常见问题

阿里云百炼平台中模型服务中各模型的收费单价是什么？

模型介绍请参见百炼控制台，模型价格请参见模型调用计费。

模型部署的费用是如何计算的？

请查看模型部署计费。

千问大模型训练单价计费是什么？

请查看模型训练计费。

目前是否有预付费相关的服务？

部分模型支持预付费服务，详情请参见节省计划与资源包。

后付费的账单是月结算吗？

按分钟级出账，按月结算。

如何查询扣款项及明细？

请前往费用与成本查看。

已经消费的金额，如何申请开票？

登录费用与成本控制台，进入发票管理页面，点击开具发票页签。按照需求进行申请开票即可。

开通服务时提示“您的账户可用额度小于0，请先充值后再尝试购买”，应该怎么办？

您需要保证阿里云账户余额不小于0元，才能成功开通服务。

万相会员是否支持百炼API调用？

不支持。万相会员与阿里云百炼的计费体系相互独立，万相会员权益不适用于百炼的API调用。

Completion API 调用报错提示“参数缺失”，错误码“100004”，是什么问题？

缺少必须参数，如果必须参数没有缺失，则检查参数格式书写是否正确。

正确示例如下：

curl --location 'https://bailian.aliyuncs.com/v2/app/completions' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer 85763*************cf050f' \
--data '{
"RequestId":"B8265C3E-9248-56C0-8665-A37A12F06F6B",
"AppId":"3cc760a7ef5d47d09255dd28b06b94d8",
"Prompt":"今天深圳天气如何？",
"User":"1",
"Bot":"1"
}'

如何查看错误码信息？

阿里云百炼模型服务的API调用将返回状态码以标识调用结果。详情及解决方案请参见错误信息。

如何安装SDK?

阿里云百炼目前支持Java和Python语言的SDK。详情请参见安装SDK。

Assistant API 调用 function call ，用户需要依次调用两个本地函数，现在支持吗？

a.目前不支持分别调用两个函数。

b.手动创建两个Assistant API，分别分配两个Assistant API的使用返回。

Assistant API 有memory相关的能力吗?

当前暂不支持memory配置功能。

doc_reference_type 参数设置后不生效？

doc_reference_type 参数只在旧版本应用中生效，新版本应用中直接在应用操作页面开启展示答案来源按钮即可。

如何开通阿里云百炼服务？

使用阿里云主账号前往阿里云百炼控制台（北京或新加坡），阅读并同意协议后，将自动开通阿里云百炼，如果未弹出服务协议，则表示您已经开通。

如果开通服务时提示“您尚未进行实名认证”，请先进行实名认证。

开通阿里云百炼服务后如何关闭？

目前，阿里云百炼服务开通后暂不支持关闭。如果您通过API来调用模型/应用，您只需要在控制台的API-Key（北京）或API-Key（新加坡）页面中删除已创建的 API-Key 即可避免后续的调用。

如何体验大模型服务？

可前往模型体验中心（北京）或模型体验中心（新加坡）页面进行体验，详细内容请查看：模型体验介绍。

阿里云百炼和千问的区别是什么？

阿里云百炼是一个大模型服务平台，提供包括千问系列在内的多种大模型。

我的产品接入了千问大模型，需要上架到微信小程序等其他应用商店，需要提供合作协议用于上架产品，应该怎么申请？

a.备案号获取流程请查看应用合规备案；

b.如需申请千问系列模型的合作协议，请提交阿里云工单进行申请。

如何实现业务数据隔离，使不同用户的数据之间不关联？

可以通过主账号给不同子账号授予不同的业务空间权限，不同业务空间的数据互不影响，存在隔离。详细内容请前往业务空间权限管理查看。

阿里云百炼是否保存模型调用时产生的数据？

阿里云严格保护数据隐私，绝不会将您的数据用于模型训练。同时，您在构建应用或训练大模型过程中传输的数据都会经过AES-256（Advanced Encryption Standard，高级加密标准）加密，确保数据安全。

在百炼控制台的模型体验页面，历史对话记录会保留多久？保存数量有限制吗？

百炼控制台最多展示 100 条历史对话记录，不设时间限制。如果您手动删除了部分记录，系统会自动展示更早的历史记录。未登录状态下的体验对话以及推理报错时的对话记录不会被保存。

完形填空词的数据能作为训练题吗？

可以的，可以通过上传训练集时，指定好问题内容及答案，引导大模型学习。可以点击自定义模型最佳实践参考。

目前阿里云百炼只能训练文字吗？图片可以训练吗？

目前已支持图片训练，qwen-vl-plus模型支持训练微调。

使用高阶模型微调，低阶模型做能力下沉，是想做蒸馏吗？

该技术通过微调高阶模型获取强大知识，然后将其转移至低阶模型，实现模型压缩与性能优化，使得低阶模型在保持小巧、高效的同时，获得接近或超越高阶模型的性能。

所谓大模型参数是怎么存储的？

您可以从魔搭社区下载开源模型，其结构通常在JSON文件中定义。通常需要使用开源的Python库来解析这些文件，其中包含了向量信息，这有助于理解其存储过程。

语料数据集的多样性怎么定义？

语料数据集的多样性是指其在语言特征、内容主题、文本类型、写作风格、语言变体、作者背景、时间跨度等多个维度上体现出的丰富程度和差异性，旨在真实反映语言的实际使用情况，提升NLP模型的泛化能力和对多元应用场景的适应性。

个人使用大模型训练时，qwen-turbo和qwen-max应该怎么选？

qwen-turbo注重速度与资源效率，适合对响应速度和部署便捷性有较高要求的场景；qwen-max则聚焦顶级性能与全面知识，适用于对模型精度和处理复杂任务能力有严格要求的环境。其中qwen-turbo的费用要比qwen-max低。根据您的具体需求和条件权衡，选择最适合自己的模型版本。也可以查看模型介绍：千问介绍了解具体差异。

