이 페이지는 Cloud Translation API를 통해 번역되었습니다.

Vertex AI의 생성형 AI 비율 제한

Google Cloud는 공정성을 보장하고 리소스 사용 및 가용성의 급증을 줄이기 위해 할당량을 사용합니다. 할당량은 Google Cloud 프로젝트에서 사용할 수 있는 Google Cloud 리소스의 양을 제한합니다. 할당량은 하드웨어, 소프트웨어, 네트워크 구성요소를 포함하여 다양한 리소스 유형에 적용됩니다. 예를 들어 할당량에 따라 서비스에 대한 API 호출 수, 프로젝트에서 동시에 사용하는 부하 분산기 수, 만들 수 있는 프로젝트 수가 제한될 수 있습니다. 할당량은 서비스 과부하를 방지하여 Google Cloud 사용자 커뮤니티를 보호합니다. 할당량은 자체 Google Cloud 리소스를 관리하는 데도 도움이 됩니다.

Cloud Quotas 시스템은 다음을 수행합니다.

Google Cloud 제품 및 서비스 소비량 모니터링
리소스 소비 제한
할당량 값 변경을 요청할 수 있는 수단 제공

대부분의 경우 할당량이 허용하는 것보다 더 많은 리소스를 소비하려고 하면 시스템에서 리소스에 대한 액세스를 차단하고 수행하려는 작업이 실패합니다.

할당량은 일반적으로 Google Cloud 프로젝트 수준에서 적용됩니다. 한 프로젝트의 리소스를 사용해도 다른 프로젝트에서 사용 가능한 할당량에는 영향을 미치지 않습니다. Google Cloud 프로젝트 내에서 할당량은 모든 애플리케이션과 IP 주소에 공유됩니다.

비율 제한

이 표에는 generate_content_input_tokens_per_minute_per_base_model 측정항목의 모든 리전에서 다음 모델에 적용되는 비율 제한이 나와 있습니다.

기본 모델	분당 토큰
`base_model: gemini-1.5-flash`	4M(4,000,000)
`base_model: gemini-1.5-pro`	4M(4,000,000)

Gemini 1.5 Flash(gemini-1.5-flash-002) 및 Gemini 1.5 Pro(gemini-1.5-pro-002) 버전 002의 할당량 정보는 Google 모델을 참고하세요.

리전 및 모델별 할당량

분당 요청 수(RPM) 할당량은 기본 모델과 해당 모델의 모든 버전, 식별자, 조정된 버전에 적용됩니다. 다음 예는 RPM 할당량이 적용되는 방식을 보여줍니다.

기본 모델 gemini-1.0-pro에 대한 요청과 안정화 버전 gemini-1.0-pro-001에 대한 요청은 기본 모델 gemini-1.0-pro의 RPM 할당량에 대한 요청 2개로 계산됩니다.
기본 모델의 두 버전인 `gemini-1.0-pro-001` 및 `gemini-1.0-pro-002`에 대한 요청은 기본 모델인 `gemini-1.0-pro`의 RPM 할당량에 대한 요청 2개로 집계됩니다.
기본 모델의 두 버전인 `gemini-1.0-pro-001` 및 `my-tuned-chat-model`이라는 조정된 버전에 대한 요청은 기본 모델인 `gemini-1.0-pro`에 대한 요청 2개로 계산됩니다.

할당량은 특정 Google Cloud 프로젝트 및 지원되는 리전에 대한 Vertex AI 요청의 생성형 AI에 적용됩니다.

Google Cloud 콘솔에서 할당량 보기

Google Cloud 콘솔에서 할당량을 보려면 다음 단계를 따르세요.

Google Cloud 콘솔에서 IAM 및 관리자 할당량 페이지로 이동합니다.
콘솔에서 할당량 보기를 클릭합니다.
필터 필드에서 측정기준 또는 측정항목을 지정합니다.

