モデルトレーニングとデプロイの料金の確認方法 - Alibaba Cloud Model Studio

本トピックでは、Alibaba Cloud Model Studio でのモデルトレーニングとモデルデプロイに関する課金ルールと料金について説明します。

トレーニングの課金

テキスト生成モデル – Qwen

注記トレーニングのワークフローについては、「Qwen のファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを評価または呼び出すには、まずモデルデプロイを完了する必要があります。

方法

トレーニングトークンによる課金

計算式

モデルトレーニング料金 = (トレーニングデータの合計トークン数 + 混合トレーニングデータの合計トークン数) × エポック数 × トレーニング単価 (最小課金単位：1 トークン)

モデルトレーニングコンソールの下部で推定トレーニング料金を確認し、課金詳細をクリックして、トレーニングの合計トークン数、エポック数、トレーニング単価を表示できます。

トレーニングの単価

中国 (北京)

Qwen

モデルサービス	モデルコード	料金
Qwen3.8-27B	qwen3.8-27b	$0.007067/1K トークン

Qwen3.7-Plus-2026-05-26	qwen3.7-plus-2026-05-26	$0.048132/1K トークン

Qwen3.6-27B	qwen3.6-27b	$0.006876/1K トークン
Qwen3.6-Flash-2026-04-16	qwen3.6-flash-2026-04-16	$0.006876/1K トークン
Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	$0.041256/1K トークン

Qwen3.5-27B	qwen3.5-27b	$0.006876/1K トークン
Qwen3.5-9B	qwen3.5-9b	$0.00275/1K トークン
Qwen3.5-4B	qwen3.5-4b	$0.00212/1K トークン
Qwen3.5-Flash-2026-02-23	qwen3.5-flash-2026-02-23	$0.006876/1K トークン
Qwen3.5-Plus-2026-02-15	qwen3.5-plus-2026-02-15	$0.041256/1K トークン

Qwen3-32B	qwen3-32b	$0.005501/1K トークン
Qwen3-30B-A3B-Instruct-2507	qwen3-30b-a3b-instruct-2507	$0.004126/1K トークン
Qwen3-14B	qwen3-14b	$0.004126/1K トークン
Qwen3-8B	qwen3-8b	$0.000825/1K トークン
Qwen3-4B-Instruct-2507	qwen3-4b-instruct-2507	$0.000825/1K トークン
Qwen3-1.7B	qwen3-1.7b	$0.000619/1K トークン
Qwen3-0.6B	qwen3-0.6b	$0.000413/1K トークン

Qwen2.5-72B-Instruct	qwen2.5-72b-instruct	$0.020628/1K トークン
Qwen2.5-32B-Instruct	qwen2.5-32b-instruct	$0.004126/1K トークン
Qwen2.5-14B-Instruct	qwen2.5-14b-instruct	$0.004126/1K トークン
Qwen2.5-7B-Instruct	qwen2.5-7b-instruct	$0.000825/1K トークン

Qwen-Plus-Character-2025-11-06	qwen-plus-character-2025-11-06	$0.020628/1K トークン

Qwen-VL

モデルサービス	モデルコード	料金
Qwen3-VL-8B-Instruct	qwen3-vl-8b-instruct	$0.00165/1K トークン
Qwen3-VL-8B-Thinking	qwen3-vl-8b-thinking	$0.00165/1K トークン
Qwen3-VL-4B-Instruct	qwen3-vl-4b-instruct	$0.000825/1K トークン

Qwen2.5-VL-72B-Instruct	qwen2.5-vl-72b-instruct	$0.006876/1K トークン
Qwen2.5-VL-32B-Instruct	qwen2.5-vl-32b-instruct	$0.00275/1K トークン
Qwen2.5-VL-7B-Instruct	qwen2.5-vl-7b-instruct	$0.001375/1K トークン

