Créer un déploiement - Alibaba Cloud Model Studio - Centre de documentation Alibaba Cloud

Créez une tâche de déploiement de modèle.

Prérequis

Consultez Présentation du déploiement de modèles et Déployer un modèle à l’aide de l’API pour comprendre le fonctionnement du déploiement et son processus de base dans Alibaba Cloud Model Studio.
Configurez votre clé API Model Studio. Pour en savoir plus, consultez Obtenir une clé API.

Déploiement de modèles

Point de terminaison

POST https://dashscope-intl.aliyuncs.com/api/v1/deployments

Exemples de requêtes

Facturation par unités de débit provisionné (PTU)

RemarqueLa facturation débute immédiatement après le déploiement réussi, même si vous n'avez pas encore appelé le modèle. Vérifiez les règles de facturation avant de procéder au déploiement.

Le mode de facturation PTU facture en fonction de la durée d'utilisation du débit provisionné. Il convient aux scénarios nécessitant des garanties de débit stables, une forte concurrence, une faible latence et un trafic prévisible. Dans ce mode, le débit/la concurrence et la vitesse de génération sont prédéfinis par la plateforme et ne peuvent pas être ajustés.

curl "https://dashscope-intl.aliyuncs.com/api/v1/deployments" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "name": "my_qwen_flash",
    "model_name": "qwen-flash-2025-07-28",
    "plan": "ptu",
    "ptu_capacity": {
        "input_tpm": 10000,
	"output_tpm": 1000
    }
}'

Facturation selon la durée d’utilisation des unités de modèle

Remarque

La facturation débute immédiatement après le déploiement réussi, même si vous n'avez pas encore appelé le modèle. Vérifiez les règles de facturation avant de procéder au déploiement.
Les ressources de calcul des unités de modèle à la demande sont attribuées par ordre d’arrivée. Si l’achat échoue, vous êtes intégralement remboursé.

Sélectionnez la méthode de facturation par unité de modèle. Ce mode facture en fonction de la durée d'utilisation des unités de modèle et convient aux charges de travail d'inférence à grande échelle après le réglage fin du modèle. Les ressources sont dédiées, tandis que les performances et les coûts sont flexibles. Le débit/la concurrence et la vitesse de génération sont personnalisables.

curl "https://dashscope-intl.aliyuncs.com/api/v1/deployments" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "name": "my_qwen_plus",
    "model_name": "qwen-plus-2025-12-01",
    "plan": "mu",
    "deploy_spec": "MU1",
    "enable_thinking": true,
    "capacity": 4,
    "max_context_length": 10000,
    "rpm_limit": 500,
    "tpm_limit": 1000
}'

Le mode de déploiement par unité de modèle prend en charge des paramètres supplémentaires :

Configuration	Détails
Nom du service	Nom personnalisé du service de déploiement.
Sélectionner un modèle	Sélectionnez le modèle à déployer, parmi les modèles intégrés à la plateforme et les modèles affinés.
Type de Model Unit	Sélectionnez la spécification de déploiement. Chaque spécification correspond à une puissance de calcul et à des performances différentes.
Nombre de réplicas du déploiement	Définissez le nombre initial de réplicas du déploiement, qui détermine la capacité de traitement simultané du service.
Modèle de déploiement	Sélectionnez un modèle de déploiement, par exemple « single-node deployment ». Chaque modèle correspond à une configuration de ressources différente. Disponible uniquement avec la facturation par unités de modèle.
Configurer le mode d’inférence du modèle	Pour certains modèles déployés en mode Model Unit, vous pouvez configurer le mode d’inférence, la longueur maximale du contexte et d’autres options. Instruct : après le déploiement, le modèle effectue l’inférence en mode sans réflexion. Thinking : après le déploiement, le modèle effectue l’inférence en mode de réflexion.
Longueur maximale du contexte	Certains modèles prennent en charge ce paramètre en mode de déploiement Model Unit. La longueur maximale du contexte dépend du type de modèle.
Limitation du débit du service	Certains modèles prennent en charge ce paramètre en mode de déploiement Model Unit. Vous pouvez limiter les RPM et les TPM des appels au modèle.

Pour définir ces options avec l’API, consultez Créer une tâche de déploiement de modèle à l’aide de l’API.

Facturation selon l’utilisation des tokens

Sélectionnez la méthode de facturation basée sur les jetons. Ce mode facture en fonction de l'utilisation des jetons et convient aux scénarios sensibles aux coûts avec des exigences faibles en matière de concurrence et de latence. Il offre le meilleur avantage tarifaire. Le débit/la concurrence et la vitesse de génération sont prédéfinis par la plateforme et ne peuvent pas être ajustés.

curl "https://dashscope-intl.aliyuncs.com/api/v1/deployments" \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model_name": "qwen3-8b-ft-202511132025-0260",
    "plan": "lora",
    "capacity": 1,
    "name": "qwen3-8b-ft"
}'

Le paramètre capacity n’a aucun effet, mais doit être inclus. Pour augmenter ou réduire la capacité, accédez à la console de déploiement de modèles Model Studio et envoyez une demande via le formulaire.

