Alibaba Cloud Model Studio:reserva de TPM

Una reserva de TPM bloquea capacidad de inferencia dedicada para un modelo especificado, asegurando que sus servicios no se vean afectados por límites de tasa públicos durante las horas pico de negocio. Este tema describe cómo crear, integrar y gestionar reservas de TPM.

Visión general

Con una reserva de TPM (Tokens por minuto), puede bloquear un rendimiento de inferencia dedicado para un modelo específico. Las llamadas dentro de la capacidad reservada no están sujetas a los límites de velocidad del grupo de recursos públicos.

• Garantía de capacidad: La capacidad TPM reservada está dedicada a su carga de trabajo y no se comparte con otros usuarios.
• Código de modelo dedicado: Después de crear una reserva de rendimiento, el sistema genera automáticamente un código de modelo dedicado. Debe reemplazar el parámetro model en sus solicitudes de API con este código.
• Estrategia de desbordamiento: Al crear una reserva, puede elegir cómo gestionar el tráfico excedente: desbordamiento automático a pago por uso (predeterminado, sin interrupción del servicio) o usar solo capacidad reservada (las solicitudes excedentes devuelven 429, sin cargos adicionales).
• Paquete de capacidad adicional: Adquiera instancias de capacidad adicionales además de una reserva existente. Las nuevas instancias comparten el mismo código de modelo dedicado, y la capacidad total reservada aumenta en consecuencia tras la adición. Para más información, consulte Operaciones de administración.
• Reserva con ventana de tiempo de 8 horas: En el modo Estándar, puede elegir un plan prepago (por ventana de tiempo de 8 horas) con una duración fija de 8 horas y efecto inmediato, adecuado para escenarios donde la carga se concentra en ventanas de tiempo específicas. Para más información, consulte Facturación de reserva de rendimiento.

Comparar y seleccionar un plan

Model Studio ofrece múltiples planes de capacidad y facturación para llamadas de inferencia, incluidos pago por uso, planes de recursos y planes de ahorro, reservas de rendimiento e implementaciones dedicadas de PTU. Cada plan tiene diferentes características respecto a la unidad de facturación, nivel de garantía de capacidad, manejo de desbordamiento y cambios de integración. Esta sección le ayuda a elegir el plan adecuado según sus necesidades comerciales.

Plan	Unidad de facturación	Garantía de capacidad	Casos de uso	Gestión de excedentes	Cambios de código
Pago por uso	Por token	None (pool público compartido)	Tráfico altamente variable/a corto plazo	Atendido automáticamente, sujeto a los límites de velocidad públicos	No requiere cambios
Resource plan/Savings plan	Cuota prepaga	Descuento por uso comprometido (sin capacidad dedicada)	Optimización de costos	El tráfico excedente cambia a pay-as-you-go	No requiere cambios
Reserva de throughput	Prepago por kTPM	Capacidad dedicada con garantía firme	Tráfico predecible, sin tolerancia a la limitación de velocidad	Opcional: desbordamiento automático a pago por uso (predeterminado) / Solo capacidad reservada devuelve 429	Reemplazar el parámetro model
PTU (Despliegue de modelos)	Prepago por kTPM	Instancia de despliegue dedicado	Alto rendimiento y alta capacidad	Opcional: desbordamiento automático a pago por uso (predeterminado) / Solo capacidad PTU devuelve 429	Reemplazar el parámetro model

Modelos admitidos

Para consultar los precios, véase Facturación de reserva de rendimiento.

China (Beijing)

• Qwen3.8-Max
• Qwen3.7-Flash-2026-07-15
• Qwen3.7-Max-2026-05-20
• Qwen3.7-Plus-2026-05-26
• Qwen3.6-Flash-2026-04-16
• GLM-5.3
• GLM-5.2
• GLM-5.1
• DeepSeek-v4-Flash
• DeepSeek-v4-Flash-0731
• DeepSeek-v4-Pro
• DeepSeek-v4-Pro-0813
• Kimi-K2.6

Singapore

• Qwen3.8-Max
• Qwen3.7-Flash-2026-07-15
• Qwen3.7-Max-2026-05-20
• Qwen3.7-Plus-2026-05-26
• Qwen3.6-Flash-2026-04-16
• GLM-5.3
• GLM-5.2
• GLM-5.1
• DeepSeek-v4-Flash
• DeepSeek-v4-Flash-0731
• DeepSeek-v4-Pro
• DeepSeek-v4-Pro-0813

