第11章 模型训练与部署计费

本文介绍阿里云百炼平台的模型训练、模型部署的计费规则及价格。 ​模型训练计费 ​文本生成模型-千问 模型训练流程请参见模型调优。训练完成后的新模型需先完成模型部署，才能评测和调用。 计费方式按训练Token计费计费公式模型训练费用 = （训练数据 Token 总数 + 混合训练数据 Token 总数）× 循环次数 × 训练单价（最小计费单位：1 token） 您可以查看模型训练控制台底部的预估训练费用，并单击计费详情，查看训练 Token 总数、循环次数和训练单价。 千问VL千问模型服务模型代码价格Qwen3-VL-8B-Instructqwen3-vl-8b-instruct¥0.012/千TokenQwen3-VL-8B-Thinkingqwen3-vl-8b-thinking¥0.012/千TokenQwen3-VL-4B-Instructqwen3-vl-4b-instruct¥0.006/千TokenQwen2.5-VL-72B-Instructqwen2.5-vl-72b-instruct¥0.05/千TokenQwen2.5-VL-32B-Instructqwen2.5-vl-32b-instruct¥0.02/千TokenQwen2.5-VL-7B-Instructqwen2.5-vl-7b-instruct¥0.01/千Token模型服务模型代码价格Qwen3.8-27Bqwen3.8-27b¥0.05/千TokenQwen3.7-Plus-2026-05-26qwen3.7-plus-2026-05-26¥0.35/千TokenQwen3.6-27Bqwen3.6-27b¥0.05/千TokenQwen3.6-Flash-2026-04-16qwen3.6-flash-2026-04-16¥0.05/千TokenQwen3.6-Plus-2026-04-02qwen3.6-plus-2026-04-02¥0.3/千TokenQwen3.5-27Bqwen3.5-27b¥0.05/千TokenQwen3.5-9Bqwen3.5-9b¥0.02/千TokenQwen3.5-4Bqwen3.5-4b¥0.015/千TokenQwen3.5-Flash-2026-02-23qwen3.5-flash-2026-02-23¥0.05/千TokenQwen3.5-Plus-2026-02-15qwen3.5-plus-2026-02-15¥0.3/千TokenQwen3-32Bqwen3-32b¥0.04/千TokenQwen3-30B-A3B-Instruct-2507qwen3-30b-a3b-instruct-2507¥0.03/千TokenQwen3-14Bqwen3-14b¥0.03/千TokenQwen3-8Bqwen3-8b¥0.006/千TokenQwen3-4B-Instruct-2507qwen3-4b-instruct-2507¥0.006/千TokenQwen3-1.7Bqwen3-1.7b¥0.0045/千TokenQwen3-0.6Bqwen3-0.6b¥0.003/千TokenQwen2.5-72B-Instructqwen2.5-72b-instruct¥0.15/千TokenQwen2.5-32B-Instructqwen2.5-32b-instruct¥0.03/千TokenQwen2.5-14B-Instructqwen2.5-14b-instruct¥0.03/千TokenQwen2.5-7B-Instructqwen2.5-7b-instruct¥0.006/千Token千问-Plus-Character-2025-11-06qwen-plus-character-2025-11-06¥0.15/千Token ​图像生成模型-万相 模型训练流程请参见图像生成模型调优。训练完成后的新模型需先完成模型部署，才能调用。 计费方式按训练Token计费计费公式模型训练费用 = 训练Token总量 × 训练单价（计费单位：每千Token） 训练Token总量的计算公式训练Token总量 ≈ max_steps × Lstep其中： max_steps：训练时指定的超参数，表示最大训练步数（创建微调任务时配置）。 Lstep：每步的Token消耗量，计算公式为： Lstep = ∑i∈batch Litem(i) ≤ Lmax Lstep 近似等于 Lmax。Lmax 由 max_token_length 和 generation_type 共同决定，具体取值如下表： generation_typemax_token_lengthLmaxt2i（文生图）1k12,8002k23,220i2i（图生图）1k23,2202k32,000 模型服务模型名称训练价格（每千Token）万相-图像生成wan2.7-image-pro0.08元万相-图像生成wan2.7-image0.08元 计费示例假设使用 wan2.7-image-pro 模型进行 t2i 微调，max_steps = 200，max_token_length = "1k"，训练单价 = 0.08元/千Token： 查表得 Lmax = 12,800（generation_type=t2i，max_token_length=1k），Lstep ≈ Lmax = 12,800 训练Token总量 ≈ 200 × 12800 = 2560000 = 2560千Token 模型训练费用 ≈ 2560 × 0.08 = 204.8元 ​图像生成模型-千问 模型训练流程请参见图像生成模型调优。