Alibaba Cloud Model Studio:Reserva de TPM

A reserva de TPM garante uma capacidade de inferência dedicada para um modelo específico, assegurando que seus services não sejam afetados pelos limites de taxa do pool público durante os horários de pico. Este tópico descreve como criar, integrar e gerenciar reservas de TPM.

Visão geral

Com uma reserva de TPM (Tokens Por Minuto), você bloqueia um throughput de inferência dedicado para um modelo determinado. As chamadas dentro da capacidade reservada não estão sujeitas aos limites de taxa do pool de recursos público.

• Garantia de capacidade: A capacidade de TPM reservada é exclusiva para sua carga de trabalho e não é compartilhada com outros usuários.
• Código de modelo dedicado: Após criar uma reserva de throughput, o sistema gera automaticamente um código de modelo dedicado. Você deve substituir o parâmetro model nas suas requisições de API por este código.
• Estratégia de overflow: Ao criar uma reserva, escolha como lidar com o tráfego excedente — redirecionamento automático para pagamento conforme o uso (padrão, sem interrupção do serviço) ou uso exclusivo da capacidade reservada (requisições excedentes retornam 429, sem custos adicionais).
• Pacote de capacidade adicional: Compre instâncias de capacidade adicionais sobre uma reserva existente. As novas instâncias compartilham o mesmo código de modelo dedicado, e a capacidade total reservada aumenta correspondentemente após a adição. Para mais informações, consulte Operações de gerenciamento.
• Reserva por janela de tempo de 8 horas: No modo Standard, você pode escolher um plano pré-pago (por janela de tempo de 8 horas) com duração fixa de 8 horas e efeito imediato, adequado para cenários em que a carga se concentra em janelas de tempo específicas. Para mais informações, consulte Faturamento da reserva de throughput.

Compare e selecione um plano

O Model Studio oferece diversos planos de capacidade e faturamento para chamadas de inferência, incluindo pagamento conforme o uso, planos de recursos e planos de economia, reservas de throughput e implantações dedicadas PTU. Cada plano possui características distintas quanto à unidade de faturamento, nível de garantia de capacidade, tratamento de overflow e alterações de integração. Esta seção ajuda você a escolher o plano adequado com base nas necessidades do seu negócio.

Plano	Unidade de faturamento	Garantia de capacidade	Casos de uso	Tratamento de overflow	Alterações de código
Pagamento conforme o uso	Por token	Nenhuma (pool público compartilhado)	Tráfego altamente variável/de curto prazo	Atendido automaticamente, sujeito aos limites de taxa públicos	Nenhuma alteração necessária
Plano de recursos/Plano de economia	Cota pré-paga	Desconto por uso comprometido (não é capacidade dedicada)	Otimização de custos	Tráfego excedente muda para pagamento conforme o uso	Nenhuma alteração necessária
Reserva de throughput	Pré-pago por kTPM	Capacidade dedicada com garantia firme	Tráfego previsível, sem tolerância a limitação de taxa	Opcional: overflow automático para pagamento conforme o uso (padrão) / apenas capacidade reservada retorna 429	Substituir o parâmetro model
PTU (Implantação de modelo)	Pré-pago por kTPM	Instância de implantação dedicada	Alto throughput e alto desempenho	Opcional: overflow automático para pagamento conforme o uso (padrão) / apenas capacidade PTU retorna 429	Substituir o parâmetro model

Modelos suportados

Para os preços, consulte Faturamento da reserva de throughput.

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-v4.1-Flash
• 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-v4.1-Flash
• DeepSeek-v4-Flash
• DeepSeek-v4-Flash-0731
• DeepSeek-v4-Pro
• DeepSeek-v4-Pro-0813
• kimi-k3.1-pro: Oferece suporte apenas a reservas pré-pagas diárias no modo padrão.