측정기준(모델 식별자)	측정항목(Gemini 모델의 할당량 식별자)
`base_model: gemini-1.5-flash` `base_model: gemini-1.5-pro`	다음에서 조정을 요청할 수 있습니다. `aiplatform.googleapis.com/generate_content_requests_per_minute_per_project_per_base_model` `aiplatform.googleapis.com/generate_content_input_tokens_per_minute_per_base_model`
다른 모든 모델	할당량은 하나만 조정할 수 있습니다. `aiplatform.googleapis.com/generate_content_requests_per_minute_per_project_per_base_model`

리전 및 모델별 할당량 보기

리전을 선택하여 사용 가능한 각 모델의 할당량 한도를 확인하세요.

할당량 늘리기

Vertex AI의 생성형 AI 할당량을 상향 조정하려면 Google Cloud 콘솔을 사용해 할당량 상향을 요청하면 됩니다. 할당량에 대한 자세한 내용은 할당량 작업을 참조하세요.

RAG Engine 할당량

RAG 엔진을 사용하여 검색 증강 생성 (RAG)을 실행하는 각 서비스에는 다음 할당량이 적용되며, 할당량은 분당 요청 수 (RPM)로 측정됩니다.

서비스	할당량	측정항목
RAG 엔진 데이터 관리 API	60 RPM	`VertexRagDataService requests per minute per region`
`RetrievalContexts` API	1,500 RPM	`VertexRagService retrieve requests per minute per region`
`base_model: textembedding-gecko`	1,500 RPM	`Online prediction requests per base model per minute per region per base_model` 지정할 수 있는 추가 필터는 `base_model: textembedding-gecko`입니다.

적용되는 요청 한도는 다음과 같습니다.

서비스	한도	측정항목
동시 `ImportRagFiles` 요청	3 RPM	`VertexRagService concurrent import requests per region`
`ImportRagFiles` 요청당 최대 파일 수	10,000	`VertexRagService import rag files requests per region`

비율 제한 및 할당량에 관한 자세한 내용은 Vertex AI의 생성형 AI 비율 제한을 참고하세요.

일괄 요청

일괄 요청의 할당량과 한도는 모든 리전에서 동일합니다.

동시 일괄 요청

다음 표에는 동시 일괄 요청 수에 대한 할당량이 나와 있습니다.

할당량	값
`aiplatform.googleapis.com/textembedding_gecko_concurrent_batch_prediction_jobs`	4
`aiplatform.googleapis.com/gemini_pro_concurrent_batch_prediction_jobs`	4
`aiplatform.googleapis.com/gemini_flash_concurrent_batch_prediction_jobs`	4

제출된 작업 수가 할당된 할당량을 초과하면 작업이 큐에 추가되고 할당량 용량을 사용할 수 있게 되면 처리됩니다.

일괄 요청 한도

다음 표에는 각 일괄 텍스트 생성 요청의 크기 한도가 나와 있습니다.

모델	한도
`gemini-1.5-pro`	레코드 50,000개
`gemini-1.5-flash`	레코드 15만 개
`gemini-1.0-pro`	레코드 15만 개
`gemini-1.0-pro-vision`	레코드 50,000개

커스텀 학습 모델 할당량

특정 프로젝트 및 리전의 Vertex AI의 생성형 AI 조정 모델에 적용되는 할당량은 다음과 같습니다.

할당량	값
리전에 따라 제한된 이미지 학습 TPU V3 포드 코어 * 지원되는 리전 - europe-west4	64
리전에 따라 제한된 이미지 학습 Nvidia A100 80GB GPU * 지원되는 리전 - us-central1 * 지원되는 리전 - us-east4	8 2

* 조정 시나리오에는 특정 리전에 가속기 예약이 있습니다. 튜닝에 대한 할당량이 지원되며 특정 리전에서 요청해야 합니다.

텍스트 임베딩 한도

각 텍스트 임베딩 모델 요청에는 최대 250개의 입력 텍스트 (입력 텍스트당 임베딩 1개 생성)와 요청당 20,000개의 토큰이 포함될 수 있습니다. 각 입력 텍스트의 처음 2,048개 토큰만 임베딩을 계산하는 데 사용됩니다.

