Skip to main content

Réservation de débit

Une réservation de débit verrouille une capacité d'inférence dédiée pour un modèle spécifié, garantissant ainsi que vos services ne sont pas affectés par les limites de taux du pool public lors des pics d'activité. Cette rubrique explique comment créer, intégrer et gérer des réservations de débit.

Vue d'ensemble

Une réservation de débit permet de verrouiller un débit d'inférence dédié pour un modèle donné. Les appels effectués dans la limite de cette capacité réservée ne sont pas soumis aux restrictions de taux du pool de ressources public.
  • Garantie de capacité : la capacité TPM réservée est exclusivement allouée à votre charge de travail et n'est pas partagée avec d'autres utilisateurs.
  • Code de modèle dédié : lors de la création d'une réservation de débit, le système génère automatiquement un code de modèle dédié. Vous devez remplacer le paramètre model dans vos requêtes API par ce code.
  • Stratégie de débordement : lors de la création d'une réservation, vous pouvez choisir le traitement du trafic excédentaire — basculement automatique vers le paiement à l'utilisation (par défaut, sans interruption de service) ou utilisation de la seule capacité réservée (les requêtes excédentaires renvoient une erreur 429, sans frais additionnels).
  • Package de capacité additionnel : achetez des instances de capacité supplémentaires en complément d'une réservation existante. Les nouvelles instances partagent le même code de modèle dédié et la capacité totale réservée augmente en conséquence après l'ajout. Pour plus d'informations, consultez Opérations de gestion.
  • Réservation par fenêtre de 8 heures : en mode Standard, vous pouvez opter pour une formule prépayée (par fenêtre de 8 heures) d'une durée fixe de 8 heures et à effet immédiat, adaptée aux scénarios où la charge est concentrée sur des fenêtres horaires spécifiques. Pour plus d'informations, consultez Facturation de la réservation de débit.

Comparer et choisir un plan

Model Studio propose plusieurs options de capacité et de facturation pour les appels d'inférence, notamment le paiement à l'utilisation, les plans de ressources et les plans d'économie, les réservations de débit ainsi que les déploiements dédiés PTU. Chaque option se distingue par son unité de facturation, son niveau de garantie de capacité, sa gestion des dépassements et les modifications d'intégration requises. Cette section vous aide à sélectionner le plan adapté à vos besoins métier.

Plan

Unité de facturation

Garantie de capacité

Cas d'usage

Gestion du débordement

Modifications du code

Paiement à l'utilisation

Par token

Aucune (pool public partagé)

Trafic très variable/à court terme

Traité automatiquement, sous réserve des limites de taux publiques

Aucune modification requise

Plan de ressources/Plan d'économie

Quota prépayé

Réduction pour engagement (sans capacité dédiée)

Optimisation des coûts

Le trafic excédentaire bascule vers le paiement à l'utilisation

Aucune modification requise

Réservation de débit

Prépayé par kTPM

Capacité dédiée avec garantie ferme

Trafic prévisible, aucune tolérance aux limitations de taux

Optionnel: débordement automatique vers le paiement à l'utilisation (par défaut) / capacité réservée uniquement renvoie 429

Remplacer le paramètre model

PTU (Déploiement de modèle)

Prépayé par kTPM

Instance de déploiement dédiée

Débit élevé et hautes performances

Optionnel: débordement automatique vers le paiement à l'utilisation (par défaut) / capacité PTU uniquement renvoie 429

Remplacer le paramètre model

Modèles pris en charge

Pour consulter les prix, voir Facturation de la réservation de débit.
  • China (Beijing)
  • Singapore
  • Qwen3.8-Max
  • Qwen3.7-Flash-2026-07-15
  • Qwen3.7-Max-2026-05-20
  • Qwen3.7-Plus-2026-05-26
  • Qwen3.6-Flash-2026-04-16
  • GLM-5.3
  • GLM-5.2
  • DeepSeek-v4.1-Flash
  • DeepSeek-v4-Flash
  • DeepSeek-v4-Flash-0731
  • DeepSeek-v4-Pro
  • DeepSeek-v4-Pro-0813
  • Kimi-K2.6