Notas de faturamento e uso

• O faturamento inicia assim que a implantação for bem-sucedida: as taxas de capacidade são cobradas pela quantidade comprada, aplicam-se independentemente de você realizar chamadas ou não e não são reduzidas com base no uso real (as taxas são cobradas integralmente mesmo sem nenhuma chamada). Chamadas dentro da capacidade reservada não incorrem em cobranças adicionais; o pré-pagamento é efetuado em um pagamento único antecipado, e a reserva entra em vigor ininterruptamente a partir da compra bem-sucedida. Para valores detalhados, consulte o console Bailian.
• Para as regras de faturamento e as restrições de venda das reservas por janela de tempo de 8 horas (faturadas por janela de tempo de 8 horas), consulte Faturamento da reserva de throughput.
• Quando a política de overflow é "Overflow automático": requisições que excedem a cota degradam para o faturamento padrão de pagamento conforme o uso, sem interrupção do serviço. Visualize a contagem de degradações na página de detalhes em Overflow degradation statistics. Quando definido como "Apenas capacidade reservada": requisições acima da cota retornam 429 e não geram cobranças adicionais.
• Até 2 horas após a expiração do serviço, a instância ainda pode ser chamada e renovada; entre 2 e 14 horas após a expiração, a instância é parada, não pode ser chamada, mas ainda pode ser renovada; após 14 horas, a instância é liberada e não pode ser recuperada. (Aplica-se a reservas diárias; reservas por janela de tempo de 8 horas não são elegíveis a esse período de carência. Consulte Faturamento da reserva por janela de tempo de 8 horas)

Criar uma reserva de throughput

Pré-requisitos: o serviço de modelos Bailian está ativado e um workspace foi criado. Faça login no console Bailian e clique em Create throughput reservation.

Na página de criação da reserva de throughput, preencha em sequência parâmetros como nome da reserva, modelo, ciclo de faturamento, TPM de entrada, TPM de saída, duração da compra, renovação automática na expiração e política de overflow. O lado direito da página oferece uma calculadora de capacidade de TPM para auxiliar na estimativa.

1. Preencha os seguintes parâmetros:

   Parâmetro	Descrição	Obrigatório	Descrição do valor
   Nome da reserva	Nome personalizado para identificação.	Sim	≤ 50 caracteres
   Selecionar modelo	Selecione o modelo para o qual reservar capacidade. Um código de modelo dedicado é gerado automaticamente após o envio.	Sim	Apenas modelos que suportam reserva de throughput estão disponíveis; consulte a exibição no console.
   Modo de desempenho	Camada de desempenho de inferência, que determina a capacidade de throughput de uma única instância.	Sim	Modo Standard (mesmo TPS da API padrão) / Modo High-speed (equivalente à implantação de modelo PTU, com melhoria de 1,5-2x no TPS em relação à API padrão)
   Ciclo de faturamento	Período de cobrança.	Sim	Por dia; por janela de tempo de 8 horas (apenas modo Standard, duração fixa de 8 horas, efeito imediato; para mais informações, consulte Faturamento da reserva de throughput)
   TPM de entrada	Throughput de entrada reservado, em kTPM (1 kTPM = 1.000 tokens/minuto).	Sim	O valor inicial e o incremento variam conforme o modelo; consulte a exibição no console.
   TPM de saída	Throughput de saída reservado, em kTPM.	Sim	O valor inicial e o incremento variam conforme o modelo; consulte a exibição no console.
   Duração da compra	Duração válida da reserva.	Sim	Insira o número de dias na caixa de entrada. Valores suportados: 1-30, 60, 90, 120, 365 dias.
   Renovação automática na expiração	Deduz automaticamente o pagamento e renova um dia antes da expiração (para as regras de execução, consulte Faturamento da reserva de throughput). Ativado por padrão. O faturamento por janela de tempo de 8 horas não suporta renovação; este parâmetro não se aplica.	Não	On / Off
   Duração única de renovação	Duração de cada renovação automática.	Não	Insira o número de dias na caixa de entrada. O intervalo de valores é o mesmo da duração da compra.
   Política de overflow	Define como as requisições que excedem a capacidade reservada são tratadas quando ela se esgota.	Sim	Overflow automático para pagamento conforme o uso por token (padrão; o overflow muda para pagamento conforme o uso, sem interrupção do serviço) / Apenas capacidade reservada (o overflow retorna 429, sem cobranças adicionais)

2. Após confirmar os parâmetros, clique em Buy now. Na caixa de diálogo de confirmação de taxa, verifique as cobranças e clique em Confirm payment.

