大模型如何进行部署-大模型服务平台百炼(Model Studio)-阿里云帮助中心

无论是平台的预置模型还是您调优后的模型，您可通过部署获得独立的、资源专享的推理服务，以满足您对高并发、低延迟等不同性能的业务需求。

重要

本文档仅适用于“华北二（北京）”地域。

计费方式

部署前可以在模型部署控制台（北京）查看不同模型的预估每小时费用。

说明

计费方式在服务创建后无法更改。如需切换，必须下线已经部署的模型后再重新部署。

	预置吞吐（PTU，Provisioned Throughput Unit）（高吞吐；高性能）	模型单元（自定义性能指标；资源隔离）	Token 用量（调优后按量计费/效果验证）
定义	通过平台预留资源，保障特定TPM 吞吐能力的模型部署方式；在保障额度内不限速。	按使用时长与模型单元数量配置算力，资源独占的模型部署方式。	以每次调用产生的输入 Token 与输出 Token 作为用量计量依据的模型部署方式。
优势	为高负载生产环境提供稳定的吞吐容量、更低的延迟和更强的资源确定性。相比按Token用量计费，TPS（每秒生成的 Token 数）通常提升约 1.5～2.0 倍。支持设置自动续费。	延迟/吞吐等性能指标可自定义。支持设置自动续费。支持 PD 分离计算模式。	不使用不计费。
支持模型	部分预置模型	部分预置模型与所有调优后模型	部分经过 LoRA 调优后的模型
使用场景	银行App的智能客服（流量稳定，需保障并发体验）。社交平台的实时内容审核（需稳定处理可预估的流水线任务）。公有云翻译API（为标准套餐用户提供基线服务保障）。	电商专属微调大模型（部署私有模型，大促时手动扩容）。医药公司的分子筛选模型（需独占资源跑长时任务）。自动驾驶仿真（需要进行长时间持续计算）。	调优后模型效果验证
计费图示
计费方式	按使用时长和预置吞吐随用随付、包天	按使用时长和模型单元数量随用随付、包月	按模型 Token 使用量随用随付
扩缩容方式	自助增减吞吐量	自助增减模型单元数量	在控制台提交申请，等待人工审核。

产品约束	预付费按天计费。无法提前退费如果单位时间内使用超出购买的吞吐量，将自动切换成百炼提供的模型调用服务。	预付费购买后，若在首月内提前退订，日单价（≈ 月单价 / 30）将按 1.2 倍计费	只支持部分高效微调（LoRA）后的模型。一个月内不使用将自动释放。

如需查看单次调用的 Token 使用量及调用次数历史统计，请前往：模型监控（北京）。

计费详情

按使用时长计费（预置吞吐）

费用 = 使用时长 × (输入 TPM 单价 × 输入 TPM + 输出 TPM 单价 × 输出 TPM)

后付费按小时计算：使用时长单位为小时，单价取下表"持续 1 小时"列；预付费按天计算：使用时长单位为天，单价取下表"持续 1 天"列。

预付费订单支付后实时生效，有效期 N 天至第 N 天 23:59 结束。若在 22:00 后下单，到期日将自动顺延1天。
预付费订单到期后，将延后2小时停止服务，停止后资源保留14小时后释放。
预付费订单无法提前终止服务。
后付费时，如果账户欠费，部署的资源将保留并继续计费 24 小时，之后自动释放资源。

当模型输入超过最长输入 Token 或超出购买的 TPM 量时，相关调用将自动切换为当前模型的按量付费模式。此时，推理性能可能下降，将受业务空间中当前快照模型的公共流量的管控，费用按模型调用（按量付费）标准计收。

此时，调用 API 返回 Header 将包含：x-dashscope-ptu-overflow:true。
TPM 统计请前往：模型监控（北京）。

缩容场景（降配）的具体降费退费规则请参考：降配退款规则说明。

千问

模型名称	模型代码	最长输入Token	后付费输入 Per 10K TPM/小时	后付费输出 Per 1K TPM/小时	预付费输入 Per 10K TPM/天	预付费输出 Per 1K TPM/天
千问3.7-Max-2026-05-20	qwen3.7-max-2026-05-20	128,000	¥28.8	¥8.64	¥345.6	¥103.68

