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
modeldans 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
- 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.
-
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)
- 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.
- Dans l'onglet Overview de la page de détails de la réservation de débit, repérez le Dedicated model code et copiez-le.
-
Remplacez le paramètre
modelde 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 paramètrethinking_budgetdu modèle GLM-5.2 (qui limite la longueur du raisonnement) ne prend pas effet lors de l'appel.
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. |

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

- 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
- 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.
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 |
Statuts des instances de réservation
Statuts des instances de réservation
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
Q : Que se passe-t-il lorsque la capacité réservée est dépassée ?
Q : Que se passe-t-il lorsque la capacité réservée est dépassée ?
Q : Comment obtenir le code de modèle dédié ?
Q : Comment obtenir le code de modèle dédié ?
model de votre requête API par ce code afin d'utiliser la capacité réservée.Q : Quelles sont les conséquences de l'expiration d'une réservation ?
Q : Quelles sont les conséquences de l'expiration d'une réservation ?
Q : Comment savoir si je dois augmenter la capacité ?
Q : Comment savoir si je dois augmenter la capacité ?


