本文为您介绍PAI-EAS的计费方式。

PAI-EAS的费用为部署模型服务使用的资源产生的费用：
  • 您可以使用公共资源组或专属资源组部署服务，最终的费用账单会由公共资源组（如果已使用）和专属资源组（如果已使用）费用组成。两种资源组的区别请参见专属资源组。
  • 如果同时使用了公共资源组和专属资源组，则账单金额为公共资源组费用和专属资源组费用之和。
公共资源组和专属资源组的计费方式如下。
使用的资源 计费主体 计费方式 计费规则 停止计费的方式
公共资源组 模型服务运行时长（模型服务占用公共资源的时长） 后付费（按量计费） 按照模型服务占用的公共资源时长计费。（一旦创建模型服务，系统就开始计费。） 停止模型服务
专属资源组 资源组运行时长 后付费（按量计费） 只对专属资源组收费，部署在专属资源组上的模型服务不产生额外费用。（对于后付费方式，一旦创建后付费专属资源组，系统就开始计费。） 停止后付费专属资源组
预付费（包年包月） 无

公共资源组计费方式

使用公共资源组时有两种方式：一种是指定机器资源，另外一种是指定机器型号。这两种使用方式的计费不一样。
对比项 指定机器资源 指定机器型号
计费公式 
每个模型服务的账单金额 = 实例数×（cpu核数量×单价 + 内存数×单价）×时长
说明 时长单位为分钟。 
每个模型服务的账单金额 = 实例数×机器定价单价×时长
说明 时长单位为分钟。
单价 详情请参见公共资源组定价：指定机器资源。 详情请参见公共资源组定价：指定机器型号。
计费时间段
  • 计费的时间起点：为模型开始运行（模型开始占用资源）的时间。
  • 计费的时间终点：为模型停止（模型释放资源）的时间。
扩缩容说明
  • 模型扩容后：新资源从扩容成功的时间开始计费。
  • 模型缩容后：释放的资源从释放成功的时间停止计费，剩余资源继续计费。
其他注意事项
  • 计费时长的统计粒度为分钟，不足1分钟不计费。
  • 建议您及时停止无用的模型服务，以免产生不必要的费用。
  • 计费时长的统计粒度为分钟，不足1分钟不计费。
  • 建议您及时停止无用的模型服务，以免产生不必要的费用。
  • 部分机器资源在某些地域可能短期内无货，此时无法购买。

公共资源组定价：指定机器资源

指定机器资源方式的公共资源组的计费方式是后付费（即按量计费），定价详情如下（为方便查看，该定价为小时价，而实际以分钟价计费，使用下表价格除以60，可以获得分钟价）。
资源类型 定价 地域
CPU 0.194（CNY/核/小时）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
  • 华北2（北京）
  • 华北3（张家口）
  • 中国（香港）
  • 新加坡
  • 印度尼西亚（雅加达）
  • 印度（孟买）
  • 德国（法兰克福）
  • 美国（硅谷）
  • 美国（弗吉尼亚）
内存 0.024（CNY/G/小时）