千问3.6-Flash-2026-04-16	qwen3.6-flash-2026-04-16	128,000	¥2.88	¥1.73	¥34.56	¥20.74
千问3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	128,000	¥4.8	¥2.88	¥57.6	¥34.56

千问3.5-Plus-2026-04-20	qwen3.5-plus-2026-04-20	128,000	¥1.92	¥1.15	¥23.04	¥13.82

千问3-Max-2025-09-23	qwen3-max-2025-09-23	128,000	¥7.68	¥3.08	¥92.16	¥36.96

千问-Flash-2025-07-28	qwen-flash-2025-07-28	128,000	¥0.36	¥0.36	¥4.32	¥4.32
千问-Plus-2025-12-01	qwen-plus-2025-12-01	128,000	¥1.92	非思考：¥0.48 思考：¥1.92	¥23.04	非思考：¥5.76 思考：¥23.04

DeepSeek

模型名称	模型代码	最长输入Token	后付费输入 Per 10K TPM/小时	后付费输出 Per 1K TPM/小时	预付费输入 Per 10K TPM/天	预付费输出 Per 1K TPM/天
DeepSeek-v4-Pro	deepseek-v4-pro	64,000	¥43.2	¥8.64	¥518.4	¥103.68
DeepSeek-v3.2	deepseek-v3.2	64,000	¥7.2	¥1.08	¥86.4	¥12.96
DeepSeek-v3	deepseek-v3	64,000	¥7.2	¥2.88	¥86.4	¥34.56

千问VL

模型名称

模型代码

最长输入Token

后付费输入

Per 10K TPM/小时

后付费输出

Per 1K TPM/小时

预付费输入

Per 10K TPM/天

预付费输出

Per 1K TPM/天

千问3-VL-Plus-2025-09-23

qwen3-vl-plus-2025-09-23

128,000

¥2.4

¥28.8

更多模型

模型名称

模型代码

最长输入Token

后付费输入

Per 10K TPM/小时

后付费输出

Per 1K TPM/小时

预付费输入

Per 10K TPM/天

预付费输出

Per 1K TPM/天

GLM-5.1

glm-5.1

64,000

¥21.6

¥8.64

¥259.2

¥103.68

按使用时长计费（模型单元）

费用 = 使用时长（小时）× 模型单元数量 × 模型单元单价

"模型单元单价"在后付费场景下取下表"小时单价"列；预付费按月计费时，公式改为 包月数 × 模型单元数量 × 月单价。

预付费购买的首月，如在首月内提前退订，日单价（≈ 月单价 / 30）将按 1.2 倍计费（不满一天按一天计费）

说明

模型单元-后付费方式的算力资源先买到先得。如购买不成功会全额退款。

文本生成

千问

模型名称	模型代码	模型单元规格	小时单价（元）最小计费：分钟	包月单价（元）最小计费：天
千问3.7-Plus-2026-05-26	qwen3.7-plus-2026-05-26	MU3 x 8	¥1,096	¥527,752

千问3.6-35B-A3B	qwen3.6-35b-a3b	MU8 x 1	¥47	¥22,400
千问3.6-35B-A3B	qwen3.6-35b-a3b	MU9 x 1	¥51	¥24,600
千问3.6-27B	qwen3.6-27b	MU9 x 1	¥51	¥24,600
千问3.6-Flash-2026-04-16	qwen3.6-flash-2026-04-16	MU1 x 2	¥108	¥52,236
千问3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	MU1 x 8 MU1 x 16（PD分离模式）	¥432 PD分离模式：¥864	¥208,944 PD分离模式：¥417,888

