Model dan platform AI
Google Cloud Mempratinjau Ekstraksi Metadata AI di Cloud Storage

Poin utamaPengayaan objek memindahkan orkestrasi inferensi AI ke Cloud Storage sehingga agen…
Lihat selengkapnya
- Pengayaan objek memindahkan orkestrasi inferensi AI ke Cloud Storage sehingga agen menanyakan metadata yang telah disiapkan alih-alih memproses ulang frame.
- Google menetapkan harga anotasi gambar 75% lebih murah dibandingkan layanan serupa dari penyedia cloud lain.
- Pratinjau ini tidak mencakup pengayaan Gemini dan bucket Rapid atau hierarchical-namespace sambil membatasi objek pada 20 MiB.
Pada 19 November 2026, Google Cloud memperkenalkan pengayaan objek, layanan Cloud Storage dalam tahap pratinjau yang mengekstrak metadata terstruktur dari gambar dan PDF tersimpan untuk agen AI dan analitik, dengan contoh harga yang dipublikasikan sebesar $700 untuk satu model gambar pada 10 juta gambar.
Tersedia melalui konsol dan API Cloud Storage, fitur yang dikelola sepenuhnya ini memindai objek yang memenuhi syarat secara asinkron, menjalankan model yang dipilih, mengurai responsnya, lalu menuliskan hasilnya ke setiap objek. Mekanisme percobaan ulang dan pembatasan laju bawaan menggantikan antrean, pekerja, penjadwalan, dan kode pipeline khusus yang biasanya harus dirakit pelanggan di sekitar infrastruktur seperti Cloud Run atau Google Kubernetes Engine.
Contoh agen yang melandasi rancangan ini adalah sistem operasional yang menelusuri ribuan cuplikan dari kamera pintar atau kendaraan untuk menemukan pengiriman paket atau bahaya di jalan. Mengirimkan cuplikan tersebut ke model setiap kali ada perintah akan menghabiskan token dan menambah waktu tunda hingga beberapa menit; dengan mengueri metadata yang telah disiapkan sebelumnya, pekerjaan itu dapat dilakukan melalui pemrosesan asinkron di sisi penyimpanan. Metadata tersebut juga tetap melekat pada objek, bukan disimpan di tempat terpisah yang harus disinkronkan.
Lima Model dan Konteks Objek
Dokumentasi pengayaan objek mencantumkan lima model pihak pertama. Deteksi objek dan pelabelan gambar menghasilkan kategori serta batas persegi panjang, deteksi wajah menambahkan titik-titik penanda wajah dan kemungkinan ekspresi, sedangkan klasifikasi PDF menetapkan kategori dokumen beserta skornya. Kategori tersebut mencakup bidang bisnis dan industri seperti keuangan, gim, berita, dan kesehatan.
Anotasi disimpan sebagai konteks objek, yakni struktur metadata Cloud Storage yang memuat kunci, nilai string, dan stempel waktu, dengan muatan JSON opsional hingga 128 KiB untuk hasil terperinci. Aplikasi dapat memfilter daftar objek berdasarkan kunci dan nilai konteks, sementara izin Identity and Access Management mengatur siapa yang dapat menambahkan, mengubah, atau menghapusnya. Konteks akan ikut dipindahkan secara otomatis saat operasi penyalinan, penulisan ulang, penggabungan, pemindahan, dan pemulihan.
Set data Storage Insights dapat mengekspor metadata dari jutaan atau miliaran objek ke BigQuery. Tim data kemudian dapat menjalankan kueri terhadap object_contexts_catalog_view data tersebut menggunakan SQL standar dan menggabungkan label atau klasifikasi dokumen dengan tabel bisnis terstruktur, sehingga mendukung penemuan aset, kurasi data pelatihan, dan analitik multimodal tanpa perlu menulis pipeline ETL terpisah.
Harga dan Hasil Awal Pelanggan
Google menyatakan bahwa biaya anotasi gambarnya 75% lebih rendah daripada layanan serupa dari penyedia cloud lain. Harga Cloud Storage yang dipublikasikan memberikan patokan yang lebih konkret: $0.25 per 1.000 objek untuk setiap model gambar pada 1 juta objek bulanan pertama, lalu $0.05 per 1.000 objek di atas ambang tersebut.
