AI-modellen en platforms
Google Cloud geeft preview van AI-metadata-extractie in Cloud Storage

Belangrijkste puntenObjectverrijkingen verplaatsen AI-inferentieorkestratie naar Cloud Storage, zodat…
Meer weergeven
- Objectverrijkingen verplaatsen AI-inferentieorkestratie naar Cloud Storage, zodat agents voorbereide metadata opvragen in plaats van frames opnieuw te verwerken.
- Google prijst beeldannotaties 75% lager dan vergelijkbare diensten van andere cloudproviders.
- De preview sluit Gemini-verrijking en Rapid- of hiërarchische-naamruimtebuckets uit, terwijl objecten worden beperkt tot 20 MiB.
Op 19 november 2026 introduceerde Google Cloud objectverrijkingen, een Cloud Storage-service in preview die gestructureerde metadata uit opgeslagen afbeeldingen en pdf’s extraheert voor AI-agents en analyses. In een gepubliceerd prijsvoorbeeld kost het gebruik van één afbeeldingsmodel voor 10 miljoen afbeeldingen $700.
De volledig beheerde functie is beschikbaar via de Cloud Storage-console en API en scant asynchroon in aanmerking komende objecten, voert de geselecteerde modellen uit, verwerkt hun resultaten en schrijft die naar elk object. Ingebouwde nieuwe pogingen en snelheidsbeperking vervangen de wachtrijen, workers, planning en aangepaste pijplijncode die klanten anders zelf zouden moeten samenstellen rond infrastructuur zoals Cloud Run of Google Kubernetes Engine.
Het agentvoorbeeld waarop het ontwerp is gebaseerd, is een operationeel systeem dat duizenden beelden van slimme camera’s of voertuigen doorzoekt op zoek naar een pakketbezorging of gevaar op de weg. Als die beelden bij elke prompt naar een model worden gestreamd, kost dat tokens en levert het minuten vertraging op; metadata die vooraf is voorbereid opvragen, verplaatst dat werk naar een asynchrone verwerkingsstap aan de opslagzijde. De metadata blijft bovendien gekoppeld aan het object, in plaats van opgeslagen te worden in een afzonderlijke, gesynchroniseerde gegevensopslag.
Vijf modellen en objectcontexten
De documentatie over objectverrijkingen vermeldt vijf eigen modellen. Objectdetectie en afbeeldingslabeling leveren categorieën en rechthoekige begrenzingen op, gezichtsdetectie voegt gezichtskenmerken en waarschijnlijkheden van gezichtsuitdrukkingen toe, en pdf-classificatie kent documentcategorieën met scores toe. Die categorieën omvatten zakelijke en industriële gebieden zoals financiën, games, nieuws en gezondheidszorg.
Annotaties worden opgeslagen als objectcontexten, een metadataconstructie van Cloud Storage met een sleutel, een tekenreekswaarde en tijdstempels, plus optioneel een JSON-payload van maximaal 128 KiB voor gedetailleerde resultaten. Applicaties kunnen objectoverzichten filteren op contextsleutels en -waarden, terwijl Identity and Access Management-rechten bepalen wie contexten mag toevoegen, wijzigen of verwijderen. Contexten worden automatisch overgedragen bij kopieer-, herschrijf-, samenvoeg-, verplaatsings- en herstelbewerkingen.
Datasets van Storage Insights kunnen de metadata van miljoenen of miljarden objecten exporteren naar BigQuery. Datateams kunnen vervolgens de object_contexts_catalog_view met standaard-SQL opvragen en labels of documentclassificaties koppelen aan gestructureerde bedrijfstabellen. Zo ondersteunen ze het vinden van assets, het samenstellen van trainingsgegevens en multimodale analyses zonder een afzonderlijke ETL-pijplijn te schrijven.
Prijzen en resultaten van vroege klanten
Volgens Google kosten de beeldannotaties 75% minder dan vergelijkbare diensten van andere cloudproviders. De gepubliceerde prijzen voor Cloud Storage geven een concreter uitgangspunt: $0,25 per 1.000 objecten voor de eerste 1 miljoen maandelijkse objecten van elk afbeeldingsmodel, en daarna $0,05 per 1.000 objecten boven die grens.