训练完成后的新模型需先完成模型部署，才能调用。 计费方式按训练Token计费计费公式模型训练费用 = 训练Token总量 × 训练单价（计费单位：每千Token） 训练Token总量的计算公式训练Token总量 = n_epochs × N × (max_pixels / 压缩率) × GPU系数其中： n_epochs：训练时指定的超参数，表示训练轮数（创建微调任务时配置）。 N：训练集中的图片总数。 max_pixels：训练时指定的超参数，表示图片的最大像素数（创建微调任务时配置）。取值为 1k（即 1024×1024）或 2k（即 2048×2048）。 压缩率：VAE 固定压缩比例，值为 1024（即 32×32）。 GPU系数：资源调度系数，根据任务调度情况动态调整。 模型服务模型名称训练价格（每千Token）千问-图像生成qwen-image-2.00.02元千问-图像生成qwen-image-2.0-pro0.02元 计费示例假设使用 qwen-image-2.0 模型微调，训练集包含 1 张图片，n_epochs = 1000，max_pixels = "1k"，训练单价 = 0.02元/千Token，GPU系数按 8 计算： 单张图片的Token量 = max_pixels / 压缩率 = 1024×1024 / 1024 = 1024 训练Token总量 = 1000 × 1 × 1024 × 8 = 8192000 = 8192千Token 模型训练费用 = 8192 × 0.02 = 163.84元 下表为 GPU系数按 8 计算时，每 1 张训练图片的Token消耗与费用预估。训练集包含 N 张图片时，将表中数值乘以 N 即可。max_pixelsn_epochsToken消耗预估费用预估（元）1k8006,553,600131.071k1,0008,192,000163.841k2,00016,384,000327.682k80026,214,400524.292k1,00032,768,000655.362k2,00065,536,0001310.72 GPU系数随任务调度情况动态调整，上述示例与预估表取 8 仅用于演示计算过程。实际训练消耗的Token数请以查询微调任务状态接口返回的 usage 字段为准，费用以账单为准。 batch_size 不参与计费，不影响训练Token总量。 ​视频生成模型-万相 模型训练流程请参见模型调优。训练完成后的新模型需先完成模型部署，才能调用。 计费方式按训练Token计费计费公式模型训练费用 = 训练Token总量 × 训练单价（计费单位：每千Token） 训练Token总量的计算公式训练Token总量 = (∑i=1N 视频i的计费时长) × (max_pixels / 1024) × n_epochs其中： N：训练集中的视频总数。 max_pixels：训练时指定的超参数，表示视频的最大像素数（创建微调任务时配置）。 n_epochs：训练时指定的超参数，表示循环次数（创建微调任务时配置）。 n_epochs 与 steps 的换算关系为：steps = n_epochs × ⌈数据集大小 / batch_size⌉，即 n_epochs = steps / ⌈数据集大小 / batch_size⌉。 当数据集仅包含 1 条数据且 batch_size = 1 时，n_epochs = steps。建议总步数（steps）≥ 800。 单个视频计费时长计算规则：先将原始视频时长（秒）四舍五入取整，再根据模型限制取最终值。 wan2.7模型：计费时长=min(10, 四舍五入后的时长)，即单条视频最多按 10 秒计算。 wan2.5模型：计费时长=min(10, 四舍五入后的时长)，即单条视频最多按 10 秒计算。 wan2.2模型：计费时长=min(5, 四舍五入后的时长)，即单条视频最多按 5 秒计算。 模型服务模型名称训练价格（每千Token）万相-图生视频-基于首帧wan2.7-i2v2元wan2.2-i2v-flash0.06元wan2.5-i2v-preview0.32元图生视频-基于首尾帧wan2.7-i2v2元wan2.2-kf2v-flash0.06元 计费示例 wan2.7-i2v 费用预估（一条数据） 假设训练集包含 1 条视频，时长为10秒。由于 batch_size = 1（推荐值），此时 n_epochs = steps / ⌈1(数据集大小) / 1(batch_size)⌉ = steps。