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。
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。
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 |
|
| 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 |
|
| 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 |
| ||
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，限流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 | ¥2.4 | ¥28.8 | ¥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）
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3.6-35B-A3B | qwen3.6-35b-a3b | MU8 x 1 | ¥47 | ¥22,400 |
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 | MU1 x 2 | ¥108 | ¥52,236 |
MU9 x 1 | ¥51 | ¥24,600 | ||
千问3.5-9B | qwen3.5-9b | MU1 x 2 | ¥108 | ¥52,236 |
MU8 x 1 | ¥47 | ¥22,400 | ||
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 |
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 |
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 |
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 |
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 |
MU5 x 1 | ¥21 | ¥10,139 | ||
千问3-1.7B | qwen3-1.7b | MU1 x 2 | ¥108 | ¥52,236 |
MU5 x 1 | ¥21 | ¥10,139 | ||
千问3-Embedding-0.6B | qwen3-embedding-0.6b | MU5 x 1 | ¥21 | ¥10,139 |
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 |
MU6 x 1 | ¥25 | ¥12,089 | ||
千问3-Max-2025-09-23 | qwen3-max-2025-09-23 | MU2 x 8 | ¥504 | ¥240,288 |
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 |
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 |
更多模型
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 |
MiniMax-M2.5 | MiniMax-M2.5 | MU1 x 16（PD分离模式） | PD分离模式：¥864 | PD分离模式：¥417,888 |
Kimi-K2.5 | kimi-k2.5 | MU2 x 8 | ¥504 | ¥240,288 |
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。
模型部署类型：
PD 分离模式 - 降低首 Token 延迟、提高吞吐。
该部署模式部署的模型在进行模型推理时，将首 Token 计算（Prefill）和后续 Token 计算（Decode）两个计算阶段，拆到不同的计算节点执行。
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 |
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？
|
|
| |
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 | 设置初始部署副本数量，影响服务的并发处理能力。 |
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。
|
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。
部署状态：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。
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：
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。