モデルのトークン使用量に基づいて課金されるデプロイメント方法で、LoRA ファインチューニング済みモデルのみをサポートします。未使用時は課金されません。チューニング後のモデル効果検証や、低同時実行性・低レイテンシ要件の低コストシナリオに適しています。
概要
トークン使用量に応じて課金されます（未使用時は課金されません）。LoRA 効率的ファインチューニングを受けた一部のモデルのみをサポートします。チューニング後のモデル効果検証や、低同時実行性・低レイテンシ要件の低コストシナリオに適しています。スループット/同時実行数および生成速度はプラットフォームによって事前設定されており、ユーザーによる調整はできません。
注記サービスの作成後は課金方法を変更できません。切り替えるには、デプロイ済みのモデルをオフラインにして再デプロイする必要があります。モデルデプロイメントの概要を参照してください。
課金ルール
Fee = Model input token count × Model input unit price + Model output token count × Model output unit price (minimum billing unit: 1 token)
- モデルのトークン使用量による課金は、以下のベースモデルで効率的な SFT トレーニング（つまり LoRA 効率的ファインチューニング、API デプロイメントの場合は plan パラメータが lora に設定されている）を完了し、カスタムモデルを取得した後にのみサポートされます。
サポートされているモデルと料金
Singapore
Base Model | モデルコード | Input $/Million Tokens | Output $/Million Tokens |
|---|---|---|---|
Qwen3-14B | qwen3-14b | 非思考モード：$0.35 思考モード：$0.35 | 非思考モード：$1.4 思考モード：$4.2 |
北京
Base Model | モデルコード | Input $/Million Tokens | Output $/Million Tokens |
|---|---|---|---|
Qwen3-14B | qwen3-14b | 非思考モード：$0.144 思考モード：$0.144 | 非思考モード：$0.574 思考モード：$1.434 |
LoRA デプロイメント
トークン従量課金制のデプロイメントは、LoRA ファインチューニング済みモデルのみをサポートします。API 経由で作成する場合は、plan を lora に設定してください。capacity パラメータは無効ですが、入力必須です。スケーリングを行う場合は、Dedicated Deployment コンソール に移動して申請フォームを提出してください。
API を介してデプロイメントを作成する完全な例については、API デプロイメントガイドを参照してください。
スケーリング
トークン使用量ベースのデプロイメントの場合、スケーリングにはコンソールで申請フォームを提出し、手動レビューを待つ必要があります。セルフサービスでのスケーリングはサポートされていません。
FAQ
Q: 一か月間使用しないとどうなりますか？
トークン従量課金制のデプロイメントは、1 か月以内に使用されない場合、自動的にリリースされます。
Q: 他の課金方法に切り替えるにはどうすればよいですか？
元のリソースをオフラインにしてから、希望する課金方法を使用して新しいリソースを作成する必要があります。モデルデプロイメントの概要を参照してください。