Notes sur la facturation et l'utilisation

Pour l'ensemble des règles de facturation, des tarifs, de la mise à l'échelle et des remboursements en cas de désabonnement, du renouvellement automatique, de la conversion de capacité et bien plus, consultez Facturation de la réservation de débit.
  • La facturation débute dès que le déploiement est réussi : les frais de capacité sont facturés selon la quantité achetée, s'appliquent indépendamment des appels effectués et ne sont pas réduits en fonction de l'utilisation réelle (ils sont intégralement dus même sans aucun appel). Les appels effectués dans la limite de la capacité réservée n'entraînent aucun frais supplémentaire ; les frais prépayés sont réglés en un versement unique anticipé et la réservation reste en vigueur sans interruption à compter de la réussite de l'achat. Reportez-vous à la console Bailian pour consulter les montants réels.
  • Pour les règles de facturation et les contraintes commerciales des réservations par fenêtre de 8 heures (facturées par fenêtre de 8 heures), consultez Facturation de la réservation de débit.
  • Si la politique de débordement est définie sur « Auto overflow », les requêtes dépassant le quota basculent automatiquement vers la facturation standard au paiement à l'utilisation, sans interruption de service. Consultez le nombre de déclassements sur la page de détails, dans la section Overflow degradation statistics. Avec l'option « Reserved capacity only », les requêtes excédentaires renvoient une erreur 429 et ne génèrent aucun coût additionnel.
  • Jusqu'à 2 heures après l'expiration du service, l'instance reste active, accessible et renouvelable ; entre 2 et 14 heures après l'expiration, elle est arrêtée, inaccessible, mais toujours renouvelable ; au-delà de 14 heures, elle est libérée et irrécupérable. (Concerne les réservations journalières ; les réservations par fenêtre de 8 heures ne bénéficient pas de cette période de grâce. Voir Facturation des réservations par fenêtre de 8 heures)

Créer une réservation de débit

Prérequis : le service de modèles Bailian doit être activé et un espace de travail créé. Connectez-vous à la console Bailian puis cliquez sur Create throughput reservation.

Sur la page de création de la réservation de débit, renseignez successivement des paramètres tels que le nom de la réservation, le modèle, le cycle de facturation, le TPM en entrée, le TPM en sortie, la durée d'achat, le renouvellement automatique à expiration et la politique de débordement. La partie droite de la page propose un calculateur de capacité TPM pour vous aider dans l'estimation.

Les frais de capacité s'appliquent indépendamment des appels effectués : la facturation débute dès que la réservation de débit est créée avec succès, et les frais de capacité sont dus intégralement selon la quantité achetée, en un versement unique anticipé, même si vous n'effectuez aucun appel. Ils ne sont pas réduits en fonction de l'utilisation réelle. Assurez-vous de bien comprendre cette règle de facturation avant de valider votre achat.
Nous vous recommandons d'utiliser le calculateur de capacité TPM pour estimer le TPM nécessaire et confirmer le coût avant de soumettre votre commande.
  1. Renseignez les paramètres suivants :

    Paramètre

    Description

    Obligatoire

    Description des valeurs

    Nom de la réservation

    Nom personnalisé servant à identifier la réservation.

    Oui

    ≤ 50 caractères

    Sélection du modèle

    Choisissez le modèle pour lequel réserver la capacité. Un code de modèle dédié est généré automatiquement lors de la soumission.

    Oui

    Seuls les modèles compatibles avec la réservation de débit sont proposés ; référez-vous à l'affichage de la console.

    Mode de performance

    Niveau de performance d'inférence, déterminant la capacité de débit d'une instance unique.

    Oui

    Mode Standard (même TPS que l'API standard) / Mode Haute vitesse (équivalent au déploiement de modèle PTU, avec un TPS amélioré d'un facteur 1,5 à 2 par rapport à l'API standard)

    Cycle de facturation

    Périodicité de la facturation.

    Oui

    Journalier ; par fenêtre de 8 heures (mode Standard uniquement, durée fixe de 8 heures, effet immédiat ; pour plus d'informations, voir Facturation de la réservation de débit)

    TPM en entrée

    Débit réservé en entrée, exprimé en kTPM (1 kTPM = 1 000 tokens/minute).

