Skip to main content

トレーニングとデプロイの料金

本トピックでは、Alibaba Cloud Model Studio でのモデルトレーニングとモデルデプロイに関する課金ルールと料金について説明します。

トレーニングの課金

テキスト生成モデル – Qwen

トレーニングのワークフローについては、「Qwen のファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを評価または呼び出すには、まずモデルデプロイを完了する必要があります。
方法トレーニングトークンによる課金
計算式モデルトレーニング料金 = (トレーニングデータの合計トークン数 + 混合トレーニングデータの合計トークン数) × エポック数 × トレーニング単価 (最小課金単位：1 トークン)
モデルトレーニングコンソールの下部で推定トレーニング料金を確認し、課金詳細をクリックして、トレーニングの合計トークン数、エポック数、トレーニング単価を表示できます。

トレーニングの単価

  • 中国 (北京)
  • シンガポール
  • Qwen
  • Qwen-VL

モデルサービス

モデルコード

料金

Qwen3.8-27B

qwen3.8-27b

$0.007067/1K トークン

Qwen3.7-Plus-2026-05-26

qwen3.7-plus-2026-05-26

$0.048132/1K トークン

Qwen3.6-27B

qwen3.6-27b

$0.006876/1K トークン

Qwen3.6-Flash-2026-04-16

qwen3.6-flash-2026-04-16

$0.006876/1K トークン

Qwen3.6-Plus-2026-04-02

qwen3.6-plus-2026-04-02

$0.041256/1K トークン

Qwen3.5-27B

qwen3.5-27b

$0.006876/1K トークン

Qwen3.5-9B

qwen3.5-9b

$0.00275/1K トークン

Qwen3.5-4B

qwen3.5-4b

$0.00212/1K トークン

Qwen3.5-Flash-2026-02-23

qwen3.5-flash-2026-02-23

$0.006876/1K トークン

Qwen3.5-Plus-2026-02-15

qwen3.5-plus-2026-02-15

$0.041256/1K トークン

Qwen3-32B

qwen3-32b

$0.005501/1K トークン

Qwen3-30B-A3B-Instruct-2507

qwen3-30b-a3b-instruct-2507

$0.004126/1K トークン

Qwen3-14B

qwen3-14b

$0.004126/1K トークン

Qwen3-8B

qwen3-8b

$0.000825/1K トークン

Qwen3-4B-Instruct-2507

qwen3-4b-instruct-2507

$0.000825/1K トークン

Qwen3-1.7B

qwen3-1.7b

$0.000619/1K トークン

Qwen3-0.6B

qwen3-0.6b

$0.000413/1K トークン

Qwen2.5-72B-Instruct

qwen2.5-72b-instruct

$0.020628/1K トークン

Qwen2.5-32B-Instruct

qwen2.5-32b-instruct

$0.004126/1K トークン

Qwen2.5-14B-Instruct

qwen2.5-14b-instruct

$0.004126/1K トークン

Qwen2.5-7B-Instruct

qwen2.5-7b-instruct

$0.000825/1K トークン

Qwen-Plus-Character-2025-11-06

qwen-plus-character-2025-11-06

$0.020628/1K トークン

画像生成モデル – Wan

トレーニングのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを呼び出すには、まずモデルデプロイを完了する必要があります。

方法

トレーニングトークンによる課金

計算式

モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

‘Totaltrainingtokens≈max_steps×Lstep‘`Total training tokens \approx max\_steps \times L_{step}`ここで：
  • max_steps：トレーニング時に指定するハイパーパラメーターで、最大トレーニングステップ数を表します (ファインチューニングジョブ作成時に構成)。
  • Lstep：1 ステップあたりのトークン消費量。計算式は次のとおりです： ‘Lstep=∑i∈batchLitem(i)≤Lmax‘`L_{step} = \sum_{i \in batch} L_{item}^{(i)} \leq L_{max}` Lstep は Lmax とほぼ等しくなります。Lmax は max_token_length と generation_type によって決まり、以下のようになります：

generation_type

max_token_length

Lmax

t2i (テキストから画像)

1k

12,800

2k

23,220

i2i (画像から画像)

1k

23,220

2k

32,000

モデルサービス

モデル名

トレーニング料金 (1K トークンあたり)

Wan 画像生成

wan2.7-image-pro

$0.015

Wan 画像生成

wan2.7-image

$0.015

wan2.7-image-pro モデルを t2i 用にファインチューニングするとします。パラメーターは次のとおりです:max_steps = 200、max_token_length = "1k"、トレーニング料金は 1,000 トークンあたり $0.015 です：
  • 表から:Lmax = 12,800 (generation_type=t2i, max_token_length=1k)、Lstep ≈ Lmax = 12,800
  • 合計トレーニングトークン数 ≈ 200 × 12800 = 2560000 = 2560 千トークン
  • モデルトレーニング料金 ≈ 2560 × 0.015 = $38.4