训练单价 = 2元/千Token，以 max_pixels = 36864、n_epochs = 800 为例： 训练Token总量 = 10 ×（36864 / 1024）× 800 = 288,000 = 288千Token 模型训练费用 = 288 × 2 = 576元 max_pixels常见 stepsn_epochsToken 消耗预估费用预估（元）36864800800288,0005761,0001,000360,0007202,0002,000720,0001,44065536800800512,0001,0241,0001,000640,0001,2802,0002,0001,280,0002,560102400800800800,0001,6001,0001,0001,000,0002,0002,0002,0002,000,0004,000 wan2.7-i2v 费用预估（多条数据） 假设训练集包含 2 条视频，时长分别为 3.4 秒 和 11.5 秒。参数设置：max_pixels = 36864、n_epochs = 800，训练单价 = 2元/千Token： 时长计算： 视频 1：3.4 → 四舍五入 → 3 秒 → 计费时长 = min(10, 3) = 3 视频 2：11.5 → 四舍五入 → 11 秒 → 计费时长 = min(10, 11) = 10 总计费时长 = 3 + 10 = 13 秒 训练Token总量 = 13 ×（36864/1024）× 800 = 374400 = 374.4千Token 模型训练费用 = 374.4 × 2 = 748.8元 ​语音合成模型-CosyVoice CosyVoice 模型调优服务仅支持华北2（北京）地域。模型训练流程请参见CosyVoice模型调优。训练完成后的新模型需先完成模型部署，才能调用。 计费方式按训练消耗的Token数计费训练单价0.2元/千Tokens计费公式模型训练费用 = 训练消耗Token总量 × 训练单价 训练消耗Token总量的计算公式单次任务的Token消耗按下式估算：消耗Tokens = (lm_max_epoch + fm_max_epoch) × 25 × 训练集总时长(秒)其中 lm_max_epoch 与 fm_max_epoch 为创建调优任务时设置的超参数，分别表示 LM 与 FM 训练轮次；训练集总时长为调优数据集中全部音频文件的总秒数。提高任一轮次或扩大训练集均会线性增加 Token 消耗。 ​模型部署计费 ​文本生成模型-千问 按使用时长计费（预置吞吐）按使用时长计费（独占吞吐）按模型 Token 使用量按使用时长计费（模型单元）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。 预付费订单支持提前终止服务，已使用部分按 1.2 倍系数结算退费。详见降配退款规则说明。 后付费时，如果账户欠费，部署的资源将不再可用且不计费，欠费缴清后服务恢复。 当模型输入超过最长输入 Token 时，相关调用将自动切换为当前模型的按量付费模式；超出购买的 TPM 量时，按创建时选择的溢出策略处理（「自动溢出」切换为按量付费，「仅使用 PTU 容量」返回 429）。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（仅「自动溢出」策略下），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。PTU 部署支持长输入阶梯容量系数和缓存折扣，详见预置吞吐长输入与缓存。华北2（北京）新加坡千问DeepSeekGLM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Qwen3.8-Maxqwen3.8-max1M¥28.8¥8.64¥345.6¥103.68Qwen3.7-Flash-2026-07-15qwen3.7-flash-2026-07-15128K¥0.48¥0.19¥5.76¥2.3Qwen3.7-Max-2026-05-20qwen3.7-max-2026-05-20256K¥28.8¥8.64¥345.6¥103.68Qwen3.7-Plus-2026-05-26qwen3.7-plus-2026-05-26256K¥4.8¥1.92¥57.6¥23.04Qwen3.6-Plus-2026-04-02qwen3.6-plus-2026-04-02128K¥4.8¥2.88¥57.6¥34.56Qwen3.5-Plus-2026-04-20qwen3.5-plus-2026-04-20128K¥1.92¥1.15¥23.04¥13.82Qwen3-Max-2025-09-23qwen3-max-2025-09-23128K¥7.68¥3.08¥92.16¥36.96Qwen-Flash-2025-07-28qwen-flash-2025-07-28128K¥0.36¥0.36¥4.32¥4.32Qwen-Plus-2025-12-01qwen-plus-2025-12-01128K¥1.92非思考：¥0.48 思考：¥1.92¥23.04非思考：¥5.76 