Untuk proses pelatihan model, lihat Fine-tuning model. Setelah pelatihan selesai, model baru harus terlebih dahulu menyelesaikan penerapan model sebelum dapat dievaluasi dan dipanggil.
Metode penagihan
Ditagih berdasarkan token pelatihan
Rumus penagihan
Biaya pelatihan model = (Total token data pelatihan + Total token data pelatihan campuran) × Putaran × Harga satuan pelatihan (Unit penagihan minimum: 1 token)
Anda dapat melihat estimasi biaya pelatihan di bagian bawah konsol pelatihan model dan klik Harga untuk melihat total jumlah token pelatihan, jumlah putaran, dan harga satuan pelatihan.
Untuk prosedur pelatihan model, lihat Fine-tuning model generasi gambar. Setelah pelatihan selesai, model baru harus terlebih dahulu menyelesaikan penerapan model sebelum dapat dipanggil.
Metode penagihan
Ditagih berdasarkan token pelatihan
Rumus penagihan
Biaya pelatihan model = Total token pelatihan × Harga satuan pelatihan (unit penagihan: per 1.000 token)
Rumus perhitungan total token pelatihan
‘Totaltrainingtokens≈max_steps×Lstep‘Di mana:
max_steps: Hiperparameter yang ditentukan saat pelatihan, menunjukkan jumlah langkah pelatihan maksimum (dikonfigurasi saat membuat tugas fine-tuning).
Lstep: Konsumsi token per langkah, dihitung dengan rumus berikut:‘Lstep=i∈batch∑Litem(i)≤Lmax‘Lstep kira-kira sama dengan Lmax. Lmax ditentukan oleh max_token_length dan generation_type, dengan nilai spesifik seperti pada tabel berikut:
generation_type
max_token_length
Lmax
t2i (teks-ke-gambar)
1k
12,800
2k
23,220
i2i (gambar-ke-gambar)
1k
23,220
2k
32,000
Layanan model
Model
Harga pelatihan (per 1K token)
Generasi gambar Wan
wan2.7-image-pro
0.08 CNY
Generasi gambar Wan
wan2.7-image
0.08 CNY
Contoh penagihan
Anggap Anda menggunakan model wan2.7-image-pro untuk fine-tuning t2i, dengan max_steps = 200, max_token_length = "1k", dan harga satuan pelatihan 0.08 CNY/ribu token:
Dari tabel, Lmax = 12,800 (generation_type=t2i, max_token_length=1k), dan Lstep ≈ Lmax = 12,800
Untuk prosedur pelatihan model, lihat Fine-tuning model generasi gambar. Setelah pelatihan selesai, model baru harus terlebih dahulu menyelesaikan penerapan model sebelum dapat dipanggil.
Metode penagihan
Ditagih berdasarkan token pelatihan
Rumus penagihan
Biaya pelatihan model = Total token pelatihan × Harga satuan pelatihan (unit penagihan: per 1.000 token)
Rumus perhitungan total token pelatihan
‘Total training tokens=n_epochs×N×(max_pixels/compression ratio)×GPU coefficient‘Di mana:
n_epochs: Hiperparameter yang ditentukan saat pelatihan, menunjukkan jumlah epoch pelatihan (dikonfigurasi saat membuat tugas fine-tuning).
N: Jumlah total gambar dalam set pelatihan.
max_pixels: Hiperparameter yang ditentukan saat pelatihan, menunjukkan jumlah piksel maksimum per gambar (dikonfigurasi saat membuat tugas fine-tuning). Nilainya 1k (yaitu, 1024×1024) atau 2k (yaitu, 2048×2048).
Rasio kompresi: Rasio kompresi VAE tetap, yaitu 1024 (yaitu, 32×32).
Koefisien GPU: Koefisien penjadwalan sumber daya yang disesuaikan secara dinamis berdasarkan penjadwalan tugas.