Dalam contoh perhitungan Google, deteksi objek dan pelabelan gambar diterapkan pada 10 juta gambar, dengan biaya inferensi satu kali sebesar $1,400 dan biaya berulang bulanan sebesar $55.20 untuk konteks objek, Storage Intelligence, dan penyimpanan set data. Harga konteks objek adalah $3 per juta konteks per bulan. Fitur ini juga menimbulkan biaya akses data dan jaringan, sementara pembacaan objeknya dapat memicu perpindahan kelas penyimpanan di bucket yang menggunakan Autoclass.
Klasifikasi PDF memiliki pengaturan pratinjau yang berbeda: layanan ini gratis hingga tersedia secara umum pada penghujung 2026, dengan penggunaan dibatasi hingga 100 juta objek per pelanggan selama pratinjau publik. Mengonfigurasi bucket dan model yang sama di lebih dari satu lokasi pemrosesan akan mengulangi pekerjaan sekaligus biayanya, sehingga cakupan lokasi menjadi bagian dari perhitungan biaya.
Keterangan pelanggan yang dipublikasikan bersama pengumuman tersebut melaporkan dampak operasional yang lebih besar. Arsitek utama data dan AI L’Oreal, Antoine Castex, mengatakan bahwa layanan ini memberi label pada repositori aset kreatif mereka 100 kali lebih cepat dengan biaya yang hanya sebagian kecil dari biaya pipeline yang ada. Wakil presiden kemitraan Hyperscience, Mayur Pillay, melaporkan peningkatan akurasi klasifikasi dokumen lebih dari 50% dan biaya inferensi dua hingga tiga kali lebih rendah. Wakil presiden produk AI Vivint, Brandon Bunker, mengatakan bahwa pengayaan objek dan BigQuery memangkas waktu pengembangan AI dari enam bulan menjadi satu bulan.
Batasan Pratinjau dan Peta Jalan Gemini
Pratinjau ini menerima objek gambar dan PDF berukuran tidak lebih dari 20 MiB, dan setiap objek harus memiliki nilai yang valid dan didukung Content-Type yang menunjukkan jenis filenya. Format gambar yang didukung adalah BMP, GIF, ICO, JPEG, PNG, TIFF, dan WEBP. Pemrosesan tersedia di us, eu dan asia lokasi, sehingga pelanggan dapat memilih lokasi berdasarkan persyaratan kedaulatan data dan kedekatannya dengan wilayah penyimpanan bucket.
Pengayaan objek tidak dapat diaktifkan pada bucket Rapid atau bucket dengan namespace hierarkis, tidak mendukung kunci enkripsi yang disediakan pelanggan, dan mensyaratkan nama bucket yang persis, bukan karakter pengganti atau ekspresi reguler. Tidak ada batas eksplisit untuk ukuran beban kerja, tetapi kendala kapasitas dapat menunda pemrosesan. Cloud Monitoring melacak objek yang masih menunggu, jumlah eksekusi model, dan status pemrosesan.
Google menyebut pengayaan bawaan Gemini sebagai fitur yang akan hadir mendatang, bukan bagian dari pratinjau ini. Fitur ini dirancang untuk melakukan penalaran multimodal pada teks, PDF, gambar, audio, dan video, dengan peringkasan, ekstraksi entitas, transkripsi, dan penerjemahan sebagai beberapa kegunaan yang direncanakan. Google mengarahkan pelanggan yang berminat untuk mengajukan permintaan akses secara terpisah.
Bagi perusahaan, pratinjau ini secara jelas menunjukkan komprominya: Google mengelola orkestrasi inferensi dan menjaga metadata tetap melekat pada objek, sementara tagihan mencakup setiap eksekusi model, konteks yang disimpan, dan data yang dibaca. Arti penting fitur ini bagi infrastruktur agen terletak pada penggabungan fungsi-fungsi tersebut di dalam Cloud Storage, alih-alih menambahkan repositori dan tumpukan pemrosesan lain yang harus diandalkan oleh agen.