シンガポール

Qwen

モデルサービス	モデルコード	料金
Qwen3.8-27B	qwen3.8-27b	$0.0075/1K トークン

Qwen3.6-27B	qwen3.6-27b	$0.0075/1K トークン

Qwen3.5-27B	qwen3.5-27b	$0.0075/1K トークン
Qwen3.5-9B	qwen3.5-9b	$0.003/1K トークン

Qwen3-14B	qwen3-14b	$0.0016/1K トークン

画像生成モデル – Wan

注記トレーニングのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを呼び出すには、まずモデルデプロイを完了する必要があります。

方法	トレーニングトークンによる課金
計算式	モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

`Total training tokens \approx max\_steps \times L_{step}`

ここで：

max_steps：トレーニング時に指定するハイパーパラメーターで、最大トレーニングステップ数を表します (ファインチューニングジョブ作成時に構成)。
L_step：1 ステップあたりのトークン消費量。計算式は次のとおりです：
$`L_{step} = \sum_{i \in batch} L_{item}^{(i)} \leq L_{max}`$
L_step は L_max とほぼ等しくなります。L_max は max_token_length と generation_type によって決まり、以下のようになります：

generation_type	max_token_length	L_max
t2i (テキストから画像)	1k	12,800
t2i (テキストから画像)	2k	23,220
i2i (画像から画像)	1k	23,220
i2i (画像から画像)	2k	32,000

モデルサービス	モデル名	トレーニング料金 (1K トークンあたり)
Wan 画像生成	wan2.7-image-pro	$0.015
Wan 画像生成	wan2.7-image	$0.015

課金例

wan2.7-image-pro モデルを t2i 用にファインチューニングするとします。パラメーターは次のとおりです:max_steps = 200、max_token_length = "1k"、トレーニング料金は 1,000 トークンあたり $0.015 です：

表から:L_max = 12,800 (generation_type=t2i, max_token_length=1k)、L_step ≈ L_max = 12,800
合計トレーニングトークン数 ≈ 200 × 12800 = 2560000 = 2560 千トークン
モデルトレーニング料金 ≈ 2560 × 0.015 = $38.4

画像生成モデル – Qwen

方法	トレーニングトークンによる課金
計算式	モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

`\text{Total training tokens} = n\_epochs \times N \times (max\_pixels / \text{Compression ratio}) \times \text{GPU coefficient}`

ここで：

n_epochs：トレーニング時に指定するハイパーパラメーターで、トレーニングエポック数を表します (ファインチューニングジョブ作成時に構成)。
N：トレーニングセット内の画像の総数。
max_pixels：トレーニング時に指定するハイパーパラメーターで、画像あたりの最大ピクセル数を表します (ファインチューニングジョブ作成時に構成)。有効な値は 1k (1024×1024) と 2k (2048×2048) です。
圧縮比：固定の VAE 圧縮比で、1024 (32×32) です。
GPU 係数：ジョブのスケジューリングに基づいて動的に調整されるリソーススケジューリング係数です。

モデルサービス	モデル名	トレーニング料金 (1K トークンあたり)
Qwen 画像生成	qwen-image-2.0	$0.003
Qwen 画像生成	qwen-image-2.0-pro	$0.003

課金例

トレーニングセットが 1 枚の画像の qwen-image-2.0 モデルをファインチューニングするとします。パラメーターは次のとおりです:n_epochs = 1000、max_pixels = "1k"、トレーニング料金は 1,000 トークンあたり $0.003、GPU 係数は 8 です：

画像あたりのトークン数 = max_pixels / 圧縮比 = 1024×1024 / 1024 = 1024
合計トレーニングトークン数 = 1000 × 1 × 1024 × 8 = 8192000 = 8192 千トークン
モデルトレーニング料金 = 8192 × 0.003 = $24.576

次の表は、GPU 係数を 8 と仮定した場合のトレーニング画像 1 枚あたりのトークン消費量と料金の見積もりです。N 枚の画像からなるトレーニングセットの場合、値に N を掛けてください。

max_pixels	n_epochs	推定トークン数	推定料金 (USD)
1k	800	6,553,600	19.66
1k	1,000	8,192,000	24.58
1k	2,000	16,384,000	49.15
2k	800	26,214,400	78.64
2k	1,000	32,768,000	98.30
2k	2,000	65,536,000	196.61

