Una quota limita la quantità di risorse Google Cloud condivise È possibile usare un progetto Google Cloud, inclusi hardware, software e rete componenti. Di conseguenza, le quote fanno parte di un sistema che seguenti:
- Monitora l'utilizzo o il consumo dei prodotti Google Cloud e i servizi di machine learning.
- Limita il tuo consumo di queste risorse, per motivi che includono: garantendo l'equità e riducendo i picchi di utilizzo.
- Mantiene configurazioni che applicano automaticamente le limitazioni prescritte.
- Consente di richiedere o modificare la quota.
Nella maggior parte dei casi, quando viene superata una quota, il sistema blocca immediatamente alla risorsa Google pertinente e all'attività che vuoi non riesce a eseguire l'esecuzione. Nella maggior parte dei casi, le quote vengono applicate a ogni progetto Google Cloud e vengono condivisi tra tutte le applicazioni e gli indirizzi IP che utilizzano progetto Google Cloud.
Quote per regione e modello
La quota di richieste al minuto (RPM) si applica a un modello di base e a tutte le versioni.
identificatori e versioni ottimizzate del modello. Ad esempio, una richiesta a
gemini-1.0-pro e una richiesta a gemini-1.0-pro-001 vengono conteggiate come
due richieste per la quota RPM del modello di base, gemini-1.0-pro.
Analogamente, una richiesta a gemini-1.0-pro-001 e gemini-1.0-pro-002
vengono conteggiate come due richieste per la quota RPM del modello di base,
gemini-1.0-pro. Lo stesso vale per i modelli ottimizzati, quindi una richiesta
gemini-1.0-pro-001 e un modello ottimizzato basato su gemini-1.0-pro-001
denominate my-tuned-chat-model vengono conteggiate come due richieste verso il modello di base,
gemini-1.0-pro.
Le quote si applicano alle richieste di IA generativa su Vertex AI per un determinato progetto Google Cloud e regione supportata.
Per visualizzare le quote nella console Google Cloud, segui questi passaggi:
- Nella console Google Cloud, vai alla sezione IAM e Pagina Quote amministratore.
- Nel campo Filtro, specifica la dimensione o la metrica.
| Dimensione (identificatore modello) | Metrica (identificatore della quota per i modelli Gemini) |
|---|---|
base_model: gemini-1.5-flashbase_model: gemini-1.5-pro |
Puoi richiedere aggiustamenti in quanto segue:
|
| Tutti gli altri modelli | Puoi modificare una sola quota:
|
Scegli una regione per visualizzare i limiti di quota per ogni modello disponibile:
Limiti di frequenza
I seguenti limiti di frequenza si applicano ai modelli elencati in tutte le regioni per
metrica, generate_content_input_tokens_per_minute_per_base_model:
| Modello di base | Token al minuto |
|---|---|
base_model: gemini-1.5-flash |
4 milioni (4.000.000) |
base_model: gemini-1.5-pro |
4 milioni (4.000.000) |
Quote batch
Le quote e i limiti seguenti sono uguali nelle regioni per IA generativa su job di previsione batch di Vertex AI:
| Quota | Valore |
|---|---|
textembedding_gecko_concurrent_batch_prediction_jobs |
4 |
Quote dei modelli con addestramento personalizzato
Le seguenti quote si applicano ai modelli ottimizzati di Generative AI su Vertex AI per per un progetto e una regione specifici:
| Quota | Valore |
|---|---|
| Core dei pod TPU V3 di addestramento delle immagini limitati per regione * Regione supportata - europe-west4 |
64 |
| Addestramento delle immagini limitato per GPU Nvidia A100 da 80 GB per regione * Regione supportata - us-central1 * Regione supportata - us-east4 |
8 2 |
* Gli scenari di ottimizzazione prevedono prenotazioni degli acceleratori in regioni specifiche. Le quote per l'ottimizzazione sono supportate e devono essere richieste in regioni.
Quote di valutazione online
Il servizio online di valutazione utilizza il modello text-bison come strumento di valutazione automatica con l'IP di Google
di prompt e di meccanismi per garantire una valutazione coerente e obiettiva
basate su modelli.
Una singola richiesta di valutazione per una metrica basata su modello può generare più
le richieste sottostanti al servizio di previsione online. La quota di ogni modello
calcolato in base al progetto, il che significa che tutte le richieste indirizzate
text-bison per l'inferenza del modello e la valutazione basata sul modello contribuiscono al
quota. Le quote dei modelli sono impostate in modo diverso. La quota per la valutazione
e la quota per il modello di valutazione automatica sottostante sono visualizzate nella tabella.
| Quota per le richieste | Quota predefinita |
|---|---|
| Richieste di servizio di valutazione online al minuto | 1000 richieste per progetto per regione |
Richieste di previsione online al minuto per base_model, base_model: text-bison |
1600 richieste per progetto per regione |
Se ricevi un errore relativo alle quote durante l'utilizzo della valutazione online potresti dover presentare una richiesta di aumento della quota. Consulta Visualizzare e gestire le quote per ulteriori informazioni.
| Limite | Valore |
|---|---|
| Timeout della richiesta del servizio di valutazione online | 60 secondi |
I nuovi utenti del servizio di valutazione online all'interno di un nuovo progetto potrebbero la configurazione iniziale subisce un ritardo in genere di due minuti. Si tratta di un evento che deve essere eseguito una sola volta e il processo di sviluppo. Se la prima richiesta non va a buon fine, attendi qualche minuto e poi riprova. Le richieste di valutazione successive in genere vengono completate entro 60 secondi.
