Gemini Interactions API достиг GA: выбор между Flex и Priority tier — обязательное решение для каждого оператора

Gemini Interactions API официально вышел в GA и стал основным интерфейсом Google для работы с Gemini-моделями и агентами. Это не просто веха стабильности — релиз вводит два изменения, напрямую влияющих на routing: Flex tier снижает стоимость фоновых workloads на 50%, а managed state с 55-дневным хранением на платном уровне меняет то, что нужно хранить на стороне клиента.

Командам, маршрутизирующим Gemini-трафик через AI gateway, нужно классифицировать свои workloads по этим tier'ам до того, как разница в стоимости станет ощутимой.

Что произошло

Google объявил о переводе Interactions API в статус GA. API вышел в публичную бету в декабре 2025 года и теперь стал точкой входа по умолчанию для Google AI Studio и всей документации Gemini API. Старые endpoint'ы Generate Content и Chat Completions остаются доступными в период миграции, но новые разработки должны вестись через Interactions API.

GA-релиз добавил возможности, которых запрашивали разработчики во время беты:

• Flex и Priority tier — Flex использует доступную фоновую ёмкость Google, предлагая 50% от стандартной стоимости; Priority tier обеспечивает зарезервированную ёмкость с меньшей дисперсией задержки.
• 55-дневное хранение истории взаимодействий на платном уровне — история сессий становится доступной без клиентского хранилища.
• Фоновое выполнение — взаимодействие может продолжаться после возврата начального ответа; результат получается по interaction ID.
• Мультимодальная генерация в единой точке: генерация изображений через Nano Banana 2 с grounding из поиска, музыка через Lyria 3, многоголосый TTS.
• Точная локализация ошибок — ошибки теперь указывают на конкретное поле, а не возвращают общий validation failure.

В мае 2026 года схема API претерпела существенные изменения (переход «от Roles к Steps»): каждое действие — ввод пользователя, вызов инструмента, вывод модели, reasoning — теперь представляется как типизированный step, а не role. Командам, строившим на бета-схеме, необходимо завершить миграцию до закрытия старых endpoint'ов.

Почему это важно для AI-инженерных команд

Разделение на Flex/Priority — это routing policy вопрос. Gemini Interactions API теперь предлагает два cost-performance tier'а с существенной разницей в цене. Flex по 50% стоимости рассчитан на workloads, допускающие вариативность задержки: batch eval-запуски, scheduled отчёты, фоновые задачи агентов, индексирование документов. Priority tier — для пользовательских сценариев, чувствительных к задержке: интерактивный чат, streaming к активной сессии, real-time вызовы инструментов.

Это та же модель, что AWS Bedrock ввёл для on-demand vs provisioned throughput, — но разрыв в 50% крупнее, чем у большинства tier-систем провайдеров сегодня. Для команд с высоким объёмом Gemini-трафика классификация workloads превращается в реальную возможность снижения затрат.

Managed state меняет то, что нужно хранить. 55-дневное хранение означает, что история взаимодействий доступна через инфраструктуру Google без поддержки клиентской session-базы. Командам, которые сейчас хранят историю Gemini-разговоров для реконструкции контекста в собственных базах, стоит оценить компромисс: offload хранилища к провайдеру упрощает клиентскую реализацию, но создаёт зависимость от него в части непрерывности сессии.

Фоновое выполнение меняет архитектуру agent pipeline. Когда вызов Interactions API запускает длинную цепочку — deep research, multi-tool orchestration — ответ может вернуться немедленно с interaction ID, а результат будет доступен по завершении. Для pipeline, ранее блокировавшихся на Gemini completion, это меняет архитектуру polling/callback.

Изменение схемы мая 2026 всё ещё актуально. Команды, работавшие с бета-версией Interactions API до мая 2026, использовали role-based схему (user, model, function). GA-схема использует типизированные step'ы. Если у вас есть production-интеграции на бета-схеме, подтвердите переход до закрытия старых endpoint'ов.

Routing- и operator-аспект

Tier routing policy: Если вы маршрутизируете Gemini-запросы через AI gateway или прокси, выбор Flex vs Priority — это параметр каждого запроса, а не глобальная настройка аккаунта. Routing layer должен передавать нужный tier в Interactions API на основе классификации workload. Запросы, помеченные как фоновые или batch, направляются в Flex; пользовательские streaming-вызовы — в Priority.

Fallback на Flex tier: Flex tier использует доступную ёмкость Google, что означает отсутствие гарантии throughput в пиковое время. Командам, использующим Gemini для latency-tolerant workloads, следует сохранить fallback-модель (self-hosted или альтернативный provider API) на случай насыщения Flex-ёмкости и таймаута.

Консолидация мультимодальной маршрутизации: GA-релиз включает генерацию изображений, музыки и речи в единую поверхность Interactions API. Для команд, маршрутизирующих эти запросы через отдельные Google endpoint'ы (Imagen, Lyria, TTS), переход на Interactions API теперь является рекомендуемым путём. Проверьте, нужно ли обновить таблицу модельной маршрутизации вашего gateway.

Что нужно отслеживать пользователям TheRouter

Командам, маршрутизирующим Gemini-трафик через TheRouter и не классифицировавшим трафик по чувствительности к задержке: 50% экономия на неинтерактивных вызовах доступна прямо сейчас через Flex tier — это самый прямой рычаг снижения затрат без смены модели.

Для команд, оценивающих перенос хранения истории сессий в managed state Interactions API: 55-дневного хранения достаточно для большинства активных пользовательских окон, но не подходит для долгосрочного архивирования — планируйте соответственно, если вашему сценарию нужна история старше двух месяцев.

Если вы используете Gemini для мультимодальной генерации (изображения, аудио), убедитесь, что ваши SDK и gateway ссылаются на Interactions API, а не на legacy-endpoint'ы — timeline депрекации последних будет объявлен отдельно.