本文为您介绍PAI-DLC工作集群各版本的计费规则。

自运维资源组

由于自运维资源组的PAI-DLC是基于容器服务ACK进行深度学习训练，因此会产生ACK集群相关的资源、网络和存储费用，详情请参见ACK计费说明。PAI-DLC暂时不收取额外费用。

公共资源组

公共资源组仅支持按量计费（后付费），折算如下。
账单金额=(定价/60)×使用时长(分钟)
按量计费的定价，详情请参见附录：公共资源组定价详情。

专有资源组

您可以预先创建专有资源组工作集群并购买计算资源，使用专有资源组可以享受模型训练任务急速拉起、镜像缓存等能力，加快模型训练。专有资源组计算资源仅支持预付费，定价详情请前往购买专属资源组页面查看。

欠费说明

欠费原因

您当前账号余额不足。
  • 预付费：您绑定的续费账户余额不足。
  • 后付费：您的账户可用余额小于上一个计费周期的账单金额，阿里云扣费失败后，您将处于欠费状态。

欠费停服说明

  • PAI会以T+1天的形式展示账单，当您的账户欠费后，会以短信形式提醒。
  • 欠费后继续保证PAI服务24小时，欠费24小时后会暂停您的服务，后续您将无法创建新的容器训练任务，如果您有任务正在运行中，停服之后该任务会执行失败。
说明 为避免对您的业务造成影响，请您及时续费。

