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)

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)
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)
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)
16.32 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)
8.58 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)
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)
2.52
  • 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)
5.04
  • 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)
7.62
  • 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)
10.14
  • 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)
1.98
  • 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)
3.96
  • 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)
5.94
  • 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 10.08
  • 新加坡
  • 印度尼西亚(雅加达)
11.94 中国(香港)
7.86
  • 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
3.3
  • 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
6.6
  • 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
9.9
  • 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
13.2
  • 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)
20.22
  • 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)
15.78
  • 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
26.34
  • 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)

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