Este tópico descreve as regras de faturamento e os preços para treinamento e implantação de modelos no Alibaba Cloud Model Studio.
Faturamento de treinamento
Modelos de geração de texto – Qwen
| Método | Cobrança por tokens de treinamento |
| Fórmula | Taxa de treinamento do modelo = (Total de tokens nos dados de treinamento + Total de tokens nos dados mistos de treinamento) × Número de épocas × Preço unitário de treinamento (Unidade mínima de cobrança: 1 token)Visualize a taxa estimada de treinamento na parte inferior do console de treinamento de modelos e clique em Detalhes de faturamento para ver o número total de tokens de treinamento, o número de épocas e o preço unitário de treinamento. |
Preço unitário de treinamento
Preço unitário de treinamento
- Norte da China 2 (Pequim)
- Singapura
- Qwen
- Qwen-VL
Serviço de modelo | Código do modelo | Preço |
|---|---|---|
Qwen3.8-27B | qwen3.8-27b | $0.007067/1K tokens |
Qwen3.7-Plus-2026-05-26 | qwen3.7-plus-2026-05-26 | $0.048132/1K tokens |
Qwen3.6-27B | qwen3.6-27b | $0.006876/1K tokens |
Qwen3.6-Flash-2026-04-16 | qwen3.6-flash-2026-04-16 | $0.006876/1K tokens |
Qwen3.6-Plus-2026-04-02 | qwen3.6-plus-2026-04-02 | $0.041256/1K tokens |
Qwen3.5-27B | qwen3.5-27b | $0.006876/1K tokens |
Qwen3.5-9B | qwen3.5-9b | $0.00275/1K tokens |
Qwen3.5-4B | qwen3.5-4b | $0.00212/1K tokens |
Qwen3.5-Flash-2026-02-23 | qwen3.5-flash-2026-02-23 | $0.006876/1K tokens |
Qwen3.5-Plus-2026-02-15 | qwen3.5-plus-2026-02-15 | $0.041256/1K tokens |
Qwen3-32B | qwen3-32b | $0.005501/1K tokens |
Qwen3-30B-A3B-Instruct-2507 | qwen3-30b-a3b-instruct-2507 | $0.004126/1K tokens |
Qwen3-14B | qwen3-14b | $0.004126/1K tokens |
Qwen3-8B | qwen3-8b | $0.000825/1K tokens |
Qwen3-4B-Instruct-2507 | qwen3-4b-instruct-2507 | $0.000825/1K tokens |
Qwen3-1.7B | qwen3-1.7b | $0.000619/1K tokens |
Qwen3-0.6B | qwen3-0.6b | $0.000413/1K tokens |
Qwen2.5-72B-Instruct | qwen2.5-72b-instruct | $0.020628/1K tokens |
Qwen2.5-32B-Instruct | qwen2.5-32b-instruct | $0.004126/1K tokens |
Qwen2.5-14B-Instruct | qwen2.5-14b-instruct | $0.004126/1K tokens |
Qwen2.5-7B-Instruct | qwen2.5-7b-instruct | $0.000825/1K tokens |
Qwen-Plus-Character-2025-11-06 | qwen-plus-character-2025-11-06 | $0.020628/1K tokens |
Modelos de geração de imagens – Wan
Método | Cobrança por tokens de treinamento |
Fórmula | Taxa de treinamento do modelo = Total de tokens de treinamento × Preço unitário de treinamento (Unidade de cobrança: por 1.000 tokens) |
Fórmula para o total de tokens de treinamento
Fórmula para o total de tokens de treinamento
- max_steps: Hiperparâmetro especificado durante o treinamento que representa o número máximo de etapas de treinamento (configurado ao criar um job de ajuste fino).
- Lstep: O consumo de tokens por etapa. A fórmula é: Lstep é aproximadamente igual a Lmax. Lmax é determinado por max_token_length e generation_type, conforme mostrado abaixo:
generation_type | max_token_length | Lmax |
|---|---|---|
t2i (texto para imagem) | 1k | 12,800 |
2k | 23,220 | |
i2i (imagem para imagem) | 1k | 23,220 |
2k | 32,000 |
Serviço de modelo | Nome do modelo | Preço de treinamento (por 1K tokens) |
|---|---|---|
Geração de imagens Wan | wan2.7-image-pro | $0.015 |
Geração de imagens Wan | wan2.7-image | $0.015 |
Exemplo de faturamento
Exemplo de faturamento
- Conforme a tabela: Lmax = 12,800 (generation_type=t2i, max_token_length=1k), Lstep ≈ Lmax = 12,800
- Total de tokens de treinamento ≈ 200 × 12800 = 2560000 = 2560 mil tokens
- Taxa de treinamento do modelo ≈ 2560× 0.015 = $38.4
Modelos de geração de imagens – Qwen
Método | Cobrança por tokens de treinamento |
Fórmula | Taxa de treinamento do modelo = Total de tokens de treinamento × Preço unitário de treinamento (Unidade de cobrança: por 1.000 tokens) |
Fórmula para o total de tokens de treinamento
Fórmula para o total de tokens de treinamento
- n_epochs: Hiperparâmetro especificado durante o treinamento que representa o número de épocas de treinamento (configurado ao criar um job de ajuste fino).