Notas de facturación y uso

• La facturación comienza una vez que el despliegue se realiza correctamente. Las llamadas dentro de la capacidad reservada no generan cargos adicionales; las tarifas prepagadas se abonan en un pago único por adelantado y permanecen vigentes desde el momento de la compra. Consulte la consola de Bailian para ver los cargos reales.
• Para conocer las reglas de facturación y las restricciones de venta de las reservas con ventana de tiempo de 8 horas (facturadas por ventana de tiempo de 8 horas), consulte Facturación de reserva de rendimiento.
• Cuando la política de desbordamiento es "Desbordamiento automático": las solicitudes que exceden la cuota pasan a la facturación estándar de pago por uso sin interrupción del servicio. Puede ver el recuento de degradaciones en la página de detalles en Estadísticas de degradación por desbordamiento. Cuando se establece en "Solo capacidad reservada": las solicitudes que exceden la cuota devuelven 429 y no generan cargos adicionales.
• Dentro de las 2 horas posteriores al vencimiento del servicio, la instancia aún puede ser llamada y renovada; desde 2 hasta 14 horas después del vencimiento, se detiene, no puede ser llamada, pero aún puede renovarse; después de 14 horas, se libera y no puede recuperarse. (Aplica a reservas diarias; las reservas con ventana de tiempo de 8 horas no son elegibles para este periodo de gracia. Consulte Facturación de reserva con ventana de tiempo de 8 horas)

Crear una reserva de rendimiento

Requisitos previos: El servicio de modelos de Bailian está activado y se ha creado un espacio de trabajo. Inicie sesión en la consola de Bailian y haga clic en Create throughput reservation.

En la página Crear reserva de rendimiento, rellene secuencialmente parámetros como el nombre de la reserva, modelo, ciclo de facturación, TPM de entrada, TPM de salida, duración de la compra, renovación automática al vencer y política de desbordamiento. El lado derecho de la página proporciona una calculadora de capacidad TPM para ayudar con la estimación.

1. Complete los siguientes parámetros:

   Parámetro	Descripción	Obligatorio	Descripción del valor
   Reservation name	Nombre personalizado para identificación.	Sí	≤ 50 caracteres
   Select model	Seleccione el modelo para el cual desea reservar capacidad. Se genera automáticamente un código de modelo dedicado al enviar la solicitud.	Sí	Solo están disponibles los modelos que admiten reserva de rendimiento; consulte lo que se muestra en la consola.
   Performance mode	Nivel de rendimiento de inferencia, que determina la capacidad de rendimiento de una sola instancia.	Sí	Modo estándar (mismo TPS que la API estándar) / Modo de alta velocidad (equivalente al despliegue de modelos PTU, con una mejora de 1.5-2x en TPS respecto a la API estándar)
   Billing cycle	Ciclo de facturación.	Sí	Por día; por ventana de tiempo de 8 horas (solo Modo estándar, 8 horas fijas, efecto inmediato; para más información, consulte Facturación de reserva de rendimiento)
   Input TPM	Rendimiento de entrada reservado, en kTPM (1 kTPM = 1,000 tokens/minuto).	Sí	El valor inicial y el incremento varían según el modelo; consulte lo que se muestra en la consola.
   Output TPM	Throughput de salida reservado, en kTPM.	Sí	El valor inicial y el incremento varían según el modelo; consulte lo que se muestra en la consola.
   Purchase duration	Duración válida de la reserva.	Sí	Introduzca el número de días en el campo de entrada. Valores admitidos: 1-30, 60, 90, 120, 365 días.
   Auto-renewal on expiry	Deduce automáticamente el pago y renueva un día antes del vencimiento (para reglas de ejecución, consulte Facturación de reserva de rendimiento). Activado de forma predeterminada. La opción Por ventana de tiempo de 8 horas no admite renovación; este parámetro no aplica.	No	Activado / Desactivado
   Single renewal duration	Duración de cada renovación automática.	No	Introduzca el número de días en el campo de entrada. El rango de valores es el mismo que el de la duración de la compra.
   Overflow policy	Cómo se gestionan las solicitudes que superan la capacidad reservada cuando esta se agota.	Sí	Desbordamiento automático a pago por uso por token (predeterminado; el desbordamiento cambia a pago por uso, sin interrupción del servicio) / Solo capacidad reservada (el desbordamiento devuelve 429, sin cargos adicionales)

2. Tras confirmar los parámetros, haga clic en Buy now. En el cuadro de diálogo de confirmación de tarifas, verifique los cargos y haga clic en Confirm payment.

