用途：把同一提示词批量跑在大量文档上，例如处理数千份 PDF、从每份申报文件中抽取字段、批量抽取或分类。生产批量必须走 Gemini 企业级平台（原 Vertex AI），不得使用 AI Studio / Gemini 开发者 API。
主要能力：通过 genai.Client(vertexai=True, project=..., location=...) 与 ADC 认证，用 GCS 存放输入输出，调用 client.batches.create 提交批量作业。示例： from google import genai client = genai.Client(vertexai=True, project="your-project-id", location="global") job = client.batches.create(model="publishers/google/models/gemini-3.5-flash-lite", src="gs://your-bucket/requests.jsonl", config={"display_name": "extraction", "dest": "gs://your-bucket/outputs/"}) 输出前缀写在 config.dest，不是文件名或顶层参数。可用 scripts/validate_jsonl.py --backend cloud 校验。
使用方式与限制：先做同模型 Cloud 同步冒烟测试，再跑 5–10 行端到端测试，之后才放量。Cloud 批量限制：每作业 20 万请求，GCS JSONL 单文件最大 1 GB，排队最长 72 小时，多数 24 小时内完成，超时未完成会被取消并按已完成请求计费。不支持预置吞吐、显式缓存、RAG 及调优的 Gemini 3+ 模型。带搜索的批量需逐行检查 groundingMetadata，超过约 100 行的带搜索运行需先做成本预估并设预算告警。资料未提供具体价格数值以外的更多细节。