- N: O número total de imagens no conjunto de treinamento.
- max_pixels: Hiperparâmetro especificado durante o treinamento que representa o número máximo de pixels por imagem (configurado ao criar um job de ajuste fino). Os valores válidos são
1k(1024×1024) e2k(2048×2048). - Taxa de compressão: A taxa de compressão fixa do VAE, que é 1024 (32×32).
- Coeficiente de GPU: Um coeficiente de agendamento de recursos ajustado dinamicamente com base no agendamento de jobs.
Serviço de modelo | Nome do modelo | Preço de treinamento (por 1K tokens) |
|---|---|---|
Geração de imagens Qwen | qwen-image-2.0 | $0.003 |
Geração de imagens Qwen | qwen-image-2.0-pro | $0.003 |
Exemplo de faturamento
Exemplo de faturamento
- Tokens por imagem = max_pixels / Taxa de compressão = 1024×1024 / 1024 = 1024
- Total de tokens de treinamento = 1000 × 1 × 1024 × 8 = 8192000 = 8192 mil tokens
- Taxa de treinamento do modelo = 8192 × 0.003 = $24.576
max_pixels | n_epochs | Tokens estimados | Taxa estimada (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 |
- O coeficiente de GPU é ajustado dinamicamente com base no agendamento de jobs. O valor 8 no exemplo e na tabela acima é usado apenas para ilustrar o cálculo. Para o consumo real de tokens, consulte o campo
usageretornado pela operação Consultar um job de ajuste fino. Sua fatura é a autoridade final sobre as taxas. - O
batch_sizenão afeta o faturamento nem o total de tokens de treinamento.
Modelos de geração de vídeo – Wan
Método | Cobrança por tokens de treinamento |
Fórmula | Taxa de treinamento do modelo = Total de tokens de treinamento × Preço unitário de treinamento (Unidade de cobrança: por 1.000 tokens) |
Fórmula para o total de tokens de treinamento
Fórmula para o total de tokens de treinamento
- N: Número total de vídeos no conjunto de treinamento.
- max_pixels: Hiperparâmetro especificado durante o treinamento que representa o número máximo de pixels de um vídeo (configurado ao criar um job de ajuste fino).
-
n_epochs: Hiperparâmetro especificado durante o treinamento que representa o número de ciclos (configurado ao criar um job de ajuste fino).
- A conversão entre n_epochs e steps é:
steps = n_epochs × ⌈dataset_size / batch_size⌉, ou seja,n_epochs = steps / ⌈dataset_size / batch_size⌉. - Quando o conjunto de dados contém apenas 1 amostra e batch_size = 1, n_epochs = steps. Recomendamos um total de pelo menos 800 steps.
- A conversão entre n_epochs e steps é:
-
Regra de cálculo da duração faturável para um único vídeo: primeiro, arredonde a duração original do vídeo (em segundos) para o inteiro mais próximo e, em seguida, determine o valor final com base nos limites do modelo.
- Modelo wan2.7:
Billing duration=min(10, rounded duration), o que significa que um único vídeo é faturado por no máximo 10 segundos. - Modelo wan2.6:
Billing duration=min(10, rounded duration), o que significa que um único vídeo é faturado por no máximo 10 segundos. - Modelo wan2.5:
Billing duration=min(10, rounded duration), o que significa que um único vídeo é faturado por no máximo 10 segundos. - Modelo wan2.2:
Billing duration=min(5, rounded duration), o que significa que um único vídeo é faturado por no máximo 5 segundos.
- Modelo wan2.7:
Serviço de modelo | Nome do modelo | Preço de treinamento (por 1K tokens) |
|---|---|---|
Imagem para vídeo (primeiro quadro) | wan2.7-i2v | $0.3 |
wan2.6-i2v | $0.08 | |
wan2.5-i2v-preview | $0.05 | |
wan2.2-i2v-flash | $0.03 | |
Imagem para vídeo (primeiro e último quadros) | wan2.7-i2v | $0.3 |
wan2.2-kf2v-flash | $0.03 |
Exemplos de faturamento
Exemplos de faturamento
- Estimativa de custo do wan2.7-i2v (dados únicos)
n_epochs = steps / ⌈1(dataset_size) / 1(batch_size)⌉ = steps.Preço unitário de treinamento = $0.3/mil tokens. Tomando max_pixels = 36864 e n_epochs = 800 como exemplo:- Total de tokens de treinamento = 10 × (36864 / 1024) × 800 = 288,000 = 288 mil tokens
- Taxa de treinamento do modelo = 288 × $0.3 = $86.4
max_pixels | Steps comuns | n_epochs | Tokens estimados | Custo estimado (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 |
- Estimativa de custo do wan2.7-i2v (múltiplos dados)
-
Cálculo da duração:
- Vídeo 1: 3.4 segundos são arredondados para 3. Duração faturável = min(10, 3) = 3.