画像生成モデル – Qwen

トレーニングのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを呼び出すには、まずモデルデプロイを完了する必要があります。

方法

トレーニングトークンによる課金

計算式

モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

‘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}`ここで：
  • n_epochs：トレーニング時に指定するハイパーパラメーターで、トレーニングエポック数を表します (ファインチューニングジョブ作成時に構成)。
  • N：トレーニングセット内の画像の総数。
  • max_pixels：トレーニング時に指定するハイパーパラメーターで、画像あたりの最大ピクセル数を表します (ファインチューニングジョブ作成時に構成)。有効な値は 1k (1024×1024) と 2k (2048×2048) です。
  • 圧縮比：固定の VAE 圧縮比で、1024 (32×32) です。
  • GPU 係数：ジョブのスケジューリングに基づいて動的に調整されるリソーススケジューリング係数です。

モデルサービス

モデル名

トレーニング料金 (1K トークンあたり)

Qwen 画像生成

qwen-image-2.0

$0.003

Qwen 画像生成

qwen-image-2.0-pro

$0.003

トレーニングセットが 1 枚の画像の qwen-image-2.0 モデルをファインチューニングするとします。パラメーターは次のとおりです:n_epochs = 1000、max_pixels = "1k"、トレーニング料金は 1,000 トークンあたり $0.003、GPU 係数は 8 です：
  • 画像あたりのトークン数 = max_pixels / 圧縮比 = 1024×1024 / 1024 = 1024
  • 合計トレーニングトークン数 = 1000 × 1 × 1024 × 8 = 8192000 = 8192 千トークン
  • モデルトレーニング料金 = 8192 × 0.003 = $24.576
次の表は、GPU 係数を 8 と仮定した場合のトレーニング画像 1 枚あたりのトークン消費量と料金の見積もりです。N 枚の画像からなるトレーニングセットの場合、値に N を掛けてください。

max_pixels

n_epochs

推定トークン数

推定料金 (USD)

1k

800

6,553,600

19.66

1k

1,000

8,192,000

24.58

1k

2,000

16,384,000

49.15

2k

800

26,214,400

78.64

2k

1,000

32,768,000

98.30

2k

2,000

65,536,000

196.61

  • GPU 係数はジョブのスケジューリングに基づいて動的に調整されます。上記の例と表の値 8 は計算の説明のためのものにすぎません。実際のトークン消費量については、ファインチューニングジョブの照会 操作で返される usage フィールドをご参照ください。料金の最終的な判断はお客様の請求書に基づきます。
  • batch_size は課金や合計トレーニングトークン数には影響しません。

動画生成モデル – Wan

トレーニングのワークフローについては、「動画生成モデルのファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを呼び出すには、まずモデルデプロイを完了する必要があります。

方法

トレーニングトークンによる課金

計算式

モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

‘Totaltrainingtokens=(∑i=1Nbilling duration of videoi)×max_pixels1024×n_epochs‘`Total training tokens = \left( \sum_{i=1}^{N} \text{billing duration of video}_i \right) \times \frac{max\_pixels}{1024} \times n\_epochs`ここで：
  • N：トレーニングセット内の動画の総数。
  • max_pixels：トレーニング時に指定するハイパーパラメーターで、動画の最大ピクセル数を表します (ファインチューニングジョブ作成時に構成)。
  • n_epochs：トレーニング時に指定するハイパーパラメーターで、ループ数を表します (ファインチューニングジョブ作成時に構成)。
    • n_epochs と steps の変換は次のとおりです:steps = n_epochs × ⌈dataset_size / batch_size⌉、つまり n_epochs = steps / ⌈dataset_size / batch_size⌉。
    • データセットに 1 つのサンプルしかなく、batch_size = 1 の場合、n_epochs = steps となります。合計で少なくとも 800 ステップを推奨します。
  • 単一動画の課金時間の計算ルール:まず、元の動画の時間 (秒) を最も近い整数に丸め、次にモデルの制限に基づいて最終値を決定します。
    • wan2.7 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
    • wan2.6 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
    • wan2.5 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
    • wan2.2 モデル:Billing duration=min(5, rounded duration)、つまり単一動画の課金時間は最大 5 秒です。

モデルサービス

モデル名

トレーニング料金 (1K トークンあたり)

