Skip to main content

Model usage

Visualize o uso dos modelos do Alibaba Cloud Model Studio.

Para obter mais informações sobre cotas gratuitas, consulte New user free quota . Gerencie o uso da cota gratuita na página Free Quota .

Disponibilidade

  • Regiões: Somente Singapura. Para obter mais informações, consulte Regiões e domínios de acesso.
  • Modelos: Todos os modelos da Lista de modelos, incluindo modelos ajustados baseados neles.
  • Escopo: O uso de Token e métricas semelhantes serve para verificação de custos e contabiliza apenas chamadas de modelo cobradas por Token no modo de pagamento conforme o uso. O uso para treinamento de modelo e chamadas por meio de unidades de throughput provisionadas ou unidades de throughput dedicadas não é incluído; a contagem de chamadas inclui chamadas de unidades de throughput provisionadas e dedicadas. O uso de ferramentas gerado por chamadas de modelo é contado separadamente.

Visualizar uso da cota gratuita

No console

  1. Acesse a página Free Quota e selecione uma aba de tipo de modelo para visualizar o uso da cota gratuita de cada modelo.
  2. Na tabela de modelos, localize modelos específicos usando busca, ordenação ou filtros. Ative ou desative o Free Quota Only individualmente ou em lote para gerenciar as configurações de cota gratuita.
Free Quota Only: Quando ativado, o service interrompe automaticamente ao esgotar a cota gratuita (retorna um erro 403: AllocationQuota.FreeTierOnly). Isso evita cobranças além da cota gratuita. Para continuar usando e pagando pelo uso real, mantenha este recurso desligado. Este recurso está disponível apenas quando sua conta possui cota gratuita não consumida. Uma vez ativado, não pode ser desligado até que a cota gratuita se esgote totalmente. As cotas gratuitas são faturadas com granularidade de minutos, e os dados exibidos no console podem apresentar atraso. Consulte o valor da cota gratuita mostrado no console.

Visualizar uso do modelo

Visualize o uso na página Model Usage. Os dados são agregados por workspace, não por conta da Alibaba Cloud. Para obter mais informações, consulte Como visualizo o uso total de tokens da minha conta da Alibaba Cloud?. A contagem de chamadas geralmente apresenta latência menor do que outras métricas de uso: a contagem de chamadas pode aparecer cerca de 1 minuto após uma chamada, enquanto o uso de tokens e os custos podem levar cerca de 10 minutos para serem atualizados. A contagem de chamadas não é exibida para inferência em lote offline ou inferência em lote online.
  1. Selecione um período estatístico e um intervalo de tempo. É possível visualizar os dados por minuto, hora, dia ou mês: minuto suporta até 1 dia, hora até 7 dias, dia até 31 dias e mês até 12 meses. Ao visualizar dados por minuto ou hora, o agrupamento não é suportado no gráfico de tendência.
  2. Selecione uma dimensão de agrupamento: por modelo, API Key, workspace, região, local de serviço ou especificação. A especificação inclui fatores que afetam o preço unitário, como entrada/saída/acertos de cache, comprimento de contexto, modo de raciocínio e resolução de geração de vídeo.
  3. Filtre por modelo, API Key, workspace, região, local de serviço, origem da chamada e tipo de inferência. Os tipos de inferência incluem inferência online, inferência em lote offline (Batch File) e inferência em lote online (Batch Chat). Se o workspace não tiver dados de uso em lote, apenas a inferência online será exibida.
  4. Visualize os cartões de métricas: Call Count, Tokens Usage, Image Count, Video/Audio Duration, Speech Synthesis Characters, Tool Call Count e outros. Os cartões são agregados por unidade de faturamento. Por exemplo, modelos de texto e modelos omni são cobrados por Token, portanto, o uso é contabilizado em Tokens Usage. Alterne entre Total e Average per Call. Average per Call é o uso dividido pelas chamadas bem-sucedidas.
  5. Na tabela Model Usage Details, visualize o tipo de modelo, a contagem de chamadas, o uso do modelo e o uso de ferramentas de cada modelo. Clique em Details para visualizar o resumo e a tendência dos diferentes tipos de uso e do uso de ferramentas do modelo. Clique em View Cost para visualizar o valor a pagar pelo uso.
  6. A seção Total Successful Calls na parte inferior lista todos os modelos em ordem decrescente de contagem de chamadas. É possível visualizá-la em tela cheia e baixar os dados.
  • A contagem de falhas, a taxa de falhas, a contagem de erros de limitação e a contagem de interceptações de segurança de conteúdo foram movidas para a página Model monitoring e não são mais exibidas nos detalhes de uso do modelo.
  • A categoria anterior de inferência em lote agora é dividida em inferência em lote offline (Batch File) e inferência em lote online (Batch Chat).
Apenas dados a partir de 1º de setembro de 2026 estão disponíveis. Para dados anteriores, acesse Expenses and Costs.