    Oui

    La valeur initiale et le pas varient selon le modèle ; consultez l'affichage de la console.

    TPM en sortie

    Débit réservé en sortie, exprimé en kTPM.

    Oui

    La valeur initiale et le pas varient selon le modèle ; consultez l'affichage de la console.

    Durée d'achat

    Durée de validité de la réservation.

    Oui

    Saisissez le nombre de jours dans le champ prévu. Valeurs acceptées: 1-30, 60, 90, 120, 365 jours.

    Renouvellement automatique à expiration

    Prélève automatiquement le montant dû et renouvelle la réservation la veille de l'expiration (pour les règles d'exécution, voir Facturation de la réservation de débit). Activé par défaut. La formule par fenêtre de 8 heures ne prend pas en charge le renouvellement ; ce paramètre ne s'applique pas.

    Non

    On / Off

    Durée unitaire de renouvellement

    Durée appliquée à chaque renouvellement automatique.

    Non

    Saisissez le nombre de jours dans le champ prévu. La plage de valeurs correspond à celle de la durée d'achat.

    Politique de débordement

    Traitement appliqué aux requêtes excédant la capacité réservée une fois celle-ci épuisée.

    Oui

    Basculement automatique vers le paiement à l'utilisation par token (par défaut ; le débordement passe en mode paiement à l'utilisation, sans interruption de service) / Capacité réservée uniquement (le débordement renvoie une erreur 429, sans frais supplémentaires)

  2. Une fois les paramètres validés, cliquez sur Buy now. Dans la boîte de dialogue de confirmation des frais, vérifiez le montant puis cliquez sur Confirm payment.
  3. Dans l'onglet Overview de la page de détails de la réservation de débit, repérez le Dedicated model code et copiez-le.
  4. Remplacez le paramètre model de votre requête API par le code de modèle dédié copié :
    Prérequis : une instance de réservation de débit a été créée et son statut est Running.
    Le paramètre thinking_budget du modèle GLM-5.2 (qui limite la longueur du raisonnement) ne prend pas effet lors de l'appel.
# When the request volume surges within a short period, the system needs a brief warm-up to match the required compute.
# During warm-up, some requests may experience latency fluctuations. Stability recovers after warm-up completes.
# Ensure you have request queuing or retry mechanisms in place.

import dashscope

client = dashscope.Client(api_key="your-api-key")

response = client.chat.completions.create(
    model="your-dedicated-model-code",   # Replace with your dedicated model code
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)
# When the request volume surges within a short period, the system needs a brief warm-up to match the required compute.
# During warm-up, some requests may experience latency fluctuations. Stability recovers after warm-up completes.
# Ensure you have request queuing or retry mechanisms in place.
curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"your-dedicated-model-code","messages":[{"role":"user","content":"Hello"}]}'
Après avoir sélectionné le cycle de facturation par fenêtre de 8 heures, la page de création déploie la zone de configuration de capacité par fenêtre de 8 heures : la fenêtre d'effet s'affiche en lecture seule (le point de départ est arrondi à l'heure entière courante inférieure selon le moment de l'achat, non personnalisable, d'une durée fixe de 8 heures pouvant chevaucher des jours naturels ; toute durée inférieure à 1 heure est comptée comme 1 heure), et l'état des disponibilités s'affiche en temps réel. Les commandes ne peuvent être passées qu'entre 20:00 et 04:00 le lendemain (aucune commande possible entre 04:00 et 20:00). Après expiration de la fenêtre horaire, la capacité devient automatiquement caduque et la période de grâce de 2 h/14 h ne s'applique pas. Voir Facturation des réservations par fenêtre de 8 heures.

Calculateur de capacité TPM

Situé à droite de la page de création, le calculateur de capacité TPM vous aide à estimer le quota TPM à acheter en fonction de votre charge métier. Après avoir renseigné les paramètres ci-dessous, l'outil détermine automatiquement les valeurs recommandées pour les TPM en entrée et en sortie.

Paramètre

Description

Impact sur le résultat

Requêtes par minute (RPM)

Nombre de requêtes envoyées par minute pendant les pics d'activité.