Layanan model
Model
Harga pelatihan (per 1K token)
Generasi gambar Qwen
qwen-image-2.0
0.02 CNY
Generasi gambar Qwen
qwen-image-2.0-pro
0.02 CNY
Contoh penagihan
Anggap Anda melakukan fine-tuning model qwen-image-2.0 dengan set pelatihan berisi 1 gambar, n_epochs = 1000, max_pixels = "1k", harga satuan pelatihan 0.02 CNY/ribu token, dan koefisien GPU 8:
Token per gambar = max_pixels / rasio kompresi = 1024×1024 / 1024 = 1024
Tabel berikut menunjukkan estimasi konsumsi token dan biaya untuk setiap gambar pelatihan saat koefisien GPU adalah 8. Jika set pelatihan berisi N gambar, kalikan nilai dalam tabel dengan N.
max_pixels
n_epochs
Estimasi konsumsi token
Estimasi biaya (CNY)
1k
800
6,553,600
131.07
1k
1,000
8,192,000
163.84
1k
2,000
16,384,000
327.68
2k
800
26,214,400
524.29
2k
1,000
32,768,000
655.36
2k
2,000
65,536,000
1310.72
Koefisien GPU disesuaikan secara dinamis berdasarkan penjadwalan tugas; nilai 8 yang digunakan pada contoh dan tabel estimasi di atas hanya untuk mendemonstrasikan proses perhitungan. Untuk jumlah Token aktual yang dikonsumsi selama pelatihan, lihat bidang usage yang dikembalikan oleh API Query status pekerjaan fine-tuning; biaya mengacu pada tagihan.
batch_size tidak ditagih dan tidak memengaruhi total Token pelatihan.
Untuk alur kerja pelatihan model, lihat Fine-tuning model. Setelah pelatihan selesai, model baru harus terlebih dahulu menjalani penerapan model sebelum dapat dipanggil.
Metode penagihan
Ditagih berdasarkan token pelatihan
Rumus penagihan
Biaya pelatihan model = Total token pelatihan × Harga satuan pelatihan (unit penagihan: per 1.000 token)
max_pixels: Hiperparameter yang ditentukan saat pelatihan, menunjukkan jumlah piksel maksimum sebuah video (dikonfigurasi saat membuat pekerjaan fine-tuning).
n_epochs: Hiperparameter yang ditentukan saat pelatihan, menunjukkan jumlah putaran (dikonfigurasi saat membuat pekerjaan fine-tuning).
Konversi antara n_epochs dan steps adalah: steps = n_epochs × ⌈dataset size / batch_size⌉, yaitu n_epochs = steps / ⌈dataset size / batch_size⌉.
Saat set data hanya berisi 1 rekaman dan batch_size = 1, n_epochs = steps. Disarankan agar jumlah total langkah ≥ 800.
Aturan perhitungan durasi tagih satu video: pertama bulatkan durasi video asli (dalam detik) ke bilangan bulat terdekat, lalu ambil nilai akhir berdasarkan batasan model.
Model wan2.7: Billed duration=min(10, rounded duration), artinya satu video ditagih maksimal 10 detik.
Model wan2.5: Billed duration=min(10, rounded duration), artinya satu video ditagih maksimal 10 detik.
Model wan2.2: Billed duration=min(5, rounded duration), artinya satu video ditagih maksimal 5 detik.
