가격은 미국 달러(USD)로 표기됩니다.

2023년 9월 1일부터 정식 버전 (GA)으로 제공되는 기능에 대한 가격 책정이 적용됩니다.

Vertex AI Search를 사용하면 제한적인 머신러닝 기술을 가진 개발자라도 Google의 파운데이션 대규모 언어 모델, 검색 및 추천 전문 기술을 활용하여 엔터프라이즈급 생성형 AI 애플리케이션을 만들 수 있습니다.

✩ Google 내부 참고: 가격 책정에 대한 자세한 내용은 go/vertexsc-pricing을 참고하세요.

Vertex AI Search는 웹사이트, 비정형 데이터, 정형 데이터에 대한 검색엔진을 빠르게 빌드하여 정보를 검색하고 그라운딩된 답변을 생성하는 기능을 제공합니다. Vertex AI Search에서 사용할 수 있는 기능에 대해 자세히 알아보세요.

Vertex AI Search는 일반 및 구성 가능의 두 가지 가격 책정 모델을 제공합니다. 검색 애플리케이션과 연결된 데이터 스토어에 사용할 모델을 하나 선택해야 합니다.

Vertex AI Search 색인 데이터 스토리지 가격 책정

의료용 Vertex AI Search는 의료 데이터에 대해 의료적으로 조정된 검색엔진을 빠르게 빌드할 수 있는 기능을 제공합니다.

의료용 Vertex AI Search에는 생성형 AI 대답, 색인에 대한 스트리밍 업데이트 등 프리뷰 버전의 일부 기능이 포함되어 있습니다. 이러한 기능은 일반 안정화 버전으로 출시될 때 현재 나열된 가격과 다르게 책정될 수 있습니다.

의료 검색 가격 책정 예시

가정:

• 월 1,000,000건의 의료 검색 요청
• 색인이 생성된 의료 데이터 1,000GiB

미디어용 Vertex AI Search를 사용하면 Google의 쿼리 및 문맥 이해를 활용하여 미디어 사이트 전반에서 검색을 개선하고 관련성이 높은 동영상 결과를 제공할 수 있습니다.

요금이 발생하는 Media Recommendations 작업은 recommend 메서드를 호출하여 예측을 학습, 조정 또는 요청하는 작업뿐입니다. 사용자 이벤트 또는 문서 정보를 가져오거나 관리하는 작업에는 요금이 부과되지 않습니다.

학습 (노드별 시간당) 비용은 모델이 적극적으로 학습 중이거나 사용자가 학습 재개 요청을 제출한 경우 매일 청구됩니다. 모델을 일시중지하거나 삭제하면 더 이상 요금이 청구되지 않습니다. 학습 관리 문서를 참조하세요.

활성 모델 조정 (노드별 시간당) 비용은 조정이 성공적으로 완료된 후 청구됩니다. 조정 진행 중에 모델을 일시중지하거나 삭제하면 완료되지 않은 조정에 대한 요금만 청구됩니다. 이 경우 모델 조정이 중지되기 전에 사용된 노드 시간에 대해 요금이 청구됩니다. 조정 관리 문서를 참조하세요.

가정:

• 월별 예측 요청 10억 건
• 하루에 한 번 단일 모델을 학습시키는데, 기본적으로 하루에 한 번 자동으로 보관됩니다.
• 월별 모델 학습 약 500노드 시간, 모델 조정 100시간에 해당

Media Recommendations는 잘못된 형식의 JSON을 포함한 사용자 이벤트 요청이나 음수 가격의 문서 가져오기 요청 등 오류가 발생하는 각 API 요청에 대해 Google Cloud Observability에 오류를 로깅합니다. 또한 Media Recommendations는 가져온 데이터 스토어에 없는 문서가 포함된 모든 예측 요청에 대한 오류도 로깅합니다.

Google Cloud Observability는 저장된 로그의 GiB를 기준으로 요금을 청구하며 기본 보관 기간을 초과하는 보관에 대해서도 요금을 청구합니다. 무료 할당량 및 데이터 보관에 대한 자세한 내용은 Google Cloud Observability 가격 책정 페이지를 참조하세요.

데이터 로깅 크기는 JSON 페이로드 크기에 따라 다르지만 1GiB는 약 200,000건의 미디어 추천 오류에 해당합니다.

Grounded Generation API를 사용하면 Google 검색 또는 자체 데이터의 정보를 사용하여 프롬프트에 대한 생성형 대답을 만들 수 있습니다.

사용자는 Vertex AI Search와 추가 그라운딩 사실을 사용하여 그라운딩된 답변을 생성합니다. 각 입력 프롬프트는 2,500자 (인라인 그라운딩 팩트 포함)이고 각 출력 프롬프트는 200자입니다. 사용자가 Gemini 1.5 Flash를 선택했습니다.

사용자가 Google 검색을 사용하여 그라운딩된 답변을 생성합니다. 각 입력 프롬프트는 500자, 각 출력 프롬프트는 200자입니다. 사용자가 Gemini 1.5 Flash를 선택했습니다.

그라운딩 검사는 지정된 참조 텍스트 집합 (팩트)에서 텍스트 조각 (답변 후보)이 그라운딩되는 정도를 판단하는 기능을 제공합니다.

모든 Document AI 기능의 전체 가격 책정 정보는 Document AI 가격 책정 페이지를 참조하세요.

Vertex AI Search를 통해 통합되고 청구되는 Document AI 기능은 아래 표를 참고하세요.

*페이지 크기는 파일 형식에 따라 다릅니다.

• 이미지 (JPEG/JPG, PNG, BMP, HEIF): 이미지 1개 = 1페이지
• PDF: PDF의 각 페이지 = 1페이지
• TIFF: TIFF의 각 이미지 = 1페이지
• Word(DOCX): 최대 3,000자(영문 기준) = 1페이지
• Excel (XLSX): 각 탭 = 1페이지
• PowerPoint (PPTX): 각 슬라이드 = 1페이지
• HTML: 최대 3,000자(영문 기준) = 1페이지
• 파싱된 문서: 최대 3,000자(영문 기준) = 1페이지

Ranking API는 문서 목록을 가져와 문서가 쿼리와 얼마나 관련성이 있는지에 따라 문서의 순위를 다시 지정합니다.

문서와 쿼리의 시맨틱 유사성만 고려하는 임베딩과 비교하여 Ranking API는 문서가 특정 쿼리에 얼마나 잘 대답하는지에 관한 정확한 점수를 제공할 수 있습니다.

Ranking API는 후보 문서의 초기 집합을 검색한 후 검색 결과의 품질을 개선하는 데 사용할 수 있습니다.

쿼리는 최대 100개의 문서를 포함하는 것으로 정의되지만, 사용자는 쿼리당 100개 이상의 문서를 지정할 수 있습니다. 100개가 넘는 문서를 지정한 경우 100개 문서의 배수마다 가격이 1씩 증가합니다.

• 예를 들면 다음과 같습니다.
• 순위를 매길 문서 132개 = 쿼리 2개
• 순위 지정할 문서 200개 = 쿼리 2개
• 순위를 매길 문서 399개 = 쿼리 4개
• 순위를 매길 문서 401개 = 쿼리 5개

• Vertex AI Search 문서 읽어보기.
• 가격 계산기 사용해 보기