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。
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 |
说明 时长单位为分钟。
|
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 |
|
|
扩缩容说明 |
|
|
其他注意事项 |
|
|
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) |
|
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 |
|
||||
8.22 |
|
||||
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 |
|
||||
1.74 |
|
||||
2.94 | 中国(香港) | ||||
1.2 | 华北3(张家口) | ||||
2.64 | 德国(法兰克福) | ||||
2.34 |
|
||||
ecs.c6.4xlarge | 计算型c6(16核32G) | 16 | 32 | 4.68 | 印度(孟买) |
5.34 |
|
||||
3.42 |
|
||||
5.88 | 中国(香港) | ||||
2.4 | 华北3(张家口) | ||||
5.28 | 德国(法兰克福) | ||||
4.68 |
|
||||
ecs.c6.6xlarge | 计算型c6(24核48G) | 24 | 48 | 7.02 |
|
8.04 |
|
||||
5.16 |
|
||||
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 |
|
10.74 |
|
||||
6.84 |
|
||||
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 |
|
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 |
|
||||
2.22 |
|
||||
3.9 | 中国(香港) | ||||
1.56 | 华北3(张家口) | ||||
3.42 | 德国(法兰克福) | ||||
2.88 |
|
||||
ecs.g6.4xlarge | 通用型g6(16核64G) | 16 | 64 | 6 | 印度(孟买) |
7.14 |
|
||||
4.38 |
|
||||
7.86 | 中国(香港) | ||||
3.06 | 华北3(张家口) | ||||
6.84 | 德国(法兰克福) | ||||
5.7 |
|
||||
ecs.g6.6xlarge | 通用型g6(24核96G) | 24 | 96 | 9 | 印度(孟买) |
10.68 |
|
||||
6.6 |
|
||||
11.76 | 中国(香港) | ||||
4.62 | 华北3(张家口) | ||||
10.32 | 德国(法兰克福) | ||||
8.58 |
|
||||
ecs.g6.8xlarge | 通用型g6(32核128G) | 32 | 128 | 11.94 | 印度(孟买) |
14.28 |
|
||||
8.82 |
|
||||
15.66 | 中国(香港) | ||||
6.18 | 华北3(张家口) | ||||
11.46 |
|
||||
ecs.gn5-c28g1.7xlarge | 28核112G+1张NVIDIA P100 | 28 | 112 | 24.6 | 印度(孟买) |
24 |
|
||||
26.28 |
|
||||
22.8 | 中国(香港) | ||||
24.72 | 德国(法兰克福) | ||||
22.62 |
|
||||
ecs.gn5-c4g1.xlarge | 4核30G+1张NVIDIA P100 | 4 | 30 | 13.14 |
|
13.86 |
|
||||
14.04 |
|
||||
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 |
|
||||
16.92 |
|
||||
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 |
|
33.36 |
|
||||
33.84 |
|
||||
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 |
|
7.98 | 华北3(张家口) | ||||
ecs.gn5i-c8g1.2xlarge | 8核32G+1张NVIDIA P4 | 8 | 32 | 12.84 |
|
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 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
9.12 | 印度尼西亚(雅加达) | ||||
12.78 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
||||
2.94 |
|
||||
4.98 | 中国(香港) | ||||
2.04 | 华北3(张家口) | ||||
3.72 |
|
||||
ecs.r6.4xlarge | 内存性r6(16核128G) | 16 | 128 | 7.74 | 印度(孟买) |
9 |
|
||||
5.82 |
|
||||
9.96 | 中国(香港) | ||||
4.02 | 华北3(张家口) | ||||
7.5 |
|
||||
ecs.r6.6xlarge | 内存性r6(24核192G) | 24 | 192 | 11.64 | 印度(孟买) |
13.44 |
|
||||
8.76 |
|
||||
14.94 | 中国(香港) | ||||
6.06 | 华北3(张家口) | ||||
11.22 |
|
||||
ecs.r6.8xlarge | 内存性r6(32核256G) | 32 | 256 | 15.48 | 印度(孟买) |
17.94 |
|
||||
11.64 |
|
||||
19.86 | 中国香港 | ||||
8.04 | 华北3(张家口) | ||||
14.94 |
|
||||
ecs.g7.2xlarge | 通用型g7(8核32G) | 8 | 32 | 3.3 |
|
2.28 |
|
