Google Cloud научила Cloud Storage размечать файлы для ИИ-агентов — по $700 за 10 млн объектов
В превью Cloud Storage появилась функция object enrichments: модели Google автоматически извлекают метаданные из изображений и PDF и хранят их рядом с файлом, а не в отдельной базе. Компания обещает цену в $700 за обогащение 10 млн объектов.

Адаптация и понятное объяснение для начинающих. Заявления приведены по материалу источника.
ИИ-агенту, который ищет на складе нужный кадр или проверяет документ, бесполезен сам файл: для него это просто байты. Google Cloud предлагает решать это на уровне хранилища. В превью Cloud Storage появилась функция object enrichments: модели Google автоматически извлекают из объектов метаданные — например, находят объекты на изображении, ставят описательные метки или относят PDF к категории вроде «Финансы» или «Здоровье».
Главное отличие от привычного подхода — где оказывается результат. Обычно разметку складывают в отдельную базу, и её приходится синхронизировать с файлами. Здесь метаданные записываются в object context — структурированные пары «ключ — значение» прямо рядом с самим объектом. Google утверждает, что такой контекст наследует долговечность и согласованность Cloud Storage, переезжает вместе с файлом при копировании и удаляется вместе с ним.
Что именно предлагают и за сколько
Сервис полностью управляемый: по данным Google, задание настраивается в консоли без кода или через API за три шага — выбрать бакеты, отметить нужные модели, выдать права доступа. Дальше сервис сам запускает инференс, разбирает ответы и пишет результат, с повторами при ошибках и ограничением нагрузки. Очередей и собственных воркеров держать не нужно.
В превью доступны пять моделей Google для изображений и PDF. Компания называет цену: обогащение 10 млн изображений или PDF — $700 по опубликованному прайсу. Это заявление Google о собственных тарифах, а не независимая проверка. Для сравнения она приводит экономию до 75% относительно похожих сервисов других облачных провайдеров — тоже без раскрытия методики сравнения.
Отдельно упоминается работа с Gemini для более сложной обработки текста, изображений, аудио и видео — суммаризации, извлечения сущностей, транскрипции и перевода. Но эта часть ещё не открыта: получить к ней доступ предлагается по письму в Google.
Зачем это агентам
Логика простая. Если на каждый запрос пользователя прогонять через модель тысячи кадров с камер или машин, это дорого и медленно. Дешевле заранее разметить архив, а в момент запроса фильтровать объекты по готовым метаданным. Отсюда типичные сценарии, которые Google перечисляет: поиск креативных материалов по описанию вроде «красная машина на закате», модерация пользовательских загрузок, отбор данных для дообучения моделей и аналитика в BigQuery — контекст можно направить туда через Storage Insights и соединять с обычными таблицами без ETL-кода.
Google приводит отзывы клиентов. L'Oréal, по словам её архитектора данных и ИИ Антуана Кастекса, размечает репозиторий креативных материалов в 100 раз быстрее и дешевле прежних процессов. Hyperscience сообщает о росте точности классификации документов более чем на 50% и снижении стоимости инференса в 2–3 раза. Это оценки самих компаний, а не результаты независимого тестирования.
Где границы
Функция пока в статусе превью: интерфейсы и условия могут меняться, а обещанные цифры стоит воспринимать как заявленные, а не проверенные. Стоимость в $700 относится к разметке готовых моделей и не включает хранение, трафик и последующую обработку в BigQuery — их нужно считать отдельно. Наконец, качество меток на конкретных данных Google не демонстрирует: насколько точной окажется разметка в вашем архиве, из анонса не следует.


