Skip to main content

模型訓練與部署計費

本文介紹阿里雲百鍊平台的模型訓練、模型部署的計費規則及價格。

模型訓練計費

文本產生模型-千問

模型訓練流程請參見千問模型調優。訓練完成後的新模型需先完成模型部署，才能評測和調用。
計費方式按訓練Token計費
計費公式模型訓練費用 = （訓練資料 Token 總數 + 混合訓練資料 Token 總數）× 迴圈次數 × 訓練單價（最小計費單位：1 token）
您可以查看模型訓練控制台底部的預估訓練費用，並單擊计费详情，查看訓練 Token 總數、迴圈次數和訓練單價。

訓練單價

以下為預置模型的訓練單價，自訂模型的訓練單價與對應的預置模型單價相同。
  • 千問
  • 千問 VL

模型服務

模型規格

價格

千問3-32B

qwen3-32b

$0.008/千Token

千問3-14B

qwen3-14b

$0.0016/千Token

映像產生模型-萬相

模型訓練流程請參見映像產生模型調優。訓練完成後的新模型需先完成模型部署，才能調用。

計費方式

按訓練Token計費

計費公式

模型訓練費用 = 訓練Token總量 × 訓練單價（計費單位：每千Token）

訓練Token總量的計算公式

訓練 T o k e n 總量 ≈ ma x _ s t e p s × L s t e p ​其中：
  • max_steps：訓練時指定的超參數，表示最大訓練步數（建立微調任務時配置）。
  • Lstep：每步的Token消耗量，計算公式為： L s t e p ​ = i ∈ ba t c h ∑ ​ L i t e m ( i ) ​ ≤ L ma x ​ Lstep 近似等於 Lmax。Lmax 由 max_token_length 和 generation_type 共同決定，具體取值如下表：

generation_type

max_token_length

Lmax

t2i（文生圖）

1k

12,800

2k

23,220

i2i（圖生圖）

1k

23,220

2k

32,000

模型服務

模型名稱

訓練價格（每千Token）

萬相-映像產生

wan2.7-image-pro

$0.015

萬相-映像產生

wan2.7-image

$0.015

假設使用 wan2.7-image-pro 模型進行 t2i 微調，max_steps = 200，max_token_length = "1k"，訓練單價 = $0.015/千Token：
  • 查表得 Lmax = 12,800（generation_type=t2i，max_token_length=1k），Lstep ≈ Lmax = 12,800
  • 訓練Token總量 ≈ 200 × 12800 = 2560000 = 2560千Token
  • 模型訓練費用 ≈ 2560 × 0.015 = $38.4

視頻產生模型-萬相

模型訓練流程請參見模型調優。訓練完成後的新模型需先完成模型部署，才能調用。

計費方式

按訓練Token計費

計費公式

模型訓練費用 = 訓練Token總量 × 訓練單價（計費單位：每千Token）

訓練Token總量的計算公式

訓練 T o k e n 總量 = ( i = 1 ∑ N ​ 視 頻 i ​ 的計費時間長度 ) × 1024 ma x _ p i x e l s ​ × n _ e p oc h s其中：
  • N：訓練集中的視頻總數。
  • max_pixels：訓練時指定的超參數，表示視頻的最大像素數（建立微調任務時配置）。
  • n_epochs：訓練時指定的超參數，表示迴圈次數（建立微調任務時配置）。
    • n_epochs 與 steps 的換算關係為：steps = n_epochs × ⌈資料集大小 / batch_size⌉，即 n_epochs = steps / ⌈資料集大小 / batch_size⌉。
    • 當資料集僅包含 1 條資料且 batch_size = 1 時，n_epochs = steps。建議總步數（steps）≥ 800。
  • 單個視頻計費時間長度計算規則：先將原始視頻時間長度（秒）四捨五入取整，再根據模型限制取最終值。
    • wan2.7模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
    • wan2.6模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
    • wan2.5模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
    • wan2.2模型：計費時間長度=min(5, 四捨五入後的時間長度)，即單條視頻最多按 5 秒計算。