思考：¥23.04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-Flashdeepseek-v4-flash256K¥3.6¥0.72¥43.2¥8.64DeepSeek-v4-Flash-0731deepseek-v4-flash-0731256K¥7.2¥1.44¥86.4¥17.28DeepSeek-v4-Prodeepseek-v4-pro256K¥43.2¥8.64¥518.4¥103.68DeepSeek-v3.2deepseek-v3.264K¥7.2¥1.08¥86.4¥12.96DeepSeek-v3deepseek-v364K¥7.2¥2.88¥86.4¥34.56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-5.2glm-5.21M¥28.8¥10.08¥345.6¥120.96GLM-5.1glm-5.164K¥21.6¥8.64¥259.2¥103.68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Qwen3-VL-Plus-2025-09-23qwen3-vl-plus-2025-09-23128K¥2.4¥2.4¥28.8¥28.8千问DeepSeekGLM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Qwen3.8-Maxqwen3.8-max1M¥35.97¥10.79¥431.7¥129.5Qwen3.7-Flash-2026-07-15qwen3.7-flash-2026-07-15128K¥0.54¥0.23¥6.47¥2.81Qwen3.7-Max-2026-05-20qwen3.7-max-2026-05-20256K¥44.97¥13.49¥539.6¥161.87Qwen3.7-Plus-2026-05-26qwen3.7-plus-2026-05-26256K¥7.19¥2.88¥86.3¥34.53Qwen3.6-Plus-2026-04-02qwen3.6-plus-2026-04-02128K¥9¥5.4¥107.9¥64.75Qwen3.5-Plus-2026-04-20qwen3.5-plus-2026-04-20128K¥7.2¥4.32¥86.3¥51.8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-Flashdeepseek-v4-flash256K¥5.4¥1.08¥64.8¥12.95DeepSeek-v4-Flash-0731deepseek-v4-flash-0731256K¥10.79¥2.16¥129.5¥25.9DeepSeek-v4-Prodeepseek-v4-pro256K¥64.75¥12.95¥777¥155.4DeepSeek-v3.2deepseek-v3.264K¥15.4¥4.61¥184.5¥55.36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-5.2glm-5.21M¥37.8¥11.87¥453.3¥142.45GLM-5.1glm-5.164K¥37.77¥11.87¥453.3¥142.45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Qwen3-VL-Plus-2025-09-23qwen3-vl-plus-2025-09-23128K¥3.6¥2.88¥43.2¥34.53 预付费订单支持提前退订，已使用部分按 1.2 倍系数结算退费。详见降配退款规则说明。 华北-北京2模型规格基准输入（TPM）基准输出（TPM）起售价格(元/月)扩容价格(元/月)qwen3.7-plus-2026-05-26Fast1,372,000170,000556,466556,466qwen3.6-27bStandard273,00034,00049,11849,118qwen3.5-397b-a17bStandard896,000112,0001,107,9041,107,904qwen3.5-122b-a10bFast7,288,000904,0002,226,9842,226,984qwen3.5-35b-a3bStandard656,00082,000109,962109,962qwen3.5-27bStandard2,432,000304,0001,108,6881,108,688Efficient291,00036,00048,99648,996qwen3.5-4bStandard1,072,000134,000109,478109,478glm-5.2Fast1,004,000120,0001,895,2601,895,260glm-5.1Standard256,00032,000504,704504,704deepseek-v4-flashStandard2,240,000280,0001,107,4001,107,400deepseek-v4-flash-0731Fast1,676,000213,000277,984277,984模型规格输入长度输出长度缓存命中率首字延迟(ms)每token延迟(ms)qwen3.7-plus-2026-05-26Fast16,0002,00002,41815qwen3.6-27bStandard4,00050001,29219qwen3.5-397b-a17bStandard4,000500099627qwen3.5-122b-a10bFast16,0002,00005688qwen3.5-35b-a3bStandard4,000500047110qwen3.5-27bStandard4,000500070314Efficient4,00050001,44823qwen3.5-4bStandard4,00050005526glm-5.2Fast16,0002,00001,55815glm-5.1Standard4,000500076927deepseek-v4-flashStandard4,000500065119deepseek-v4-flash-0731Fast16,0002,00001,07913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（即 