画像から動画 (最初のフレーム)

wan2.7-i2v

$0.3

wan2.6-i2v

$0.08

wan2.5-i2v-preview

$0.05

wan2.2-i2v-flash

$0.03

画像から動画 (最初と最後のフレーム)

wan2.7-i2v

$0.3

wan2.2-kf2v-flash

$0.03

課金例

  1. wan2.7-i2v のコスト見積もり (単一データ)
トレーニングセットに再生時間 10 秒の動画が 1 つ含まれていると仮定します。batch_size = 1 (推奨) の場合、n_epochs = steps / ⌈1(dataset_size) / 1(batch_size)⌉ = steps となります。トレーニング単価 = $0.3/千トークン。max_pixels = 36864、n_epochs = 800 を例にとります：
  • 合計トレーニングトークン数 = 10 × (36864 / 1024) × 800 = 288,000 = 288 千トークン
  • モデルトレーニング料金 = 288 × $0.3 = $86.4

max_pixels

一般的なステップ数

n_epochs

推定トークン数

推定コスト (USD)

36864

800

800

288,000

$86.4

1,000

1,000

360,000

$108

2,000

2,000

720,000

$216

65536

800

800

512,000

$153.6

1,000

1,000

640,000

$192

2,000

2,000

1,280,000

$384

102400

800

800

800,000

$240

1,000

1,000

1,000,000

$300

2,000

2,000

2,000,000

$600

  1. wan2.7-i2v のコスト見積もり (複数データ)
トレーニングセットに 3.4 秒と 11.5 秒の動画が 2 つ含まれていると仮定します。パラメーター:max_pixels = 36864、n_epochs = 800。トレーニング単価 = $0.3/千トークン：
  • 時間の計算：
    • 動画 1:3.4 秒は 3 に丸められます。課金時間 = min(10, 3) = 3。
    • 動画 2:11.5 秒は 12 に丸められます。課金時間 = min(10, 12) = 10。
    • 合計課金時間 = 3 + 10 = 13 秒。
  • 合計トレーニングトークン数 = 13 × (36864/1024) × 800 = 374,400 = 374.4 千トークン。
  • モデルトレーニング料金 = 374.4 × 0.3 = $112.32。
  1. wan2.5-i2v-preview のコスト見積もり (複数データ)
wan2.5 モデルをファインチューニングするとします。トレーニングセットには 3.4 秒と 11.5 秒の 2 つの動画が含まれています。パラメーターは max_pixels = 36864、n_epochs = 400 です。トレーニング単価は 1,000 トークンあたり $0.05 です。
  • 時間の計算：
    • 動画 1:3.4 秒は 3 に丸められます。課金時間:min(10, 3) = 3 秒。
    • 動画 2:11.5 秒は 12 に丸められます。課金時間:min(10, 12) = 10 秒。
    • 合計課金時間:3 + 10 = 13 秒。
  • 合計トレーニングトークン数 = 13 × (36864 / 1024) × 400 = 187,200 = 187.2 千トークン。
  • モデルトレーニング料金 = 187.2 × 0.05 = $9.36。