Visualizar visão geral de faturamento

Na página Cost Overview, visualize os custos de chamadas de modelo e treinamento de modelo, incluindo o custo total, o custo de assinatura, o custo da fatura e a tendência da fatura. Para obter detalhes, consulte Faturamento e gestão de custos.

Unidades de uso

No Model Studio, as estatísticas de uso para diferentes modelos são:

Tipo

Subcategoria

Unidade

Faturamento (invocação)

Modelo de linguagem grande

Text generation

Token

Faturado pelo número de tokens de entrada e saída.

Deep thinking

Visual understanding

Modelo visual

Image generation

Imagens

Faturado pelo número de imagens geradas com sucesso.

Video generation

Segundos

Faturado pelo número de segundos de vídeo gerados com sucesso.

Modelo de fala

Speech synthesis

Segundo, caractere ou token

Pode ser faturado por duração de áudio (segundos), caracteres de texto correspondentes ou tokens, dependendo do modelo.

Real-time speech synthesis

Audio file recognition

Real-time speech recognition

Audio and video translation

Modelo omni-modal

Omni-modal

Token

O texto é faturado pela contagem de tokens. Outras modalidades (áudio, imagem, vídeo) são faturadas pelas respectivas contagens de tokens.

Real-time multimodal

Modelo de embedding

Multimodal embedding

Token

Faturado pelo número de tokens no texto de entrada.

Embedding de texto

Entrando em produção

Recomendações para gerenciar o uso de modelos:
  • Controle o comprimento da saída do modelo: Limite o comprimento máximo do conteúdo gerado por invocação e, consequentemente, controle os custos definindo adequadamente limiting the thinking length e configurando o parâmetro max_tokens.
  • Selecione modelos com base no tipo de tarefa: Para tarefas simples, como categorização e resumo, priorize modelos leves e de menor custo em vez de modelos poderosos, porém mais caros.
  • Monitoramento e alertas: Monitor usage trends. Configure alertas de uso para receber notificações oportunas sobre usos anormais.
  • Otimize os prompts: Prompts concisos e claros melhoram a qualidade da saída do modelo e reduzem tokens de entrada desnecessários.
  • Utilize inferência em lote: Para tarefas de processamento em grandes lotes e sem necessidade de tempo real, batch inference costuma ser mais econômico do que a invocação em tempo real.

Glossário

Termo

Explicação

Token

Os modelos de linguagem grande processam entrada e saída em tokens. Um token pode ser:

  • Caractere único: como A, I

  • Palavra completa: como large, Model

  • Parte de uma palavra longa: Uma palavra longa geralmente é dividida em vários tokens. Esse processo de divisão é chamado de tokenização.

Com base na experiência, em média, 1 Token corresponde a aproximadamente 1,5-2 caracteres chineses; 1 letra inglesa corresponde a aproximadamente 0,25 Tokens; 1 palavra inglesa corresponde a aproximadamente 1,3 Tokens:

  • Alibaba Cloud Model Studio: aproximadamente 4-5 Tokens

  • Hello World: aproximadamente 2 Tokens

Cada modelo possui uma contagem máxima de tokens de entrada e saída (consulte Model list). Exceder esse limite causa falha.

Inferência online

Refere-se a todas as invocações diretas e indiretas de um modelo, cobrindo principalmente os seguintes cenários:

  • Invocação de API

  • Experiência do modelo

  • Model Studio applications (aplicações de orquestração de agente/workflow/agente e nós que envolvem invocação de modelo, como nós LLM, nós de categorização de intenção e nós de grupo de agentes) em estados de teste e publicação

  • Invocação de Assistant API (Deprecated)

  • Application Invocation

Inferência em lote offline (Batch File)

Processamento de dados em larga escala realizado offline para cenários que não exigem respostas em tempo real, usando a API OpenAI-compatible - Batch (file input).

Inferência em lote online (Batch Chat)

Chamadas em lote online feitas por meio da API Batch Chat.

Perguntas frequentes

P: Como visualizo o uso total de tokens da minha conta Alibaba Cloud? R: Use sua conta Alibaba Cloud para acessar a página Bill Details e exporte a fatura. @props:china Na página Real-time, filtre e exporte a fatura:
  1. Defina o Batches para o mês desejado (como 2025-05).
  2. Em Bill Details, selecione Billing Month.
  3. Clique em no ícone de download no canto superior direito da tabela para exportar os dados de faturamento.
@/props
Ao visualizar dados por modelo, API Key, workspace ou outras dimensões, alguns valores podem aparecer como "-" ou estar vazios. Causas comuns:
  • Um "-" pode indicar que o modelo não suporta a métrica.
  • Os dados de uma dimensão específica apresentam atraso. Logo após uma chamada, o valor pode aparecer como "-" e mudar para o valor real após alguns minutos ou mais.
  • Uma API Key vazia geralmente indica que a chamada veio do console.
  • Para chamadas feitas por meio do Batch Chat, os dados relacionados ao ID da API Key ficam vazios.
  • As informações de região ficam vazias para alguns modelos.
  • O método de invocação fica vazio para modelos de fala.