千问3.5-397B-A17B	qwen3.5-397b-a17b	MU2 x 8	¥504	¥240,288
		MU3 x 8 MU3 x 16（PD分离模式）	¥1,096 PD分离模式：¥2,192	¥527,752 PD分离模式：¥1,055,504
		MU6 x 16	¥400	¥193,424
千问3.5-122B-A10B	qwen3.5-122b-a10b	MU1 x 4	¥216	¥104,472
		MU2 x 8	¥504	¥240,288
		MU6 x 16	¥400	¥193,424
		MU9 x 2	¥102	¥49,200
千问3.5-35B-A3B	qwen3.5-35b-a3b	MU1 x 2	¥108	¥52,236
		MU2 x 8	¥504	¥240,288
		MU8 x 1	¥47	¥22,400
		MU9 x 1	¥51	¥24,600
千问3.5-27B	qwen3.5-27b	MU9 x 1	¥51	¥24,600
千问3.5-9B	qwen3.5-9b	MU8 x 1	¥47	¥22,400
千问3.5-9B	qwen3.5-9b	MU9 x 1	¥51	¥24,600
千问3.5-Flash-2026-02-23	qwen3.5-flash-2026-02-23	MU1 x 2	¥108	¥52,236
千问3.5-Plus-2026-02-15	qwen3.5-plus-2026-02-15	MU1 x 16（PD分离模式）	PD分离模式：¥864	PD分离模式：¥417,888
千问3.5-Plus-2026-02-15	qwen3.5-plus-2026-02-15	MU3 x 8 MU3 x 16（PD分离模式）	¥1,096 PD分离模式：¥2,192	¥527,752 PD分离模式：¥1,055,504

千问3-235B-A22B-Instruct-2507	qwen3-235b-a22b-instruct-2507	MU1 x 4	¥216	¥104,472
千问3-235B-A22B-Instruct-2507	qwen3-235b-a22b-instruct-2507	MU2 x 8	¥504	¥240,288
千问3-Next-80B-A3B-Instruct	qwen3-next-80b-a3b-instruct	MU1 x 2	¥108	¥52,236
千问3-32B	qwen3-32b	MU1 x 4	¥216	¥104,472
千问3-32B	qwen3-32b	MU6 x 4	¥100	¥48,356
千问3-30B-A3B	qwen3-30b-a3b	MU9 x 2	¥102	¥49,200
千问3-30B-A3B-Instruct-2507	qwen3-30b-a3b-instruct-2507	MU1 x 4	¥216	¥104,472
千问3-30B-A3B-Instruct-2507	qwen3-30b-a3b-instruct-2507	MU2 x 8	¥504	¥240,288
千问3-8B	qwen3-8b	MU1 x 2	¥108	¥52,236
		MU2 x 2	¥126	¥60,072
		MU5 x 1	¥21	¥10,139
千问3-4B	qwen3-4b	MU1 x 2	¥108	¥52,236
千问3-4B	qwen3-4b	MU5 x 1	¥21	¥10,139
千问3-1.7B	qwen3-1.7b	MU1 x 2	¥108	¥52,236
千问3-1.7B	qwen3-1.7b	MU5 x 1	¥21	¥10,139
千问3-Embedding-0.6B	qwen3-embedding-0.6b	MU5 x 1	¥21	¥10,139
千问3-Embedding-0.6B	qwen3-embedding-0.6b	MU6 x 1	¥25	¥12,089
千问3-MoE-Rerank-0.6B	qwen3-moe-rerank-0.6b	MU5 x 1	¥21	¥10,139
千问3-Rerank-0.6B	qwen3-rerank-0.6b	MU5 x 1	¥21	¥10,139
千问3-Rerank-0.6B	qwen3-rerank-0.6b	MU6 x 1	¥25	¥12,089
千问3-Max-2025-09-23	qwen3-max-2025-09-23	MU2 x 8	¥504	¥240,288
千问3-Max-2025-09-23	qwen3-max-2025-09-23	MU3 x 8	¥1,096	¥527,752
千问3-Rerank	qwen3-rerank	MU5 x 1	¥21	¥10,139