注記

GPU 係数はジョブのスケジューリングに基づいて動的に調整されます。上記の例と表の値 8 は計算の説明のためのものにすぎません。実際のトークン消費量については、ファインチューニングジョブの照会操作で返される usage フィールドをご参照ください。料金の最終的な判断はお客様の請求書に基づきます。
batch_size は課金や合計トレーニングトークン数には影響しません。

動画生成モデル – Wan

注記トレーニングのワークフローについては、「動画生成モデルのファインチューニング」をご参照ください。トレーニング完了後、新しいモデルを呼び出すには、まずモデルデプロイを完了する必要があります。

方法	トレーニングトークンによる課金
計算式	モデルトレーニング料金 = 合計トレーニングトークン数 × トレーニング単価 (課金単位:1,000 トークンごと)

合計トレーニングトークン数の計算式

`Total training tokens = \left( \sum_{i=1}^{N} \text{billing duration of video}_i \right) \times \frac{max\_pixels}{1024} \times n\_epochs`

ここで：

N：トレーニングセット内の動画の総数。
max_pixels：トレーニング時に指定するハイパーパラメーターで、動画の最大ピクセル数を表します (ファインチューニングジョブ作成時に構成)。
n_epochs：トレーニング時に指定するハイパーパラメーターで、ループ数を表します (ファインチューニングジョブ作成時に構成)。
- n_epochs と steps の変換は次のとおりです:steps = n_epochs × ⌈dataset_size / batch_size⌉、つまり n_epochs = steps / ⌈dataset_size / batch_size⌉。
- データセットに 1 つのサンプルしかなく、batch_size = 1 の場合、n_epochs = steps となります。合計で少なくとも 800 ステップを推奨します。
単一動画の課金時間の計算ルール:まず、元の動画の時間 (秒) を最も近い整数に丸め、次にモデルの制限に基づいて最終値を決定します。
- wan2.7 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
- wan2.6 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
- wan2.5 モデル:Billing duration=min(10, rounded duration)、つまり単一動画の課金時間は最大 10 秒です。
- wan2.2 モデル:Billing duration=min(5, rounded duration)、つまり単一動画の課金時間は最大 5 秒です。

モデルサービス	モデル名	トレーニング料金 (1K トークンあたり)
画像から動画 (最初のフレーム)	wan2.7-i2v	$0.3
	wan2.6-i2v	$0.08
	wan2.5-i2v-preview	$0.05
	wan2.2-i2v-flash	$0.03
画像から動画 (最初と最後のフレーム)	wan2.7-i2v	$0.3
画像から動画 (最初と最後のフレーム)	wan2.2-kf2v-flash	$0.03

課金例

wan2.7-i2v のコスト見積もり (単一データ)

トレーニングセットに再生時間 10 秒の動画が 1 つ含まれていると仮定します。batch_size = 1 (推奨) の場合、n_epochs = steps / ⌈1(dataset_size) / 1(batch_size)⌉ = steps となります。

トレーニング単価 = $0.3/千トークン。max_pixels = 36864、n_epochs = 800 を例にとります：

合計トレーニングトークン数 = 10 × (36864 / 1024) × 800 = 288,000 = 288 千トークン
モデルトレーニング料金 = 288 × $0.3 = $86.4

max_pixels	一般的なステップ数	n_epochs	推定トークン数	推定コスト (USD)
36864	800	800	288,000	$86.4
	1,000	1,000	360,000	$108
	2,000	2,000	720,000	$216
65536	800	800	512,000	$153.6
	1,000	1,000	640,000	$192
	2,000	2,000	1,280,000	$384
102400	800	800	800,000	$240
	1,000	1,000	1,000,000	$300
	2,000	2,000	2,000,000	$600

wan2.7-i2v のコスト見積もり (複数データ)

トレーニングセットに 3.4 秒と 11.5 秒の動画が 2 つ含まれていると仮定します。パラメーター:max_pixels = 36864、n_epochs = 800。トレーニング単価 = $0.3/千トークン：