查看欠费金额

  1. 登录用户中心。
  2. 在首页的待办提醒区域，查看欠费金额。历史未结清

附录：公共资源组定价详情

具体定价详情，如下所示。
资源类型 规格 GPU卡型 定价（CNY/小时） 地域
ecs.c6.large（已下架） 2 vCPU+4 GB内存 无 0 无
ecs.g6.2xlarge 8 vCPU+32 GB内存 无 2.2
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 印度（孟买）
3.3
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 中国（香港）
  • 德国（法兰克福）
ecs.g6.4xlarge 16 vCPU+64 GB内存 无 4.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
5.5 印度（孟买）
6.6
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
7.7 中国（香港）
ecs.g6.8xlarge 32 vCPU+128 GB内存 无 8.8
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
11 印度（孟买）
13.2
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
15.4 中国（香港）
ecs.r7.large 2 vCPU+16 GB内存 无 1.1 中国（香港）
ecs.r7.xlarge 4 vCPU+32 GB内存 无 1.1
  • 新加坡
  • 印度尼西亚（雅加达）
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
  • 德国（法兰克福）
2.2 中国（香港）
ecs.r7.2xlarge 8 vCPU+64 GB内存 无 3.3
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
2.2
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
4.4 中国（香港）
ecs.r7.4xlarge 16 vCPU+128 GB内存 无 7.7
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
5.5
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
8.8 中国（香港）
ecs.r7.6xlarge 24 vCPU+192 GB内存 无 12.1
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
8.8
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
13.2 中国（香港）
ecs.r7.8xlarge 32 vCPU+256 GB内存 无 16.5
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
12.1
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
17.6 中国（香港）
ecs.g5.xlarge 4 vCPU+16 GB内存 无 1.1
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 中国（香港）
  • 印度（孟买）
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
ecs.g6.xlarge
ecs.g7.xlarge 4 vCPU+16 GB内存 无 1.1
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 中国（香港）
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
ecs.g7.2xlarge 8 vCPU+32 GB内存 无 3.3
  • 新加坡
  • 印度尼西亚（雅加达）
  • 中国（香港）
2.2
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 德国（法兰克福）
ecs.g5.2xlarge 8 vCPU+32 GB内存 无 2.2 印度（孟买）
3.3
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 中国（香港）
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
ecs.g6.3xlarge 12 vCPU+48 GB内存 无 4.4
  • 印度（孟买）
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
3.3
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
5.5 中国（香港）
ecs.g7.3xlarge 12 vCPU+48 GB内存 无 4.4
  • 新加坡
  • 印度尼西亚（雅加达）
  • 中国（香港）
  • 德国（法兰克福）
3.3
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.g7.4xlarge 16 vCPU+64 GB内存 无 6.6
  • 新加坡
  • 印度尼西亚（雅加达）
  • 中国（香港）
5.5 德国（法兰克福）
4.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.r7.3xlarge 12 vCPU+96 GB内存 无 5.5
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
4.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
6.6 中国（香港）
ecs.c6e.8xlarge 32 vCPU+64 GB内存 无 11
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
9.9 马来西亚（吉隆坡）
6.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
12.1 中国（香港）
ecs.g6.6xlarge 24 vCPU+96 GB内存 无 8.8 印度（孟买）
9.9
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
6.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
11 中国（香港）
ecs.g7.6xlarge 24 vCPU+96 GB内存 无 9.9
  • 新加坡
  • 印度尼西亚（雅加达）
  • 中国（香港）
6.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
8.8 德国（法兰克福）
ecs.g5.4xlarge 16 vCPU+64 GB内存 无 5.5 印度（孟买）
6.6
  • 新加坡
  • 印度尼西亚（雅加达）
  • 马来西亚（吉隆坡）
  • 中国（香港）
  • 德国（法兰克福）
7.7
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.hfc6.8xlarge 32 vCPU+64 GB内存 无 12.1
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
11 马来西亚（吉隆坡）
7.7
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
13.2 中国（香港）
ecs.g7.8xlarge 32 vCPU+128 GB内存 无 13.2
  • 新加坡
  • 印度尼西亚（雅加达）
8.8
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
14.3 中国（香港）
12.1 德国（法兰克福）
ecs.hfc6.10xlarge 40 vCPU+96 GB内存 无 15.4
  • 新加坡
  • 印度尼西亚（雅加达）
14.3
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
8.8
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
16.5 中国（香港）
ecs.g6.13xlarge 52 vCPU+192 GB内存 无 18.7 印度（孟买）
23.1
  • 新加坡
  • 印度尼西亚（雅加达）
22
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
14.3
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
25.3 中国（香港）
ecs.g5.8xlarge 32 vCPU+128 GB内存 无 11 印度（孟买）
14.3 新加坡
13.2
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 中国（香港）
  • 德国（法兰克福）
15.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.hfc6.16xlarge 64 vCPU+128 GB内存 无 24.2
  • 新加坡
  • 印度尼西亚（雅加达）
23.1 马来西亚（吉隆坡）
15.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
26.4 中国（香港）
ecs.hfc6.20xlarge 80 vCPU+192 GB内存 无 30.8
  • 新加坡
  • 印度尼西亚（雅加达）
28.6 马来西亚（吉隆坡）
18.7
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
33 中国（香港）
29.7 德国（法兰克福）
ecs.g6.26xlarge 104 vCPU+384 GB内存 无 38.5 印度（孟买）
46.2
  • 新加坡
  • 印度尼西亚（雅加达）
44
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
28.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
50.6 中国（香港）
ecs.g5.16xlarge 64 vCPU+256 GB内存 无 22 印度（孟买）
29.7 新加坡