デプロイの課金

テキスト生成モデル – Qwen

  • 使用時間による課金 (プロビジョンドスループット)
  • 使用時間による課金 (専用スループット)
  • モデルトークン使用量による課金
  • 使用時間による課金 (モデルユニット)
Cost = Usage duration × (Input TPM unit price × Input TPM + Output TPM unit price × Output TPM)従量課金は時間単位で計算されます:使用時間の単位は時間で、単価は以下の表の「1 時間継続」列を採用します。前払いは日単位で計算されます:使用時間の単位は日で、単価は以下の表の「1 日継続」列を採用します。
  • 前払い注文は支払い後すぐに有効になり、N 日目の 23:59 まで有効です。
  • 前払い注文の有効期限が切れた後、サービスは 2 時間の猶予の後に停止され、リソースは停止後 14 時間保持されてからリリースされます。
  • 前払い注文は早期終了をサポートしています。使用済み部分は 1.2 倍の係数で精算されて返金されます。詳細については、ダウングレードの返金ルールをご参照ください。
  • 従量課金の場合、アカウントが支払い遅延状態になると、デプロイされたリソースは 24 時間保持されて課金が続けられ、その間もサービスを通常どおり利用できます。24 時間後、システムは課金を停止し、モデルデプロイは支払い遅延状態になり、基盤となるリソースは削除されますが、モデルデプロイタスクは保持されます。支払い遅延額を完済すると、システムはリソースを再割り当てして利用を再開します (再開後も料金は引き続き発生します)。課金をこれ以上発生させたくない場合は、モデルデプロイタスクを削除できます。削除が成功すると、課金は停止します。
モデルの入力が最大入力トークン数を超えると、対象の呼び出しは自動的に現在のモデルの従量課金モードに切り替わります。購入した TPM を超えた場合は、作成時に選択したオーバーフローポリシーに従って処理されます (「自動オーバーフロー」は従量課金に切り替わり、「PTU 容量のみ」は 429 を返します)。この場合、推論パフォーマンスが低下する可能性があり、ワークスペース内の現在のスナップショットモデルのパブリックトラフィック制御の対象となります。料金はモデル呼び出し (従量課金) の標準に従って料金ページで請求されます。
  • この場合 (「自動オーバーフロー」ポリシーのみ)、呼び出し API のレスポンスヘッダーに x-dashscope-ptu-overflow:true が含まれます。
  • TPM の統計情報を確認するには、モデルモニタリング にアクセスしてください。
スケールイン (ダウングレード) シナリオにおける費用削減と返金の具体的なルールについては、ダウングレードの返金ルールをご参照ください。
PTU デプロイは、段階的な容量係数と長入力のキャッシュ割引をサポートしています。詳細については、プロビジョンドスループットの長入力とキャッシュをご参照ください。
  • 中国 (北京)
  • シンガポール
  • Qwen
  • DeepSeek
  • Qwen-VL
  • GLM

モデル名

モデルコード

最大入力トークン数

従量課金 入力

10K TPM/時間あたり

従量課金 出力

1K TPM/時間あたり

前払い 入力

10K TPM/日あたり

前払い 出力

1K TPM/日あたり

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

非思考モード:$0.07

思考モード:$0.28

$3.36

非思考モード:$0.84

思考モード:$3.36

画像生成モデル – Wan

SFT-LoRA でファインチューニングされた Wan 画像生成モデルの場合、デプロイは無料で、呼び出しはファインチューニングされたベースモデルの標準呼び出し料金で課金されます。モデルのトレーニングとデプロイのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。

モデル名

LoRA デプロイ呼び出し料金

wan2.7-image-pro

$0.075/イメージ

wan2.7-image

$0.03/イメージ

画像生成モデル – Qwen

SFT-LoRA でファインチューニングされた Qwen 画像生成モデルの場合、デプロイは無料で、呼び出しはファインチューニングされたベースモデルの標準呼び出し料金で課金されます。モデルのトレーニングとデプロイのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。

モデル名

LoRA デプロイ呼び出し料金

qwen-image-2.0

$0.035/イメージ

qwen-image-2.0-pro

$0.075/イメージ

動画生成モデル – Wan

ファインチューニングされた Wan 動画生成モデル：
  • モデルデプロイ：無料
  • モデル呼び出し：ファインチューニングされたベースモデルの標準料金で課金されます。詳細については、モデル料金をご参照ください

よくある質問

Q:モデルデプロイの課金はいつ開始されますか？

A:課金はモデルのステータスが実行中に変わると開始されます。デプロイ中、支払い遅延、デプロイ失敗の間は料金は発生しません。

Q:トレーニングジョブをキャンセルした場合、料金は発生しますか？

A:はい。手動でトレーニングをキャンセルした場合、すでに消費されたトークンは引き続き課金対象としてプッシュされます。トレーニング料金は消費されたトークンに基づいて推定され、最終的な料金はお客様の請求書に基づきます。手動キャンセル以外の原因で中断されたトレーニングジョブに対して、Alibaba Cloud Model Studio はトレーニング料金を請求しません。

Q:デプロイされたモデルの呼び出し統計情報を表示するにはどうすればよいですか？

A:モデルモニタリング (シンガポール)、モデルモニタリング (バージニア)、モデルモニタリング (香港) (香港は標準モニタリングのみをサポートしており、高度なモニタリングとログは利用できません)、または モデルモニタリング (北京) ページにアクセスしてください。 モデルモニタリングページでは、時間範囲 (3 時間、6 時間、12 時間、24 時間、今日、昨日、1 週間、カスタム) と推論タイプによるフィルタリングをサポートしています。上部のサマリーエリアには、モデルの総数、合計呼び出し回数、合計失敗数、平均呼び出し時間、平均初回パケット時間が表示されます。下部のモデルリストには、各モデルの合計呼び出し回数、失敗した呼び出し回数、失敗率、平均呼び出し時間、平均初回トークンレイテンシなどのメトリックが表示されます。単一モデルの詳細データを表示するには、モニタリングをクリックしてください。