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“中国内地（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（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）
计费图示
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。

优势	为高负载生产环境提供稳定的吞吐容量、更低延迟和更强的资源确定性。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。	不使用不计费。
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)

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，相关调用将自动切换为按量付费的模型调用，推理性能可能下降，限流占用业务空间的公共流量，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）。

模型名称	模型类型	最长上下文（输入 Token + 输出 Token）	最长输入 Token	后付费-按小时		预付费-按天
模型名称	模型类型	最长上下文（输入 Token + 输出 Token）	最长输入 Token	输入（Per 10k TPM）	输出（Per 1k TPM）	输入（Per 10k TPM）	输出（Per 1k TPM）
千问3-max-2025-09-23	Instruct	128,000	128,000	¥7.68	¥3.08	¥92.16	¥36.96
千问-plus-2025-12-01	Instruct			¥1.92	¥0.48	¥23.04	¥5.76
千问-plus-2025-12-01	Thinking			¥1.92	¥1.92	¥23.04	¥23.04
千问-flash-2025-07-28	Instruct/Thinking			¥0.36	¥0.36	¥4.32	¥4.32
千问3-vl-plus-2025-09-23	Instruct/Thinking			¥2.40	¥2.40	¥28.80	¥28.80
DeepSeek-v3.2	Instruct/Thinking		64,000	¥7.20	¥1.08	¥86.40	¥12.96

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。

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

预付费购买的首月，如在首月内提前退订，日单价将按 1.2 倍计费

千问

模型名称	模型类型	支持限流	模型单元规格	最长上下文	后付费-按小时（不满 1 分钟按 1 分钟计费）	预付费-按天（不满 1 天按 1 天计费）
千问3-14B	Instruct/Thinking	不支持	I 型模型单元（MU1）	固定为： `131,072` 详情请参考：qwen-3	¥96/小时	¥46,000/月
千问3-8B	Instruct/Thinking	不支持		固定为： `131,072` 详情请参考：qwen-3
千问2.5-开源版-14B	Instruct	不支持		固定为： `131,072` 详情请参考：qwen-2.5
千问2.5-开源版-7B	Instruct	不支持		固定为： `131,072` 详情请参考：qwen-2.5
千问2-开源版-7B	Instruct	不支持		固定为： `131,072`
千问-Turbo-0624（2024）	Instruct	不支持		固定为： `8,000`

千问-Plus-2025-12-01	Instruct/Thinking	支持	I 型模型单元（MU1）	可设置：`1~1,000,000` 详情请参考：qwen-plus	¥192/小时	¥92,000/月
千问-Plus-2025-07-28	Instruct/Thinking	支持		可设置：`1~1,000,000` 详情请参考：qwen-plus
千问-Flash-2025-07-28	Instruct/Thinking	支持		可设置：`1~1,000,000` 详情请参考：qwen-flash
千问-Plus-0723（2024）	Instruct	不支持		固定为： `32,000`
千问2.5-开源版-72B	Instruct	不支持		固定为： `131,072` 详情请参考：qwen-2.5
千问2.5-开源版-32B	Instruct	不支持		固定为： `131,072` 详情请参考：qwen-2.5
千问2-开源版-72B	Instruct	不支持		固定为： `131,072`
千问3-32B	Instruct	不支持		固定为： `131,072` 详情请参考：qwen-3

千问3-Max-2025-09-23	Instruct	支持	II 型 / III 型模型单元（MU2/MU3）	可设置：`1-262,144` 详情请参考：qwen-max	I 型模型单元：¥448/小时 III 型模型单元：¥1048/小时	I 型模型单元：¥216,000/月 III 型模型单元：¥504,000/月

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。

千问VL

模型服务	模型类型	支持限流	模型单元规格	最长上下文	单价（不满 1 分钟按 1 分钟计费）	包月单价（不满 1 天按 1 天计费）（如在首月内提前退订，日单价将按 1.2 倍计费）
千问VL-Max-2025-08-13	Instruct	支持	VI 型模型单元（MU6）	固定为： `131,072`	¥72/小时	¥34,800/月

千问VL-Plus	Instruct	不支持	I 型模型单元（MU1）	固定为： `131,072`	¥40/小时	¥20,000/月

千问3-VL-8B-Instruct	Instruct	不支持	I 型模型单元（MU1）	固定为： `131,072`	¥96/小时	¥46,000/月
千问3-VL-8B-Thinking	Thinking	不支持
千问3-VL-4B-Instruct	Instruct	不支持
千问2.5-VL-7B	Instruct	不支持

千问VL-Max-0201（2024）	Instruct	不支持		固定为： `8,000`	¥160/小时	¥80,000/月

千问3-VL-Flash-2025-10-15	Instruct/Thinking	支持	I 型模型单元（MU1）	固定为： `262,144`	¥192/小时	¥92,000/月
千问3-VL-Plus-2025-09-23	Instruct/Thinking	不支持		固定为： `262,144`
千问3-VL-235B-A22B-Instruct	Instruct	不支持		固定为： `131,072`
千问3-VL-32B-Instruct	Instruct	不支持
千问2.5-VL-32B	Instruct	不支持
千问2.5-VL-72B	Instruct	不支持

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。

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。

基础模型	模型类型	最长上下文	输入单价	输出单价
千问3-32B	Instruct	固定为： `131,072` 详情请参考：qwen-3	¥0.002/千Token	非思考模式：¥0.008/千Token 思考模式：¥0.02/千Token
千问3-14B	Instruct		¥0.001/千Token	非思考模式：¥0.004/千Token 思考模式：¥0.01/千Token
千问3-8B	Instruct		¥0.0005/千Token	非思考模式：¥0.002/千Token 思考模式：¥0.005/千Token
千问 2.5-72B	Instruct	固定为： `131,072` 详情请参考：qwen-2.5	¥0.004/千Token	¥0.012/千Token
千问 2.5-32B	Instruct		¥0.002/千Token	¥0.006/千Token
千问 2.5-14B	Instruct		¥0.001/千Token	¥0.003/千Token
千问 2.5-7B	Instruct		¥0.0005/千Token	¥0.001/千Token
千问2.5-VL-72B	Instruct	固定为： `131,072`	¥0.016/千Token	¥0.048/千Token
千问2.5-VL-32B	Instruct		¥0.008/千Token	¥0.024/千Token
千问2.5-VL-7B	Instruct		¥0.002/千Token	¥0.005/千Token
千问 2-开源版-7B	Instruct	固定为： `131,072`	¥0.001/千Token	¥0.002/千Token

图片、视频生成模型（预置）-按实例时长计费

费用 = 资源占用时长（小时）× 实例数量 × 实例单价（不满 1 小时按 1 小时计费）

图片生成

模型服务

模型类型

独占实例资源规格

后付费单价

预付费单价

（预付费）

万相-文本生成图像-0521

预置模型

轻量版

¥20/实例/小时

¥10,000/月

视频生成

模型服务	模型类型	独占实例资源规格	后付费单价	预付费单价（预付费）
悦动人像EMO-detect	预置模型	轻量版	¥20/实例/小时	¥10,000/月
悦动人像EMO
舞动人像AnimateAnyone-detect
舞动人像AnimateAnyone

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）。

选择模型、计费方式，其他设置保持默认，最后设置模型名称并开始部署。
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
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。
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。

部署服务下线

前往模型部署控制台（北京），找到要下线的部署服务，点击下线并确认。下线后将不再产生计费。

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。