千问2.5-开源版-72B	qwen2.5-72b-instruct	MU1 x 4	¥216	¥104,472
千问2.5-开源版-32B	qwen2.5-32b-instruct	MU1 x 4	¥216	¥104,472
千问2.5-开源版-14B	qwen2.5-14b-instruct	MU1 x 2	¥108	¥52,236
千问2.5-开源版-7B	qwen2.5-7b-instruct	MU1 x 2	¥108	¥52,236
千问2.5-开源版-7B	qwen2.5-7b-instruct	MU5 x 1	¥21	¥10,139
千问2.5-开源版-3B	qwen2.5-3b-instruct	MU5 x 1	¥21	¥10,139

千问-Flash-2025-07-28	qwen-flash-2025-07-28	MU1 x 4	¥216	¥104,472
千问-Plus-2025-07-28	qwen-plus-2025-07-28	MU1 x 4 MU1 x 16（PD分离模式）	¥216 PD分离模式：¥864	¥104,472 PD分离模式：¥417,888
千问-Plus-2025-12-01	qwen-plus-2025-12-01	MU1 x 4	¥216	¥104,472

GLM

模型名称

模型代码

模型单元规格

小时单价（元）

最小计费：分钟

包月单价（元）

最小计费：天

GLM-5

glm-5

MU3 x 16（PD分离模式）

PD分离模式：¥2,192

PD分离模式：¥1,055,504

GLM-4.7

glm-4.7

MU6 x 32（PD分离模式）

PD分离模式：¥800

PD分离模式：¥386,848

DeepSeek

模型名称

模型代码

模型单元规格

小时单价（元）

最小计费：分钟

包月单价（元）

最小计费：天

DeepSeek-v4-Flash

deepseek-v4-flash

MU1 x 8

¥432

¥208,944

DeepSeek-v3.2

deepseek-v3.2

MU2 x 16（PD分离模式）

PD分离模式：¥1,008

PD分离模式：¥480,576

多模态

千问VL

模型名称	模型代码	模型单元规格	小时单价（元）最小计费：分钟	包月单价（元）最小计费：天
千问3-VL-235B-A22B-Instruct	qwen3-vl-235b-a22b-instruct	MU1 x 4	¥216	¥104,472
千问3-VL-235B-A22B-Thinking	qwen3-vl-235b-a22b-thinking	MU1 x 4	¥216	¥104,472
千问3-VL-32B-Instruct	qwen3-vl-32b-instruct	MU2 x 8	¥504	¥240,288
千问3-VL-8B-Instruct	qwen3-vl-8b-instruct	MU1 x 2	¥108	¥52,236
千问3-VL-4B-Instruct	qwen3-vl-4b-instruct	MU1 x 2	¥108	¥52,236
千问3-VL-2B-Instruct	qwen3-vl-2b-instruct	MU5 x 1	¥21	¥10,139
千问3-VL-Embedding-2B	qwen3-vl-embedding-2b	MU5 x 1	¥21	¥10,139
千问3-VL-Flash-2025-10-15	qwen3-vl-flash-2025-10-15	MU1 x 4	¥216	¥104,472
千问3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	MU1 x 4	¥216	¥104,472

千问VL-Max-2025-08-13	qwen-vl-max-2025-08-13	MU6 x 4	¥100	¥48,356
千问VL-OCR-2025-11-20	qwen-vl-ocr-2025-11-20	MU6 x 4	¥100	¥48,356

千问 Omni

模型名称	模型代码	模型单元规格	小时单价（元）最小计费：分钟	包月单价（元）最小计费：天
千问3.5-Omni-Flash	qwen3.5-omni-flash	MU8 x 1	¥47	¥22,400
千问3.5-Omni-Flash	qwen3.5-omni-flash	MU9 x 1	¥51	¥24,600
千问3.5-Omni-Plus	qwen3.5-omni-plus	MU9 x 8	¥408	¥196,800

