大模型产品计费

预付费（节省计划）

您可以购买节省计划（预付费），用于抵扣模型推理超出免费额度后产生的推理费用。节省计划用完后，系统会开始使用账户余额扣费，您也可以购买多个节省计划进行抵扣。

• 购买方式：单击此处购买大语言模型推理节省计划。

• 适用范围：通义千问、通义法睿、百川-开源版、ChatGLM以及OpenNLU模型。请前往模型列表获取完整的模型的调用价格和免费额度。

• 使用说明：使用百炼时，将优先消耗节省计划的额度。如果购买了多个节省计划，抵扣时将按节省计划到期时间的先后顺序抵扣。如果到期时间相同，先购买的节省计划将优先抵扣。

• 退订规则：退订规则请提交工单进行咨询。

• 查询节省计划账单：请参考如何查询节省计划账单。

旗舰模型

其他模型的调用价格和免费额度，请参考模型列表。

Batch 调用减免

通义千问模型qwen-max、qwen-plus、qwen-turbo、qwen-long、qwen-vl-max、qwen-vl-plus，qwq-32b-preview支持 Batch 调用，调用费用为实时调用的 50%。Batch调用不支持其他类型优惠（免费额度、Context Cache等）。

您可以通过文件方式提交批量任务，任务将异步执行，系统将在任务执行完成或设置的最长等待时间到达后返回任务执行结果。您可以通过控制台或API两种方式使用批量推理任务。

Context Cache（上下文缓存）计费

当前仅 qwen-plus 模型支持Context Cache功能。更多详细信息请参考Context Cache（上下文缓存）。

开启 Context Cache 模式无需额外付费。若您的请求被系统判断命中了 Cache，被命中的 Token 会按照 cached_token 来计费，cached_token的单价为input_token单价的40%；未被命中的 Token 仍按照 input_token计费。假设某一次请求的输入 Token 数为10,000，有5,000个 Token 被系统判断命中了 Cache，则 input_token 的计费为未开启 Context Cache 模式的 70%[(50% 未命中 Cache Token)*100%单价 + (50% 命中 Cache Token)*40%单价] ）。计费示意图如下：

output_token仍按原价计费。

您可以从返回结果的cached_tokens属性获取命中 Cache 的 Token 数。

如果您通过Batch方式调用，则无法享受 Cache 的折扣。

模型评测计费

模型评测是否产生费用取决于评测的对象：

• 对已经部署的模型进行评测：只收取模型部署费用，评测不额外收费。

• 对其他模型进行评测：按照 Token 消耗量计费。

模型训练计费（模型调优）

模型部署计费

按时间

按时间计费方式都支持手动扩缩容，灵活调整并发量。

• 按使用时长计费的计费粒度更小（小时），使用灵活。

• 包月计费的计费周期长（天），但更加便宜（7折）。

当模型完成部署，即状态为“运行中”时，开始收取模型部署的费用。模型状态为“部署中”、“欠费”、“部署失败”时，均不会计费。

如果是包月预付费，资源购买后便开始消耗包月时间。

模型部署后性能参考

（由于 QPM 受调用的 Token 长度影响较大，仅供参考）

按模型调用量

按模型调用量计费方式价格很低。而如果需要进一步增加并发量，需要部署后在模型部署控制台手动申请，平台会进行人工审批。

支持的自定义模型

调用统计

您可以在百炼控制台-调用统计页面查看已部署的模型的调用统计数据。

如何预警大额计费？

您可以在费用与成本中心设置高额消费预警。

如何计算 Token 数？

Token是模型用来表示自然语言文本的基本单位，可以直观地理解为“字”或“词”。

• 对于中文文本，1个Token通常对应一个汉字或词语。例如，“你好，我是通义千问”会被转换成['你好', '，', '我是', '通', '义', '千', '问']。

• 对于英文文本，1个Token通常对应3至4个字母或1个单词。例如，"Nice to meet you."会被转换成['Nice', ' to', ' meet', ' you', '.']。

不同的大模型切分Token的方法可能不同。您可以使用SDK在本地查看经过通义千问模型切分后的Token数据。

# 运行前请 pip install dashscope
from dashscope import get_tokenizer

# 获取tokenizer对象，目前只支持通义千问系列模型
tokenizer = get_tokenizer('qwen-turbo')

input_str = '通义千问具有强大的能力。'

# 将字符串切分成token并转换为token id
tokens = tokenizer.encode(input_str)
print(f"经过切分后的token id为：{tokens}。")
print(f"经过切分后共有{len(tokens)}个token")