Layanan model
Model
Harga pelatihan (per 1K token)
Wan-I2V berbasis frame pertama
wan2.7-i2v
2 CNY
wan2.2-i2v-flash
0.06 CNY
wan2.5-i2v-preview
0.32 CNY
I2V berbasis frame pertama dan terakhir
wan2.7-i2v
2 CNY
wan2.2-kf2v-flash
0.06 CNY
Contoh penagihan
Estimasi biaya wan2.7-i2v (satu rekaman)
Anggap set pelatihan berisi 1 video dengan durasi 10 detik. Karena batch_size = 1 (nilai yang disarankan), n_epochs = steps / ⌈1(dataset size) / 1(batch_size)⌉ = steps.Harga satuan pelatihan = 2 CNY per 1.000 Token. Mengambil max_pixels = 36864 dan n_epochs = 800 sebagai contoh:
Anggap set pelatihan berisi 2 video, dengan durasi masing-masing 3.4 detik dan 11.5 detik. Pengaturan parameter: max_pixels = 36864, n_epochs = 800, harga satuan pelatihan = 2 CNY per 1.000 Token:
Layanan fine-tuning model CosyVoice hanya tersedia di wilayah China (Beijing). Untuk alur kerja pelatihan model, lihat fine-tuning model CosyVoice. Setelah pelatihan selesai, model baru harus menjalani penerapan model sebelum dapat dipanggil.
Metode penagihan
Ditagih berdasarkan jumlah Token yang dikonsumsi selama pelatihan
Harga satuan pelatihan
0.2 CNY/1.000 token
Rumus penagihan
Biaya pelatihan model = Total Token yang dikonsumsi selama pelatihan × Harga satuan pelatihan
Rumus perhitungan jumlah total Token yang dikonsumsi selama pelatihan
Konsumsi Token setiap tugas diestimasi dengan rumus berikut:‘Consumed Tokens=(lm_max_epoch+fm_max_epoch)×25×Total training set duration (seconds)‘Di mana lm_max_epoch dan fm_max_epoch adalah hiperparameter yang ditetapkan saat membuat tugas fine-tuning, masing-masing merepresentasikan putaran pelatihan LM dan FM; total durasi set pelatihan adalah jumlah total detik semua file audio dalam dataset fine-tuning. Meningkatkan salah satu putaran atau memperluas set pelatihan akan meningkatkan konsumsi Token secara linear.
Ditagih berdasarkan durasi penggunaan (reservasi throughput · mode kecepatan tinggi)
Ditagih berdasarkan durasi penggunaan (dedicated throughput)
Berdasarkan penggunaan Token model
Ditagih berdasarkan durasi penggunaan (unit model)
Fee = Usage duration × (Input TPM unit price × Input TPM + Output TPM unit price × Output TPM)Penagihan pasca-bayar dihitung per jam: durasi penggunaan diukur dalam jam, dan harga satuan diambil dari kolom “Berlangsung selama 1 jam” pada tabel di bawah; penagihan prabayar dihitung per hari: durasi penggunaan diukur dalam hari, dan harga satuan diambil dari kolom “Berlangsung selama 1 hari” pada tabel di bawah.
Pesanan prabayar berlaku segera setelah pembayaran, dan berlaku selama N hari, berakhir pada pukul 23:59 hari ke-N.
Saat pesanan prabayar kedaluwarsa, layanan berhenti segera (panggilan tidak tersedia, tetapi pembaruan masih dimungkinkan), dan sumber daya dilepaskan 2 jam setelah penghentian.
Pesanan prabayar mendukung penghentian layanan lebih awal; bagian yang telah digunakan diselesaikan dan dikembalikan dengan faktor 1.2. Untuk informasi selengkapnya, lihat Deskripsi aturan pengembalian dana downgrade.
Untuk penagihan pasca-bayar, jika akun menunggak, sumber daya yang diterapkan menjadi tidak tersedia dan tidak ditagih; layanan dilanjutkan setelah tunggakan dilunasi.
Saat input model melebihi batas Token input maksimum, panggilan terkait secara otomatis beralih ke mode bayar sesuai penggunaan model saat ini; saat TPM yang dibeli terlampaui, strategi overflow yang dipilih saat pembuatan berlaku (“Automatic overflow” beralih ke bayar sesuai penggunaan, “Reserved capacity only” mengembalikan 429). Dalam kasus ini, performa inferensi dapat menurun, tunduk pada tata kelola lalu lintas publik model snapshot saat ini di ruang kerja, dan biaya dikenakan sesuai standar pemanggilan model (bayar sesuai penggunaan).