時間の計算：
- 動画 1:3.4 秒は 3 に丸められます。課金時間 = min(10, 3) = 3。
- 動画 2:11.5 秒は 12 に丸められます。課金時間 = min(10, 12) = 10。
- 合計課金時間 = 3 + 10 = 13 秒。
合計トレーニングトークン数 = 13 × (36864/1024) × 800 = 374,400 = 374.4 千トークン。
モデルトレーニング料金 = 374.4 × 0.3 = $112.32。

wan2.5-i2v-preview のコスト見積もり (複数データ)

wan2.5 モデルをファインチューニングするとします。トレーニングセットには 3.4 秒と 11.5 秒の 2 つの動画が含まれています。パラメーターは max_pixels = 36864、n_epochs = 400 です。トレーニング単価は 1,000 トークンあたり $0.05 です。

時間の計算：
- 動画 1:3.4 秒は 3 に丸められます。課金時間:min(10, 3) = 3 秒。
- 動画 2:11.5 秒は 12 に丸められます。課金時間:min(10, 12) = 10 秒。
- 合計課金時間:3 + 10 = 13 秒。
合計トレーニングトークン数 = 13 × (36864 / 1024) × 400 = 187,200 = 187.2 千トークン。
モデルトレーニング料金 = 187.2 × 0.05 = $9.36。

デプロイの課金

テキスト生成モデル – Qwen

使用時間による課金 (プロビジョンドスループット)

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

従量課金は時間単位で計算されます:使用時間の単位は時間で、単価は以下の表の「1 時間継続」列を採用します。前払いは日単位で計算されます:使用時間の単位は日で、単価は以下の表の「1 日継続」列を採用します。

前払い注文は支払い後すぐに有効になり、N 日目の 23:59 まで有効です。22:00 以降に注文した場合、有効期限は自動的に 1 日延長されます。
前払い注文の有効期限が切れた後、サービスは 2 時間の猶予の後に停止され、リソースは停止後 14 時間保持されてからリリースされます。
前払い注文は早期終了をサポートしています。使用済み部分は 1.2 倍の係数で精算されて返金されます。詳細については、ダウングレードの返金ルールをご参照ください。
従量課金の場合、アカウントが支払い遅延状態になると、デプロイされたリソースは 24 時間保持されて課金が続けられ、その間もサービスを通常どおり利用できます。24 時間後、システムは課金を停止し、モデルデプロイは支払い遅延状態になり、基盤となるリソースは削除されますが、モデルデプロイタスクは保持されます。支払い遅延額を完済すると、システムはリソースを再割り当てして利用を再開します (再開後も料金は引き続き発生します)。課金をこれ以上発生させたくない場合は、モデルデプロイタスクを削除できます。削除が成功すると、課金は停止します。

モデルの入力が最大入力トークン数を超えると、対象の呼び出しは自動的に現在のモデルの従量課金モードに切り替わります。購入した TPM を超えた場合は、作成時に選択したオーバーフローポリシーに従って処理されます (「自動オーバーフロー」は従量課金に切り替わり、「PTU 容量のみ」は 429 を返します)。この場合、推論パフォーマンスが低下する可能性があり、ワークスペース内の現在のスナップショットモデルのパブリックトラフィック制御の対象となります。料金はモデル呼び出し (従量課金) の標準に従って料金ページで請求されます。

この場合 (「自動オーバーフロー」ポリシーのみ)、呼び出し API のレスポンスヘッダーに x-dashscope-ptu-overflow:true が含まれます。
TPM の統計情報を確認するには、モデルモニタリングにアクセスしてください。

スケールイン (ダウングレード) シナリオにおける費用削減と返金の具体的なルールについては、ダウングレードの返金ルールをご参照ください。

注記PTU デプロイは、段階的な容量係数と長入力のキャッシュ割引をサポートしています。詳細については、プロビジョンドスループットの長入力とキャッシュをご参照ください。

中国 (北京)