模型类型：

Instruct - 模型部署后以非思考模式进行推理。
Thinking - 模型部署后以思考模式进行推理。
Instruct/Thinking - 可在模型部署时选择是否开启思考模式。

语音合成

CosyVoice

模型名称	模型代码	模型单元规格	小时单价（元）	包月单价（元）
cosyvoice-v3-flash	cosyvoice-v3-flash	MU5	¥21	¥10,139

按模型 Token 使用量

费用 = 模型输入 Token 数 × 模型输入单价 + 模型输出 Token 数 × 模型输出单价（最小计费单位：1 token）

仅当对下列基础模型完成 SFT 高效训练并得到自定义模型后，才支持按模型 Token 使用量计费。

千问

基础模型	模型代码	输入元/千Token	输出元/千Token
千问3-32B	qwen3-32b	¥0.002	非思考模式：¥0.008 思考模式：¥0.02
千问3-14B	qwen3-14b	¥0.001	非思考模式：¥0.004 思考模式：¥0.01
千问3-8B	qwen3-8b	¥0.0005	非思考模式：¥0.002 思考模式：¥0.005

千问2.5-开源版-72B	qwen2.5-72b-instruct	¥0.004	¥0.012
千问2.5-开源版-32B	qwen2.5-32b-instruct	¥0.002	¥0.006
千问2.5-开源版-14B	qwen2.5-14b-instruct	¥0.001	¥0.003
千问2.5-开源版-7B	qwen2.5-7b-instruct	¥0.0005	¥0.001

千问VL

基础模型	模型代码	输入元/千Token	输出元/千Token
千问3-VL-8B-Instruct	qwen3-vl-8b-instruct	¥0.0005	¥0.002

千问2.5-VL-72B	qwen2.5-vl-72b-instruct	¥0.016	¥0.048
千问2.5-VL-32B	qwen2.5-vl-32b-instruct	¥0.008	¥0.024
千问2.5-VL-7B	qwen2.5-vl-7b-instruct	¥0.002	¥0.005

如果需要部署更多模型，请参考此解决方案并结合具体业务需求选择最适合的部署方案。

部署方法

您可以在控制台上部署模型，请参考以下操作步骤：

如果提示权限不足，请参考：部署时提示权限不足怎么办？

前往模型部署控制台（北京）。

填写服务名称，选择模型和计费方式，其他设置保持默认，点击确认。

需先完成模型调优，方可部署大部分模型。

部署状态为运行中时，代表该模型已部署成功。

重要

模型部署成功后将产生费用。

部署配置

模型单元

配置内容	配置详情
服务名称	自定义部署服务的名称。
选择模型	选择要部署的模型，包括平台预置模型和已调优的模型。
模型单元类型	选择部署规格，不同规格对应不同的算力和性能。
部署副本数	设置初始部署副本数量，影响服务的并发处理能力。
部署模版	选择部署模版（如"单机部署"），不同模版对应不同的资源配置方案。仅在模型单元计费模式下可用。
配置模型推理模式	部分模型在以模型单元方式部署时，可配置推理模式、最长上下文等。 Instruct - 模型部署后以非思考模式进行推理。 Thinking - 模型部署后以思考模式进行推理。
最长上下文	部分模型的模型单元部署模式支持该设置。最长上下文长度基于模型类型。
服务限流	部分模型的模型单元部署模式支持该设置，可限制模型调用的 RPM、TPM。

部署列表页

部署成功后，您可以在部署列表页查看和管理所有部署服务。列表页包含以下信息：

服务名称：部署服务的名称，单击可查看部署详情。
模型名称：部署使用的模型。
模型Code：模型部署成功后生成的唯一标识，用于 API 调用时指定模型。
部署状态/事件状态：包括待部署、部署中、运行中、部署失败、下线中、服务暂停、已停止、删除中、退订停服/欠费停服、停服恢复中、运行中（变配中）、运行中（变配失败）等状态。
计费方式：当前部署服务的计费方式。
部署详情：模型单元类型、副本数等配置信息。
限流详情：展示当前部署服务的 RPM（每分钟请求数）、TPM（每分钟 Token 数）等限流配置。
服务时间：展示部署服务的创建时间与到期时间。
操作：根据部署状态和计费方式，可执行更新、监控、扩缩容、续费、下线、删除、体验等操作。