公共资源组定价：指定机器型号

指定机器型号方式的公共资源组的计费方式是后付费（即按量计费），不同地域不同机器型号的定价不一致，定价详情如下（该定价为小时价，而实际以分钟价计费，使用下表价格除以60，可以获得分钟价）。
实例规格 实例名称 vCPU 内存（GiB） 定价（CNY/小时） 地域
ecs.c5.6xlarge 计算型c5（24核48G） 24 48 6.9 印度（孟买）
8.16 新加坡
7.86
  • 印度尼西亚（雅加达）
  • 中国（香港）
8.22
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
6.12 华北3（张家口）
7.2 德国（法兰克福）
7.02 美国（弗吉尼亚）
ecs.c6.2xlarge 计算型c6（8核16G） 8 16 2.34 印度（孟买）
2.7
  • 印度尼西亚（雅加达）
  • 新加坡
1.74
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
2.94 中国（香港）
1.2 华北3（张家口）
2.64 德国（法兰克福）
2.34
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.c6.4xlarge 计算型c6（16核32G） 16 32 4.68 印度（孟买）
5.34
  • 新加坡
  • 印度尼西亚（雅加达）
3.42
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
5.88 中国（香港）
2.4 华北3（张家口）
5.28 德国（法兰克福）
4.68
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.c6.6xlarge 计算型c6（24核48G） 24 48 7.02
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
8.04
  • 新加坡
  • 印度尼西亚（雅加达）
5.16
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.82 中国（香港）
3.6 华北3（张家口）
7.92 德国（法兰克福）
ecs.c6.8xlarge 计算型c6（32核64G） 32 64 9.3
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
10.74
  • 新加坡
  • 印度尼西亚（雅加达）
6.84
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
11.82 中国（香港）
4.8 华北3（张家口）
10.56 德国（法兰克福）
ecs.g5.6xlarge 通用型g5（24核96G） 24 96 11.7
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.76 华北3（张家口）
10.74 中国（香港）
8.58 印度（孟买）
11.16 新加坡
10.56 印度尼西亚（雅加达）
10.26 德国（法兰克福）
8.94 美国（弗吉尼亚）
ecs.g6.2xlarge 通用型g6（8核32G） 8 32 3 印度（孟买）
3.54
  • 新加坡
  • 印度尼西亚（雅加达）
2.22
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
3.9 中国（香港）
1.56 华北3（张家口）
3.42 德国（法兰克福）
2.88
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.g6.4xlarge 通用型g6（16核64G） 16 64 6 印度（孟买）
7.14
  • 新加坡
  • 印度尼西亚（雅加达）
4.38
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
7.86 中国（香港）
3.06 华北3（张家口）
6.84 德国（法兰克福）
5.7
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.g6.6xlarge 通用型g6（24核96G） 24 96 9 印度（孟买）
10.68
  • 新加坡
  • 印度尼西亚（雅加达）
6.6
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
11.76 中国（香港）
4.62 华北3（张家口）
10.32 德国（法兰克福）
8.58
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.g6.8xlarge 通用型g6（32核128G） 32 128 11.94 印度（孟买）
14.28
  • 新加坡
  • 印度尼西亚（雅加达）
8.82
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
15.66 中国（香港）
6.18 华北3（张家口）
11.46
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.gn5-c28g1.7xlarge 28核112G+1张NVIDIA P100 28 112 24.6 印度（孟买）
24
  • 新加坡
  • 印度尼西亚（雅加达）
26.28
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
22.8 中国（香港）
24.72 德国（法兰克福）
22.62
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.gn5-c4g1.xlarge 4核30G+1张NVIDIA P100 4 30 13.14
  • 印度（孟买）
  • 中国（香港）
13.86
  • 新加坡
  • 印度尼西亚（雅加达）
14.04
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
12.66 华北3（张家口）
12.36 德国（法兰克福）
11.88 美国（弗吉尼亚）
13.08 美国（硅谷）
ecs.gn5-c8g1.2xlarge 8核60G+1张NVIDIA P100 8 60 15.84 印度（孟买）
16.68
  • 新加坡
  • 印度尼西亚（雅加达）
16.92
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
15.84 中国（香港）
15.24 华北3（张家口）
14.88 德国（法兰克福）
14.28 美国（弗吉尼亚）
15.72 美国（硅谷）
ecs.gn5-c8g1.4xlarge 16核120G+2张NVIDIA P100 16 120 31.68
  • 中国（香港）
  • 印度（孟买）
33.36
  • 新加坡
  • 印度尼西亚（雅加达）
33.84
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
30.48 华北3（张家口）
29.76 德国（法兰克福）
28.62 美国（弗吉尼亚）
31.5 美国（硅谷）
ecs.gn5i-c4g1.xlarge 4核16G+1张NVIDIA P4 4 16 10.68
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
7.98 华北3（张家口）
ecs.gn5i-c8g1.2xlarge 8核32G+1张NVIDIA P4 8 32 12.84
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
9.6 华北3（张家口）
ecs.gn6i-c16g1.4xlarge 16核62G+1张NVIDIA T4 16 62 14.7 印度（孟买）
15.24 新加坡
14.22 印度尼西亚（雅加达）
18.06
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
13.5 中国（香港）
16.26 华北3（张家口）
14.64 德国（法兰克福）
13.26 美国（硅谷）