Qwen

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
Qwen3.8-Flash	qwen3.8-flash	128K	$0.407	$0.137	$4.884	$1.649
Qwen3.8-Max	qwen3.8-max	1M	$3.96	$1.188	$47.53	$14.258

Qwen3.7-Flash-2026-07-15	qwen3.7-flash-2026-07-15	128K	$0.066	$0.026	$0.792	$0.317
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	非思考モード:$0.07 思考モード:$0.28	$3.36	非思考モード:$0.84 思考モード:$3.36

DeepSeek

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
DeepSeek-v4-Flash	deepseek-v4-flash	256K	$0.5	$0.099	$5.94	$1.188
DeepSeek-v4-Flash-0731	deepseek-v4-flash-0731	256K	$0.99	$0.198	$11.88	$2.376
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

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
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

モデル名

モデルコード

最大入力トークン数

従量課金入力

10K TPM/時間あたり

従量課金出力

1K TPM/時間あたり

前払い入力

10K TPM/日あたり

前払い出力

1K TPM/日あたり

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

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
Qwen3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	128K	$0.35	$0.35	$4.2	$4.2

モデル名

モデルコード

最大入力トークン数

従量課金入力

10K TPM/時間あたり

従量課金出力

1K TPM/時間あたり

前払い入力

10K TPM/日あたり

前払い出力

1K TPM/日あたり

Qwen3-VL-Plus-2025-09-23

qwen3-vl-plus-2025-09-23

128K

$0.35

$4.2

シンガポール

Qwen

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
Qwen3.8-Flash	qwen3.8-flash	128K	$0.54	$0.169	$6.48	$2.03
Qwen3.8-Max	qwen3.8-max	1M	$4.8	$1.44	$57.6	$17.28

Qwen3.7-Flash-2026-07-15	qwen3.7-flash-2026-07-15	128K	$0.072	$0.031	$0.864	$0.374
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

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
DeepSeek-v4-Flash	deepseek-v4-flash	256K	$0.72	$0.144	$8.64	$1.728
DeepSeek-v4-Flash-0731	deepseek-v4-flash-0731	256K	$1.44	$0.288	$17.28	$3.456
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

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
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

モデル名

モデルコード

最大入力トークン数

従量課金入力

10K TPM/時間あたり

従量課金出力

1K TPM/時間あたり

前払い入力

10K TPM/日あたり

前払い出力

1K TPM/日あたり

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

モデル名	モデルコード	最大入力トークン数	従量課金入力 10K TPM/時間あたり	従量課金出力 1K TPM/時間あたり	前払い入力 10K TPM/日あたり	前払い出力 1K TPM/日あたり
Qwen3-VL-Plus-2025-09-23	qwen3-vl-plus-2025-09-23	128K	$0.48	$0.384	$5.76	$4.608

モデル名

モデルコード

最大入力トークン数

従量課金入力

10K TPM/時間あたり

従量課金出力

1K TPM/時間あたり

前払い入力

10K TPM/日あたり

前払い出力

1K TPM/日あたり

Qwen3-VL-Plus-2025-09-23

qwen3-vl-plus-2025-09-23

128K

$0.48

$0.384

$5.76

$4.608

使用時間による課金 (専用スループット)

前払い注文は早期終了をサポートしています。使用済み部分は 1.2 倍の係数で精算されて返金されます。詳細については、ダウングレードの返金ルールをご参照ください。

シンガポール

モデル	ベースライン入力 (TPM)	ベースライン出力 (TPM)	入力単価 (USD/kTPM·月)	出力単価 (USD/kTPM·月)	月額合計料金 (USD)
qwen3.7-plus-2026-05-26	1,192,000	148,000	37	295	87,764
	1,372,000	170,000	32	257	87,594
	660,000	124,000	66	352	87,208
	704,000	132,000	62	331	87,340

モデル	入力長	出力長	初回トークンレイテンシ (ms)	トークンあたりのレイテンシ (ms)
qwen3.7-plus-2026-05-26	16,000	2,000	888	10
	16,000	2,000	2,418	15
	2,600	500	819	14
	2,600	500	970	13