模型服務

模型名稱

訓練價格（每千Token）

圖生視頻-基於首幀

wan2.7-i2v

$0.3

wan2.6-i2v

$0.08

wan2.5-i2v-preview

$0.05

wan2.2-i2v-flash

$0.03

圖生視頻-基於首尾幀

wan2.7-i2v

$0.3

wan2.2-kf2v-flash

$0.03

計費樣本

  1. wan2.7-i2v 費用預估（一條資料）
假設訓練集包含 1 條視頻，時間長度為10秒。由於 batch_size = 1（推薦值），此時 n_epochs = steps / ⌈1(資料集大小) / 1(batch_size)⌉ = steps。訓練單價 = $0.3/千Token，以 max_pixels = 36864、n_epochs = 800 為例：
  • 訓練Token總量 = 10 ×（36864 / 1024）× 800 = 288,000 = 288千Token
  • 模型訓練費用 = 288 × $0.3 = $86.4

max_pixels

常見 steps

n_epochs

Token 消耗預估

費用預估（美元）

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 費用預估（多條資料）
假設訓練集包含 2 條視頻，時間長度分別為 3.4 秒 和 11.5 秒。參數設定：max_pixels = 36864、n_epochs = 800，訓練單價 = $0.3/千Token：
  • 時間長度計算：
    • 視頻 1：3.4 → 四捨五入 → 3 秒 → 計費時間長度 = min(10, 3) = 3
    • 視頻 2：11.5 → 四捨五入 → 11 秒 → 計費時間長度 = min(10, 11) = 10
    • 總計費時間長度 = 3 + 10 = 13 秒
  • 訓練Token總量 = 13 ×（36864/1024）× 800 = 374400 = 374.4千Token
  • 模型訓練費用 = 374.4 × 0.3 = $112.32
  1. wan2.5-i2v-preview 費用預估（多條資料）
假設微調wan2.5模型，訓練集包含 2 條視頻，時間長度分別為 3.4 秒 和 11.5 秒，max_pixels = 36864，n_epochs = 400，訓練單價 = $0.05/千Token：
  • 時間長度計算：
    • 視頻 1：3.4 → 四捨五入 → 3 秒 → 計費時間長度 = min(10, 3) = 3
    • 視頻 2：11.5 → 四捨五入 → 11 秒 → 計費時間長度 = min(10,11) = 10
    • 總計費時間長度 = 3 + 10 = 13 秒
  • 訓練Token總量 = 13 ×（36864/1024）× 400 = 187200 = 187.2千Token
  • 模型訓練費用 = 187.2 × 0.05 = $9.36

模型部署計費

文本產生模型-千問

  • 按使用時間長度計費（預置吞吐）
  • 按使用時間長度計費（模型單元）
  • 按模型 Token 使用量
費用 = 使用時間長度 × (輸入 TPM 單價 × 輸入 TPM + 輸出 TPM 單價 × 輸出 TPM)後付費按小時計算：使用時間長度單位為小時，單價取下表"持續 1 小時"列；預付費按天計算：使用時間長度單位為天，單價取下表"持續 1 天"列。
  • 預付費訂單支付後即時生效，有效期間 N 天至第 N 天 23:59 結束。若在 22:00 後下單，到期日將自動順延1天。
  • 預付費訂單到期後，將延後2小時停止服務，停止後資源保留14小時後釋放。
  • 預付費訂單無法提前終止服務。
  • 後付費時，如果賬戶欠費，部署的資源將繼續保留並計費 24 小時，在這 24 小時內服務仍可正常使用。超過 24 小時後系統停止計費，模型部署進入欠費狀態，底層資源將被刪除，但模型部署任務仍會保留。補足欠費後，系統將重新分配資源並恢複使用（恢複後繼續產生費用）。如果您不希望繼續產生費用，可刪除模型部署任務，刪除成功後將不再計費。
當模型輸入超過最長輸入 Token 時，相關調用將自動切換為當前模型的隨用隨付模式；超出購買的 TPM 量時，按建立時選擇的溢出策略處理（「自動溢出」切換為隨用隨付，「僅使用 PTU 容量」返回 429）。此時，推理效能可能下降，將受業務空間中當前快照模型的公用流量的管控，費用按模型調用（隨用隨付）標準計收。
  • 此時（僅「自動溢出」策略下），調用 API 返回 Header 將包含：x-dashscope-ptu-overflow:true。
  • TPM 統計請前往：模型監控。
縮容情境（降配）的具體降費退費規則請參考：降配退款規則說明。
PTU 部署支援長輸入階梯容量係數和緩衝折扣，詳見預置吞吐長輸入與緩衝。
  • 新加坡
  • 華北2（北京）
  • 千問
  • DeepSeek
  • 千問VL
  • GLM