部署后调用

模型部署成功后，支持通过 OpenAI 兼容、Dashscope及Assistant SDK进行调用。

在调用已部署成功的模型时，model的取值应为模型部署成功后的模型code。请前往模型部署控制台（北京）界面获取模型code。

示例代码以调用微调后的 qwen3-8b 模型为例：

说明

模型特性（是否支持非流式输出、结构化输出等）与微调前的模型保持一致。

经过调优的深度思考模型在调用时是否开启深度思考，建议与调优数据格式一致：

调优数据含深度思考，调用时建议开启enable_thinking参数。
调优数据不含深度思考，调用时不建议开启enable_thinking参数。

DashScope

import os
import dashscope

messages = [
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "你是谁？"},
]
response = dashscope.Generation.call(
    # 若没有配置环境变量，请用百炼API Key将下一行替换为：api_key="sk-xxx",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    model="qwen3-14b-xxx-xxx",  # 请替换为模型部署成功后的code
    messages=messages,
    result_format="message",
    enable_thinking=False,
)
print(response)

OpenAI兼容接口

import os
from openai import OpenAI


client = OpenAI(
    # 若没有配置环境变量，请用百炼API Key将下一行替换为：api_key="sk-xxx",
    api_key=os.getenv('DASHSCOPE_API_KEY'),
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)

completion = client.chat.completions.create(
    model="qwen3-14b-xxx-xxx",  # 请替换为模型部署成功后的code
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "你是谁？"},
    ],
    extra_body={"enable_thinking": False},
)
print(completion)

部署服务扩缩容

预置吞吐（按时长）：点击扩缩容按钮，自助、手动调节实例数量。具体降费退费规则请参考：降配退款规则说明。
模型单元（按时长）：点击扩缩容按钮，自助、手动调节实例数量。
按 Token 调用量：点击扩容按钮，填写并提交扩容申请表单，等待人工审核。

此外，您还可以通过操作列的伸缩配置按钮，配置自动伸缩策略（包括伸缩阈值、最小/最大副本数、定时伸缩等）。

部署服务下线

前往模型部署控制台（北京），找到要停止的部署服务，根据计费类型点击对应操作：

模型单元预付费：点击下线并确认。
后付费：点击删除并确认。

操作完成后将不再产生计费。

其他操作

除下线外，部署列表页的操作列还支持以下操作：

更新：更新已部署服务的模型版本，支持全部更新或分批更新（金丝雀发布）。
删除：按量付费服务可直接删除，停止计费。
续费：预付费服务可续费延长服务时间，支持自动续费。
购买容量包：为预置吞吐部署购买容量包。

常见问题

可以上传和部署自己的模型吗？

支持在我的模型控制台（北京）导入部分开源模型，详细支持列表请参考：模型导入。

此外，阿里云人工智能平台 PAI 提供了部署自有模型的功能，您可以参考PAI-LLM大语言模型部署了解部署方法。

部署时提示权限不足怎么办？

如果显示“缺少该模块的权限”，请确保您的账号在该业务空间的权限管理页面中拥有模型部署-操作权限。

如果无法正常操作，请联系您的组织或 IT 管理员添加相关权限或代为检查权限问题。
如果部署时报错“xx业务空间没有部署xx模型的权限”，请前往百炼的业务空间管理页面，为对应业务空间添加对应模型的部署权限。

API 调用报错：Workspace xxx does not have deployment privilege for model xxxx。

如果提示权限不足，请联系您的组织或 IT 管理员添加相关权限或代为操作。

该如何切换到其他的计费方式？

只能释放原有资源，再通过需要的计费方式创建新资源。

建议按照以下步骤进行切换：

使用需要的计费方式部署新的资源。
切换 API 并测试服务可用性。
下线释放原有资源。