モデルトークン使用量による課金

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

モデルトークン使用量による課金は、以下のベースモデルに対して SFT 高効率トレーニング (つまり、API でデプロイする際に plan パラメーターが lora に設定される LoRA ファインチューニング) を完了してカスタムモデルを取得した後にのみサポートされます。

シンガポール

基盤モデル	モデルコード	入力 $/100万トークン	出力 $/100万トークン
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

基盤モデル

モデルコード

入力

$/100万トークン

出力

$/100万トークン

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

基盤モデル	モデルコード	入力 $/100万トークン	出力 $/100万トークン
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

基盤モデル

モデルコード

入力

$/100万トークン

出力

$/100万トークン

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

使用時間による課金 (モデルユニット)

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

「モデルユニット単価」は、従量課金シナリオでは以下の表の「時間単価」列を採用します。月額前払い課金の場合、計算式は 月数 × モデルユニット数 × 月額単価 となります。

前払い購入の最初の 1 か月目に早期解約した場合、日割り単価 (≈ 月額単価 / 30) が標準料金の 1.2 倍で請求されます (1 日未満の使用は 1 日として請求されます)

注記モデルユニットの従量課金方式では、コンピューティングリソースは先着順で割り当てられます。購入に失敗した場合は全額返金されます。

シンガポール

テキスト生成

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	MU1 x 8	$88	$41,832
Qwen3.6-Plus-2026-04-02	qwen3.6-plus-2026-04-02	MU2 x 8	$112	$52,392

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

マルチモーダル

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
Qwen3-VL-32B-Instruct	qwen3-vl-32b-instruct	MU2 x 8	$112	$52,392

モデル名

モデルコード

モデルユニット仕様

時間単価 ($)

最小課金単位：分

月額単価 ($)

最小課金単位：日

Qwen3-VL-32B-Instruct

qwen3-vl-32b-instruct

MU2 x 8

$112

$52,392

モデルタイプ：

Instruct - デプロイ後、モデルは非思考モードで推論を実行します。

中国 (北京)

テキスト生成

Qwen

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
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
		MU8 x 1	$6.464	$3,080.477
		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(PD 分離モード)	$59.408 PD 分離モード：$118.816	$28,734.256 PD 分離モード：$57,468.512

Qwen3.5-397B-A17B	qwen3.5-397b-a17b	MU3 x 8 MU3 x 16(PD 分離モード)	$150.72 PD 分離モード：$301.44	$72,577.152 PD 分離モード：$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	MU1 x 2	$14.852	$7,183.564
Qwen3.5-9B	qwen3.5-9b	MU2 x 8	$69.312	$33,044.72
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(PD 分離モード)	$59.408 PD 分離モード：$118.816	$28,734.256 PD 分離モード：$57,468.512
		MU2 x 8	$69.312	$33,044.72
		MU3 x 8 MU3 x 16(PD 分離モード)	$150.72 PD 分離モード：$301.44	$72,577.152 PD 分離モード：$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
Qwen3-4B	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	$29.704	$14,367.128
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

GLM

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
GLM-5.1	glm-5.1	MU2 x 8	$69.312	$33,044.72
		MU3 x 16(PD 分離モード)	PD 分離モード：$301.44	PD 分離モード：$145,154.304
		MU6 x 16	$55.008	$26,599.92
GLM-5	glm-5	MU3 x 16(PD 分離モード)	PD 分離モード：$301.44	PD 分離モード：$145,154.304
GLM-4.7	glm-4.7	MU6 x 32(PD 分離モード)	PD 分離モード：$110.016	PD 分離モード：$53,199.84

DeepSeek

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
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(PD 分離モード)	PD 分離モード：$138.624	PD 分離モード：$66,089.44

モデル名

モデルコード

モデルユニット仕様

時間単価 ($)

最小課金単位：分

月額単価 ($)

最小課金単位：日

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(PD 分離モード)

PD 分離モード：$138.624

PD 分離モード：$66,089.44

その他のモデル

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
Kimi-K2.5	kimi-k2.5	MU2 x 8	$69.312	$33,044.72

