:モデルの課金

モデル呼び出し料金は自動的に引き落とされます。請求書は 1 時間ごとに生成されます。詳細については、支払い方法の概要をご参照ください。

サブスクリプション方法：

モデルの推論 (呼び出し)：LLM 推論節約プランの購入はこちら。

2024 年 3 月 15 日以降、Model Studio は商用サービスをアップグレードしました。すべてのサブスクリプションサービスは従量課金サービスに変更されました。そのため、手動でサービスを更新する必要はありません。従量課金方法が自動的に使用されます。

• モデルの推論とモデルのトレーニング

  関連機能の使用を停止すると、料金は発生しなくなります。モデル推論の場合、API キー (シンガポールまたは北京) を削除することで、意図しない呼び出しによる追加の課金を防ぐことができます。

  

月次利用アラートを設定できます。アラートのしきい値を低い値に設定することで、予期しない請求が発生した際に Alibaba Cloud から通知を受け取り、さらなる損失を回避できます。

特定のモデルの呼び出し数とトークンの消費量は、モデル観測 (シンガポールまたは北京) ページで確認できます。

トークンは、モデルがテキストを表すために使用する基本単位です。文字や単語と考えることができます。

• 中国語では、1 トークンは通常 1 文字または 1 単語です。たとえば、テキスト「你好，我是通义千问」(こんにちは、私は Qwen です) は ['你好', '，', '我是', '通', '义', '千', '问'] に変換されます。

• 英語のテキストでは、1 トークンは通常 3〜4 文字または 1 単語に対応します。たとえば、「Nice to meet you.」は ['Nice', ' to', ' meet', ' you', '.'] に変換されます。

LLM によっては、トークンをチャンク化する方法が異なる場合があります。SDK を使用して、ローカルマシン上の Qwen モデルによってチャンク化されたトークンデータを表示できます。

Qwen モデルによってチャンク化されたトークンデータを表示する：

# DashScope Python SDK がインストールされていることを確認してください。
from dashscope import get_tokenizer

# トークナイザーオブジェクトを取得します。現在、Qwen シリーズモデルのみがサポートされています。
tokenizer = get_tokenizer('qwen-turbo')

input_str = 'Qwen has powerful capabilities.'

# 文字列をトークンにチャンク化し、トークン ID に変換します。
tokens = tokenizer.encode(input_str)
print(f"チャンク化後のトークン ID は: {tokens} です。")
print(f"チャンク化後、{len(tokens)} 個のトークンがあります。")

# トークン ID を文字列に変換して出力します。
for i in range(len(tokens)):
    print(f"トークン ID {tokens[i]} に対応する文字列は: {tokenizer.decode(tokens[i])} です。")

// Copyright (c) Alibaba, Inc. and its affiliates.
// dashscope SDK version >= 2.13.0
import java.util.List;
import com.alibaba.dashscope.exception.NoSpecialTokenExists;
import com.alibaba.dashscope.exception.UnSupportedSpecialTokenMode;
import com.alibaba.dashscope.tokenizers.Tokenizer;
import com.alibaba.dashscope.tokenizers.TokenizerFactory;

public class Main {
  public static void testEncodeOrdinary(){
    Tokenizer tokenizer = TokenizerFactory.qwen();
    String prompt ="If you had to walk a very long distance, how long would it take to arrive? ";
    // 特殊トークンなしで文字列をエンコード
    List<Integer> ids = tokenizer.encodeOrdinary(prompt);
    System.out.println(ids);
    String decodedString = tokenizer.decode(ids);
    assert decodedString == prompt;
  }

  public static void testEncode() throws NoSpecialTokenExists, UnSupportedSpecialTokenMode{
    Tokenizer tokenizer = TokenizerFactory.qwen();
    String prompt = "<|im_start|>system\nYou are a helpful assistant.<|im_end|>\n<|im_start|>user\nSan Francisco is a<|im_end|>\n<|im_start|>assistant\n";
    // 特殊トークン <|im_start|> および <|im_end|> を含む文字列をエンコード
    List<Integer> ids = tokenizer.encode(prompt, "all");
    // 24 tokens [151644, 8948, 198, 7771, 525, 264, 10950, 17847, 13, 151645, 198, 151644, 872, 198, 23729, 80328, 9464, 374, 264, 151645, 198, 151644, 77091, 198]
    String decodedString = tokenizer.decode(ids);
    System.out.println(ids);
    assert decodedString == prompt;