Dalam kasus ini (hanya di bawah strategi “Automatic overflow”), Header respons panggilan API akan berisi: x-dashscope-ptu-overflow:true.
Reservasi throughput mendukung koefisien kapasitas bertingkat untuk input panjang dan diskon cache. Untuk informasi selengkapnya, lihat Penagihan reservasi throughput.
Tiongkok Utara 2 (Beijing)
Singapura
Qwen
DeepSeek
Qwen VL
GLM
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
Qwen3.8-Flash
qwen3.8-flash
128K
$0.407
$0.137
$4.884
$1.649
Qwen3.8-Max
qwen3.8-max
1M
$3.96
$1.188
$47.53
$14.258
Qwen3.7-Flash-2026-07-15
qwen3.7-flash-2026-07-15
128K
$0.066
$0.026
$0.792
$0.317
Qwen3.7-Max-2026-05-20
qwen3.7-max-2026-05-20
256K
$3.96
$1.188
$47.53
$14.258
Qwen3.7-Plus-2026-05-26
qwen3.7-plus-2026-05-26
256K
$0.66
$0.264
$7.92
$3.168
Qwen3.6-Plus-2026-04-02
qwen3.6-plus-2026-04-02
128K
$0.67
$0.066
$7.93
$4.753
Qwen3.5-Plus-2026-04-20
qwen3.5-plus-2026-04-20
128K
$0.26
$0.16
$3.17
$1.9
Qwen3-Max-2025-09-23
qwen3-max-2025-09-23
128K
$1.11
$0.45
$13.32
$5.4
Qwen-Flash-2025-07-28
qwen-flash-2025-07-28
128K
$0.06
$0.06
$0.72
$0.72
Qwen-Plus-2025-12-01
qwen-plus-2025-12-01
128K
$0.28
Mode non-thinking: $0.07
Mode thinking: $0.28
$3.36
Mode non-thinking: $0.84
Mode thinking: $3.36
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
DeepSeek-v4-Flash
deepseek-v4-flash
256K
$0.5
$0.099
$5.94
$1.188
DeepSeek-v4-Flash-0731
deepseek-v4-flash-0731
256K
$0.99
$0.198
$11.88
$2.376
DeepSeek-v4-Pro
deepseek-v4-pro
256K
$5.94
$1.188
$71.3
$14.26
DeepSeek-v3.2
deepseek-v3.2
64K
$1.04
$0.16
$12.48
$1.92
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
Qwen3-VL-Plus-2025-09-23
qwen3-vl-plus-2025-09-23
128K
$0.35
$0.35
$4.2
$4.2
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
GLM-5.2
glm-5.2
1M
$3.96
$1.386
$47.53
$16.635
Qwen
DeepSeek
Qwen VL
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
Qwen3.8-Flash
qwen3.8-flash
128K
$0.54
$0.169
$6.48
$2.03
Qwen3.8-Max
qwen3.8-max
1M
$4.8
$1.44
$57.6
$17.28
Qwen3.7-Flash-2026-07-15
qwen3.7-flash-2026-07-15
128K
$0.072
$0.031
$0.864
$0.374
Qwen3.7-Max-2026-05-20
qwen3.7-max-2026-05-20
256K
$1.92
$1.8
$72
$21.6
Qwen3.7-Plus-2026-05-26
qwen3.7-plus-2026-05-26
256K
$0.96
$0.384
$11.52
$4.608
Qwen3.6-Plus-2026-04-02
qwen3.6-plus-2026-04-02
128K
$1.2
$0.72
$14.4
$8.64
Qwen3.5-Plus-2026-04-20
qwen3.5-plus-2026-04-20
128K
$0.96
$0.576
$11.52
$6.912
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
DeepSeek-v4-Flash
deepseek-v4-flash
256K
$0.72
$0.144
$8.64
$1.728
DeepSeek-v4-Flash-0731
deepseek-v4-flash-0731
256K
$1.44
$0.288
$17.28
$3.456
DeepSeek-v4-Pro
deepseek-v4-pro
256K
$0.96
$1.728
$103.68
$20.736
Model
Kode model
Token input maksimum
Input pasca-bayar
Per 10K TPM/jam
Output pasca-bayar
Per 1K TPM/jam
Input prabayar
Per 10K TPM/hari
Output prabayar
Per 1K TPM/hari
Qwen3-VL-Plus-2025-09-23
qwen3-vl-plus-2025-09-23
128K
$0.48
$0.384
$5.76
$4.608
Pesanan prabayar mendukung penghentian lebih awal; bagian yang telah digunakan diselesaikan dan dikembalikan dengan faktor 1.2. Untuk informasi selengkapnya, lihat Deskripsi aturan pengembalian dana downgrade.