26.4
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
27.5
  • 印度尼西亚（雅加达）
  • 中国（香港）
30.8
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.gn6i-c4g1.xlarge 4 vCPU+15 GB内存 1 * NVIDIA T4 8.8
  • 印度（孟买）
  • 新加坡
  • 马来西亚（吉隆坡）
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
12.1
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
7.7 中国（香港）
ecs.gn6i-c8g1.2xlarge 8 vCPU+31 GB内存 1 * NVIDIA T4 11 印度（孟买）
9.9
  • 印度尼西亚（雅加达）
  • 中国（香港）
  • 德国（法兰克福）
15.4
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.gn6i-c16g1.4xlarge 16 vCPU+62 GB内存 1 * NVIDIA T4 14.3
  • 印度（孟买）
  • 新加坡
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
13.2
  • 印度尼西亚（雅加达）
  • 中国（香港）
17.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.gn7-c12g1.3xlarge 12 vCPU+95 GB内存 1 * NVIDIA A100 23.1 马来西亚（吉隆坡）
37.4 华北2（北京）
17.6
  • 华东1（杭州）
  • 华东2（上海）
ecs.gn6i-c24g1.6xlarge 24 vCPU+93 GB内存 1 * NVIDIA T4 16.5
  • 印度（孟买）
  • 中国（香港）
18.7
  • 新加坡
  • 马来西亚（吉隆坡）
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
17.6
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
ecs.gn7i-c32g1.8xlarge 32 vCPU+188 GB内存 1 * NVIDIA A10 45.1 印度（孟买）
23.1 新加坡
19.8 印度尼西亚（雅加达）
24.2 华北2（北京）
34.1
  • 华东1（杭州）
  • 华东2（上海）
84.7 中国（香港）
15.4 华南1（深圳）
47.3 德国（法兰克福）
ecs.gn7e-c16g1.4xlarge 16 vCPU+125 GB内存 1 * NVIDIA A100 45.1 印度尼西亚（雅加达）
34.1 华北2（北京）
64.9
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
17.6 中国（香港）
ecs.gn7i-c8g1.2xlarge 8 vCPU+30 GB内存 1 * NVIDIA A10 22 印度（孟买）
19.8 新加坡
94.6 马来西亚（吉隆坡）
25.3 华北2（北京）
138.6
  • 华东1（杭州）
  • 华东2（上海）
41.8 中国（香港）
13.2 华南1（深圳）
ecs.gn7i-c16g1.4xlarge 16 vCPU+60 GB内存 1 * NVIDIA A10 18.7 印度（孟买）
20.9
  • 新加坡
  • 中国（香港）
47.3 马来西亚（吉隆坡）
41.8 华北2（北京）
277.2
  • 华东1（杭州）
  • 华东2（上海）
14.3 华南1（深圳）
ecs.gn6i-c24g1.12xlarge 48 vCPU+186 GB内存 2 * NVIDIA T4 34.1 印度（孟买）
37.4
  • 新加坡
  • 马来西亚（吉隆坡）
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
35.2 印度尼西亚（雅加达）
33 中国（香港）
36.3 德国（法兰克福）
ecs.gn7i-c32g1.16xlarge 64 vCPU+376 GB内存 2 * NVIDIA A10 90.2 印度（孟买）
46.2 新加坡
18.7
  • 印度尼西亚（雅加达）
  • 华北2（北京）
  • 华南1（深圳）
41.8
  • 华东1（杭州）
  • 华东2（上海）
95.7 德国（法兰克福）
ecs.gn7-c13g1.13xlarge 52 vCPU+380 GB内存 4 * NVIDIA A100 19.8 马来西亚（吉隆坡）
84.7 华北2（北京）
18.7
  • 华东1（杭州）
  • 华东2（上海）
ecs.gn7i-c32g1.32xlarge 128 vCPU+752 GB内存 4 * NVIDIA A10 19.8 印度（孟买）
93.5 新加坡
22 印度尼西亚（雅加达）
17.6
  • 华北2（北京）
  • 华南1（深圳）
25.3
  • 华东1（杭州）
  • 华东2（上海）
ecs.gn6i-c24g1.24xlarge 96 vCPU+372 GB内存 4 * NVIDIA T4 69.3 印度（孟买）
74.8
  • 新加坡
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
73.7
  • 马来西亚（吉隆坡）
  • 德国（法兰克福）
70.4 印度尼西亚（雅加达）
66 中国（香港）
ecs.gn6v-c10g1.20xlarge 82 vCPU+336 GB内存 8 * NVIDIA V100 240.9
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.gn7-c13g1.26xlarge 104 vCPU+760 GB内存 8 * NVIDIA A100 20.9
  • 马来西亚（吉隆坡）
  • 华北2（北京）
24.2
  • 华东1（杭州）
  • 华东2（上海）
ecs.ebmgn7e.32xlarge 128 vCPU+1024 GB内存 8 * NVIDIA A100 304.7
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
343.2 德国（法兰克福）
ecs.g6.large（已下架） 2 vCPU+8 GB内存 无 0 无
ecs.gn5-c28g1.7xlarge 28 vCPU+112 GB内存 1 * NVIDIA P100 25.3
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
24.2
  • 印度（孟买）
  • 德国（法兰克福）
23.1
  • 新加坡
  • 印度尼西亚（雅加达）
22 中国（香港）
ecs.gn5-c4g1.xlarge 4 vCPU+30 GB内存 1 * NVIDIA P100 13.2
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 新加坡
  • 印度尼西亚（雅加达）
12.1
  • 印度（孟买）
  • 马来西亚（吉隆坡）
  • 中国（香港）
  • 德国（法兰克福）
ecs.gn5-c8g1.2xlarge 8 vCPU+60 GB内存 1 * NVIDIA P100 16.5
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 新加坡
  • 印度尼西亚（雅加达）
15.4
  • 印度（孟买）
  • 马来西亚（吉隆坡）
  • 中国（香港）
14.3 德国（法兰克福）
ecs.gn5-c8g1.4xlarge 16 vCPU+120 GB内存 2 * NVIDIA P100 33
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
  • 新加坡
  • 印度尼西亚（雅加达）
30.8
  • 印度（孟买）
  • 马来西亚（吉隆坡）
  • 中国（香港）
29.7 德国（法兰克福）
ecs.gn6e-c12g1.12xlarge 48 vCPU+368 GB内存 4 * NVIDIA V100 85.8
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
118.8 印度（孟买）
121 新加坡
127.6
  • 中国（香港）
  • 印度尼西亚（雅加达）
106.7 德国（法兰克福）
ecs.gn6e-c12g1.3xlarge 12 vCPU+92 GB内存 1 * NVIDIA V100 20.9
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
29.7
  • 印度（孟买）
  • 新加坡
31.9
  • 印度尼西亚（雅加达）
  • 中国（香港）
26.4 德国（法兰克福）
ecs.gn6e-c12g1.24xlarge 96 vCPU+736 GB内存 8 * NVIDIA V100 172.7
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
238.7 印度（孟买）
242 新加坡
256.3
  • 印度尼西亚（雅加达）
  • 中国（香港）
213.4 德国（法兰克福）
ecs.gn6v-c8g1.2xlarge 8 vCPU+32 GB内存 1 * NVIDIA V100 28.6
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
33 新加坡
ecs.gn6v-c8g1.8xlarge 32 vCPU+128 GB内存 4 * NVIDIA V100 115.5
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
134.2 新加坡
ecs.gn6v-c8g1.16xlarge 64 vCPU+256 GB内存 8 * NVIDIA V100 232.1
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
268.4 新加坡
ecs.gn6v-c10g1.20xlarge 82 vCPU+336 GB内存 8 * NVIDIA V100 240.9
  • 华北2（北京）
  • 华东2（上海）
  • 华东1（杭州）
  • 华南1（深圳）
ecs.r7.16xlarge 64 vCPU+512 GB内存 无 33
  • 新加坡
  • 印度尼西亚（雅加达）
  • 德国（法兰克福）
24.2
  • 华北2（北京）
  • 华东1（杭州）
  • 华东2（上海）
  • 华南1（深圳）
36.3 中国（香港）