Plus le RPM est élevé, plus les TPM recommandés en entrée et en sortie augmentent proportionnellement.

Longueur moyenne d'entrée (tokens)

Nombre moyen de tokens en entrée par requête.

Des entrées plus longues élèvent le palier et le coefficient associé, ce qui accroît les TPM en entrée recommandés. Les seuils de paliers dépendent du modèle ; référez-vous à l'affichage réel de la console.

Longueur moyenne de sortie (tokens)

Nombre moyen de tokens en sortie par requête.

Des sorties plus longues peuvent augmenter le coefficient, ce qui relève les TPM en sortie recommandés.

Taux de succès du cache

Proportion de requêtes dont les préfixes répétés correspondent à des accès au cache. Le taux réel dépend de la redondance du contenu des requêtes ; fiez-vous aux résultats en production.

Un taux élevé ralentit la consommation de la capacité en entrée, réduisant ainsi les TPM en entrée recommandés. Ce paramètre n'affecte que les TPM en entrée, pas ceux en sortie.

image

Consulter et gérer

Accédez à la console Bailian et ouvrez la page listant les réservations. Cette liste présente toutes les instances de réservation sous forme de cartes modèles et permet de filtrer par modèle, par date et par statut.

Sur la page des réservations de débit, chaque carte modèle affiche le nombre de réservations actives, les TPM réservés en entrée et en sortie, ainsi que le ratio de pic. Le tableau listant les réservations contient des colonnes telles que l'identifiant de réservation, les TPM en entrée et en sortie, le statut et le mode de facturation (journalier, par fenêtre de 8 heures, horaire, etc.)·l'heure d'expiration, et permet de filtrer par modèle, par date et par statut.

Détails de la réservation

Cliquez sur la carte du modèle souhaité pour ouvrir sa page de détails, organisée en trois onglets :
  • Overview
  • Monitoring
  • API access
image
  • Informations générales : nom de la réservation, code de modèle dédié (copiable), modèle de base, capacités en entrée et en sortie.
  • Cartes statistiques (7 derniers jours) : nombre de réservations actives, utilisation TPM totale et maximale, taux d'utilisation moyen.
  • Tendance d'utilisation : basculez entre les flux d'entrée et de sortie pour visualiser la courbe de capacité réservée face à la consommation réelle.
  • Statistiques de déclassement par débordement : indique le volume de requêtes dégradées après dépassement de la capacité réservée (ce phénomène ne survient qu'avec la politique « Auto overflow »).

Opérations de gestion

Sur la carte cible de la page de liste des réservations ou dans la page de détails, vous pouvez effectuer sur les instances de réservation les opérations de gestion suivantes. Les instances de réservation par fenêtre de 8 heures ne prennent pas en charge la mise à l'échelle, le renouvellement ni le désabonnement (la capacité devient automatiquement caduque après expiration de la fenêtre horaire).
  • Add-on capacity package
  • Scaling
  • Renewal
  • Unsubscribe
La page des réservations de débit centralise la gestion de deux types d'instances de capacité : les réservations de débit et les PTU (Provisioned Throughput Units). Les packages de capacité additionnels s'appliquent aux deux. Dans la zone « Active capacity instances » d'une carte cible de la page de liste des réservations, cliquez sur Add-on capacity package pour acheter des instances de capacité supplémentaires en complément d'une réservation existante. Après l'ajout, la capacité totale de la réservation correspond à la somme de la réservation de base et de l'ensemble des packages de capacité additionnels. Le code de modèle dédié reste inchangé et aucune modification des appels API n'est requise.Le haut de la boîte de dialogue affiche les informations suivantes sur la réservation de base :
  • Code de modèle dédié, modèle de base, mode de performance (mode Standard/mode Haute vitesse) et politique de débordement : hérités de la réservation de base et non modifiables.
  • Packages de capacité existants : nombre de packages de capacité actuellement ajoutés.
Renseignez ensuite les paramètres d'achat suivants :

Paramètre

Description

Obligatoire

Description des valeurs

Cycle de facturation

Le cycle de facturation du package de capacité additionnel est contraint par le mode de facturation de la réservation de base : si la base est prépayée, seuls des packages additionnels prépayés peuvent être sélectionnés ; si la base est au paiement à l'utilisation, des packages additionnels prépayés ou au paiement à l'utilisation peuvent être sélectionnés. Le mode Haute vitesse prend en charge le paiement à l'utilisation ou l'abonnement ; le mode Standard ne prend en charge que l'abonnement (journalier ou par fenêtre de 8 heures).