12.84 美国（弗吉尼亚）
ecs.gn6i-c24g1.12xlarge 48核186G+2张NVIDIA T4 48 186 35.1 印度（孟买）
38.22 新加坡
35.7 印度尼西亚（雅加达）
37.8
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
33.9 中国（香港）
34.02 华北3（张家口）
36.96 德国（法兰克福）
33.66 美国（硅谷）
32.64 美国（弗吉尼亚）
ecs.gn6i-c24g1.6xlarge 24核93G+1张NVIDIA T4 24 93 17.52 印度（孟买）
19.08 新加坡
17.82 印度尼西亚（雅加达）
18.9
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
16.92 中国（香港）
17.04 华北3（张家口）
18.48 德国（法兰克福）
16.8 美国（硅谷）
16.32 美国（弗吉尼亚）
ecs.gn6i-c4g1.xlarge 4核15G+1张NVIDIA T4 4 15 9.78
  • 印度（孟买）
  • 新加坡
9.12 印度尼西亚（雅加达）
12.78
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.7 中国（香港）
11.52 华北3（张家口）
9.06 德国（法兰克福）
8.82 美国（硅谷）
8.58 美国（弗吉尼亚）
ecs.gn6i-c8g1.2xlarge 8核31G+1张NVIDIA T4 8 31 11.4 印度（孟买）
11.58 新加坡
10.86 印度尼西亚（雅加达）
15.42
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
10.26 中国（香港）
13.86 华北3（张家口）
10.92 德国（法兰克福）
10.32 美国（硅谷）
9.96 美国（弗吉尼亚）
ecs.gn6v-c8g1.2xlarge 8核32G+1张NVIDIA V100 8 32 33.54 新加坡
29.1
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
21.84 华北3（张家口）
20.1 美国（弗吉尼亚）
ecs.r6.2xlarge 内存性r6（8核64G） 8 64 3.9 印度（孟买）
4.5
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
2.94
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
4.98 中国（香港）
2.04 华北3（张家口）
3.72
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.r6.4xlarge 内存性r6（16核128G） 16 128 7.74 印度（孟买）
9
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
5.82
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
9.96 中国（香港）
4.02 华北3（张家口）
7.5
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.r6.6xlarge 内存性r6（24核192G） 24 192 11.64 印度（孟买）
13.44
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
8.76
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
14.94 中国（香港）
6.06 华北3（张家口）
11.22
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.r6.8xlarge 内存性r6（32核256G） 32 256 15.48 印度（孟买）
17.94
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
11.64
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
19.86 中国香港
8.04 华北3（张家口）
14.94
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.g7.2xlarge 通用型g7（8核32G） 8 32 3.3
  • 新加坡
  • 印度尼西亚（雅加达）
2.28
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
3.66 中国（香港）
ecs.g7.4xlarge 通用型g7（16核64G） 16 vCPU 64 6.6
  • 新加坡
  • 印度尼西亚（雅加达）
4.62
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
7.26 中国（香港）
ecs.g7.6xlarge 通用型g7（24核96G） 24 vCPU 96 9.96
  • 新加坡
  • 印度尼西亚（雅加达）
6.9
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
10.92 中国（香港）
ecs.g7.8xlarge 通用型g7（32核128G） 32 vCPU 128 13.26
  • 新加坡
  • 印度尼西亚（雅加达）
9.18
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
14.58 中国（香港）
ecs.c7.2xlarge 计算型c7（8核16G） 8 vCPU 16 2.7
  • 新加坡
  • 印度尼西亚（雅加达）
1.8
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
3 中国（香港）
ecs.c7.4xlarge 计算型c7（16核32G） 16 vCPU 32 5.4
  • 新加坡
  • 印度尼西亚（雅加达）
3.6
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
5.94 中国（香港）
ecs.c7.6xlarge 计算型c7（24核48G） 24 vCPU 48 8.1
  • 新加坡
  • 印度尼西亚（雅加达）
5.4
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.94 中国（香港）
ecs.c7.8xlarge 计算型c7（32核64G） 32 vCPU 64 10.8
  • 新加坡
  • 印度尼西亚（雅加达）
11.94 中国（香港）
7.2
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.r7.2xlarge 内存性r7（8核64G） 8 vCPU 64 4.2 新加坡
3.06
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
4.62 中国（香港）
ecs.r7.4xlarge 内存性r7（16核128G） 16 vCPU 128 8.4 新加坡
6.12
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
9.24 中国（香港）
ecs.r7.6xlarge 内存性r7（24核192G） 24 vCPU 192 12.6 新加坡
9.18
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
13.8 中国（香港）
ecs.r7.8xlarge 内存性r7（32核256G） 32 vCPU 256 16.8 新加坡
12.44
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
18.42 中国（香港）
ecs.gn7-c12g1.3xlarge 12核95G+1张NVIDIA A100 12 vCPU 95 34.74