模型训练中的自定义模型怎么上传？

模型调优中的自定义模型是指您已训练完成的模型，想要二次训练时，所选择的自定义模型。若是您自己在本地训练的模型不支持上传。

训练完的开源模型是否支持导出？

目前不支持。

千问系列模型支持多少种语言？

14种，分别是中文、英文、阿拉伯语、西班牙语、法语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、印度尼西亚语。

当前模型可以对接结构化数据吗？比如MySQL和hive等。

当前不支持。但已经在开发中，优先对接RDS服务。

千问升级后， 企业大模型需要重新训练么？

不一定。是否以及何时进行企业大模型的重新训练，取决于客户自己。如果训练出来的模型，效果在客户场景中表现良好，就没必要再训练一遍。基模型的升级，在客户的应用场景会带来什么样的变化，是无法预知的，需要客户用我们的效果评估工具进行评估（如果客户判断需要）。

发现阿里云百炼上的base model模型，有时候模型自己会重复说话，并且在base model上进行微调后，这种现象发现会更严重一些，是什么原因？

这种是大模型的幻觉问题，当你输入的问题大模型没有知识回答的时候就可能出现。如果在base model上训练后更严重，就是没有训练好，训练效果与训练数据质量、多样性、数据等都有关系。

我们正在训练一个垂直领域的模型，如果SFT阶段只用领域数据，不混入千问原始的SFT数据，是否垂直领域的数据越多越容易过拟合，并导致回答重复啰嗦？有什么最佳实践建议吗？

仅使用垂直领域数据进行SFT，确实可能会导致模型遗忘原有的通用知识。

为了准备高质量的领域SFT数据，请注意：

• 任务定义清晰：避免同一个输入（prompt）对应模棱两可的答案。

• 数据质量高：答案应准确、简洁，直接回答问题，避免冗余和无关的“废话”。

• 数据多样性：同一语义可以用多种不同的prompt来表达，以避免模型只学会响应单一的模式。高质量的训练数据通常需要多次迭代优化。

在训练的时候发现，数据量少的情况下，比如100条左右，循环次数越大效果越好。但在数据量多的情况下比如1000条以上，循环次数越多越容易过拟合。请问这个超参配置和数据配比，有什么最佳实践？

为获得理想的模型效果，训练数据在保证高质量的同时应尽可能丰富，尤其是在处理复杂任务时。循环次数等超参数并无固定规律，需根据具体任务通过实验来确定。例如，在处理包含数千条数据的复杂任务时，训练通常需要20轮左右。另外，评估大模型不应仅通过损失（loss）判断是否过拟合。与传统模型不同，即便loss显示过拟合，大模型的实际效果仍可能提升，因此最终效果需以人工评估为准。

请问Qwen3、Qwen-Max等模型的文字生成速度对所有用户都是固定的吗，有没有调速的途径？

生成速度不是固定的，它会受到当前服务的整体负载和您的请求并发情况等因素的影响。

模型限流触发后，一般需要等多长时间再次尝试呢？

等待时间取决于您的具体限流值（RPS/RPM）。例如，如果您的限流是120 RPM（每分钟查询数），即每秒2次请求。如果您在0.2秒内连续提交了2次请求，第3次请求就会被限流，您需要等待大约0.8秒后才能再次成功提交。

什么是模型幻觉？

模型幻觉指大语言模型（LLM）在生成内容时，无中生有、虚构事实、扭曲信息或产生逻辑矛盾的现象。其输出看似合理、流畅，但与输入、真实世界知识或上下文逻辑严重不符。需要注意的是，幻觉不同于事实性错误（如训练数据过时导致的错误）、主观观点表达或创造性虚构（如明确要求写小说时），其核心在于"无依据的自信断言"。

如何降低模型幻觉？

您可以通过以下方式降低模型幻觉的发生：

1. 选择更强的模型：通常选择更大型、更高级的模型可以降低幻觉发生。例如在千问系列中，Max级别模型的效果优于Plus级别，Plus级别优于Turbo级别。

2. 提示词工程：修改prompt是操作简单且有效的降低模型幻觉的方式。例如在RAG场景中添加"请仅基于提供的文档回答，如果信息不足请说'我不知道'"；添加"请引用具体数据或报告支持你的结论"；通过prompt引导将任务分为多步；在prompt中设定严谨的角色等。

3. RAG（检索增强生成）：利用RAG的能力，让模型的回复有所参考，并严格限制模型回答在检索到的知识范围内，可以显著降低幻觉。构建RAG系统时，需要确保检索系统高质量、清晰标注信息来源、优雅拒绝检索不到的情况。

4. 插件/MCP：利用插件或MCP的能力降低模型幻觉。例如利用大模型去总结结构化数据库中的数据时，可以通过插件/MCP调用数据库客户端完成数据计算，再将计算结果返回给模型做总结，避免模型直接处理数值计算时产生幻觉。

5. 模型参数调优：降低temperature、top_k、top_p等随机性参数，使输出更保守，避免离奇生成，但可能牺牲创造力。降低max_tokens在某些场景下可以防止模型回复关键信息后继续捏造内容。

6. 后处理验证：模型推理完成之后，通过后续步骤验证回复内容的正确性。通常是通过AI的能力再去校验一次回答过程是否有幻觉。该方法会增加成本并降低模型请求处理速度。

如有业务合作方面的场景，应该怎么联系？

请联系阿里云官方服务热线：4008013260或通过官网-售前咨询进一步沟通。

产品使用方面的问题如何反馈？

请您登录阿里云官网，通过官网-售后服务进行反馈。