Tiongkok Utara (Beijing)
Model
Input dasar (TPM)
Output dasar (TPM)
Harga satuan input (USD/kTPM·bulan)
Harga satuan output (USD/kTPM·bulan)
Total harga bulanan (USD)
qwen3.8-27b
268,000
33,000
15
119
7,947
qwen3.7-plus-2026-05-26
1,372,000
170,000
32
257
87,594
1,192,000
148,000
37
295
87,764
704,000
132,000
62
331
87,340
660,000
124,000
66
352
87,208
glm-5.3
1,004,000
120,000
152
1,213
298,168
glm-5.2
502,000
60,000
152
1,213
149,084
deepseek-v4.1-flash
2,312,000
288,000
19
152
87,704
Model
Panjang input
Panjang output
Rasio cache hit
Latensi token pertama (ms)
Latensi per token (ms)
qwen3.8-27b
4,000
500
0
1,249
26
qwen3.7-plus-2026-05-26
16,000
2,000
0
2,418
15
16,000
2,000
0
888
10
2,600
500
0
970
13
2,600
500
0
819
14
glm-5.3
16,000
2,000
0
1,558
15
glm-5.2
16,000
2,000
0
1,558
15
deepseek-v4.1-flash
16,000
2,000
0
1,824
14
Fee = Number of model input tokens × model input unit price + Number of model output tokens × model output unit price (minimum billing unit: 1 token)
Penagihan berdasarkan penggunaan Token model hanya didukung setelah Anda menyelesaikan pelatihan efisien SFT (yaitu, fine-tuning LoRA efisien, dengan plan diatur ke lora untuk penerapan API) pada salah satu model dasar berikut untuk mendapatkan model kustom.
Beijing
Singapura
Model dasar
Kode model
Input
$/juta token
Output
$/juta token
Qwen3-14B
qwen3-14b
Mode non-thinking: $0.144
Mode thinking: $0.144
Mode non-thinking: $0.574
Mode thinking: $1.434
Model dasar
Kode model
Input
$/juta token
Output
$/juta token
Qwen3-14B
qwen3-14b
Mode non-thinking: $0.35
Mode thinking: $0.35
Mode non-thinking: $1.4
Mode thinking: $4.2
Fee = Usage duration (hours) × Model unit count × Model unit unit price“Harga satuan unit model” dalam skenario bayar sesuai penggunaan diambil dari kolom “harga satuan per jam” pada tabel di bawah; untuk penagihan bulanan dengan metode prabayar, rumusnya menjadi jumlah bulan langganan × Jumlah Unit Model × harga satuan bulanan.
Untuk bulan pertama yang dibeli dengan metode penagihan prabayar, jika Anda berhenti berlangganan lebih awal dalam bulan pertama, harga satuan harian (≈ harga satuan bulanan / 30) akan ditagih sebesar 1.2 kali tarif (kurang dari satu hari dihitung sebagai satu hari)
Sumber daya komputasi unit model dengan metode bayar sesuai penggunaan tersedia berdasarkan siapa-cepat-dia-dapat. Jika pembelian gagal, pengembalian dana penuh akan diberikan.