Paramètres de requête

Paramètre

Type

Emplacement

Obligatoire

Description

model_name

Chaîne

body

Oui

Nom du modèle à déployer. Il correspond à l’ID du modèle dans My Models. Vous pouvez également obtenir cet ID dans la sortie des opérations Create Training Job ou Create Import Job.

plan

Chaîne

body

Oui

Plan de déploiement. Les modes de facturation suivants sont pris en charge :

Mode de facturation	Paramétrage du plan
Facturation par unité de modèle	`"plan": "mu"`
Facturation par unité de calcul	`"plan": "cu"`
Débit provisionné	`"plan": "ptu"`
Déploiement partagé LoRA (facturé par utilisation de jetons)	`"plan": "lora"`

Vous pouvez consulter rapidement les plans de déploiement pris en charge pour un modèle affiné dans My Models.

Les modèles CosyVoice affinés prennent actuellement uniquement en charge "plan": "mu".

name

Chaîne

body

Oui

Le nom d'affichage du modèle dans la console.

capacity

Entier

body

Non

Obligatoire uniquement lorsque "plan": "mu" est spécifié. Nombre d’unités de ressources du déploiement. Cette valeur doit être un multiple entier de base_capacity. Les contraintes varient selon la valeur de deploy_spec. Par exemple, pour MU2, la valeur doit être un multiple de 8 ; pour MU5, elle peut être égale à 1. Exemple : "capacity": 1.

Les modèles CosyVoice proposent actuellement les deux modèles de déploiement suivants, avec les contraintes correspondantes sur capacity :

single-node deployment : capacity doit être un multiple entier de 1, par exemple 1, 2, 3, 4 ou 5.
single-node deployment - flagship complex inference edition : capacity doit être un multiple entier de 8, par exemple 8, 16, 24 ou 32.

billing_method

Chaîne

body

Non

Obligatoire uniquement lorsque "plan": "mu" est spécifié. Actuellement, seul "POST_PAY" (paiement à terme échu) est pris en charge. Exemple : "billing_method": "POST_PAY".

deploy_spec

Chaîne

body

Non

Ce paramètre s'applique uniquement lorsque "plan": "mu" est spécifié.

Pour connaître les fonctionnalités prises en charge, consultez Fonctionnalités du déploiement par unités de modèle.

Ce paramètre est obligatoire lorsque "plan": "mu" est spécifié. Exemple : "deploy_spec": "MU1".

Vous pouvez obtenir cette valeur dans le champ template_id renvoyé par l’opération Get Deployable Model List.

enable_thinking

Booléen

body

Non

Pris en charge par certains modèles. Vous pouvez définir cette valeur sur true ou false.

max_context_length

Nombre

body

Non

Pris en charge par certains modèles. Exemple : "max_context_length": 131072.

rpm_limit

Nombre

body

Non

Pris en charge par certains modèles. Spécifie le nombre maximal de requêtes par minute (RPM).

tpm_limit

Nombre

body

Non

Pris en charge par certains modèles. Spécifie le nombre maximal de jetons par minute (TPM).

ptu_capacity

Objet

body

Non

Ce paramètre s'applique uniquement lorsque "plan": "ptu" est spécifié.

Pour connaître les fonctionnalités prises en charge, consultez Fonctionnalités du déploiement PTU.

Si vous omettez ce paramètre, le système utilise par défaut 10,000 input_tpm et 1,000 output_tpm.

Exemple : "ptu_capacity": { "input_tpm": 10000, "output_tpm": 1000 }.

ptu_capacity.input_tpm

Nombre

body

Non

Pris en charge par tous les modèles. Spécifie le nombre maximal de jetons d'entrée par minute (TPM).

ptu_capacity.output_tpm

Nombre

body

Non

Pris en charge par tous les modèles. Spécifie le nombre maximal de jetons de sortie par minute (TPM).

ptu_capacity.thinking_output_tpm

Nombre

body

Non

Pris en charge par certains modèles. Spécifie le nombre maximal de jetons de sortie de réflexion provisionnés par minute (TPM).

suffix

Chaîne

body

Non

Après le déploiement d'un modèle, un nouveau nom de modèle est généré. Le paramètre suffix spécifie le suffixe de ce nouveau nom. Il doit être globalement unique et avoir une longueur maximale de 8 caractères. Vous pouvez omettre le suffixe lors du premier déploiement d'un modèle. Si vous déployez le même modèle plusieurs fois, vous devez spécifier un suffixe unique pour chaque déploiement.

Pour en savoir plus, consultez le paramètre de sortie deployed_model.

Modèles pris en charge

Consultez les fonctionnalités prises en charge et la facturation.

Facturation selon la durée d’utilisation (débit provisionné)

Cost = Usage duration × (Input TPM unit price × Input TPM + Output TPM unit price × Output TPM)

Le paiement à terme échu est calculé à l’heure : la durée d’utilisation est exprimée en heures et le prix unitaire correspond à la colonne « 1 hour continuous » du tableau ci-dessous. Le prépaiement est calculé à la journée : la durée est exprimée en jours et le prix unitaire correspond à la colonne « 1 day continuous » du tableau ci-dessous.

