts_token_count=1356,
  total_token_count=2769,
  traffic_type=<TrafficType.ON_DEMAND_PRIORITY: 'ON_DEMAND_PRIORITY'>
) automatic_function_calling_history=[] parsed=None

REST

Vous pouvez vérifier si Priority PayGo a été utilisé pour une requête à partir du champ trafficType de la réponse. Si votre requête a été traitée à l'aide de Priority PayGo, le champ trafficType est défini sur ON_DEMAND_PRIORITY.

{
  "candidates": [
    {
      "content": {
        "role": "model",
        "parts": [
          {
            "text": "Response to sample request."
          }
        ]
      },
      "finishReason": "STOP"
    }
  ],
  "usageMetadata": {
    "promptTokenCount": 3,
    "candidatesTokenCount": 900,
    "totalTokenCount": 1957,
    "trafficType": "ON_DEMAND_PRIORITY",
    "thoughtsTokenCount": 1054
  }
}

Limites de débit

Le paiement à l'usage prioritaire fournit une limite de débit de référence au niveau de l'organisation pour chaque modèle :

  • Modèles Gemini Pro, Carbon et Argon : 10 000 000 de jetons par minute
  • Modèles Gemini Flash, Flash-Lite et Hydrogen : 50 000 000 de jetons par minute

Ces limites sont disponibles immédiatement pour votre organisation. Il n'y a pas de période d'optimisation, et vous n'avez pas besoin d'atteindre un niveau d'utilisation soutenue avant de pouvoir en bénéficier. Comme pour le paiement à l'usage standard, la limite de débit indiquée pour une famille de modèles s'applique indépendamment à chaque modèle de cette famille.

Le trafic dépassant votre limite n'est pas automatiquement rétrogradé. Lorsque de la capacité est disponible, Agent Platform continue de diffuser ce trafic en priorité, et il est facturé aux tarifs du paiement à l'usage prioritaire. Les requêtes ne sont rétrogradées vers le paiement à l'usage standard que lorsqu'il n'y a pas de capacité disponible pour les traiter en priorité. Ces requêtes sont alors facturées aux tarifs du paiement à l'usage standard.

Vous pouvez vérifier si une requête a été rétrogradée à partir de la réponse. Pour les requêtes rétrogradées vers Standard PayGo, le type de trafic est défini sur ON_DEMAND. Pour en savoir plus, consultez Vérifier l'utilisation de Priority PayGo.

Pour réduire le risque de rétrogradation, lissez le trafic sur chaque minute plutôt que d'envoyer des pics de trafic soudains à la seconde. Si votre charge de travail nécessite une limite plus élevée, contactez votre équipe commerciale. Pour les charges de travail qui nécessitent une capacité dédiée et garantie, consultez Débit provisionné.

Étapes suivantes