LoRA 高效微调，API 部署时 plan 取值为 lora）并得到自定义模型后，才支持按模型 Token 使用量计费。 北京新加坡基础模型模型代码输入元/百万Token输出元/百万TokenQwen3.5-27Bqwen3.5-27b<128K ¥0.6 128K-256K ¥1.8<128K ¥4.8 128K-256K ¥14.4Qwen3-32Bqwen3-32b非思考模式：¥2 思考模式：¥2非思考模式：¥8 思考模式：¥20Qwen3-14Bqwen3-14b非思考模式：¥1 思考模式：¥1非思考模式：¥4 思考模式：¥10Qwen3-8Bqwen3-8b非思考模式：¥0.5 思考模式：¥0.5非思考模式：¥2 思考模式：¥5Qwen3-VL-8B-Instructqwen3-vl-8b-instruct¥0.5¥2Qwen3-4B-Instruct-2507qwen3-4b-instruct-2507非思考模式：¥0.3 思考模式：¥0.3非思考模式：¥1.2 思考模式：¥3Qwen2.5-开源版-72Bqwen2.5-72b-instruct¥4¥12Qwen2.5-VL-72Bqwen2.5-vl-72b-instruct¥16¥48Qwen2.5-开源版-32Bqwen2.5-32b-instruct¥2¥6Qwen2.5-VL-32Bqwen2.5-vl-32b-instruct¥8¥24Qwen2.5-开源版-14Bqwen2.5-14b-instruct¥1¥3Qwen2.5-开源版-7Bqwen2.5-7b-instruct¥0.5¥1Qwen2.5-VL-7Bqwen2.5-vl-7b-instruct¥2¥5基础模型模型代码输入元/百万Token输出元/百万TokenQwen3.5-27Bqwen3.5-27b¥2.202¥17.614Qwen3-32Bqwen3-32b非思考模式：¥1.174 思考模式：¥1.174非思考模式：¥4.697 思考模式：¥4.697Qwen3-14Bqwen3-14b非思考模式：¥2.569 思考模式：¥2.569非思考模式：¥10.275 思考模式：¥30.825Qwen3-8Bqwen3-8b非思考模式：¥1.321 思考模式：¥1.321非思考模式：¥5.137 思考模式：¥15.412Qwen3-VL-8B-Instructqwen3-vl-8b-instruct¥1.321¥5.137Qwen3-4B-Instruct-2507qwen3-4b-instruct-2507非思考模式：¥0.807 思考模式：¥0.807非思考模式：¥3.082 思考模式：¥9.247Qwen2.5-开源版-72Bqwen2.5-72b-instruct¥10.275¥41.1Qwen2.5-VL-72Bqwen2.5-vl-72b-instruct¥20.55¥61.65Qwen2.5-开源版-32Bqwen2.5-32b-instruct¥5.137¥20.55Qwen2.5-VL-32Bqwen2.5-vl-32b-instruct¥10.275¥30.825Qwen2.5-开源版-14Bqwen2.5-14b-instruct¥2.569¥10.275Qwen2.5-开源版-7Bqwen2.5-7b-instruct¥1.284¥5.137Qwen2.5-VL-7Bqwen2.5-vl-7b-instruct¥2.569¥7.706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。文本生成多模态语音合成千问GLMDeepSeek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Qwen3.6-35B-A3Bqwen3.6-35b-a3bMU1 x 8¥432¥208,944MU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752MU8 x 1¥47¥22,400MU9 x 1¥51¥24,600Qwen3.6-27Bqwen3.6-27bMU9 x 1¥51¥24,600Qwen3.6-Flash-2026-04-16qwen3.6-flash-2026-04-16MU1 x 2¥108¥52,236MU3 x 8¥1,096¥527,752Qwen3.6-Plus-2026-04-02qwen3.6-plus-2026-04-02MU1 