Generasi teks
Multimodal
Sintesis suara
Qwen
GLM
DeepSeek
Model lainnya
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
Qwen3.6-35B-A3B
qwen3.6-35b-a3b
MU1 x 8
$59.408
$28,734.256
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
MU8 x 1
$6.464
$3,080.477
MU9 x 1
$7.014
$3,383.024
Qwen3.6-27B
qwen3.6-27b
MU9 x 1
$7.014
$3,383.024
Qwen3.6-Flash-2026-04-16
qwen3.6-flash-2026-04-16
MU1 x 2
$14.852
$7,183.564
MU3 x 8
$150.72
$72,577.152
Qwen3.5-397B-A17B
qwen3.5-397b-a17b
MU3 x 8
MU3 x 16 (mode pemisahan PD)
$150.72
Mode pemisahan PD: $301.44
$72,577.152
Mode pemisahan PD: $145,154.304
MU6 x 16
$55.008
$26,599.92
Qwen3.5-122B-A10B
qwen3.5-122b-a10b
MU1 x 4
$29.704
$14,367.128
MU6 x 16
$55.008
$26,599.92
Qwen3.5-35B-A3B
qwen3.5-35b-a3b
MU1 x 2
$14.852
$7,183.564
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
MU9 x 1
$7.014
$3,383.024
Qwen3.5-27B
qwen3.5-27b
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
MU8 x 1
$6.464
$3,080.477
MU9 x 1
$7.014
$3,383.024
Qwen3.5-9B
qwen3.5-9b
MU1 x 2
$14.852
$7,183.564
MU2 x 8
$69.312
$33,044.72
Qwen3.5-Flash-2026-02-23
qwen3.5-flash-2026-02-23
MU1 x 2
$14.852
$7,183.564
Qwen3.5-Plus-2026-02-15
qwen3.5-plus-2026-02-15
MU1 x 8
MU1 x 16 (mode pemisahan PD)
$59.408
Mode pemisahan PD: $118.816
$28,734.256
Mode pemisahan PD: $57,468.512
MU2 x 8
$69.312
$33,044.72
MU3 x 8
MU3 x 16 (mode pemisahan PD)
$150.72
Mode pemisahan PD: $301.44
$72,577.152
Mode pemisahan PD: $145,154.304
Qwen3-235B-A22B-Instruct-2507
qwen3-235b-a22b-instruct-2507
MU1 x 4
$29.704
$14,367.128
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
Qwen3-32B
qwen3-32b
MU6 x 16
$55.008
$26,599.92
Qwen3-30B-A3B-Thinking-2507
qwen3-30b-a3b-thinking-2507
MU1 x 2
$14.852
$7,183.564
Qwen3-4B
qwen3-4b
MU1 x 2
$14.852
$7,183.564
MU5 x 1
$2.888
$1,394.329
Qwen3-Embedding-0.6B
qwen3-embedding-0.6b
MU5 x 1
$2.888
$1,394.329
MU6 x 1
$3.438
$1,662.495
Qwen3-MoE-Rerank-0.6B
qwen3-moe-rerank-0.6b
MU5 x 1
$2.888
$1,394.329
Qwen3-Rerank-0.6B
qwen3-rerank-0.6b
MU5 x 1
$2.888
$1,394.329
MU6 x 1
$3.438
$1,662.495
Qwen3-Max-2025-09-23
qwen3-max-2025-09-23
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
Qwen3-Rerank
qwen3-rerank
MU5 x 1
$2.888
$1,394.329
Qwen2.5-Open-Source-72B
qwen2.5-72b-instruct
MU1 x 8
$59.408
$28,734.256
Qwen2.5-Open-Source-14B
qwen2.5-14b-instruct
MU1 x 2
$14.852
$7,183.564
Qwen2.5-Open-Source-7B
qwen2.5-7b-instruct
MU1 x 2
$14.852
$7,183.564
MU5 x 1
$2.888
$1,394.329
Qwen-Plus-2025-07-28
qwen-plus-2025-07-28
MU1 x 4
$29.704
$14,367.128
Qwen-Plus-2025-12-01
qwen-plus-2025-12-01
MU1 x 4
$29.704
$14,367.128
Qwen-Plus-Character-2025-11-06
qwen-plus-character-2025-11-06
MU1 x 4
$29.704
$14,367.128