3. En la pestaña Overview de la página de detalles de la reserva de rendimiento, busque el Código de modelo dedicado y haga clic en copiar.

4. Reemplace el parámetro model en su solicitud de API con el código de modelo dedicado copiado:

   Requisito previo: se ha creado una instancia de reserva de rendimiento y su estado es En ejecución.

   NotaEl parámetro thinking_budget de GLM-5.2 (que limita la longitud del razonamiento) no surte efecto al realizar la llamada.

# When the request volume surges within a short period, the system needs a brief warm-up to match the required compute.
# During warm-up, some requests may experience latency fluctuations. Stability recovers after warm-up completes.
# Ensure you have request queuing or retry mechanisms in place.

import dashscope

response = dashscope.Generation.call(
    api_key="your-api-key",
    model="your-dedicated-model-code",   # Replace with your dedicated model code
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.output.text)

# When the request volume surges within a short period, the system needs a brief warm-up to match the required compute.
# During warm-up, some requests may experience latency fluctuations. Stability recovers after warm-up completes.
# Ensure you have request queuing or retry mechanisms in place.
curl -X POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"your-dedicated-model-code","messages":[{"role":"user","content":"Hello"}]}'

Después de seleccionar el ciclo de facturación por ventana de tiempo de 8 horas, la página de creación expande el área de configuración de capacidad de ventana de tiempo de 8 horas: la ventana efectiva se muestra en solo lectura (el punto de inicio se redondea hacia abajo a la hora entera actual según el momento de compra, no es personalizable, fijo en 8 horas, y puede cruzar días naturales; menos de 1 hora se cuenta como 1 hora), y el estado de suministro se muestra en tiempo real. Los pedidos solo se pueden realizar entre las 20:00 y las 04:00 del día siguiente (no se pueden realizar pedidos entre las 04:00 y las 20:00). Después de que expire la ventana de tiempo, la capacidad deja de ser válida automáticamente y el periodo de gracia de 2h/14h no aplica. Consulte Facturación de reserva con ventana de tiempo de 8 horas.

Calculadora de capacidad TPM

La calculadora de capacidad TPM en el lado derecho de la página de creación le ayuda a estimar la cuota de TPM que debe adquirir en función de su carga de trabajo. Tras rellenar los siguientes parámetros, la calculadora mostrará automáticamente el TPM de entrada y el TPM de salida recomendados.

Parámetro	Descripción	Impacto en el resultado
Requests per minute (RPM)	Número de solicitudes enviadas por minuto durante las horas pico de actividad.	Cuanto mayor sea el RPM, mayor será proporcionalmente el TPM de entrada y salida recomendado.
Average input length (tokens)	Número promedio de tokens de entrada por solicitud.	Cuanto más larga sea la entrada, mayor será el nivel y mayor el coeficiente, por lo que será mayor el TPM de entrada recomendado. Los límites de nivel varían según el modelo; consulte lo que se muestra realmente en la consola.
Average output length (tokens)	Número promedio de tokens de salida por solicitud.	Cuanto más larga sea la salida, mayor podrá ser el coeficiente y, por tanto, mayor será el TPM de salida recomendado.
Cache hit rate	La proporción de solicitudes cuyos prefijos repetidos son aciertos de caché. La tasa de aciertos real depende de la repetición del contenido de la solicitud; consulte el resultado en tiempo de ejecución.	Cuanto mayor sea la tasa de aciertos, más lento será el consumo de la capacidad de entrada y, por tanto, menor será el TPM de entrada recomendado. Afecta solo al TPM de entrada, no al TPM de salida.

Ver y administrar

Vaya a la consola de Bailian y abra la página de lista de reservas. La lista muestra todas las instancias de reserva como tarjetas de modelo y permite filtrar por modelo, tiempo y estado.

En la página de reserva de rendimiento, cada tarjeta de modelo muestra el recuento de reservas activas, el TPM de entrada/salida reservado y la proporción pico. La tabla de lista de reservas contiene columnas como ID de reserva, TPM de entrada/salida, estado y método de facturación (por día, por ventana de tiempo de 8 horas, por hora, etc.)·hora de vencimiento, y admite filtrado por modelo, tiempo y estado.