x 8 MU1 x 16（PD分离模式）¥432 PD分离模式：¥864¥208,944 PD分离模式：¥417,888Qwen3.5-397B-A17Bqwen3.5-397b-a17bMU3 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：¥1,055,504MU6 x 16¥400¥193,424Qwen3.5-122B-A10Bqwen3.5-122b-a10bMU1 x 4¥216¥104,472MU6 x 16¥400¥193,424Qwen3.5-35B-A3Bqwen3.5-35b-a3bMU1 x 2¥108¥52,236MU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752MU9 x 1¥51¥24,600Qwen3.5-27Bqwen3.5-27bMU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752MU8 x 1¥47¥22,400MU9 x 1¥51¥24,600Qwen3.5-9Bqwen3.5-9bMU1 x 2¥108¥52,236MU2 x 8¥504¥240,288Qwen3.5-Flash-2026-02-23qwen3.5-flash-2026-02-23MU1 x 2¥108¥52,236Qwen3.5-Plus-2026-02-15qwen3.5-plus-2026-02-15MU1 x 8 MU1 x 16（PD分离模式）¥432 PD分离模式：¥864¥208,944 PD分离模式：¥417,888MU2 x 8¥504¥240,288MU3 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：¥1,055,504Qwen3-235B-A22B-Instruct-2507qwen3-235b-a22b-instruct-2507MU1 x 4¥216¥104,472MU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752Qwen3-32Bqwen3-32bMU6 x 16¥400¥193,424Qwen3-30B-A3B-Thinking-2507qwen3-30b-a3b-thinking-2507MU1 x 2¥108¥52,236Qwen3-4Bqwen3-4bMU1 x 2¥108¥52,236MU5 x 1¥21¥10,139Qwen3-Embedding-0.6Bqwen3-embedding-0.6bMU5 x 1¥21¥10,139MU6 x 1¥25¥12,089Qwen3-MoE-Rerank-0.6Bqwen3-moe-rerank-0.6bMU5 x 1¥21¥10,139Qwen3-Rerank-0.6Bqwen3-rerank-0.6bMU5 x 1¥21¥10,139MU6 x 1¥25¥12,089Qwen3-Max-2025-09-23qwen3-max-2025-09-23MU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752Qwen3-Rerankqwen3-rerankMU5 x 1¥21¥10,139Qwen2.5-开源版-72Bqwen2.5-72b-instructMU1 x 8¥432¥208,944Qwen2.5-开源版-14Bqwen2.5-14b-instructMU1 x 2¥108¥52,236Qwen2.5-开源版-7Bqwen2.5-7b-instructMU1 x 2¥108¥52,236MU5 x 1¥21¥10,139Qwen-Plus-2025-07-28qwen-plus-2025-07-28MU1 x 4¥216¥104,472Qwen-Plus-2025-12-01qwen-plus-2025-12-01MU1 x 4¥216¥104,472Qwen-Plus-Character-2025-11-06qwen-plus-character-2025-11-06MU1 x 4¥216¥104,472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-5.1glm-5.1MU2 x 8¥504¥240,288MU3 x 16（PD分离模式）PD分离模式：¥2,192PD分离模式：¥1,055,504MU6 x 16¥400¥193,424GLM-5glm-5MU3 x 16（PD分离模式）PD分离模式：¥2,192PD分离模式：¥1,055,504GLM-4.7glm-4.7MU6 x 32（PD分离模式）PD分离模式：¥800PD分离模式：¥386,848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-Flashdeepseek-v4-flashMU1 x 8¥432¥208,944MU3 x 8¥1,096¥527,752DeepSeek-v3.2deepseek-v3.2MU2 x 16（PD分离模式）PD分离模式：¥1,008PD分离模式：¥480,576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Kimi-K2.5kimi-k2.5MU2 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。 