  }

  public static void main(String[] args) {
      try {
        testEncodeOrdinary();
        testEncode();
      } catch (NoSpecialTokenExists | UnSupportedSpecialTokenMode e) {
        e.printStackTrace();
      }
  }
}

ローカルトークナイザーは、テキスト内のトークン数を推定するのに役立ちます。ただし、結果は参考用であり、サーバー側のカウントと完全に一致しない場合があります。Qwen トークナイザーの詳細については、トークナイザーリファレンスをご参照ください。

対応するソリューションについては、エラーメッセージドキュメントをご参照ください。

無料クォータデータは 1 時間ごとに更新されます。ピーク時には、最大 1 時間の遅延が発生する場合があります。そのため、モデル呼び出し完了から 1 時間後に残りクォータを表示する必要があります。

マルチターン対話では、過去の対話の入出力は新しいターンの入力トークンとして課金されます。

アプリケーションの作成は無料です。ただし、Q&A ペアのためにアプリケーションを呼び出す場合、呼び出されたモデルに基づいてモデル呼び出し料金が請求されます。

無料クォータが使い果たされていない場合、請求書は生成されず、料金も発生しません。この場合、節約プランは控除に使用されません。節約プランは、無料クォータが使い果たされ、請求書が生成された後に控除に使用されます。

アカウントに支払い遅延がある場合、無料クォータ (シンガポールのみ) やリソースプランがあってもモデル呼び出しを行うことはできません。チャージページに移動してアカウントにチャージできます。

1. サービスが有効化されていない

Alibaba Cloud アカウントを使用してModel Studio コンソール (シンガポールまたは北京) に移動し、Model Studio のモデルサービスを有効化します。

2. アカウント残高不足

• 残高の確認: [費用とコスト] ページにログオンして、残高が十分かを確認します。

• チャージ：チャージと送金をクリックし、必要な金額を入力して支払いを完了します。

3. 繰り返しのエラーを防ぐための支出アラートの設定

• アラートの設定：詳細については、高額利用アラートの設定方法をご参照ください。支出のしきい値を設定します。金額がしきい値に達すると、システムがリマインダーを送信します。

考えられる理由は次のとおりです：

• 課金システムは 1 時間ごとに更新されます。ピーク時には、最大 1 時間の遅延が発生する場合があります。たとえば、16:00 から 17:00 の間に発生した料金は、19:30:00 まで請求されない場合があります。

• 無料モデルおよび無料クォータ内のモデル推論 (シンガポールのみ) は請求書を生成しません。無料クォータを超えた使用量のみが請求書を生成します。

コスト分析ページで、[コストタイプ] を [税引き前金額] に、[時間単位] を [月] に設定し、期間を選択して、[製品名] を [Alibaba Cloud Model Studio] に設定します。これにより、選択した期間内の Model Studio のコストを表示できます。

コスト分析 ページで、[コストタイプ] を [税引前金額] に、[時間の粒度] を [月] に設定し、期間を選択して、[製品詳細] を [Model Studio 基盤モデルの推論] に設定すると、選択した期間内のモデル推論の合計コストを表示できます。

qwen-max を例に説明します。[請求明細] ページで、[請求月] を選択します。[商品名] を [Model Studio 基盤モデル推論] に設定し、[検索] をクリックします。