3. Na aba Overview da página de detalhes da reserva de throughput, localize o Dedicated model code e clique para copiar.

4. Substitua o parâmetro model na sua requisição de API pelo código de modelo dedicado copiado:

   Pré-requisito: uma instância de reserva de throughput foi criada e seu status é Running.

   ObservaçãoO parâmetro thinking_budget do GLM-5.2 (que limita o comprimento do raciocínio) não tem efeito quando chamado.

# 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

client = dashscope.Client(api_key="your-api-key")

response = client.chat.completions.create(
    model="your-dedicated-model-code",   # Replace with your dedicated model code
    messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)

# 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"}]}'

Após selecionar o ciclo de faturamento por janela de tempo de 8 horas, a página de criação expande a área de configuração de capacidade por janela de tempo de 8 horas: a janela efetiva é exibida em modo somente leitura (o ponto inicial é arredondado para baixo até a hora cheia atual com base no momento da compra, não é personalizável, tem duração fixa de 8 horas e pode atravessar dias naturais; menos de 1 hora conta como 1 hora), e o status de oferta é exibido em tempo real. Pedidos só podem ser feitos entre 20:00 e 04:00 do dia seguinte (não é possível fazer pedidos entre 04:00 e 20:00). Após a expiração da janela de tempo, a capacidade torna-se automaticamente inválida e o período de carência de 2h/14h não se aplica. Consulte Faturamento da reserva por janela de tempo de 8 horas.

Calculadora de capacidade de TPM

A calculadora de capacidade de TPM, localizada no lado direito da página de criação, ajuda a estimar a cota de TPM a ser comprada com base na sua carga de negócios. Após preencher os parâmetros a seguir, a calculadora fornece automaticamente o TPM de entrada e o TPM de saída recomendados.

Parâmetro	Descrição	Impacto no resultado
Requisições por minuto (RPM)	Número de requisições enviadas por minuto durante o horário de pico.	Quanto maior o RPM, maiores serão os TPMs de entrada e saída recomendados, proporcionalmente.
Comprimento médio de entrada (tokens)	Média de tokens de entrada por requisição.	Entradas mais longas elevam a faixa e aumentam o coeficiente, resultando em um TPM de entrada recomendado maior. Os limites das faixas variam por modelo; consulte a exibição real no console.
Comprimento médio de saída (tokens)	Média de tokens de saída por requisição.	Saídas mais longas podem aumentar o coeficiente, elevando o TPM de saída recomendado.
Taxa de acerto de cache	Proporção de requisições cujos prefixos repetidos resultam em acerto de cache. A taxa real depende da repetição do conteúdo das requisições; consulte o resultado em tempo de execução.	Uma taxa de acerto maior desacelera o consumo da capacidade de entrada, reduzindo o TPM de entrada recomendado. Afeta apenas o TPM de entrada, não o de saída.

Visualizar e gerenciar

Acesse o console Bailian e abra a página da lista de reservas. A lista exibe todas as instâncias de reserva como cartões de modelo e permite filtrar por modelo, horário e status.

Na página de reserva de throughput, cada cartão de modelo exibe a contagem de reservas ativas, o TPM de entrada/saída reservado e a proporção de pico. A tabela da lista de reservas contém colunas como ID da reserva, TPM de entrada/saída, status e método de faturamento (por dia, por janela de tempo de 8 horas, por hora etc.)·tempo de expiração, e permite filtrar por modelo, horário e status.