千问VL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Qwen3-VL-235B-A22B-Thinkingqwen3-vl-235b-a22b-thinkingMU1 x 8¥432¥208,944MU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752Qwen3-VL-32B-Instructqwen3-vl-32b-instructMU2 x 8¥504¥240,288MU3 x 8¥1,096¥527,752Qwen3-VL-30B-A3B-Instructqwen3-vl-30b-a3b-instructMU1 x 4¥216¥104,472Qwen3-VL-8B-Instructqwen3-vl-8b-instructMU1 x 2¥108¥52,236MU5 x 1¥21¥10,139Qwen3-VL-4B-Instructqwen3-vl-4b-instructMU1 x 2¥108¥52,236Qwen3-VL-2B-Instructqwen3-vl-2b-instructMU5 x 1¥21¥10,139Qwen3-VL-Embedding-2Bqwen3-vl-embedding-2bMU5 x 1¥21¥10,139Qwen3-VL-Flash-2025-10-15qwen3-vl-flash-2025-10-15MU1 x 4¥216¥104,472Qwen3-VL-Plus-2025-09-23qwen3-vl-plus-2025-09-23MU1 x 4¥216¥104,472QwenVL-Max-2025-08-13qwen-vl-max-2025-08-13MU6 x 4¥100¥48,356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Qwen3.5-Omni-Flashqwen3.5-omni-flashMU9 x 1¥51¥24,600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。 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-flashcosyvoice-v3-flashMU5¥21¥10,139 ​图像生成模型-万相 经过SFT-LoRA高效微调的万相图像生成模型，部署免费，调用按微调的基础模型的标准调用价格计费。模型训练和部署流程请参见图像生成模型调优。 模型名称Lora部署调用价格wan2.7-image-pro0.50元/张wan2.7-image0.20元/张 ​图像生成模型-千问 经过SFT-LoRA高效微调的千问图像生成模型，部署免费，调用按微调的基础模型的标准调用价格计费。模型训练和部署流程请参见图像生成模型调优。 模型名称Lora部署调用价格qwen-image-2.00.20元/张qwen-image-2.0-pro0.50元/张 ​视频生成模型-万相 经过微调的万相视频生成模型： 模型部署：免费 模型调用：收费，按微调所基于的基础模型的标准调用价格计费，具体请参见模型价格 ​语音合成模型-CosyVoice CosyVoice 模型调优服务仅支持华北2（北京）地域。 调优后的CosyVoice模型部署后按模型单元的使用时长计费，公式为：费用 = 使用时长（小时） × 模型单元数量 × 模型单元单价。 其中，模型单元数量 = 单副本模型单元 × 部署副本数，可选的模版及对应的模型单元类型请参见CosyVoice模型调优的部署模版。 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-flashcosyvoice-v3-flashMU5¥21¥10,139 ​常见问题 ​Q：模型部署什么时候开始计费？ A：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，模型状态为运行中后，开始消耗包月时间。 ​Q：取消模型训练会收费么？ A：会收费。主动取消训练后，已消耗的 tokens 仍会推送计费，训练费用按已消耗 tokens 估算，最终费用以账单为准。其他原因导致的训练中断，阿里云百炼不会向您收取训练费用。 ​Q：怎么查看已部署模型的调用统计？ A：请访问模型监控（北京）、模型监控（弗吉尼亚）、模型监控（新加坡）、模型监控（中国香港）（中国香港仅支持普通监控，高级监控和日志不可用）页面。 模型监控页面支持按时间范围（3小时、6小时、12小时、24小时、今天、昨天、一周、自定义）和推理类型筛选，上方汇总区展示模型总量、总调用次数、总失败次数、平均调用时长、平均首包时长，下方模型列表展示各模型的调用总量、调用失败量、失败率、平均调用时长、平均首Token延时等指标，可单击监控查看单模型详细数据。