モデル名

モデルコード

モデルユニット仕様

時間単価 ($)

最小課金単位：分

月額単価 ($)

最小課金単位：日

Kimi-K2.5

kimi-k2.5

MU2 x 8

$69.312

$33,044.72

マルチモーダル

Qwen-VL

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
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-30B-A3B-Instruct	qwen3-vl-30b-a3b-instruct	MU1 x 4	$29.704	$14,367.128
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

Qwen-Omni

モデル名	モデルコード	モデルユニット仕様	時間単価 ($) 最小課金単位：分	月額単価 ($) 最小課金単位：日
Qwen3.5-Omni-Flash	qwen3.5-omni-flash	MU9 x 1	$7.014	$3,383.024

モデル名

モデルコード

モデルユニット仕様

時間単価 ($)

最小課金単位：分

月額単価 ($)

最小課金単位：日

Qwen3.5-Omni-Flash

qwen3.5-omni-flash

MU9 x 1

$7.014

$3,383.024

モデルタイプ：

Instruct - デプロイ後、モデルは非思考モードで推論を実行します。
Thinking - デプロイ後、モデルは思考モードで推論を実行します。

画像生成モデル – Wan

SFT-LoRA でファインチューニングされた Wan 画像生成モデルの場合、デプロイは無料で、呼び出しはファインチューニングされたベースモデルの標準呼び出し料金で課金されます。モデルのトレーニングとデプロイのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。

モデル名	LoRA デプロイ呼び出し料金
wan2.7-image-pro	$0.075/イメージ
wan2.7-image	$0.03/イメージ

画像生成モデル – Qwen

SFT-LoRA でファインチューニングされた Qwen 画像生成モデルの場合、デプロイは無料で、呼び出しはファインチューニングされたベースモデルの標準呼び出し料金で課金されます。モデルのトレーニングとデプロイのワークフローについては、「画像生成モデルのファインチューニング」をご参照ください。

モデル名	LoRA デプロイ呼び出し料金
qwen-image-2.0	$0.035/イメージ
qwen-image-2.0-pro	$0.075/イメージ

動画生成モデル – Wan

ファインチューニングされた Wan 動画生成モデル：

モデルデプロイ：無料
モデル呼び出し：ファインチューニングされたベースモデルの標準料金で課金されます。詳細については、モデル料金をご参照ください

よくある質問

Q:モデルデプロイの課金はいつ開始されますか？

A:課金はモデルのステータスが実行中に変わると開始されます。デプロイ中、支払い遅延、デプロイ失敗の間は料金は発生しません。

Q:トレーニングジョブをキャンセルした場合、料金は発生しますか？

A:はい。手動でトレーニングをキャンセルした場合、すでに消費されたトークンは引き続き課金対象としてプッシュされます。トレーニング料金は消費されたトークンに基づいて推定され、最終的な料金はお客様の請求書に基づきます。手動キャンセル以外の原因で中断されたトレーニングジョブに対して、Alibaba Cloud Model Studio はトレーニング料金を請求しません。

Q:デプロイされたモデルの呼び出し統計情報を表示するにはどうすればよいですか？

A:モデルモニタリング (シンガポール)、モデルモニタリング (バージニア)、モデルモニタリング (香港) (香港は標準モニタリングのみをサポートしており、高度なモニタリングとログは利用できません)、またはモデルモニタリング (北京) ページにアクセスしてください。

モデルモニタリングページでは、時間範囲 (3 時間、6 時間、12 時間、24 時間、今日、昨日、1 週間、カスタム) と推論タイプによるフィルタリングをサポートしています。上部のサマリーエリアには、モデルの総数、合計呼び出し回数、合計失敗数、平均呼び出し時間、平均初回パケット時間が表示されます。下部のモデルリストには、各モデルの合計呼び出し回数、失敗した呼び出し回数、失敗率、平均呼び出し時間、平均初回トークンレイテンシなどのメトリックが表示されます。単一モデルの詳細データを表示するには、モニタリングをクリックしてください。