Detalhes da reserva

Clique no cartão do modelo desejado para abrir a página de detalhes, que contém as seguintes 3 abas:

Overview

• Informações básicas: nome da reserva, código de modelo dedicado (copiável), modelo base, capacidade de entrada/saída.
• Cartões de estatísticas (últimos 7 dias): contagem de reservas ativas, uso total e de pico de TPM, utilização média.
• Tendência de utilização: alterne entre as direções de entrada/saída; exibe a linha de capacidade reservada e o uso real.
• Estatísticas de degradação por overflow: mostra o número de requisições degradadas após exceder a capacidade reservada (a degradação ocorre apenas sob a política "Overflow automático").

Monitoring

Fornece dados detalhados de monitoramento em tempo de execução: utilização, uso de cota (entrada/saída), número de chamadas dentro e fora da cota e volume de acertos de cache; para reservas por janela de tempo de 8 horas, exibe adicionalmente a utilização do pacote dentro da janela de 8 horas. Para mais detalhes, consulte: Monitoramento de modelos.

API access

Exibe o código de modelo dedicado e exemplos de invocação.

Operações de gerenciamento

No cartão de destino na página da lista de reservas ou na página de detalhes, você pode executar as seguintes operações de gerenciamento nas instâncias de reserva. Instâncias de reserva por janela de tempo de 8 horas não suportam dimensionamento, renovação nem cancelamento de assinatura (a capacidade torna-se automaticamente inválida após a expiração da janela de tempo).

Add-on capacity package

A página de reserva de throughput gerencia centralmente dois tipos de instâncias de capacidade: reservas de TPM e PTUs (Provisioned Throughput Units). Os pacotes de capacidade adicionais se aplicam a ambos. Na área "Instâncias de capacidade ativas" de um cartão de destino na página da lista de reservas, clique em Add-on capacity package para comprar instâncias de capacidade adicionais sobre uma reserva existente. Após a adição, a capacidade total da reserva equivale à soma da reserva base e de todos os pacotes de capacidade adicionais. O código de modelo dedicado permanece inalterado e nenhuma alteração nas chamadas de API é necessária.

O topo da caixa de diálogo exibe as seguintes informações da reserva base:

• Código de modelo dedicado, modelo base, modo de desempenho (modo Standard/modo High-speed) e política de overflow: herdados da reserva base e não podem ser alterados.
• Pacotes de capacidade existentes: número de pacotes de capacidade atualmente adicionados.

Preencha os seguintes parâmetros de compra:

Parâmetro	Descrição	Obrigatório	Descrição do valor
Ciclo de faturamento	O ciclo de faturamento do pacote de capacidade adicional é restringido pelo método de faturamento da reserva base: se a base for pré-paga, apenas pacotes adicionais pré-pagos podem ser selecionados; se a base for por pagamento conforme o uso, tanto pacotes adicionais pré-pagos quanto por pagamento conforme o uso podem ser selecionados. O modo High-speed suporta pagamento conforme o uso ou assinatura; o modo Standard suporta apenas assinatura (por dia ou por janela de tempo de 8 horas).	Sim	Pagamento conforme o uso/por hora / Assinatura/por dia / Assinatura/por janela de tempo de 8 horas (apenas modo Standard; a capacidade aumenta dentro da janela e torna-se inválida fora dela; para as regras, consulte Faturamento da reserva de throughput)
Capacidade de entrada	Throughput de entrada adicionado, em kTPM.	Sim	A partir de 10 kTPM, em incrementos de 10 kTPM.
Capacidade de saída	Throughput de saída adicionado, em kTPM.	Sim	A partir de 1 kTPM, em incrementos de 1 kTPM.
Duração da compra	Duração válida do pacote de capacidade adicional. Obrigatória apenas para Assinatura/por dia; Pagamento conforme o uso/por hora é faturado com base na duração real e não exige este campo.	Sim	1~30, 60, 90, 120, 365 dias.
Renovação automática na expiração	Aplica-se apenas a Assinatura/por dia. Deduz automaticamente o pagamento e renova às 08:00 um dia antes da expiração.	Não	On / Off

ObservaçãoNo máximo uma instância de capacidade por pagamento conforme o uso (por hora) não excluída pode existir sob um único Model Code: se já existir uma instância por pagamento conforme o uso, o ciclo de faturamento do pacote de capacidade adicional só pode ser definido como Assinatura/por dia.