  • 华北2（北京）
  • 华东2（上海）
ecs.g7.16xlarge 通用型g7（64核256G） 64 vCPU 256 26.46
  • 新加坡
  • 印度尼西亚（雅加达）
18.42
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
29.1 中国（香港）
ecs.c7.16xlarge 计算型c7（64核128G） 64 vCPU 128 21.6
  • 新加坡
  • 印度尼西亚（雅加达）
14.34
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
23.82 中国（香港）
ecs.r7.16xlarge 内存型r7（64核512G） 64 vCPU 512 33.54 新加坡
24.48
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
36.84 中国（香港）
ecs.gn7i-c8g1.2xlarge 8核30G+1张NVIDIA A10 8 vCPU 30 19.86 新加坡
13.98
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.gn7i-c16g1.4xlarge 16核60G+1张NVIDIA A10 16 vCPU 60 21.06 新加坡
14.82
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.gn7i-c32g1.8xlarge 32核188G+1张NVIDIA A10 32 vCPU 188 23.4 新加坡
16.44
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.gn6e-c12g1.3xlarge 12核92G+1张NVIDIA V100 12 vCPU 92 30.36 新加坡
21.72
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.g6.xlarge 通用型g6（4核16G） 4 16 1.5 印度（孟买）
1.8
  • 新加坡
  • 印度尼西亚（雅加达）
1.08
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
1.98 中国（香港）
0.78 华北3（张家口）
1.74 德国（法兰克福）
1.44
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.c6.xlarge 计算型c6（4核8G） 4 8 1.14
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
1.32
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
0.84
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
1.5 中国（香港）
0.6 华北3（张家口）
ecs.r6.xlarge 内存性r6（4核32G） 4 32 1.92 印度（孟买）
2.22
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
1.44
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
2.46 中国（香港）
1.02 华北3（张家口）
1.86
  • 美国（弗吉尼亚）
  • 美国（硅谷）
ecs.g6.large 通用型g6（2核8G） 2 8 0.72
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
0.9
  • 新加坡
  • 印度尼西亚（雅加达）
0.54
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
0.96 中国（香港）
0.36 华北3（张家口）
0.84 德国（法兰克福）
ecs.c6.large 计算型c6（2核4G） 2 4 0.6
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
0.66
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
0.42
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
0.72 中国（香港）
0.3 华北3（张家口）
ecs.r6.large 内存性r6（2核16G） 2 16 0.96
  • 印度（孟买）
  • 美国（弗吉尼亚）
  • 美国（硅谷）
1.14
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
0.72
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
0.48 华北3（张家口）
1.26 中国（香港）
ecs.c7a.large AMD计算型（2核4G） 2 4 0.6 新加坡（新加坡）
0.3
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
0.54 中国（香港）
ecs.c7a.xlarge AMD计算型（4核8G） 4 8 1.14
  • 新加坡
  • 中国（香港）
0.66
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.c7a.2xlarge AMD计算型（8核16G） 8 16 2.28 新加坡
1.32
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
2.22 中国（香港）
ecs.c7a.4xlarge AMD计算型（16核32G） 16 32 4.62 新加坡
2.58
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
4.44 中国（香港）
ecs.c7a.8xlarge AMD计算型（32核64G） 32 64 9.24 新加坡
5.16
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.88 中国（香港）
ecs.c7a.16xlarge AMD计算型（64核128G） 64 128 18.48 新加坡
10.32
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
17.82 中国（香港）
ecs.g7a.large AMD计算型（2核8G） 2 8 0.78
  • 新加坡
  • 中国（香港）
0.48
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
ecs.g7a.xlarge AMD计算型（4核16G） 4 16 1.56 新加坡
0.96
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
1.5 中国（香港）
ecs.g7a.2xlarge AMD计算型（8核32G） 8 32 3.18 新加坡
1.92
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
3.06 中国（香港）
ecs.g7a.4xlarge AMD计算型（16核64G） 16 64 6.3 新加坡
3.9
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
6.06 中国（香港）
ecs.g7a.8xlarge AMD计算型（32核128G） 32 128 12.66 新加坡
7.74
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
12.18 中国（香港）
ecs.g7a.16xlarge AMD计算型（64核256G） 64 256 25.32 新加坡
15.48
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
24.3 中国（香港）