In het rekenvoorbeeld van Google worden objectdetectie en afbeeldingslabeling toegepast op 10 miljoen afbeeldingen. Dat levert eenmalige inferentiekosten van $1.400 op en terugkerende maandelijkse kosten van $55,20 voor objectcontexten, Storage Intelligence en datasetopslag. Objectcontexten kosten $3 per miljoen contexten per maand. De functie brengt ook kosten voor gegevenstoegang en netwerken met zich mee, terwijl het lezen van objecten overgangen tussen opslagklassen kan veroorzaken in buckets die Autoclass gebruiken.
Voor pdf-classificatie geldt tijdens de preview een andere regeling: de functie is gratis tot de algemene beschikbaarheid later in 2026, met een limiet van 100 miljoen objecten per klant tijdens de openbare preview. Als dezelfde bucket en hetzelfde model op meer dan één verwerkingslocatie worden ingesteld, worden zowel het werk als de kosten opnieuw in rekening gebracht. De locatiekeuze is dus onderdeel van de kostenberekening.
Klantverhalen die samen met de aankondiging zijn gepubliceerd, meldden grotere operationele effecten. Antoine Castex, hoofdarchitect data en AI bij L’Oréal, zei dat de dienst de opslagplaats voor creatieve assets 100 keer sneller labelde, tegen een fractie van de bestaande pijplijnkosten. Mayur Pillay, vicepresident Partnerschappen bij Hyperscience, meldde dat de nauwkeurigheid van documentclassificatie met meer dan 50% was gestegen en dat de inferentiekosten twee tot drie keer lager waren. Brandon Bunker, vicepresident Product-AI bij Vivint, zei dat objectverrijkingen en BigQuery de ontwikkeltijd voor AI hadden teruggebracht van zes maanden naar één maand.
Beperkingen van de preview en de Gemini-roadmap
De preview accepteert afbeeldings- en pdf-objecten van maximaal 20 MiB, en elk object moet een geldige, ondersteunde Content-Type waarde bevatten die het bestandstype aangeeft. Ondersteunde afbeeldingsindelingen zijn BMP, GIF, ICO, JPEG, PNG, TIFF en WEBP. Verwerking is beschikbaar op de us, eu en asia locaties, zodat klanten een locatie kunnen kiezen op basis van vereisten voor datasoevereiniteit en de nabijheid van de opslagregio van de bucket.
Objectverrijkingen kunnen niet worden ingeschakeld voor Rapid-buckets of buckets met een hiërarchische naamruimte, bieden geen ondersteuning voor door de klant aangeleverde versleutelingssleutels en vereisen exacte bucketnamen in plaats van jokertekens of reguliere expressies. Er geldt geen expliciete limiet voor de omvang van workloads, maar capaciteitsbeperkingen kunnen de verwerking vertragen. Cloud Monitoring houdt het aantal objecten in de wachtrij, het aantal modeluitvoeringen en de verwerkingsstatus bij.
Google vermeldt dat ingebouwde verrijking met Gemini eraan komt en geen onderdeel is van deze preview. Deze functie is bedoeld voor multimodaal redeneren over tekst, pdf’s, afbeeldingen, audio en video. Mogelijke toepassingen zijn onder meer samenvatten, entiteiten extraheren, transcriberen en vertalen. Google vraagt geïnteresseerde klanten om afzonderlijk toegang aan te vragen.
Voor bedrijven is de afweging in de preview duidelijk: Google beheert de orkestratie van inferentie en houdt metadata gekoppeld aan het object, terwijl de kosten afhangen van elke modeluitvoering, de opgeslagen context en de gelezen data. De functie is van belang voor agentinfrastructuur omdat deze mogelijkheden worden samengebracht in Cloud Storage, in plaats van nog een repository en verwerkingsstack toe te voegen waarvan agents afhankelijk zijn.