- Vídeo 2: 11.5 segundos são arredondados para 12. Duração faturável = min(10, 12) = 10.
- Duração faturável total = 3 + 10 = 13 segundos.
- Total de tokens de treinamento = 13 × (36864/1024) × 800 = 374,400 = 374.4 mil tokens.
- Taxa de treinamento do modelo = 374.4 × 0.3 = $112.32.
- Estimativa de custo do wan2.5-i2v-preview (múltiplos dados)
-
Cálculo da duração:
- Vídeo 1: 3.4 segundos são arredondados para 3. Duração faturável: min(10, 3) = 3 segundos.
- Vídeo 2: 11.5 segundos são arredondados para 12. Duração faturável: min(10, 12) = 10 segundos.
- Duração faturável total: 3 + 10 = 13 segundos.
- Total de tokens de treinamento = 13 × (36864 / 1024) × 400 = 187,200 = 187.2 mil tokens.
- Taxa de treinamento do modelo = 187.2 × 0.05 = $9.36.
Faturamento de implantação
Modelos de geração de texto – Qwen
- Faturamento por duração de uso (Provisioned Throughput)
- Faturamento por duração de uso (Dedicated Throughput)
- Por uso de tokens do modelo
- Faturamento por duração de uso (unidade de modelo)
Cost = Usage duration × (Input TPM unit price × Input TPM + Output TPM unit price × Output TPM)O pós-pago é calculado por hora: a unidade de duração de uso é horas e o preço unitário usa a coluna "1 hora contínua" da tabela abaixo; o pré-pago é calculado por dia: a unidade de duração de uso é dias e o preço unitário usa a coluna "1 dia contínuo" da tabela abaixo.- Pedidos pré-pagos entram em vigor imediatamente após o pagamento, válidos por N dias até as 23:59 do dia N.
- Após a expiração de um pedido pré-pago, o serviço será interrompido com um atraso de 2 horas e os recursos serão retidos por 14 horas após a interrupção antes de serem liberados.
- Pedidos pré-pagos permitem rescisão antecipada; a parte utilizada é liquidada com um coeficiente de 1.2x para reembolso. Para mais detalhes, consulte Regras de reembolso para reduções de configuração.
- No faturamento pós-pago, se sua conta estiver em atraso, os recursos implantados serão retidos e faturados por 24 horas, período durante o qual o serviço ainda poderá ser usado normalmente. Após 24 horas, o sistema interrompe o faturamento, a implantação do modelo entra em estado de atraso de pagamento e os recursos subjacentes serão excluídos, mas a tarefa de implantação do modelo será retida. Após você quitar o atraso, o sistema realocará os recursos e retomará o uso (as taxas continuarão a acumular após a retomada). Se você não quiser continuar incorrendo em cobranças, pode excluir a tarefa de implantação do modelo; após a exclusão bem-sucedida, o faturamento será interrompido.
- Nesse momento (somente sob a política "Auto-overflow"), o cabeçalho da resposta da API de chamada incluirá:
x-dashscope-ptu-overflow:true. - Para estatísticas de TPM, acesse: Monitoramento de Modelos.
- Norte da China 2 (Pequim)
- Singapura
- Qwen
- DeepSeek
- Qwen-VL
- GLM
Nome do modelo | Código do modelo | Máximo de tokens de entrada | Entrada pós-paga Por 10K TPM/hora | Saída pós-paga Por 1K TPM/hora | Entrada pré-paga Por 10K TPM/dia | Saída pré-paga Por 1K TPM/dia |
|---|---|---|---|---|---|---|
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 | Sem raciocínio: $0.07 Raciocínio: $0.28 | $3.36 | Sem raciocínio: $0.84 Raciocínio: $3.36 |
Modelos de geração de imagens – Wan
Para modelos de geração de imagens Wan ajustados com SFT-LoRA, a implantação é gratuita e as invocações são cobradas conforme o preço padrão de invocação do modelo base ajustado. Para o fluxo de trabalho de treinamento e implantação de modelos, consulte Ajuste fino de modelos de geração de imagens.
Nome do modelo | Preço de invocação da implantação LoRA |
|---|---|
wan2.7-image-pro | $0.075/imagem |
wan2.7-image | $0.03/imagem |
Modelos de geração de imagens – Qwen
Para modelos de geração de imagens Qwen ajustados com SFT-LoRA, a implantação é gratuita e as invocações são cobradas conforme o preço padrão de invocação do modelo base ajustado. Para o fluxo de trabalho de treinamento e implantação de modelos, consulte Ajuste fino de modelos de geração de imagens.
Nome do modelo | Preço de invocação da implantação LoRA |
|---|---|
qwen-image-2.0 | $0.035/imagem |
qwen-image-2.0-pro | $0.075/imagem |
Modelos de geração de vídeo – Wan
Modelos de geração de vídeo Wan ajustados:
- Implantação do modelo: Gratuita
- Invocação do modelo: Cobrada conforme a tarifa padrão do modelo base ajustado. Para mais detalhes, consulte preços de modelos