Skip to main content

Penagihan pelatihan dan penerapan model

Topik ini menjelaskan aturan penagihan dan harga untuk pelatihan serta penerapan model di Alibaba Cloud Model Studio.

Penagihan pelatihan model

Model generasi teks - Qwen

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 penagihanDitagih berdasarkan token pelatihan
Rumus penagihanBiaya 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.
  • Qwen VL
  • Qwen

Layanan model

Kode model

Harga

Qwen3-VL-8B-Instruct

qwen3-vl-8b-instruct

$0.00165/1K token

Qwen3-VL-8B-Thinking

qwen3-vl-8b-thinking

$0.00165/1K token

Qwen3-VL-4B-Instruct

qwen3-vl-4b-instruct

$0.000825/1K token

Qwen2.5-VL-72B-Instruct

qwen2.5-vl-72b-instruct

$0.006876/1K token

Qwen2.5-VL-32B-Instruct

qwen2.5-vl-32b-instruct

$0.00275/1K token

Qwen2.5-VL-7B-Instruct

qwen2.5-vl-7b-instruct

$0.001375/1K token

Model generasi gambar - Wanxiang

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‘`Total training tokens \approx max\_steps \times L_{step}`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∈batchLitem(i)≤Lmax‘`L_{step} = \sum_{i \in batch} L_{item}^{(i)} \leq L_{max}` 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

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
  • Total token pelatihan ≈ 200 × 12800 = 2560000 = 2560 ribu token
  • Biaya pelatihan model ≈ 2560 × 0.08 = 204.8 CNY

Model generasi gambar - Qwen

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‘`\text{Total training tokens} = n\_epochs \times N \times (max\_pixels / \text{compression ratio}) \times \text{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

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
  • Total token pelatihan = 1000 × 1 × 1024 × 8 = 8192000 = 8192 ribu token
  • Biaya pelatihan model = 8192 × 0.02 = 163.84 CNY
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.

Model generasi video - Wan

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)

Rumus perhitungan total token pelatihan

‘TotaltrainingTokens=(∑i=1Nbilleddurationofvideoi)×max_pixels1024×n_epochs‘`Total training Tokens = \left( \sum_{i=1}^{N} billed duration of video_i \right) \times \frac{max\_pixels}{1024} \times n\_epochs`Di mana:
  • N: Jumlah total video dalam set pelatihan.
  • 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

  1. 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:
  • Total Token pelatihan = 10 × (36864 / 1024) × 800 = 288,000 = 288 ribu Token
  • Biaya pelatihan model = 288 × 2 = 576 CNY

max_pixels

Steps umum

n_epochs

Estimasi konsumsi token

Estimasi biaya (CNY)

36864

800

800

288,000

576

1,000

1,000

360,000

720

2,000

2,000

720,000

1,440

65536

800

800

512,000

1,024

1,000

1,000

640,000

1,280

2,000

2,000

1,280,000

2,560

102400

800

800

800,000

1,600

1,000

1,000

1,000,000

2,000

2,000

2,000

2,000,000

4,000

  1. Estimasi biaya wan2.7-i2v (beberapa rekaman)
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:
  • Perhitungan durasi:
    • Video 1: 3.4 → dibulatkan → 3 detik → durasi tagih = min(10, 3) = 3
    • Video 2: 11.5 → dibulatkan → 12 detik → durasi tagih = min(10, 12) = 10
    • Total durasi tagih = 3 + 10 = 13 detik
  • Total Token pelatihan = 13 × (36864/1024) × 800 = 374400 = 374.4 ribu Token
  • Biaya pelatihan model = 374.4 × 2 = 748.8 CNY

Model sintesis suara - CosyVoice

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)‘`\text{Consumed Tokens} = (lm\_max\_epoch + fm\_max\_epoch) \times 25 \times \text{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.

Penagihan penerapan model

Model generasi teks - Qwen

  • 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.
  • Untuk statistik TPM, buka Pemantauan model (Beijing).
Untuk aturan spesifik pengurangan biaya dan pengembalian dana dalam skenario scale-in (penurunan kuota), lihat Deskripsi aturan pengembalian dana downgrade.
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 generasi gambar - Wan

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

Harga pemanggilan penerapan LoRA

wan2.7-image-pro

0.50 CNY/gambar

wan2.7-image

0.20 CNY/gambar

Model generasi gambar - Qwen

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.

Model

Harga pemanggilan penerapan LoRA

qwen-image-2.0

0.20 CNY/gambar

qwen-image-2.0-pro

0.50 CNY/gambar

Model generasi video - Wan

Model generasi video Wan yang telah di-fine-tune:
  • Penerapan model: Gratis
  • Pemanggilan model: Ditagih dengan harga panggilan standar model dasar yang digunakan untuk fine-tuning. Untuk informasi selengkapnya, lihat Harga model

Model sintesis suara - CosyVoice

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.

Model

Kode model

Spesifikasi unit model

Harga satuan per jam (CNY)

Harga satuan langganan bulanan (CNY)

cosyvoice-v3-flash

cosyvoice-v3-flash

MU5

¥21

¥10,139

FAQ

T: Kapan penagihan untuk penerapan model dimulai?

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.