Facturation du moteur RAG Vertex AI

Cette page décrit la tarification et la facturation du moteur RAG Vertex AI en fonction des composants que vous utilisez, tels que les modèles, le reranking et le stockage vectoriel.

Pour en savoir plus, consultez la page Présentation du moteur RAG de Vertex AI.

Tarification et facturation

Le moteur RAG de Vertex AI est gratuit. Toutefois, si vous configurez des composants du moteur RAG Vertex AI, la facturation peut être affectée.

Ce tableau explique comment la facturation fonctionne lorsque vous utilisez les composants RAG.

Composant Fonctionnement de la facturation avec le moteur RAG Vertex AI
Ingestion de données Le moteur RAG Vertex AI permet d'ingérer des données provenant de différentes sources de données. Par exemple, l'importation de fichiers locaux, Cloud Storage et Google Drive. L'accès aux fichiers de ces sources de données à partir du moteur RAG Vertex AI est gratuit, mais ces sources de données peuvent facturer le transfert de données. Par exemple, les coûts de sortie des données.
Transformation des données (analyse des fichiers)
  • Analyseur par défaut : gratuit.
  • Analyseur LLM : le moteur RAG Vertex AI utilise le modèle LLM que vous avez spécifié pour analyser votre fichier. Vous verrez et paierez les coûts du modèle LLM directement depuis votre projet.
  • Analyseur de mise en page Document AI : le moteur RAG Vertex AI utilise l'analyseur de mise en page Document AI que vous avez spécifié pour traiter votre fichier. Vous verrez et paierez l'utilisation de l'analyseur de mise en page Document AI directement depuis votre projet.
Transformation des données (segmentation des fichiers) Il est compatible avec le découpage en blocs de taille fixe, qui est gratuit.
Génération d'embeddings Le moteur RAG Vertex AI orchestre la génération d'embeddings à l'aide du modèle d'embedding que vous avez spécifié. Les coûts associés à ce modèle sont facturés à votre projet.

Pour en savoir plus sur les tarifs, consultez Coût de création et de déploiement de modèles d'IA dans Vertex AI.
Indexation et récupération des données Le moteur RAG est compatible avec deux catégories de bases de données vectorielles pour la recherche vectorielle :
  • Base de données gérée par RAG
  • Utiliser votre propre base de données vectorielle

Une base de données gérée par RAG a deux objectifs :
  • Une base de données gérée par RAG stocke les ressources RAG, telles que les corpus et les fichiers RAG. Le contenu des fichiers est exclu.
  • Indexation et récupération des embeddings pour la recherche vectorielle, selon votre choix.

Une base de données gérée par RAG utilise une instance Spanner comme backend.

Pour chacun de vos projets, le moteur RAG Vertex AI provisionne un projet Google Cloud spécifique au client et gère les ressources gérées par RAG qui sont stockées dans le moteur RAG Vertex AI, de sorte que vos données sont physiquement isolées.

Si vous choisissez le niveau de base RagManagedDB ou le niveau évolutif, le moteur RAG Vertex AI provisionne une instance Spanner Enterprise Edition dans le projet correspondant :

  • Niveau de base : 100 unités de traitement avec sauvegarde
  • Niveau avec scaling : à partir d'un nœud (1 000 unités de traitement) et autoscaling jusqu'à 10 nœuds avec sauvegarde

Si un corpus RAG de votre projet choisit d'utiliser une base de données gérée par RAG pour la recherche vectorielle, l'instance Spanner gérée par RAG vous sera facturée.

Le moteur RAG Vertex AI affiche les coûts Spanner du projet géré par RAG correspondant dans votre projet Google Cloud . Vous pouvez ainsi consulter et payer les coûts des instances Spanner.

Pour en savoir plus sur les tarifs de Spanner, consultez la page Tarifs de Spanner.
Reranking pour le moteur RAG Vertex AI Les outils de classement suivants sont acceptés après la récupération :
  • Reranker LLM : le moteur RAG Vertex AI utilise le modèle LLM que vous avez spécifié pour réorganiser les résultats de récupération. Les coûts du modèle LLM seront visibles et facturés directement dans votre projet.
  • API Vertex AI Search Ranking : le moteur RAG Vertex AI utilise l'API Vertex AI Search Ranking pour reclasser les résultats de récupération. Vous verrez et paierez l'API Ranking directement depuis votre projet.

Étapes suivantes