# 将token id转化为字符串并打印出来
for i in range(len(tokens)):
    print(f"token id为{tokens[i]}对应的字符串为：{tokenizer.decode(tokens[i])}")

// Copyright (c) Alibaba, Inc. and its affiliates.
// dashscope SDK版本 >= 2.13.0
import java.util.List;
import com.alibaba.dashscope.exception.NoSpecialTokenExists;
import com.alibaba.dashscope.exception.UnSupportedSpecialTokenMode;
import com.alibaba.dashscope.tokenizers.Tokenizer;
import com.alibaba.dashscope.tokenizers.TokenizerFactory;

public class Main {
  public static void testEncodeOrdinary(){
    Tokenizer tokenizer = TokenizerFactory.qwen();
    String prompt ="如果现在要你走十万八千里路，需要多长的时间才能到达？ ";
    // encode string with no special tokens
    List<Integer> ids = tokenizer.encodeOrdinary(prompt);
    System.out.println(ids);
    String decodedString = tokenizer.decode(ids);
    assert decodedString == prompt;
  }

  public static void testEncode() throws NoSpecialTokenExists, UnSupportedSpecialTokenMode{
    Tokenizer tokenizer = TokenizerFactory.qwen();
    String prompt = "<|im_start|>system\nYour are a helpful assistant.<|im_end|>\n<|im_start|>user\nSanFrancisco is a<|im_end|>\n<|im_start|>assistant\n";
    // encode string with special tokens <|im_start|> and <|im_end|>
    List<Integer> ids = tokenizer.encode(prompt, "all");
    // 24 tokens [151644, 8948, 198, 7771, 525, 264, 10950, 17847, 13, 151645, 198, 151644, 872, 198, 23729, 80328, 9464, 374, 264, 151645, 198, 151644, 77091, 198]
    String decodedString = tokenizer.decode(ids);
    System.out.println(ids);
    assert decodedString == prompt;

  }

  public static void main(String[] args) {
      try {
        testEncodeOrdinary();
        testEncode();
      } catch (NoSpecialTokenExists | UnSupportedSpecialTokenMode e) {
        e.printStackTrace();
      }
  }
}

本地运行的tokenizer可以用来估计文本的Token量，但是得到的结果不保证与模型服务端完全一致，仅供参考。如果您对通义千问的tokenizer细节感兴趣，请参考： tokenizer参考。

多轮对话怎么计费？

在多轮对话中，历史对话的输入输出都会作为新一轮的模型输入 token 进行计费。

怎么增加并发量？

如果您需要进一步提高模型的RPM或TPM，请发送邮件至modelstudio@service.aliyun.com进行申请，并在邮件中告知阿里云主账号uid、期望申请的模型和RPM和TPM。申请通过后，您可以在模型广场中找到目标模型并单击查看详情，查看更新后的限流数据。

如果是独立部署的模型，部署完成后控制台有按钮可以操作扩容，详情请查看模型部署。

大模型应用会收费吗？

只创建应用不会收费。但如果调用应用进行了问答，则会根据调用的模型类型收取模型调用费用。

取消模型训练会收费么？

模型部署什么时候开始计费？

模型部署是否可以暂停计费？

没有暂停计费的方法，但您可以通过以下方式终止计费：

对于包月预付费实例，您可以在下线实例后，在退订管理页面，退订购买的预付费资源。退订时，将从实付金额中扣除已消费金额，退回剩余金额。具体说明请参考退订说明。

按小时、按模型调用量付费的实例，您可以下线实例。实例下线后，将不再产生模型部署费用。

查看百炼的成本支出

在成本分析页面，成本类型选择应付金额，时间粒度选择月，选择时间范围（假设为2024年12月），产品选择大模型服务平台百炼，即可查看所选时间范围内百炼的成本支出。

查看模型推理总消费

在成本分析页面，成本类型选择应付金额，时间粒度选择月，选择时间范围（假设为2024年07月～12月），产品明细选择百炼大模型推理，即可查看所选时间范围内模型推理总花费。

查看具体模型的推理花费

以模型 qwen-max 为例。在账单详情页面，选择账单月份，再选择商品名称为百炼大模型推理，单击搜索。

在资产/资源实例ID列找到所有与qwen-max相关的实例。将这些实例对应的应付金额相加，即可得出所选账期内调用qwen-max模型进行模型推理所支付的费用。

抵扣券或者优惠券相关