Oui

Paiement à l'utilisation/horaire / Abonnement/journalier / Abonnement/par fenêtre de 8 heures (mode Standard uniquement ; la capacité augmente au sein de la fenêtre et devient caduque en dehors ; pour les règles, voir Facturation de la réservation de débit)

Capacité en entrée

Débit en entrée ajouté, en kTPM.

Oui

À partir de 10 kTPM, par paliers de 10 kTPM.

Capacité en sortie

Débit en sortie ajouté, en kTPM.

Oui

À partir de 1 kTPM, par paliers de 1 kTPM.

Durée d'achat

Durée de validité du package de capacité additionnel. Requis uniquement pour l'abonnement/journalier ; le paiement à l'utilisation/horaire est facturé sur la durée réelle et ne nécessite pas ce champ.

Oui

1~30, 60, 90, 120, 365 jours.

Renouvellement automatique à expiration

S'applique uniquement à l'abonnement/journalier. Prélève automatiquement le montant dû et renouvelle à 08:00 la veille de l'expiration.

Non

On / Off

Sous un même code de modèle, au plus une instance de capacité au paiement à l'utilisation (horaire) non supprimée peut exister : si une instance au paiement à l'utilisation existe déjà, le cycle de facturation du package de capacité additionnel ne peut être réglé que sur Abonnement/journalier.
Le bas de l'écran affiche les frais de réservation en entrée, les frais de réservation en sortie et le total. Après vérification, cliquez sur Confirm purchase. Une fois l'achat réussi, la nouvelle instance de capacité rejoint la liste « Active capacity instances » et la capacité totale réservée augmente en conséquence.
Jusqu'à 2 heures après l'expiration du service, le statut est Running ; entre 2 et 14 heures après l'expiration, il passe à Stopped ; au-delà de 14 heures, il devient Expired avant la suppression définitive de l'instance.

Statut

Description

Running

Fonctionnement normal ; l'instance est accessible via le code de modèle dédié.

Pending

Instance créée, en attente d'activation.

Modifying

Mise à l'échelle en cours ; aucune interruption de service durant cette phase.

Stopped

Arrêt dû notamment à un retard de paiement ; la restauration est possible après renouvellement.

Expired

Expiration sans renouvellement ; les ressources ont été libérées.

Canceled

Désabonnement terminé ; action irréversible.

FAQ

Le comportement dépend de la politique de débordement choisie lors de la création. Avec « Auto overflow », les requêtes excédentaires basculent automatiquement vers la facturation au paiement à l'utilisation, sans interruption de service. L'onglet Overview de la page de détails, dans la section Overflow degradation statistics, indique le nombre et l'heure des déclassements ; s'ils sont fréquents, envisagez une mise à l'échelle supérieure. Sous la politique « Reserved capacity only », les requêtes au-delà du quota renvoient une erreur 429 sans engendrer de frais supplémentaires ; là encore, des erreurs 429 répétées signalent la nécessité d'augmenter la capacité.
Lors de la création d'une réservation de débit, le système génère automatiquement un code de modèle dédié. Copiez ce code depuis l'onglet Overview de la page de détails de la réservation de débit. Remplacez ensuite le paramètre model de votre requête API par ce code afin d'utiliser la capacité réservée.
À l'expiration d'une réservation, le code de modèle dédié perd sa validité et les requêtes suivantes retournent automatiquement vers le traitement par les ressources publiques (paiement à l'utilisation). Activez l'option Auto-renewal on expiry en amont pour prévenir tout impact sur votre service.
Consultez le graphique de tendance d'utilisation TPM et les statistiques de déclassement par débordement dans l'onglet Overview de la page de détails. Si le taux d'utilisation avoisine constamment les 100 % ou si les déclassements sont fréquents, augmentez les TPM en entrée et en sortie.