Les commandes prépayées prennent effet immédiatement après le paiement et restent valides pendant N jours, jusqu’à 23:59 le jour N. Pour une commande passée après 22:00, la date d’expiration est automatiquement prolongée d’un jour.
Après l’expiration d’une commande prépayée, le service s’arrête avec un délai de 2 heures. Les ressources sont conservées pendant 14 heures après l’arrêt avant d’être libérées.
Les commandes prépayées ne peuvent pas être résiliées avant leur échéance.
Avec le paiement à terme échu, si votre compte présente un solde impayé, les ressources déployées sont conservées et facturées pendant 24 heures ; le service reste utilisable pendant cette période. Après 24 heures, le système cesse la facturation, le déploiement passe à l’état d’impayé et les ressources sous-jacentes sont supprimées, mais la tâche de déploiement est conservée. Une fois l’impayé réglé, le système réattribue les ressources et reprend le service ainsi que la facturation. Pour ne plus générer de frais, supprimez la tâche de déploiement : la facturation cesse une fois la suppression réussie.

Si l’entrée du modèle dépasse le nombre maximal de tokens d’entrée, l’appel bascule automatiquement vers la facturation à la demande du modèle actuel. Si les TPM achetés sont dépassés, la politique de débordement choisie à la création s’applique : « Auto-overflow » bascule vers la facturation à la demande ; « PTU capacity only » renvoie 429. Les performances d’inférence peuvent alors diminuer et sont soumises au trafic public de la version instantanée du modèle dans l’espace de travail. Les frais sont calculés selon le tarif des appels de modèle à la demande.

Dans ce cas, uniquement avec la politique « Auto-overflow », l’en-tête de réponse de l’API contient : x-dashscope-ptu-overflow:true.
Consultez les statistiques TPM dans Model Monitoring.

Pour connaître les règles de réduction des frais et de remboursement lors d’une réduction de capacité, consultez Règles de remboursement en cas de réduction de configuration.

RemarqueLe déploiement PTU prend en charge des coefficients de capacité par paliers et des remises de cache pour les longues entrées. Pour en savoir plus, consultez Longues entrées et cache du débit provisionné.

Singapore

Qwen

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée prépayée Par tranche de 10K TPM/jour	Sortie prépayée Par tranche de 1K TPM/jour
Qwen3.8-Max	qwen3.8-max	1M	$4.8	$1.44	$57.6	$17.28

Qwen3.7-Max-2026-05-20	qwen3.7-max-2026-05-20	256K	$1.92	$1.8	$72	$21.6
Qwen3.7-Plus-2026-05-26	qwen3.7-plus-2026-05-26	256K	$0.96	$0.384	$11.52	$4.608

Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	128K	$1.2	$0.72	$14.4	$8.64

Qwen3.5-Plus-2026-04-20	qwen3.5-plus-2026-04-20	128K	$0.96	$0.576	$11.52	$6.912

DeepSeek

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée prépayée Par tranche de 10K TPM/jour	Sortie prépayée Par tranche de 1K TPM/jour
DeepSeek-v4-Flash	deepseek-v4-flash	256K	$0.72	$0.144	$8.64	$1.728
DeepSeek-v4-Pro	deepseek-v4-pro	256K	$0.96	$1.728	$103.68	$20.736
DeepSeek-v3.2	deepseek-v3.2	64K	$2.05	$0.616	$24.62	$7.387

Nom du modèle

Code du modèle

Nombre maximal de tokens d’entrée

Entrée avec paiement à terme échu

Par tranche de 10K TPM/heure

Sortie avec paiement à terme échu

Par tranche de 1K TPM/heure

Entrée prépayée

Par tranche de 10K TPM/jour

Sortie prépayée

Par tranche de 1K TPM/jour

DeepSeek-v4-Flash

deepseek-v4-flash

256K

$0.72

$0.144

$8.64

$1.728

DeepSeek-v4-Pro

deepseek-v4-pro

256K

$0.96

$1.728

$103.68

$20.736

DeepSeek-v3.2

deepseek-v3.2

64K

$2.05

$0.616

$24.62

$7.387

GLM

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée prépayée Par tranche de 10K TPM/jour	Sortie prépayée Par tranche de 1K TPM/jour
GLM-5.2	glm-5.2	1M	$5.04	$1.584	$60.48	$19.008
GLM-5.1	glm-5.1	64K	$5.04	$1.584	$64.8	$19.008

Nom du modèle

Code du modèle

Nombre maximal de tokens d’entrée

Entrée avec paiement à terme échu

Par tranche de 10K TPM/heure

Sortie avec paiement à terme échu

Par tranche de 1K TPM/heure

Entrée prépayée

Par tranche de 10K TPM/jour

Sortie prépayée

Par tranche de 1K TPM/jour

GLM-5.2

glm-5.2

$5.04

$1.584

$60.48

$19.008

GLM-5.1

glm-5.1

64K

$5.04

$1.584

$64.8

$19.008

Qwen-VL

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée prépayée Par tranche de 10K TPM/jour	Sortie prépayée Par tranche de 1K TPM/jour
Qwen3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	128K	$0.48	$0.384	$5.76	$4.608