公共资源组计费示例

  • 示例场景描述：
    假设您使用指定机器资源方式的公共资源组部署模型服务，资源组在华东1（杭州）地域。
    • 2019年6月3日09:00:00服务进入运行状态，初始占用资源2 CPU Core+8 GB。
    • 2019年6月3日10:00:00完成缩容，占用资源减少到1 CPU Core+4 GB。
    • 2019年6月3日11:00:00完成扩容，占用资源增加到4 CPU Cor+16 GB。
    • 2019年6月3日12:00:00服务进入停止状态。
  • 费用计算：
    账单金额=2×0.194+8×0.024+1×0.194+4×0.024+4×0.194+16×0.024=2.03 CNY

专属资源组计费方式

使用专属资源组时，有两种计费方式：预付费（包年包月）和后付费（按量计费）。这两种方式的计费详情不一样。
对比项 预付费（包年包月） 后付费（按量计费）
计费公式 
每个资源组的总金额=资源数量 × 定价 × 购买时长
说明 时长单位为分钟。 
每个资源组的账单金额=资源数量 ×（定价/60）× 使用时长
说明 时长单位为分钟。
单价 详情请参见专属资源组定价。
计费时间段 购买时长从购买次日开始起算（购买当日免费使用），往后推30天为一个月。例如，您2019年7月31日购买专属资源组一个月，则2019年8月31日00:00:00该资源组到期。
说明 购买时长范围：1个月、2个月、3个月、6个月。
  • 计费的时间起点：资源组创建成功并进入运行状态（状态为运行中）的时间。
  • 计费的时间终点：资源组进入停止状态（状态为无机器）的时间。
扩缩容说明 不涉及
  • 模型扩容后：新资源从扩容成功的时间开始计费。
  • 模型缩容后：释放的资源从释放成功的时间停止计费，剩余资源继续计费。
其他注意事项 部分机器资源在某些地域可能短期内无货，此时无法购买。
  • 计费时长的统计粒度为分钟，不足1分钟不计费。
  • 建议您及时停止无用的模型服务，以免产生不必要的费用。
  • 部分机器资源在某些地域可能短期内无货，此时无法购买。

专属资源组定价

预付费（包年包月）的定价详情请前往购买专属资源机器型号页面查看。

后付费（按量计费）的定价详情请前往购买专属资源机器型号页面查看。

专属资源组计费示例

  • 预付费（包年包月）示例
    • 示例场景描述：

      假设您使用预付费（包年包月）的方式，购买了华东1（杭州）地域的4 CPU Core+15 GB GPU T4卡两台，购买时长为3个月，定价为3683（CNY/月）。

    • 费用计算：
      总金额=2×3683×3=22098 CNY
  • 后付费（计量计费）示例
    • 示例场景描述：

      如果您使用后付费（计量计费）的方式，购买了华东1（杭州）地域ecs.g6.6xlarge（24 CPU Core+96 GB）2台，使用时长为45分钟，定价为6.6 （CNY/小时）。

    • 费用计算：
      账单金额=2×(6.6/60)×45=9.9 CNY