A parte inferior exibe a taxa de reserva de entrada, a taxa de reserva de saída e o total. Após a confirmação, clique em Confirm purchase. Após a compra ser bem-sucedida, a nova instância de capacidade entra na lista "Instâncias de capacidade ativas" e a capacidade total reservada aumenta correspondentemente.

Scaling

Clique em Scaling e ajuste o TPM de entrada e o TPM de saída na caixa de diálogo.

ObservaçãoO TPM de entrada e o TPM de saída podem ser definidos como 0: após zerar, não há acúmulo de cobranças de capacidade e o código de modelo dedicado é mantido, evitando a invalidação do código causada por expiração ou cancelamento de assinatura. No entanto, zerar é um downgrade, e a parte utilizada é liquidada com um coeficiente de 1,2x para reembolso (consulte as Notas de faturamento e uso acima).

Renewal

Clique em Renew, selecione uma duração de renovação e conclua o pagamento. Se a opção Auto-renewal on expiry estiver ativada, o sistema deduzirá automaticamente o pagamento e renovará às 08:00, um dia antes da expiração.

Unsubscribe

Clique em Unsubscribe e o sistema redirecionará você para o Billing Center para concluir o processo de cancelamento de assinatura.

ImportanteO cancelamento da assinatura é irreversível. Após o cancelamento, o código de modelo dedicado torna-se inválido e as requisições existentes retornam ao processamento por recursos públicos. Ao cancelar a assinatura, a parte utilizada é liquidada com um coeficiente de 1,2x para reembolso. Consulte a fórmula acima.

Status da instância de reserva

Até 2 horas após a expiração do serviço, o status é Running; de 2 a 14 horas após a expiração, torna-se Stopped; após 14 horas, torna-se Expired e é eventualmente excluído.

Status	Descrição
Running	Em execução normal; pode ser chamado usando o código de modelo dedicado.
Pending	Criado; aguardando entrar em vigor.
Modifying	Dimensionamento em andamento; o serviço não é interrompido durante este período.
Stopped	Parado devido a motivos como pagamento atrasado; pode ser restaurado após a renovação.
Expired	Expirado sem renovação; os recursos foram liberados.
Canceled	Cancelamento de assinatura concluído; irreversível.

Perguntas frequentes

P: O que acontece quando a capacidade reservada é excedida?

Depende da política de overflow selecionada na criação: sob "Overflow automático", as requisições que excedem a capacidade reservada degradam automaticamente para o faturamento de pagamento conforme o uso, sem interrupção do serviço. Visualize a contagem e o horário das degradações na aba Overview da página de detalhes, em Overflow degradation statistics; se as degradações forem frequentes, recomendamos aumentar o dimensionamento. Sob "Apenas capacidade reservada", as requisições que excedem a cota retornam um erro 429 e não geram cobranças adicionais; se os erros 429 forem frequentes, recomendamos aumentar o dimensionamento.

P: Como obtenho o código de modelo dedicado?

Após a criação de uma reserva de throughput, o sistema gera automaticamente um código de modelo dedicado. Copie o código na aba Overview da página de detalhes da reserva de throughput. Você deve substituir o parâmetro model na sua requisição de API por este código para utilizar a capacidade reservada.

P: O que acontece quando uma reserva expira?

Após a expiração de uma reserva, o código de modelo dedicado torna-se inválido, e as requisições subsequentes retornam automaticamente ao processamento por recursos públicos (pagamento conforme o uso). Recomendamos ativar a opção Auto-renewal on expiry antecipadamente para evitar impactos no serviço.

P: Como determino se devo aumentar o dimensionamento?

Na aba Overview da página de detalhes, visualize o gráfico de tendência de uso de TPM e as estatísticas de degradação por overflow. Se a utilização permanecer próxima de 100% ou se as degradações ocorrerem frequentemente, recomendamos aumentar o TPM de entrada/saída.