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
GLM-5.1
glm-5.1
MU2 x 8
$69.312
$33,044.72
MU3 x 16 (mode pemisahan PD)
Mode pemisahan PD: $301.44
Mode pemisahan PD: $145,154.304
MU6 x 16
$55.008
$26,599.92
GLM-5
glm-5
MU3 x 16 (mode pemisahan PD)
Mode pemisahan PD: $301.44
Mode pemisahan PD: $145,154.304
GLM-4.7
glm-4.7
MU6 x 32 (mode pemisahan PD)
Mode pemisahan PD: $110.016
Mode pemisahan PD: $53,199.84
GLM-4.7-Flash
glm-4.7-flash
MU3 x 16 (mode pemisahan PD)
Mode pemisahan PD: $301.44
Mode pemisahan PD: $145,154.304
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
DeepSeek-v4-Flash
deepseek-v4-flash
MU1 x 8
$59.408
$28,734.256
MU3 x 8
$150.72
$72,577.152
DeepSeek-v3.2
deepseek-v3.2
MU2 x 16 (mode pemisahan PD)
Mode pemisahan PD: $138.624
Mode pemisahan PD: $66,089.44
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
Kimi-K2.5
kimi-k2.5
MU2 x 8
$69.312
$33,044.72
Jenis model:
Instruct - Setelah model diterapkan, model melakukan inferensi dalam mode non-thinking.
Thinking - Setelah model diterapkan, model melakukan inferensi dalam mode thinking.
Jenis Penerapan Model:
Mode pemisahan PD - Mengurangi latensi token pertama dan meningkatkan throughput.Saat melakukan inferensi model, model yang diterapkan dalam mode penerapan ini memisahkan dua fase komputasi — komputasi token pertama (Prefill) dan komputasi token berikutnya (Decode) — dan menjalankannya di node komputasi yang berbeda.
Qwen VL
Qwen Omni
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
Qwen3-VL-235B-A22B-Thinking
qwen3-vl-235b-a22b-thinking
MU1 x 8
$59.408
$28,734.256
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
Qwen3-VL-32B-Instruct
qwen3-vl-32b-instruct
MU2 x 8
$69.312
$33,044.72
MU3 x 8
$150.72
$72,577.152
Qwen3-VL-30B-A3B-Instruct
qwen3-vl-30b-a3b-instruct
MU1 x 4
$29.704
$14,367.128
Qwen3-VL-8B-Instruct
qwen3-vl-8b-instruct
MU1 x 2
$14.852
$7,183.564
MU5 x 1
$2.888
$1,394.329
Qwen3-VL-4B-Instruct
qwen3-vl-4b-instruct
MU1 x 2
$14.852
$7,183.564
Qwen3-VL-2B-Instruct
qwen3-vl-2b-instruct
MU5 x 1
$2.888
$1,394.329
Qwen3-VL-Embedding-2B
qwen3-vl-embedding-2b
MU5 x 1
$2.888
$1,394.329
Qwen3-VL-Flash-2025-10-15
qwen3-vl-flash-2025-10-15
MU1 x 4
$29.704
$14,367.128
Qwen3-VL-Plus-2025-09-23
qwen3-vl-plus-2025-09-23
MU1 x 4
$29.704
$14,367.128
QwenVL-Max-2025-08-13
qwen-vl-max-2025-08-13
MU6 x 4
$13.752
$6,649.98
Model
Kode model
Spesifikasi unit model
Harga satuan per jam ($)
Penagihan minimum: menit
Harga satuan langganan bulanan ($)
Penagihan minimum: hari
Qwen3.5-Omni-Flash
qwen3.5-omni-flash
MU9 x 1
$7.014
$3,383.024
Jenis model:
Instruct - Setelah model diterapkan, model melakukan inferensi dalam mode non-thinking.