생성형 AI 평가 서비스 서비스 할당량

Gen AI 평가 서비스는 gemini-1.5-pro를 심사 모델로 사용하고 메커니즘을 사용하여 모델 기반 측정항목에 대한 일관되고 객관적인 평가를 보장합니다. 모델 기반 측정항목에 대한 단일 평가 요청으로 인해 Gen AI 평가 서비스에 대한 여러 개의 기본 요청이 발생할 수 있습니다. 각 모델의 할당량은 프로젝트별로 계산됩니다. 즉, 모델 추론 및 모델 기반 평가를 위해 gemini-1.5-pro으로 전달되는 모든 요청이 할당량에 반영됩니다. 모델마다 할당량이 다르게 설정됩니다. Gen AI 평가 서비스의 할당량과 기본 자동 평가 도구 모델의 할당량이 표에 나와 있습니다.

요청 할당량	기본 할당량
분당 생성형 AI 평가 서비스 요청 수	리전별 프로젝트당 1,000개 요청
`base_model: gemini-1.5-pro`의 분당 온라인 예측 요청 수	리전 및 모델별 할당량을 참고하세요.

Gen AI 평가 서비스를 사용하는 동안 할당량과 관련된 오류가 발생하면 할당량 증가 요청을 제출해야 할 수 있습니다. 자세한 사항은 할당량 보기 및 관리를 참조하세요.

한도	값
생성형 AI 평가 서비스 요청 제한 시간	60초

새 프로젝트에서 생성형 AI 평가 서비스를 처음 사용하는 경우 일반적으로 최대 2분까지 초기 설정이 지연될 수 있습니다. 이는 일회성 프로세스입니다. 첫 번째 요청이 실패하면 몇 분 정도 기다린 후 다시 시도하세요. 후속 평가 요청은 일반적으로 60초 이내에 완료됩니다. 모델 기반 측정항목의 최대 입력 및 출력 토큰은 자동 평가 도구로 사용되는 모델에 따라 제한됩니다. 관련 모델의 한도는 모델 정보 | Vertex AI의 생성형 AI | Google Cloud 한도를 참고하세요.

파이프라인 평가 할당량

평가 파이프라인 서비스를 사용하는 동안 할당량과 관련된 오류가 발생하면 할당량 증가 요청을 제출해야 할 수 있습니다. 자세한 사항은 할당량 보기 및 관리를 참조하세요. 평가 파이프라인 서비스는 Vertex AI Pipelines을 사용하여 PipelineJobs를 실행합니다. Vertex AI Pipelines 관련 할당량을 참고하세요. 다음은 일반적인 할당량 권장사항입니다.

서비스	할당량	권장사항
Vertex AI API	리전별 동시 LLM 일괄 예측 작업	점별: 1 * num_concurrent_pipelines 쌍별: 2 * num_concurrent_pipelines
Vertex AI API	리전별 분당 평가 요청 수	1000 * num_concurrent_pipelines

또한 모델 기반 평가 측정항목을 계산할 때 자동 평가 도구가 할당량 문제에 부딪힐 수 있습니다. 관련 할당량은 사용된 자동 평가 도구에 따라 다릅니다.

Tasks	할당량	기본 모델	권장사항
`summarization` `question_answering`	base_model별 리전별 기본 모델별 분당 온라인 예측 요청	`text-bison`	60 * num_concurrent_pipelines

Vertex AI Pipelines

각 조정 작업에는 Vertex AI Pipelines가 사용됩니다. 자세한 내용을 알아보려면 Vertex AI Pipelines 할당량 및 한도를 참조하세요.

Vertex AI Reasoning Engine

다음 할당량 및 한도는 각 리전의 특정 프로젝트에 대한 Vertex AI 추론 엔진에 적용됩니다.

할당량	값
분당 Reasoning Engine 생성/삭제/업데이트 수	10
분당 Reasoning Engine 쿼리 수	60
추론 엔진 리소스의 최대 개수	100

오류 코드 429 문제 해결

429 오류를 해결하려면 오류 코드 429를 참고하세요.

다음 단계

동적 공유 할당량에 대해 자세히 알아보려면 동적 공유 할당량을 참고하세요.
Vertex AI의 할당량 및 한도에 대한 자세한 내용은 Vertex AI 할당량 및 한도를 참고하세요.
Google Cloud 할당량 및 한도에 대한 자세한 내용은 할당량 값 및 시스템 한도 이해를 참고하세요.