Detalles de la reserva

Haga clic en la tarjeta del modelo objetivo para abrir la página de detalles, que contiene las siguientes 3 pestañas:

Descripción general

• Información básica: nombre de la reserva, código de modelo dedicado (copiable), modelo base, capacidad de entrada/salida.
• Tarjetas de estadísticas (últimos 7 días): recuento de reservas activas, uso total y máximo de TPM, utilización promedio.
• Tendencia de utilización: alterne entre las direcciones de entrada/salida; muestra la línea de capacidad reservada y el uso real.
• Estadísticas de degradación por desbordamiento: muestra el número de solicitudes degradadas tras superar la capacidad reservada (la degradación solo ocurre bajo la política "Desbordamiento automático").

Monitoreo

Proporciona datos detallados de supervisión en tiempo de ejecución: utilización, uso de cuota (entrada/salida), número de llamadas dentro y fuera de la cuota y volumen de aciertos de caché; para las reservas con ventana de tiempo de 8 horas, muestra adicionalmente la utilización del paquete dentro de la ventana de 8 horas. Para más detalles, consulte: Supervisión de modelos.

Acceso a la API

Muestra el código de modelo dedicado y ejemplos de invocación.

Operaciones de administración

En la tarjeta objetivo de la página de lista de reservas o en la página de detalles, puede realizar las siguientes operaciones de gestión sobre las instancias de reserva. Las instancias de reserva con ventana de tiempo de 8 horas no admiten escalado, renovación ni cancelación de suscripción (la capacidad deja de ser válida automáticamente después de que expire la ventana de tiempo).

Paquete de capacidad adicional

La página de reserva de rendimiento gestiona centralizadamente dos tipos de instancias de capacidad: reservas de TPM y PTU (Unidades de Rendimiento Aprovisionado). Los paquetes de capacidad adicional aplican a ambos. En el área "Instancias de capacidad activas" de una tarjeta objetivo en la página de lista de reservas, haga clic en Add-on capacity package para adquirir instancias de capacidad adicionales sobre una reserva existente. Después de la adición, la capacidad total de la reserva equivale a la suma de la reserva base y todos los paquetes de capacidad adicional. El código de modelo dedicado permanece sin cambios y no se requieren modificaciones en las llamadas a la API.

La parte superior del cuadro de diálogo muestra la siguiente información sobre la reserva base:

• Código de modelo dedicado, modelo base, modo de rendimiento (Modo estándar/Modo de alta velocidad) y política de desbordamiento: heredados de la reserva base y no se pueden modificar.
• Paquetes de capacidad existentes: el número de paquetes de capacidad añadidos actualmente.

Complete los siguientes parámetros de compra:

Parámetro	Descripción	Obligatorio	Descripción del valor
Billing cycle	El ciclo de facturación del paquete de capacidad adicional está restringido por el método de facturación de la reserva base: si la base es prepago, solo se pueden seleccionar paquetes adicionales prepagos; si la base es de pago por uso, se pueden seleccionar paquetes adicionales prepagos o de pago por uso. El modo de alta velocidad admite pago por uso o suscripción; el modo estándar admite solo suscripción (por día o por ventana de tiempo de 8 horas).	Sí	Pago por uso/por hora / Suscripción/por día / Suscripción/por ventana de tiempo de 8 horas (solo modo Estándar; la capacidad aumenta dentro de la ventana y deja de ser válida fuera de ella; para consultar las reglas, véase Facturación de reserva de rendimiento)
Input capacity	Throughput de entrada adicional, en kTPM.	Sí	Comenzando en 10 kTPM, en incrementos de 10 kTPM.
Output capacity	Throughput de salida adicional, en kTPM.	Sí	Comenzando en 1 kTPM, en incrementos de 1 kTPM.
Purchase duration	Duración válida del paquete de capacidad adicional. Requerido solo para Suscripción/por día; Pago por uso/por hora se factura según la duración real y no requiere este campo.	Sí	1~30, 60, 90, 120, 365 días.
Auto-renewal on expiry	Aplica solo a Suscripción/por día. Deduce automáticamente el pago y renueva a las 08:00 un día antes del vencimiento.	No	Activado / Desactivado

NotaSolo puede existir una instancia de capacidad de pago por uso (por hora) no eliminada bajo un único Código de modelo: si ya existe una instancia de pago por uso, el ciclo de facturación del paquete de capacidad adicional solo se puede configurar como Suscripción/por día.