模型名稱

模型代碼

最長輸入Token

後付費輸入

Per 10K TPM/小時

後付費輸出

Per 1K TPM/小時

預付費輸入

Per 10K TPM/天

預付費輸出

Per 1K TPM/天

千問3.8-Max

qwen3.8-max

1M

$4.8

$1.44

$57.6

$17.28

千問3.7-Flash-2026-07-15 聯絡商務經理開通

qwen3.7-flash-2026-07-15

128K

$0.072

$0.031

$0.864

$0.374

千問3.7-Max-2026-05-20

qwen3.7-max-2026-05-20

256K

$1.92

$1.8

$72

$21.6

千問3.7-Plus-2026-05-26

qwen3.7-plus-2026-05-26

256K

$0.96

$0.384

$11.52

$4.608

千問3.6-Plus-2026-04-02

qwen3.6-plus-2026-04-02

128K

$1.2

$0.72

$14.4

$8.64

千問3.5-Plus-2026-04-20

qwen3.5-plus-2026-04-20

128K

$0.96

$0.576

$11.52

$6.912

映像產生模型-萬相

經過SFT-LoRA高效微調的萬相映像產生模型，部署免費，調用按微調的基本模型的標準調用價格計費。模型訓練和部署流程請參見映像產生模型調優。

模型名稱

Lora部署調用價格

wan2.7-image-pro

$0.075/張

wan2.7-image

$0.03/張

常見問題

Q：模型部署什麼時候開始計費？

A：當模型完成部署，即狀態為運行中時，開始收模數型部署的費用。模型狀態為部署中、欠費、部署失敗時，均不會計費。

Q：取消模型訓練會收費嗎？

A：會收費。主動取消訓練後，已消耗的 tokens 仍會推送計費，訓練費用按已消耗 tokens 估算，最終費用以賬單為準。其他原因導致的訓練中斷，阿里雲百鍊不會向您收取訓練費用。

Q：怎麼查看已部署模型的調用統計？

A：請訪問模型監控（新加坡）、模型監控（維吉尼亞）、模型監控（中國香港）（中國香港僅支援普通監控，進階監控和日誌不可用）或模型監控（北京）頁面。 模型監控頁面支援按時間範圍（3小時、6小時、12小時、24小時、今天、昨天、一周、自訂）和推理類型篩選，上方匯總區展示模型總量、總調用次數、總失敗次數、平均調用時間長度、平均首包時間長度，下方模型列表展示各模型的調用總量、調用失敗量、失敗率、平均調用時間長度、平均首Token延時等指標，可單擊監控查看單模型詳細資料。
開始使用
Token Plan
模型體驗
  • 音樂產生
接入用戶端/開發工具
模型推理
模型調優
模型部署
模型評測
用量統計與效能監控
資產中心
安全合規
實踐教程
服務支援
產品動態