Modely a platformy AI
Google Cloud představuje náhled extrakce metadat pomocí AI ve službě Cloud Storage

Klíčové bodyObohacení objektů přesouvá orchestraci AI inference do Cloud Storage, takže agenti…
Zobrazit více
- Obohacení objektů přesouvá orchestraci AI inference do Cloud Storage, takže agenti dotazují připravená metadata místo opětovného zpracování snímků.
- Google účtuje anotace obrázků o 75 % méně než podobné služby od jiných poskytovatelů cloudu.
- Náhled vylučuje obohacení Gemini a buckety Rapid nebo s hierarchickým jmenným prostorem, přičemž omezuje objekty na 20 MiB.
Google Cloud 19. listopadu 2026 představil obohacování objektů, službu Cloud Storage ve verzi Preview, která ze uložených obrázků a souborů PDF extrahuje strukturovaná metadata pro agenty AI a analytické účely. V zveřejněném příkladu činí cena za zpracování 10 milionů obrázků jedním obrazovým modelem 700 $.
Tato plně spravovaná funkce, dostupná prostřednictvím konzole a rozhraní API Cloud Storage, asynchronně prohledává způsobilé objekty, spouští vybrané modely, zpracovává jejich odpovědi a zapisuje výsledky ke každému objektu. Vestavěné opakování pokusů a řízení rychlosti nahrazují fronty, pracovní procesy, plánování a vlastní kód pro zpracování dat, které by zákazníci jinak museli sestavovat kolem infrastruktury, jako jsou Cloud Run nebo Google Kubernetes Engine.
Příkladem agenta, který stál za tímto návrhem, je provozní systém prohledávající tisíce snímků z chytrých kamer nebo vozidel, aby našel doručení zásilky či nebezpečí na silnici. Odesílání těchto snímků do modelu při každém zadání by spotřebovávalo tokeny a přidávalo několik minut zpoždění; dotazování na předem připravená metadata přesouvá tuto práci do asynchronního kroku zpracování na straně úložiště. Metadata navíc zůstávají připojena k objektu, místo aby zabírala místo v samostatném synchronizovaném úložišti.
Pět modelů a kontext objektu
Dokumentace k obohacování objektů uvádí pět vlastních modelů. Detekce objektů a označování obrázků vracejí kategorie a obdélníkové hranice, detekce obličejů doplňuje obličejové orientační body a pravděpodobnost jednotlivých výrazů a klasifikace PDF přiřazuje dokumentům kategorie se skóre. Tyto kategorie zahrnují oblasti podnikání a průmyslu, například finance, hry, zpravodajství a zdravotnictví.
Anotace se ukládají jako kontexty objektů, což je struktura metadat Cloud Storage obsahující klíč, řetězcovou hodnotu a časová razítka; pro podrobné výsledky lze připojit také volitelnou datovou část JSON o velikosti až 128 KiB. Aplikace mohou filtrovat výpisy objektů podle klíčů a hodnot kontextu, zatímco oprávnění Identity and Access Management určují, kdo je smí přidávat, měnit nebo odstraňovat. Kontexty se automaticky přenášejí při operacích kopírování, přepisu, skládání, přesunu a obnovení.
Datové sady Storage Insights mohou exportovat metadata milionů či miliard objektů do BigQuery. Datové týmy pak mohou dotazovat object_contexts_catalog_view pomocí standardního SQL a spojovat štítky nebo klasifikace dokumentů se strukturovanými podnikovými tabulkami, což podporuje vyhledávání prostředků, přípravu trénovacích dat a multimodální analýzu bez nutnosti vytvářet samostatný datový proces ETL.
Ceny a první výsledky zákazníků
Google uvádí, že jeho anotace obrázků stojí o 75 % méně než obdobné služby jiných poskytovatelů cloudových služeb. Zveřejněné ceny Cloud Storage nabízejí konkrétnější základ pro srovnání: u každého obrazového modelu činí cena za prvních 1 milion měsíčních objektů 0,25 $ za 1 000 objektů a za každý další objekt nad tento limit 0,05 $ za 1 000 objektů.
V praktickém příkladu Googlu se na 10 milionů obrázků použije detekce objektů a označování obrázků, což přináší jednorázové poplatky za inferenci ve výši 1 400 $ a opakované měsíční poplatky 55,20 $ za kontexty objektů, Storage Intelligence a ukládání datových sad. Cena za kontexty objektů je 3 $ za milion kontextů měsíčně. Funkce s sebou nese také poplatky za přístup k datům a síťové přenosy, přičemž čtení objektů může v segmentech používajících Autoclass vyvolat změnu třídy úložiště.
Klasifikace PDF má v rámci verze Preview odlišné podmínky: až do všeobecné dostupnosti, která se očekává později v roce 2026, je zdarma; během veřejné verze Preview je využití omezeno na 100 milionů objektů na zákazníka. Pokud zákazník nakonfiguruje stejný segment a model ve více než jednom místě zpracování, práce i poplatky se opakují, takže rozsah míst je třeba zahrnout do výpočtu nákladů.
Zákazníci, jejichž vyjádření byla zveřejněna spolu s oznámením, popsali výraznější provozní přínosy. Antoine Castex, hlavní architekt pro data a AI ve společnosti L’Oréal, uvedl, že služba označila jejich úložiště kreativních materiálů 100krát rychleji a za zlomek dosavadních nákladů na datové procesy. Mayur Pillay, viceprezident pro partnerství ve společnosti Hyperscience, oznámil zvýšení přesnosti klasifikace dokumentů o více než 50 % a dva- až třikrát nižší náklady na inferenci. Brandon Bunker, viceprezident pro produktovou AI ve společnosti Vivint, uvedl, že obohacování objektů a BigQuery zkrátily dobu vývoje AI ze šesti měsíců na jeden měsíc.
Omezení verze Preview a plán dalšího vývoje Gemini
Verze Preview přijímá obrázky a soubory PDF o velikosti nejvýše 20 MiB a každý objekt musí mít platnou podporovanou Content-Type hodnotu určující jeho typ souboru. Podporované obrazové formáty jsou BMP, GIF, ICO, JPEG, PNG, TIFF a WEBP. Zpracování je dostupné v us, eu a asia lokalitách, takže si zákazníci mohou vybrat místo podle požadavků na suverenitu dat a blízkosti k oblasti, ve které jsou uložena data segmentu.
Obohacování objektů nelze povolit v segmentech Rapid ani v segmentech s hierarchickým oborem názvů, nepodporuje klíče šifrování dodané zákazníkem a vyžaduje přesné názvy segmentů namísto zástupných znaků nebo regulárních výrazů. Výslovný limit velikosti úlohy není stanoven, kapacitní omezení však mohou zpracování zpozdit. Cloud Monitoring sleduje čekající objekty, počty spuštění modelů a stav zpracování.
Google uvádí nativní obohacování pomocí Gemini jako připravovanou funkci, která není součástí této ukázkové verze. Má sloužit k multimodálnímu uvažování nad textem, soubory PDF, obrázky, zvukem a videem; mezi její zamýšlená využití patří sumarizace, extrakce entit, přepis a překlad. Zájemce Google odkazuje na samostatnou žádost o přístup.
Pro podniky je kompromis v této ukázkové verzi zřejmý: Google spravuje orchestraci inferencí a metadata uchovává připojená k objektu, zatímco účtování se odvíjí od každého spuštění modelu, uloženého kontextu a načtených dat. Význam této funkce pro infrastrukturu agentů spočívá v tom, že tyto funkce spojuje přímo v Cloud Storage, místo aby přidávala další úložiště a vrstvu zpracování, na nichž by agenti byli závislí.