[インスタンス ID] 列で、qwen-max に関連するすべてのインスタンスを検索し、これらのインスタンスの税抜き額を合計して、選択した課金サイクルにおける qwen-max モデルの合計推論料金を算出します。

2024 年 9 月 7 日以降に生成されたモデルの推論、デプロイ、トレーニングの請求書は、ApiKeyID、ワークスペース ID、モデル名、入出力タイプ、呼び出しチャネル、およびインスタンスのタグに基づいて照合できます。

[利用明細] ページで、[請求月] を選択します。[商品名] を [Model Studio 基盤モデル推論] に設定し、[検索] をクリックします。検索結果をローカルマシンにダウンロードし、[インスタンス ID] 列の内容に基づいて請求を照合します。

12xxx;llm-xxx;qwen-max;output_token;app のような完全な [アセット/リソースインスタンス ID] は、それぞれ ApiKeyID;Workspace ID;Model Name;Input/Output Type;Calling Channel を表します。 ご使用の [アセット/リソースインスタンス ID] に ApiKeyID が含まれていない場合、その課金項目はコンソールからの呼び出しによって生成されたものです。

完全なインスタンス ID (例：text_token;llm-xxx;qwen-max;output_token;app) は、それぞれ課金タイプ;ワークスペース ID;モデル名;入出力タイプ;呼び出しチャネルを表します。

完全なインスタンス タグ (例：key:test value:test) は、それぞれタグキー (key) とタグ値 (value) を表します。インスタンスに 2 つ以上のタグがある場合、タグのキーと値のペアは順にリストされ、セミコロンで区切られます (例：key:test1 value:test1; key:test2 value:test2)。

Model Studio API キー管理ページに移動し、ApiKeyID に対応する API キーを確認して、API キーに基づいて請求書を照合します。

ワークスペース管理 (シンガポールまたは北京) ページに移動し、ワークスペース ID に対応するワークスペースを確認して、ワークスペースに基づいて請求書を照合します。

呼び出しチャンネルには app、bmp、および assistant-api が含まれます。 app は、モデルがアプリケーションを介して呼び出されることを示します。 bmp は、モデルが Playground (シンガポール または 北京) を介して呼び出されることを示します。 assistant-api は、モデルがアシスタント API を介して呼び出されることを示します。

従量課金制のクラウドリソースの請求は、リアルタイム決済では[ありません]。[代わりに]、システムはまず、アカウントの利用可能なクレジットから、消費済みで未決済の金額を凍結します。翌月の初めに、最終的な月次請求書が発行された後、前月の請求額が実際に引き落とされます。

費用とコストセンターで[月次支出アラート] を設定できます。

• 無料クォータを使い切った後の課金停止

  追加コストを避けるため、Model Studio は無料クォータのみ機能を提供しています。

• 単位時間あたりのモデル呼び出し数または消費トークン数の制限

  サブワークスペースのレート制限を設定します。 [ワークスペース] ページに移動し、対象のサブワークスペースを見つけ、[承認 & スロットリング設定] をクリックします。 各モデルの [リクエスト数制限] と [トークン制限] を調整します。

• トークン消費のアラート設定

  モデルのオーバーヘッドに関するアラートルールを設定します。詳細については、使用量とパフォーマンスの観測をご参照ください。

  • 高度なモニタリング サービスが有効化されていない場合、Alibaba Cloud アカウントはまずターゲットの ワークスペース に切り替え、[モデルの監視] ページで手動で有効化または無効化する必要があります。RAM ユーザーを使用するには、Alibaba Cloud アカウントはまず RAM ユーザーに 必要な権限を付与する 必要があります。

  • [モデルアラート] ページに移動し、指示に従って CloudMonitor サービスを有効化します。

  • アラートルールの作成をクリックしてルールを設定します。指定されたメトリックが異常になった場合、システムはあなたまたは O&M チームに通知します。

  モデルアラートは通知をトリガーするだけで、モデル呼び出しを停止しません。