Nom du modèle

Code du modèle

Nombre maximal de tokens d’entrée

Entrée avec paiement à terme échu

Par tranche de 10K TPM/heure

Sortie avec paiement à terme échu

Par tranche de 1K TPM/heure

Entrée prépayée

Par tranche de 10K TPM/jour

Sortie prépayée

Par tranche de 1K TPM/jour

Qwen3-VL-Plus-2025-09-23

qwen3-vl-plus-2025-09-23

128K

$0.48

$0.384

$5.76

$4.608

Chine du Nord 2 (Pékin)

Qwen

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée sur abonnement Par tranche de 10K TPM/jour	Sortie sur abonnement Par tranche de 1K TPM/jour
Qwen3.8-Max	qwen3.8-max	1M	$3.96	$1.188	$47.53	$14.258

Qwen3.7-Max-2026-05-20	qwen3.7-max-2026-05-20	256K	$3.96	$1.188	$47.53	$14.258
Qwen3.7-Plus-2026-05-26	qwen3.7-plus-2026-05-26	256K	$0.66	$0.264	$7.92	$3.168

Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	128K	$0.67	$0.066	$7.93	$4.753

Qwen3.5-Plus-2026-04-20	qwen3.5-plus-2026-04-20	128K	$0.26	$0.16	$3.17	$1.9

Qwen3-Max-2025-09-23	qwen3-max-2025-09-23	128K	$1.11	$0.45	$13.32	$5.4

Qwen-Flash-2025-07-28	qwen-flash-2025-07-28	128K	$0.06	$0.06	$0.72	$0.72
Qwen-Plus-2025-12-01	qwen-plus-2025-12-01	128K	$0.28	Sans réflexion : $0.07 Avec réflexion : $0.28	$3.36	Sans réflexion : $0.84 Avec réflexion : $3.36

DeepSeek

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée sur abonnement Par tranche de 10K TPM/jour	Sortie sur abonnement Par tranche de 1K TPM/jour
DeepSeek-v4-Flash	deepseek-v4-flash	256K	$0.5	$0.099	$5.94	$1.188
DeepSeek-v4-Pro	deepseek-v4-pro	256K	$5.94	$1.188	$71.3	$14.26
DeepSeek-v3.2	deepseek-v3.2	64K	$1.04	$0.16	$12.48	$1.92
DeepSeek-v3	deepseek-v3	64K	$0.99	$0.396	$11.9	$4.75

GLM

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée sur abonnement Par tranche de 10K TPM/jour	Sortie sur abonnement Par tranche de 1K TPM/jour
GLM-5.2	glm-5.2	1M	$3.96	$1.386	$47.53	$16.635
GLM-5.1	glm-5.1	64K	$2.97	$1.19	$35.65	$14.26

Nom du modèle

Code du modèle

Nombre maximal de tokens d’entrée

Entrée avec paiement à terme échu

Par tranche de 10K TPM/heure

Sortie avec paiement à terme échu

Par tranche de 1K TPM/heure

Entrée sur abonnement

Par tranche de 10K TPM/jour

Sortie sur abonnement

Par tranche de 1K TPM/jour

GLM-5.2

glm-5.2

$3.96

$1.386

$47.53

$16.635

GLM-5.1

glm-5.1

64K

$2.97

$1.19

$35.65

$14.26

Qwen-VL

Nom du modèle	Code du modèle	Nombre maximal de tokens d’entrée	Entrée avec paiement à terme échu Par tranche de 10K TPM/heure	Sortie avec paiement à terme échu Par tranche de 1K TPM/heure	Entrée sur abonnement Par tranche de 10K TPM/jour	Sortie sur abonnement Par tranche de 1K TPM/jour
Qwen3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	128K	$0.35	$0.35	$4.2	$4.2

Nom du modèle

Code du modèle

Nombre maximal de tokens d’entrée

Entrée avec paiement à terme échu

Par tranche de 10K TPM/heure

Sortie avec paiement à terme échu

Par tranche de 1K TPM/heure

Entrée sur abonnement

Par tranche de 10K TPM/jour

Sortie sur abonnement

Par tranche de 1K TPM/jour

Qwen3-VL-Plus-2025-09-23

qwen3-vl-plus-2025-09-23

128K

$0.35

$4.2

Facturation selon la durée d’utilisation (unités de modèle)

Cost = Usage duration (hours) × Number of model units × Model unit price

Pour la facturation à la demande, le « prix unitaire du modèle » correspond à la colonne « Prix unitaire horaire » du tableau ci-dessous. Pour la facturation mensuelle prépayée, la formule est Nombre de mois × Nombre d’unités de modèle × Prix unitaire mensuel.

Si vous résiliez un achat prépayé au cours de son premier mois, le prix unitaire journalier (≈ prix unitaire mensuel / 30) est facturé avec un coefficient de 1.2. Toute journée commencée est facturée comme une journée complète.

RemarqueLes ressources de calcul des unités de modèle à la demande sont attribuées par ordre d’arrivée. Si l’achat échoue, un remboursement intégral est effectué.

Singapore

Génération de texte

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire (USD) Unité minimale de facturation : minute	Prix unitaire mensuel (USD) Unité minimale de facturation : jour
Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	MU1 x 8	$88	$41,832

Qwen3.5-397B-A17B	qwen3.5-397b-a17b	MU2 x 8	$112	$52,392
Qwen3.5-122B-A10B	qwen3.5-122b-a10b	MU2 x 8	$112	$52,392
Qwen3.5-27B	qwen3.5-27b	MU1 x 2	$22	$10,458
Qwen3.5-9B	qwen3.5-9b	MU1 x 2	$22	$10,458

GLM-5.1	glm-5.1	MU2 x 8	$112	$52,392
GLM-5.1	glm-5.1	MU3 x 8	$216	$102,696

DeepSeek-v4-Flash	deepseek-v4-flash	MU2 x 8	$112	$52,392

Qwen-Plus-Character-2025-11-06	qwen-plus-character-2025-11-06	MU1 x 4	$44	$20,916

Multimodal

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire (USD) Unité minimale de facturation : minute	Prix unitaire mensuel (USD) Unité minimale de facturation : jour
Qwen3-VL-32B-Instruct	qwen3-vl-32b-instruct	MU2 x 8	$112	$52,392

Nom du modèle

Code du modèle

Spécification de l’unité de modèle

Prix unitaire horaire (USD)

Unité minimale de facturation : minute

Prix unitaire mensuel (USD)

Unité minimale de facturation : jour

Qwen3-VL-32B-Instruct

qwen3-vl-32b-instruct

MU2 x 8

$112

$52,392

Types de modèles :

Instruct : après le déploiement, l’inférence s’effectue en mode sans réflexion.

Chine du Nord 2 (Pékin)

Génération de texte

Onglet

Qwen

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire (USD) Unité minimale de facturation : minute	Prix unitaire mensuel (USD) Unité minimale de facturation : jour
Qwen3.6-35B-A3B	qwen3.6-35b-a3b	MU1 x 8	$59.408	$28,734.256
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8	$150.72	$72,577.152
		MU9 x 1	$7.014	$3,383.024
Qwen3.6-27B	qwen3.6-27b	MU9 x 1	$7.014	$3,383.024
Qwen3.6-Flash-2026-04-16	qwen3.6-flash-2026-04-16	MU1 x 2	$14.852	$7,183.564
Qwen3.6-Flash-2026-04-16	qwen3.6-flash-2026-04-16	MU3 x 8	$150.72	$72,577.152
Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	MU1 x 8 MU1 x 16(mode de séparation préremplissage/décodage)	$59.408 Mode de séparation préremplissage/décodage :$118.816	$28,734.256 Mode de séparation préremplissage/décodage :$57,468.512

Qwen3.5-397B-A17B	qwen3.5-397b-a17b	MU3 x 8 MU3 x 16(mode de séparation préremplissage/décodage)	$150.72 Mode de séparation préremplissage/décodage :$301.44	$72,577.152 Mode de séparation préremplissage/décodage :$145,154.304
Qwen3.5-397B-A17B	qwen3.5-397b-a17b	MU6 x 16	$55.008	$26,599.92
Qwen3.5-122B-A10B	qwen3.5-122b-a10b	MU1 x 4	$29.704	$14,367.128
Qwen3.5-122B-A10B	qwen3.5-122b-a10b	MU6 x 16	$55.008	$26,599.92
Qwen3.5-35B-A3B	qwen3.5-35b-a3b	MU1 x 2	$14.852	$7,183.564
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8	$150.72	$72,577.152
		MU9 x 1	$7.014	$3,383.024
Qwen3.5-27B	qwen3.5-27b	MU2 x 8	$69.312	$33,044.72
		MU3 x 8	$150.72	$72,577.152
		MU8 x 1	$6.464	$3,080.477
		MU9 x 1	$7.014	$3,383.024
Qwen3.5-9B	qwen3.5-9b	MU2 x 2	$17.328	$8,261.18
Qwen3.5-Flash-2026-02-23	qwen3.5-flash-2026-02-23	MU1 x 2	$14.852	$7,183.564
Qwen3.5-Plus-2026-02-15	qwen3.5-plus-2026-02-15	MU1 x 8 MU1 x 16(mode de séparation préremplissage/décodage)	$59.408 Mode de séparation préremplissage/décodage :$118.816	$28,734.256 Mode de séparation préremplissage/décodage :$57,468.512
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8 MU3 x 16(mode de séparation préremplissage/décodage)	$150.72 Mode de séparation préremplissage/décodage :$301.44	$72,577.152 Mode de séparation préremplissage/décodage :$145,154.304

Qwen3-235B-A22B-Instruct-2507	qwen3-235b-a22b-instruct-2507	MU1 x 4	$29.704	$14,367.128
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8	$150.72	$72,577.152
Qwen3-32B	qwen3-32b	MU6 x 16	$55.008	$26,599.92
Qwen3-30B-A3B-Thinking-2507	qwen3-30b-a3b-thinking-2507	MU1 x 2	$14.852	$7,183.564
Qwen3-8B	qwen3-8b	MU1 x 2	$14.852	$7,183.564
Qwen3-8B	qwen3-8b	MU2 x 2	$17.328	$8,261.18
Qwen3-4B	qwen3-4b	MU1 x 2	$14.852	$7,183.564
Qwen3-4B	qwen3-4b	MU5 x 1	$2.888	$1,394.329
Qwen3-Embedding-0.6B	qwen3-embedding-0.6b	MU5 x 1	$2.888	$1,394.329
Qwen3-Embedding-0.6B	qwen3-embedding-0.6b	MU6 x 1	$3.438	$1,662.495
Qwen3-MoE-Rerank-0.6B	qwen3-moe-rerank-0.6b	MU5 x 1	$2.888	$1,394.329
Qwen3-Rerank-0.6B	qwen3-rerank-0.6b	MU5 x 1	$2.888	$1,394.329
Qwen3-Rerank-0.6B	qwen3-rerank-0.6b	MU6 x 1	$3.438	$1,662.495
Qwen3-Max-2025-09-23	qwen3-max-2025-09-23	MU2 x 8	$69.312	$33,044.72
Qwen3-Max-2025-09-23	qwen3-max-2025-09-23	MU3 x 8	$150.72	$72,577.152
Qwen3-Rerank	qwen3-rerank	MU5 x 1	$2.888	$1,394.329

Qwen2.5-Open-Source-72B	qwen2.5-72b-instruct	MU1 x 8	$59.408	$28,734.256
Qwen2.5-Open-Source-14B	qwen2.5-14b-instruct	MU1 x 2	$14.852	$7,183.564
Qwen2.5-Open-Source-7B	qwen2.5-7b-instruct	MU1 x 2	$14.852	$7,183.564
Qwen2.5-Open-Source-7B	qwen2.5-7b-instruct	MU5 x 1	$2.888	$1,394.329

Qwen-Plus-2025-07-28	qwen-plus-2025-07-28	MU1 x 4 MU1 x 16(mode de séparation préremplissage/décodage)	$29.704 Mode de séparation préremplissage/décodage :$118.816	$14,367.128 Mode de séparation préremplissage/décodage :$57,468.512
Qwen-Plus-2025-12-01	qwen-plus-2025-12-01	MU1 x 4	$29.704	$14,367.128
Qwen-Plus-Character-2025-11-06	qwen-plus-character-2025-11-06	MU1 x 4	$29.704	$14,367.128

Onglet

GLM

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire (USD) Unité minimale de facturation : minute	Prix unitaire mensuel (USD) Unité minimale de facturation : jour
GLM-5.1	glm-5.1	MU2 x 8	$69.312	$33,044.72
		MU3 x 16(mode de séparation préremplissage/décodage)	Mode de séparation préremplissage/décodage :$301.44	Mode de séparation préremplissage/décodage :$145,154.304
		MU6 x 16	$55.008	$26,599.92
GLM-5	glm-5	MU3 x 16(mode de séparation préremplissage/décodage)	Mode de séparation préremplissage/décodage :$301.44	Mode de séparation préremplissage/décodage :$145,154.304
GLM-4.7	glm-4.7	MU6 x 32(mode de séparation préremplissage/décodage)	Mode de séparation préremplissage/décodage :$110.016	Mode de séparation préremplissage/décodage :$53,199.84

Onglet

DeepSeek

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire (USD) Unité minimale de facturation : minute	Prix unitaire mensuel (USD) Unité minimale de facturation : jour
DeepSeek-v4-Flash	deepseek-v4-flash	MU1 x 8	$59.408	$28,734.256
MU3 x 8	$150.72	$72,577.152
DeepSeek-v3.2	deepseek-v3.2	MU2 x 16 (mode de séparation préremplissage/décodage)	Mode de séparation préremplissage/décodage : $138.624	Mode de séparation préremplissage/décodage : $66,089.44

Nom du modèle

Code du modèle

Spécification de l’unité de modèle

Prix unitaire horaire (USD)

Unité minimale de facturation : minute

Prix unitaire mensuel (USD)

Unité minimale de facturation : jour

DeepSeek-v4-Flash

deepseek-v4-flash

MU1 x 8

$59.408

$28,734.256

MU3 x 8

$150.72

$72,577.152

DeepSeek-v3.2

deepseek-v3.2

MU2 x 16 (mode de séparation préremplissage/décodage)

Mode de séparation préremplissage/décodage : $138.624

Mode de séparation préremplissage/décodage : $66,089.44

Onglet

Autres modèles

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire ($) Unité minimale de facturation : minute	Prix unitaire mensuel ($) Unité minimale de facturation : jour
Kimi-K2.5	kimi-k2.5	MU2 x 8	$69.312	$33,044.72

Nom du modèle

Code du modèle

Spécification de l’unité de modèle

Prix unitaire horaire ($)

Unité minimale de facturation : minute

Prix unitaire mensuel ($)

Unité minimale de facturation : jour

Kimi-K2.5

kimi-k2.5

MU2 x 8

$69.312

$33,044.72

Multimodal

Onglet

Qwen-VL

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire ($) Unité minimale de facturation : minute	Prix unitaire mensuel ($) Unité minimale de facturation : jour
Qwen3-VL-235B-A22B-Thinking	qwen3-vl-235b-a22b-thinking	MU1 x 8	$59.408	$28,734.256
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8	$150.72	$72,577.152
Qwen3-VL-32B-Instruct	qwen3-vl-32b-instruct	MU2 x 8	$69.312	$33,044.72
Qwen3-VL-32B-Instruct	qwen3-vl-32b-instruct	MU3 x 8	$150.72	$72,577.152
Qwen3-VL-8B-Instruct	qwen3-vl-8b-instruct	MU1 x 2	$14.852	$7,183.564
Qwen3-VL-8B-Instruct	qwen3-vl-8b-instruct	MU5 x 1	$2.888	$1,394.329
Qwen3-VL-4B-Instruct	qwen3-vl-4b-instruct	MU1 x 2	$14.852	$7,183.564
Qwen3-VL-2B-Instruct	qwen3-vl-2b-instruct	MU5 x 1	$2.888	$1,394.329
Qwen3-VL-Embedding-2B	qwen3-vl-embedding-2b	MU5 x 1	$2.888	$1,394.329
Qwen3-VL-Flash-2025-10-15	qwen3-vl-flash-2025-10-15	MU1 x 4	$29.704	$14,367.128
Qwen3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	MU1 x 4	$29.704	$14,367.128

Qwen-VL-Max-2025-08-13	qwen-vl-max-2025-08-13	MU6 x 4	$13.752	$6,649.98

Onglet

Qwen-Omni

Nom du modèle	Code du modèle	Spécification de l’unité de modèle	Prix unitaire horaire ($) Unité minimale de facturation : minute	Prix unitaire mensuel ($) Unité minimale de facturation : jour
Qwen3.5-Omni-Flash	qwen3.5-omni-flash	MU9 x 1	$7.014	$3,383.024

Nom du modèle

Code du modèle

Spécification de l’unité de modèle

Prix unitaire horaire ($)

Unité minimale de facturation : minute

Prix unitaire mensuel ($)

Unité minimale de facturation : jour

Qwen3.5-Omni-Flash

qwen3.5-omni-flash

MU9 x 1

$7.014

$3,383.024

Types de modèles :

Instruct : le modèle effectue l'inférence en mode sans réflexion après déploiement.
Thinking : le modèle effectue l'inférence en mode de réflexion après déploiement.

Consommation de tokens par modèle

Fee = Model input token count × Model input unit price + Model output token count × Model output unit price (minimum billing unit: 1 token)

La facturation selon l’utilisation des tokens du modèle est disponible uniquement après un entraînement SFT efficace sur les modèles de base suivants et l’obtention d’un modèle personnalisé.

Singapore

Modèle de base	Code du modèle	Entrée $/million de tokens	Sortie $/million de tokens
Qwen3-14B	qwen3-14b	Mode sans réflexion :$0.35 Mode de réflexion :$0.35	Mode sans réflexion :$1.4 Mode de réflexion :$4.2

Modèle de base

Code du modèle

Entrée

$/million de tokens

Sortie

$/million de tokens

Qwen3-14B

qwen3-14b

Mode sans réflexion :$0.35

Mode de réflexion :$0.35

Mode sans réflexion :$1.4

Mode de réflexion :$4.2

Beijing

Modèle de base	Code du modèle	Entrée $/million de tokens	Sortie $/million de tokens
Qwen3.5-27B	qwen3.5-27b	<128K $0.086 128K-256K $0.258	<128K $0.688 128K-256K $2.064

Qwen3-32B	qwen3-32b	Mode sans réflexion :$0.287 Mode de réflexion :$0.287	Mode sans réflexion :$1.147 Mode de réflexion :$2.868
Qwen3-14B	qwen3-14b	Mode sans réflexion :$0.144 Mode de réflexion :$0.144	Mode sans réflexion :$0.574 Mode de réflexion :$1.434
Qwen3-8B	qwen3-8b	Mode sans réflexion :$0.072 Mode de réflexion :$0.072	Mode sans réflexion :$0.287 Mode de réflexion :$0.717

Qwen3-VL-8B-Instruct	qwen3-vl-8b-instruct	$0.072	$0.287

Exemple de réponse

La commande renvoie les éléments suivants :

{
  "request_id": "f2ae64f7-83cc-410c-bc0b-840443f7eb86",
  "output": {
    "deployed_model": "emo-35b3f106-sample01",
    "gmt_create": "2025-06-17T11:00:38.68",
    "gmt_modified": "2025-06-17T11:00:38.68",
    "status": "PENDING",
    "model_name": "emo",
    "base_model": "emo",
    "base_capacity": 1,
    "capacity": 1,
    "ready_capacity": 0,
    "workspace_id": "llm-v71tlv3d***",
    "charge_type": "post_paid",
    "creator": "175805416***",
    "modifier": "175805416***"
  }
}

Paramètres de réponse

Paramètre	Type	Description
request_id	Chaîne	ID de la requête.
output	Objet	Détails de la tâche de déploiement.
deployed_model	Chaîne	Identifiant unique du modèle déployé. Cet ID est utilisé pour les opérations API telles que la consultation des détails du déploiement, la modification des limites de débit, le redimensionnement et la suppression du déploiement. Il est également transmis comme paramètre SDK lors des appels au modèle.
gmt_create	Chaîne	Heure de création de la tâche de déploiement.
gmt_modified	Chaîne	Heure de la dernière modification de la tâche de déploiement.
status	Chaîne	État de la tâche de déploiement. PENDING : création de la tâche en cours. UPDATING : mise à jour de la tâche en cours. RUNNING : la tâche de déploiement est en cours d’exécution et le modèle déployé peut traiter les requêtes. STOPPED : la tâche de déploiement est arrêtée et n’est pas facturée. DELETING : suppression de la tâche en cours. FAILED : la création ou la mise à jour de la tâche a échoué.
model_name	Chaîne	Nom du modèle utilisé dans la tâche de déploiement.
base_model	Chaîne	ID du modèle de base utilisé dans la tâche de déploiement.
base_capacity	Nombre	Nombre minimal d'unités de ressources requis pour exécuter le modèle de base.
capacity	Nombre	Nombre d'unités de ressources utilisées par la tâche de déploiement.
ready_capacity	Nombre	Nombre d'unités de ressources prêtes à traiter immédiatement les requêtes. La vitesse d'initialisation des ressources ou l'état du matériel peuvent limiter cette valeur.
workspace_id	Chaîne	ID de l'espace de travail de la tâche de déploiement.
charge_type	Chaîne	Méthode de facturation de la tâche de déploiement. `post_paid`: Paiement à terme échu.
creator	Chaîne	UID de l'utilisateur qui a créé la tâche de déploiement.
modifier	Chaîne	UID de l'utilisateur qui a modifié en dernier la tâche de déploiement.
plan	Chaîne	Modèle de facturation de la tâche de déploiement. Ce paramètre n'est pas renvoyé pour certains modèles de facturation.
Renvoyé uniquement pour les déploiements Model Unit.
model_unit_spec	Chaîne	Spécification de l'unité de modèle.
enable_thinking	Booléen	Indique si le mode Thinking est activé. Cette fonctionnalité est disponible uniquement pour certains modèles.
max_context_length	Nombre	Longueur maximale du contexte.
rpm_limit	Chaîne	Nombre maximal de requêtes par minute (RPM).
tpm_limit	Nombre	Nombre maximal de jetons par minute (TPM).
Renvoyé uniquement pour les déploiements avec débit provisionné (PTU).
ptu_capacity	Objet	Ce paramètre prend effet uniquement lorsque `"plan": "ptu"` est défini. Exemple : `"ptu_capacity": { "input_tpm": 10000, "output_tpm": 1000 }`.
ptu_capacity.input_tpm	Nombre	Nombre maximal de jetons d'entrée par minute (TPM) pour le modèle déployé. Cette fonctionnalité est prise en charge par tous les modèles.
ptu_capacity.output_tpm	Nombre	Nombre maximal de jetons de sortie par minute (TPM) pour le modèle déployé. Cette fonctionnalité est prise en charge par tous les modèles.
ptu_capacity.thinking_output_tpm	Nombre	Nombre maximal de jetons de sortie Thinking par minute (TPM) pour le modèle déployé. Cette fonctionnalité est disponible uniquement pour certains modèles.

Réponse d’erreur

Exemple de réponse

{
    "request_id": "ca218d57-b91b-46b2-bd35-c41c6287bcf4",
    "message": "Model: qwen-plus-20230703-cx7f not found!",
    "code": "NotFound"
}

Paramètres de réponse

Paramètre	Type	Description
request_id	Chaîne	Identifiant unique de la requête.
code	Chaîne	Code d’erreur.
message	Chaîne	Message d’erreur.

Les erreurs suivantes peuvent se produire lorsqu'une requête échoue :

Code d’erreur	Message d’erreur	Cause
NotFound	Model: xxx not found!	Vous créez une tâche de déploiement avec un modèle qui n'existe pas. Vous interrogez, mettez à jour ou supprimez une tâche de déploiement avec un modèle qui n'existe pas.
Conflict	Deployed model xxx already exists, please specify a suffix.	Vous créez une tâche de déploiement avec un suffixe déjà utilisé.
InvalidParameter	Invalid capacity (xx), capacity must be larger than or equal to 0 and multiples of 1 and less than 1000!	Vous créez ou mettez à jour une tâche de déploiement avec un nombre d'unités de capacité non valide.