Il numero massimo di token di input e output è limitato per le metriche basate su modello in base al modello usato come classificatore automatico. Vedi Informazioni modello | IA generativa su Vertex AI | Google Cloud per i limiti per i modelli pertinenti.
Quote di LlamaIndex su Vertex AI per RAG
Le seguenti quote servono per eseguire RAG (Retrieval-Augmented Generation) utilizzando LlamaIndex su Vertex AI:
| Servizio | Quota |
|---|---|
| LlamaIndex sulle API di gestione dei dati di Vertex AI | 60 richieste al minuto (RPM) |
RetrievalContexts API |
1.500 rpm |
base_model: textembedding-gecko |
1.500 rpm |
| Richieste di previsione online1 | 30.000 rpm |
| Importazione dati | 1000 file |
1 Questa quota si applica solo agli endpoint pubblici. Gli endpoint privati di richieste illimitate al minuto.
Quote di valutazione della pipeline
Se ricevi un errore relativo alle quote mentre utilizzi le pipeline di valutazione , potresti dover inviare una quota richiesta di aumento. Vedi Visualizzare e gestire le quote per ulteriori informazioni.
Il servizio di pipeline di valutazione utilizza Vertex AI Pipelines per eseguire
PipelineJobs. Consulta le quote pertinenti per
Vertex AI Pipelines. Di seguito sono riportati alcuni suggerimenti generali per le quote:
| Servizio | Quota | Consiglio |
|---|---|---|
| API Vertex AI | Job di previsione batch LLM simultanei per regione | A punta: 1 * num_concurrent_pipelines Pairwise: 2 * num_concurrent_pipelines |
| API Vertex AI | Richieste di valutazione al minuto per regione | 1000 * num_pipeline_concorrenti |
Inoltre, quando si calcolano le metriche di valutazione basate su modello, potrebbero verificarsi problemi di quota. La quota pertinente dipende dallo strumento di valutazione automatica utilizzato:
| Tasks | Quota | Modello di base | Consiglio |
|---|---|---|---|
summarizationquestion_answering |
Richieste di previsione online per modello di base al minuto per regione per base_model | text-bison |
60 * num_pipeline_concurrent |
Vertex AI Pipelines
Ogni job di ottimizzazione utilizza Vertex AI Pipelines. Per ulteriori informazioni, consulta Quote e limiti di Vertex AI Pipelines.
Quota condivisa dinamica
Per i servizi che supportano la quota dinamica condivisa, Google Cloud distribuisce di capacità on demand tra tutte le query in fase di elaborazione. Questa funzionalità elimina l'esigenza di inviare richieste di aumento della quota (QIR).
Per applicare un override del consumer al progetto come misura per il controllo dei costi e per per evitare il superamento del budget, consulta l'articolo sulla creazione di un override della quota consumer.
Se hai bisogno di una quantità massima specifica per la velocità effettiva, contatta il rappresentante del tuo account Google Cloud per informazioni sulla velocità effettiva sottoposta a provisioning.
Puoi anche monitorare l'utilizzo tramite Quote e Limiti di sistema nella console Google Cloud.
Per informazioni sui modelli che supportano la quota dinamica condivisa, consulta Utilizza i modelli di Claude di Anthropic.
Esempio di come funziona la quota condivisa dinamica
Google Cloud esamina la capacità disponibile in una regione specifica, ad esempio Nord America e poi guarda quanti clienti inviano le richieste. Consideriamo il cliente A, che invia 25 query al minuto, e il cliente B, che invia 25 QPM. Il servizio può supportare 100 QPM. Se il cliente A aumenta la tariffa delle query a 75 QPM, la quota condivisa dinamica supporta l'aumento. Se il cliente A aumenta la percentuale delle proprie query a 100 QPM, quindi la quota limita il cliente A a 75 QPM per continuare a B alle 25 QPM.
Per risolvere gli errori che potrebbero verificarsi durante l'utilizzo di quota condivisa dinamica, consulta Risolvere gli errori di quota.
Aumenti di quota
Se vuoi aumentare una qualsiasi delle tue quote per l'AI generativa su Vertex AI, puoi usa la console Google Cloud per richiedere un aumento della quota. Per scoprire di più su quote, consulta Utilizzare le quote.
Passaggi successivi
- Scopri di più su quote e limiti di Vertex AI.
- Scopri di più su quote e limiti di Google Cloud.