||||
3.66 | 中国(香港) | ||||
ecs.g7.4xlarge | 通用型g7(16核64G) | 16 vCPU | 64 | 6.6 |
|
4.62 |
|
||||
7.26 | 中国(香港) | ||||
ecs.g7.6xlarge | 通用型g7(24核96G) | 24 vCPU | 96 | 9.96 |
|
6.9 |
|
||||
10.92 | 中国(香港) | ||||
ecs.g7.8xlarge | 通用型g7(32核128G) | 32 vCPU | 128 | 13.26 |
|
9.18 |
|
||||
14.58 | 中国(香港) | ||||
ecs.c7.2xlarge | 计算型c7(8核16G) | 8 vCPU | 16 | 2.7 |
|
1.8 |
|
||||
3 | 中国(香港) | ||||
ecs.c7.4xlarge | 计算型c7(16核32G) | 16 vCPU | 32 | 5.4 |
|
3.6 |
|
||||
5.94 | 中国(香港) | ||||
ecs.c7.6xlarge | 计算型c7(24核48G) | 24 vCPU | 48 | 8.1 |
|
5.4 |
|
||||
8.94 | 中国(香港) | ||||
ecs.c7.8xlarge | 计算型c7(32核64G) | 32 vCPU | 64 | 10.8 |
|
11.94 | 中国(香港) | ||||
7.2 |
|
||||
ecs.r7.2xlarge | 内存性r7(8核64G) | 8 vCPU | 64 | 4.2 | 新加坡 |
3.06 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
||||
18.42 | 中国(香港) | ||||
ecs.gn7-c12g1.3xlarge | 12核95G+1张NVIDIA A100 | 12 vCPU | 95 | 34.74 |
|
ecs.g7.16xlarge | 通用型g7(64核256G) | 64 vCPU | 256 | 26.46 |
|
18.42 |
|
||||
29.1 | 中国(香港) | ||||
ecs.c7.16xlarge | 计算型c7(64核128G) | 64 vCPU | 128 | 21.6 |
|
14.34 |
|
||||
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 |
|
||||
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 |
|
||||
ecs.gn7i-c16g1.4xlarge | 16核60G+1张NVIDIA A10 | 16 vCPU | 60 | 21.06 | 新加坡 |
14.82 |
|
||||
ecs.gn7i-c32g1.8xlarge | 32核188G+1张NVIDIA A10 | 32 vCPU | 188 | 23.4 | 新加坡 |
16.44 |
|
||||
ecs.gn6e-c12g1.3xlarge | 12核92G+1张NVIDIA V100 | 12 vCPU | 92 | 30.36 | 新加坡 |
21.72 |
|
||||
ecs.g6.xlarge | 通用型g6(4核16G) | 4 | 16 | 1.5 | 印度(孟买) |
1.8 |
|
||||
1.08 |
|
||||
1.98 | 中国(香港) | ||||
0.78 | 华北3(张家口) | ||||
1.74 | 德国(法兰克福) | ||||
1.44 |
|
||||
ecs.c6.xlarge | 计算型c6(4核8G) | 4 | 8 | 1.14 |
|
1.32 |
|
||||
0.84 |
|
||||
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 |
|
||||
1.44 |
|
||||
2.46 | 中国(香港) | ||||
1.02 | 华北3(张家口) | ||||
1.86 |
|
||||
ecs.g6.large | 通用型g6(2核8G) | 2 | 8 | 0.72 |
|
0.9 |
|
||||
0.54 |
|
||||
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 |
|
0.66 |
|
||||
0.42 |
|
||||
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 |
|
1.14 |
|
||||
0.72 |
|
||||
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 |
|
||||
0.54 | 中国(香港) | ||||
ecs.c7a.xlarge | AMD计算型(4核8G) | 4 | 8 | 1.14 |
|
0.66 |
|
||||
ecs.c7a.2xlarge | AMD计算型(8核16G) | 8 | 16 | 2.28 | 新加坡 |
1.32 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
||||
17.82 | 中国(香港) | ||||
ecs.g7a.large | AMD计算型(2核8G) | 2 | 8 | 0.78 |
|
0.48 |
|
||||
ecs.g7a.xlarge | AMD计算型(4核16G) | 4 | 16 | 1.56 | 新加坡 |
0.96 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
|
||||
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 |
说明 时长单位为分钟。
|
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。
|
|
扩缩容说明 | 不涉及 |
|
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。 |
|
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
- 示例场景描述:
- 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
- 示例场景描述: