Gemini Deferred 層級正式 GA:AI Agent 非即時工作 5 折計費,企業導入前的成本、限制與合規檢查
企業導入 AI Agent 後,帳單最大的一塊往往不是客服對話,而是背景工作:每天晚上掃描程式碼、整理大量文件、跑模型評測、產出研究報告。這些工作不需要幾秒內回應,卻一直用即時呼叫的價格在付費。
Google 在 2026-11-16 宣布,Gemini Enterprise Agent Platform 的 Deferred 層級(service_tier="deferred")正式 GA:可延後執行的 Gemini 模型呼叫,以 Standard 隨用隨付(PayGo)價格的 5 折計費,並支援以 Agent Development Kit(ADK)建立的 Agent 排程執行。 對 AI 用量已經上來的企業,這是一個可以直接降低成本的選項,但它有完成時間、區域與合規上的限制,導入前要先分類工作。
Deferred 層級更新重點
以下為 Gemini Enterprise Agent Platform release notes 與「Use the Deferred tier」官方文件整理的事實(查核日期:2026-11-18)。
兩項 GA 功能
Interactions API 的 Deferred 層級: 自訂或第三方 Agent 可以在 global 端點的 Interactions API 送出非同步 Gemini 呼叫,請求需設定 background=true、store=true,排入佇列後背景執行。
Autonomous agent scheduling: 除了 Gemini Deep Research Agent,現在也支援 ADK Agent(google-adk v2.10.0 以上),在 RunConfig 指定 ServiceTier.DEFERRED,即可把可容忍延遲的 Agent 工作排到離峰時段執行,適用 Agent Runtime、Cloud Run 與 GKE。
完成時間與狀態保存
24 小時目標: 官方目標是 95% 的請求在 24 小時內完成,但沒有以服務抵免(credit)保證的延遲 SLA。
超過 24 小時: 狀態會變成 failed,需要重新送出。
狀態保存 7 天: 可用 previous_interaction_id 串接多輪對話與工具呼叫結果;工具、system instruction 與 generation config 不會自動沿用,每一輪都要重新傳入。
SDK: Google Gen AI SDK(Python google-genai 2.34.0 以上、Node.js @google/genai 2.32.0 以上)與 REST 都可以建立、輪詢、串流與取消。
支援模型
只支援 global 端點。送到區域端點或 us、eu 多區域端點會回傳 HTTP 400。支援 gemini-4-carbon、gemini-4-argon、gemini-3.8-flash、gemini-3.7-flash、gemini-3.6-flash、gemini-3.5-flash、gemini-3.5-flash-lite、gemini-3.1-flash-lite 與 gemini-3.1-pro-preview。官方清單中沒有 11/12 才推出的 Gemini 4 Hydrogen。
計費規則:哪些情況會收費
情況 | 是否計費 |
|---|---|
完成(completed)、未完成(incomplete)、等待工具結果(requires_action)、需要接續(requires_continuation) | 以 Deferred 價格計費(Standard PayGo 的 5 折) |
還在佇列(queued)時取消 | 不計費 |
執行中(in_progress)時取消 | 已開始的模型呼叫會計費,包含中途被中斷的呼叫 |
單次呼叫失敗,包含超過 24 小時 | 不計費 |
多步驟工具流程中途失敗 | 失敗前已完成的呼叫計費,失敗那次不計費 |
另外兩點值得注意:Deferred 折扣可以和合約折扣、隱含快取的折扣疊加;Deferred 請求不會自動改用 Standard PayGo,因此不會被以未打折的即時價格收費。各模型的實際單價請以 Agent Platform 定價頁為準。
配額與合規限制
配額: 沒有獨立的模型呼叫配額,與 Flex PayGo 共用每個基礎模型每專案 3,000 RPM 的配額;另有互動建立速率、同時執行數,以及每專案每天寫入 240 GiB、讀取 480 GiB 的固定上限。
請求大小: 每次 interactions.create 的未壓縮內容上限 9.75 MiB,大型檔案建議改用 Cloud Storage(gs://)URI,每條串接最多 100 個。
支援的控管: VPC Service Controls、Access Transparency、Cloud Audit Logs、FedRAMP High。
不支援: 無狀態零資料保存(store=false)、客戶自管加密金鑰(CMEK)、資料落地(Data residency)、DoD IL5 與 ITAR。若組織政策強制 constraints/vertexai.disableAPIStorage,請求會回傳 400。
對台灣企業的影響
以下為 WeWinCloud 的分析與建議,非官方說法。
AI 成本可以先從「不急的工作」下手: 夜間批次的文件摘要、程式碼弱點掃描、模型評測與報告產出,通常占 token 用量很大一部分,搬到 Deferred 是不需要換模型就能降低費用的作法。
合規要求是第一道關卡: 若內部規範要求 CMEK、資料必須留在特定區域,或要求 API 不保存請求內容,Deferred 目前都無法符合,這類工作應留在原本的呼叫方式。這也與 10 月 Gemini API 預設儲存請求的議題相關,資料治理政策要先確認。
程式架構要改為非同步: 原本同步等回應的程式,需要改成送出、輪詢(或串流)、處理 requires_action 與失敗重送的流程,並把 interaction ID 存起來,避免重複送出造成重複計費。
用 Hydrogen 的工作暫時不能直接搬: 官方支援清單目前不含 Hydrogen,若日常主力模型已改用 Hydrogen,需要評估改用 3.8 Flash 或 Carbon 跑 Deferred 是否划算。
企業導入前 5 項檢查
盤點工作類型: 列出可以接受「24 小時內完成」的 AI 工作,例如夜間報表、大量文件處理、評測與程式碼掃描,與需要即時回應的客服、互動式助理分開。
先過合規檢查: 確認這些工作是否需要 CMEK、資料落地或零資料保存;需要的工作不適合 Deferred。
確認端點與模型: 改用 global 端點與支援清單中的模型,並在測試環境確認回應品質。
調整程式流程: 實作輪詢與退避、requires_action 工具回傳、failed 重送與取消邏輯,並記錄 interaction ID。
試算並追蹤成本: 以一週實際用量比較 Standard 與 Deferred 的費用,搭配標籤或請求中繼資料記錄,按部門或專案分攤,並設定預算告警。
常見問題 FAQ
Gemini Deferred 層級可以省多少?
官方說明 Deferred 呼叫的輸入、輸出與思考 tokens 都以 Standard PayGo 價格的 5 折計費,並可與合約折扣、隱含快取折扣疊加。實際費用依模型與用量而定,請以官方定價頁與個別報價為準。
Deferred 保證 24 小時內完成嗎?
不保證。官方目標是 95% 的請求在 24 小時內完成,沒有以服務抵免保證的 SLA;超過 24 小時的請求會變成 failed,且單次呼叫失敗不計費。
Deferred 和 Batch 批次推論有什麼不同?
Deferred 走 Interactions API,以單一互動為單位,可以多輪串接、呼叫工具,適合 AI Agent;Batch 則是一次送出大量獨立請求。兩者的完整比較請見官方「Consumption options」文件。
哪些資料不適合用 Deferred?
需要客戶自管加密金鑰(CMEK)、資料落地或不保存請求內容(store=false)的資料,目前 Deferred 不支援,建議維持原本的呼叫方式。
WeWinCloud 可以協助什麼
WeWinCloud 的 AI 企業應用方案與雲端成本優化服務,協助企業規劃 AI 工作分流與成本控管:
Claude/Gemini/OpenAI: 依任務類型比較模型與計費方式
AI 導入顧問與技術支援: AI Agent 非同步流程設計與 API 調整
雲端成本優化: 帳單健檢與分析、持續監控與成本報告
延伸閱讀
參考資料



留言