Thinking - Setelah model diterapkan, model melakukan inferensi dalam mode thinking.
Instruct/Thinking - Anda dapat memilih apakah akan mengaktifkan mode thinking saat menerapkan model.
Model generasi gambar Wan yang di-fine-tune dengan SFT-LoRA gratis untuk diterapkan, dan panggilan ditagih dengan harga panggilan standar model dasar yang digunakan untuk fine-tuning. Untuk prosedur pelatihan dan penerapan model, lihat Fine-tuning model generasi gambar.
Model generasi gambar Qwen yang di-fine-tune dengan SFT-LoRA gratis untuk diterapkan, dan panggilan ditagih dengan harga panggilan standar model dasar yang digunakan untuk fine-tuning. Untuk prosedur pelatihan dan penerapan model, lihat Fine-tuning model generasi gambar.
Pemanggilan model: Ditagih dengan harga panggilan standar model dasar yang digunakan untuk fine-tuning. Untuk informasi selengkapnya, lihat Harga model
Layanan fine-tuning model CosyVoice hanya didukung di wilayah Tiongkok Utara 2 (Beijing).
After deployment, a fine-tuned CosyVoice model is billed based on the <strong>usage duration of model units</strong>, with the formula: $\text{Fee} = \text{Usage duration (hours)} \times \text{Model Unit Count} \times \text{Model unit price}$.Among them, $\text{Model Unit Count} = \text{Model Units per Replica} \times \text{Deployed Replicas}$. For the available deployment templates and the corresponding model unit types, see the deployment templates of CosyVoice model fine-tuning.
J: Setelah penerapan model selesai, yaitu saat statusnya Running, biaya penerapan model mulai diakumulasi. Tidak ada biaya yang dikenakan saat status model Deploying, menunggak, atau Deploy failed.Untuk penagihan langganan bulanan (prabayar), waktu langganan bulanan mulai dikonsumsi begitu status model menjadi Running.
T: Apakah saya akan dikenai biaya jika membatalkan pelatihan model?
J: Ya. Setelah Anda membatalkan pelatihan secara manual, penagihan tetap didorong untuk token yang telah dikonsumsi. Biaya pelatihan diestimasi berdasarkan token yang dikonsumsi, dan biaya akhir mengacu pada tagihan. Untuk gangguan pelatihan yang disebabkan oleh alasan lain, Alibaba Cloud Model Studio tidak akan mengenakan biaya pelatihan apa pun kepada Anda.
T: Bagaimana cara melihat statistik panggilan model yang diterapkan?
J: Kunjungi halaman Pemantauan model (Beijing), Pemantauan model (Virginia), Pemantauan model (Singapura), dan Pemantauan model (Hong Kong, Tiongkok) (Hong Kong (Tiongkok) hanya mendukung pemantauan dasar; pemantauan lanjutan dan log tidak tersedia).Halaman pemantauan model mendukung pemfilteran berdasarkan rentang waktu (3 jam, 6 jam, 12 jam, 24 jam, Hari ini, Kemarin, 1 minggu, Kustom) dan jenis inferensi. Area ringkasan di bagian atas menampilkan jumlah total model, Total Panggilan, Kegagalan, Durasi Panggilan Rata-rata, dan Durasi Paket Pertama Rata-rata. Daftar model di bagian bawah menampilkan metrik untuk setiap model seperti total volume panggilan, Panggilan Gagal, Tingkat Kegagalan, Durasi Panggilan Rata-rata, dan latensi token pertama rata-rata. Anda dapat mengklik Monitoring untuk melihat data terperinci untuk satu model.