料金は米ドル（USD）で表記されています。

一般提供（GA）されている機能の料金は、2023 年 9 月 1 日に適用されます。

Vertex AI Search を使用すると、ML のスキルがまだ十分ではないデベロッパーでも、Google の基盤大規模言語モデル、検索技術、レコメンデーション技術の力を活用して、エンタープライズ グレードの生成 AI アプリケーションを作成できます。

✩ Google 社内用メモ: 料金について詳しくは、go/vertexsc-pricing をご覧ください。

Vertex AI Search を使用すると、ウェブサイト、非構造化データ、構造化データの検索エンジンを迅速に構築して、情報を取得し、グラウンディングされた回答を生成できます。Vertex AI Search で利用できる機能の詳細をご覧ください。

Vertex AI Search には、一般と構成可能の 2 つの料金モデルがあります。検索アプリケーションとその関連データストアには、1 つのモデルを選択する必要があります。

Vertex AI Search インデックス データ ストレージの料金

医療向け Vertex AI Search を使用すると、医療データに対して医療用に調整された検索エンジンを迅速に構築できます。

ヘルスケア向け Vertex AI Search には、生成 AI による回答、インデックスへのストリーミング更新など、プレビュー版の機能がいくつか含まれています。これらの機能が一般提供される際には、現在記載されている価格とは異なる価格が設定される場合があります。

医療検索の料金例

前提条件:

• 1 か月あたり 100 万件の医療検索リクエスト
• 1,000 GiB の医療データをインデックス化

Vertex AI Search for Media を使用すると、Google のクエリとコンテキストの理解を活用して、関連性の高い動画検索結果を提供し、メディアサイト全体で動画検索を改善できます。

Media Recommendations のオペレーションに料金が発生するのは、トレーニングを行う場合、チューニングを行う場合、recommend メソッドを呼び出して予測をリクエストする場合のみです。ユーザー イベントまたはドキュメント情報のインポートまたは管理は、無料でご利用いただけます。

トレーニングの費用（1 ノード、1 時間あたり）は、モデルがアクティブにトレーニングされている場合、またはトレーニングを再開するためのリクエストを送信している場合、毎日発生します。モデルを一時停止または削除すると、費用は発生しなくなります。詳しくは、トレーニングの管理に関するドキュメントをご覧ください。

アクティブなモデルのチューニングの費用（1 ノード、1 時間あたり）は、チューニングが完了したあとで発生します。途中まで行ったチューニングに対して費用が発生するのは、チューニング中にモデルを一時停止するか削除した場合のみです。この場合、モデルのチューニングが停止される前に消費されたノード時間に対して、費用が発生します。詳しくは、チューニングの管理に関するドキュメントをご覧ください。

前提条件:

• 1 か月あたり 10 億件の予測リクエスト
• 1 日あたり 1 つのモデルをトレーニングし、モデルは 1 日に 1 回、自動的に再トレーニングされる
• 1 か月あたり、モデルのトレーニングに約 500 ノード時間、モデルのチューニングに 100 時間

Media Recommendations は、不正な JSON を含むユーザー イベント リクエストや、マイナス料金のドキュメントのインポート リクエストなど、エラーにつながる各 API リクエストについて、Google Cloud Observability にエラーを記録します。また、インポートされたデータストアにないドキュメントを使用したすべての予測リクエスト エラーも記録します。

Google Cloud Observability では、保存されたログが GiB 単位で課金され、デフォルトの保持期間を超えて保持された場合も課金されます。無料割り当てとデータ保持の詳細については、Google Cloud Observability の料金ページをご覧ください。

ロギングデータのサイズは JSON ペイロードのサイズによって変化しますが、1 GiB は約 200,000 件のメディアに関するレコメンデーションのエラーに相当します。

Grounded Generation API を使用すると、Google 検索の情報や独自のデータを使用して、プロンプトに対する生成された回答を作成できます。

ユーザーは、Vertex AI Search と追加のグラウンディング ファクトを使用して、グラウンディングされた回答を生成します。各入力プロンプトは 2,500 文字（インライン グラウンディング ファクトを含む）、各出力プロンプトは 200 文字です。ユーザーが Gemini 1.5 Flash を選択しました。

ユーザーは Google 検索を使用して、グラウンディングされた回答を生成します。入力プロンプトはそれぞれ 500 文字、出力プロンプトはそれぞれ 200 文字です。ユーザーが Gemini 1.5 Flash を選択しました。

グラウンディングのチェックでは、テキストの一部（回答候補）が、特定の参照テキスト（事実）セットにおいてどの程度根拠があるかを判断できます。

Document AI のすべての機能の料金に関する完全な情報については、Document AI の料金ページをご覧ください。

Vertex AI Search と統合され、Vertex AI Search を通じて課金される Document AI 機能については、以下の表をご覧ください。

*ページのサイズはファイル形式によって異なります。

• 画像（JPEG/JPG、PNG、BMP、HEIF）: 各画像 = 1 ページ
• PDF: PDF の各ページ = 1 ページ
• TIFF: TIFF の各画像 = 1 ページ
• Word（DOCX）: 3,000 文字まで = 1 ページ
• Excel（XLSX）: 各タブ = 1 ページ
• PowerPoint（PPTX）: 各スライド = 1 ページ
• HTML: 3,000 文字まで = 1 ページ
• 解析されたドキュメント: 最大 3,000 文字 = 1 ページ

Ranking API は、ドキュメントのリストを取得し、ドキュメントが特定のクエリにどの程度関連しているかに基づいてドキュメントを再ランク付けします。

ドキュメントとクエリの意味的な類似性のみを考慮するエンベディングと比較して、Ranking API では、ドキュメントが特定のクエリにどの程度適切に回答しているかを正確にスコア付けできます。

ランキング API を使用すると、候補ドキュメントの初期セットを取得した後、検索結果の品質を向上させることができます。

クエリは最大 100 件のドキュメントを持つものとして定義されますが、ユーザーはクエリごとに 100 件を超えるドキュメントを指定できます。100 を超えるドキュメントが指定された場合、100 ドキュメントごとに料金が 1 ずつ増加します。

• 次に例を示します。
• ランク付けするドキュメント数 132 = クエリ数 2
• 200 件のドキュメントをランク付け = 2 件のクエリ
• ランク付けするドキュメント数 399 = クエリ数 4
• 401 ドキュメントをランク付け = 5 クエリ

• Vertex AI Search のドキュメントを読む。
• 料金計算ツールを試す。