La parte inferior muestra la tarifa de reserva de entrada, la tarifa de reserva de salida y el total. Tras la confirmación, haga clic en Confirm purchase. Una vez completada la compra con éxito, la nueva instancia de capacidad aparecerá en la lista "Instancias de capacidad activas" y la capacidad total reservada aumentará en consecuencia.

Escalado

Haga clic en Scaling y ajuste el TPM de entrada y el TPM de salida en el cuadro de diálogo.

NotaEl TPM de entrada y el TPM de salida se pueden establecer en 0: tras reducir a cero, no se acumulan cargos por capacidad y se conserva el código de modelo dedicado, lo que evita la invalidación del código causada por vencimiento o cancelación de suscripción. Sin embargo, reducir a cero es una reducción de categoría, y la parte utilizada se liquida con un coeficiente de 1.2x para el reembolso (consulte las notas de facturación y uso anteriores).

Renovación

Haga clic en Renew, seleccione una duración de renovación y complete el pago. Si Renovación automática al vencer está activada, el sistema deducirá automáticamente el pago y renovará a las 08:00 un día antes del vencimiento.

Cancelar suscripción

Haga clic en Unsubscribe y el sistema le redirigirá al Centro de facturación para completar el proceso de cancelación de suscripción.

ImportanteLa cancelación de la suscripción es irreversible. Tras cancelar la suscripción, el código de modelo dedicado deja de ser válido y las solicitudes existentes vuelven al procesamiento con recursos públicos. Al cancelar la suscripción, la parte utilizada se liquida con un coeficiente de 1.2x para el reembolso. Consulte la fórmula anterior.

Estado de la instancia de reserva

Dentro de las 2 horas posteriores al vencimiento del servicio, el estado es En ejecución; desde las 2 hasta las 14 horas después del vencimiento, pasa a Detenido; después de 14 horas, pasa a Vencido y finalmente se elimina.

Status	Descripción
En ejecución	En ejecución normal; se puede invocar mediante el código de modelo dedicado.
Pendiente	Creado; esperando entrar en vigor.
Modificando	Escalado en curso; el servicio no se interrumpe durante este periodo.
Detenido	Detenido por motivos como pago pendiente; se puede restaurar tras la renovación.
Vencido	Vencida sin renovación; los recursos han sido liberados.
Cancelado	Cancelación de suscripción completada; irreversible.

FAQ

P: ¿Qué sucede cuando se excede la capacidad reservada?

Depende de la política de desbordamiento seleccionada al crear: bajo "Auto overflow", las solicitudes que exceden la capacidad reservada pasan automáticamente a la facturación de pago por uso sin interrupción del servicio. Puede ver el recuento y la hora de degradación en la pestaña Resumen de la página de detalles en Estadísticas de degradación por desbordamiento; si las degradaciones ocurren frecuentemente, recomendamos escalar verticalmente. Bajo "Solo capacidad reservada", las solicitudes que exceden la cuota devuelven un error 429 y no generan cargos adicionales; si los 429 ocurren frecuentemente, recomendamos escalar verticalmente.

P: ¿Cómo obtengo el código de modelo dedicado?

Después de crear una reserva de rendimiento, el sistema genera automáticamente un código de modelo dedicado. Puede copiar el código en la pestaña Overview de la página de detalles de la reserva de rendimiento. Debe reemplazar el parámetro model en su solicitud de API con este código para utilizar la capacidad reservada.

P: ¿Qué sucede cuando vence una reserva?

Cuando una reserva vence, el código de modelo dedicado deja de ser válido y las solicitudes posteriores vuelven automáticamente al procesamiento con recursos públicos (pago por uso). Recomendamos activar Renovación automática al vencer con antelación para evitar impactos en el servicio.

P: ¿Cómo determino si debo escalar verticalmente?

En la pestaña Resumen de la página de detalles, consulte el gráfico de tendencias de uso de TPM y las estadísticas de degradación por desbordamiento. Si la utilización se mantiene cerca del 100% o si ocurren degradaciones con frecuencia, recomendamos aumentar el TPM de entrada/salida.