全部產品
Search

搜尋本產品

    ：模型訓練與部署計費

    文件中心

    ：模型訓練與部署計費

    更新時間：Aug 26, 2026

    本文介紹阿里雲百鍊平台的模型訓練、模型部署的計費規則及價格。

    模型訓練計費

    文本產生模型-千問

    Note模型訓練流程請參見千問模型調優。訓練完成後的新模型需先完成模型部署，才能評測和調用。

    計費方式

    按訓練Token計費

    計費公式

    模型訓練費用 = （訓練資料 Token 總數 + 混合訓練資料 Token 總數）× 迴圈次數 × 訓練單價（最小計費單位：1 token）

    您可以查看模型訓練控制台底部的預估訓練費用，並單擊计费详情，查看訓練 Token 總數、迴圈次數和訓練單價。

    訓練單價

    以下為預置模型的訓練單價，自訂模型的訓練單價與對應的預置模型單價相同。

    千問

    模型服務

    模型規格

    價格

    千問3-32B

    qwen3-32b

    $0.008/千Token

    千問3-14B

    qwen3-14b

    $0.0016/千Token

    千問 VL

    模型服務

    模型規格

    價格

    千問3-VL-8B-Instruct

    qwen3-vl-8b-instruct

    $0.002/千Token

    千問3-VL-8B-Thinking

    qwen3-vl-8b-thinking

    $0.002/千Token

    映像產生模型-萬相

    Note模型訓練流程請參見映像產生模型調優。訓練完成後的新模型需先完成模型部署，才能調用。

    計費方式

    按訓練Token計費

    計費公式

    模型訓練費用 = 訓練Token總量 × 訓練單價（計費單位：每千Token）

    訓練Token總量的計算公式

    訓練 T o k e n 總量 ≈ ma x _ s t e p s × L s t e p ​

    其中：

    • max_steps：訓練時指定的超參數，表示最大訓練步數（建立微調任務時配置）。

    • Lstep：每步的Token消耗量，計算公式為：

      L s t e p ​ = i ∈ ba t c h ∑ ​ L i t e m ( i ) ​ ≤ L ma x ​

      Lstep 近似等於 Lmax。Lmax 由 max_token_length 和 generation_type 共同決定，具體取值如下表：

    generation_type

    max_token_length

    Lmax

    t2i（文生圖）

    1k

    12,800

    2k

    23,220

    i2i（圖生圖）

    1k

    23,220

    2k

    32,000

    模型服務

    模型名稱

    訓練價格（每千Token）

    萬相-映像產生

    wan2.7-image-pro

    $0.015

    萬相-映像產生

    wan2.7-image

    $0.015

    計費樣本

    假設使用 wan2.7-image-pro 模型進行 t2i 微調，max_steps = 200，max_token_length = "1k"，訓練單價 = $0.015/千Token：

    • 查表得 Lmax = 12,800（generation_type=t2i，max_token_length=1k），Lstep ≈ Lmax = 12,800
    • 訓練Token總量 ≈ 200 × 12800 = 2560000 = 2560千Token
    • 模型訓練費用 ≈ 2560 × 0.015 = $38.4

    視頻產生模型-萬相

    Note模型訓練流程請參見模型調優。訓練完成後的新模型需先完成模型部署，才能調用。

    計費方式

    按訓練Token計費

    計費公式

    模型訓練費用 = 訓練Token總量 × 訓練單價（計費單位：每千Token）

    訓練Token總量的計算公式

    訓練 T o k e n 總量 = ( i = 1 ∑ N ​ 視 頻 i ​ 的計費時間長度 ) × 1024 ma x _ p i x e l s ​ × n _ e p oc h s

    其中：

    • N：訓練集中的視頻總數。

    • max_pixels：訓練時指定的超參數，表示視頻的最大像素數（建立微調任務時配置）。

    • n_epochs：訓練時指定的超參數，表示迴圈次數（建立微調任務時配置）。

      • n_epochs 與 steps 的換算關係為：steps = n_epochs × ⌈資料集大小 / batch_size⌉，即 n_epochs = steps / ⌈資料集大小 / batch_size⌉。
      • 當資料集僅包含 1 條資料且 batch_size = 1 時，n_epochs = steps。建議總步數（steps）≥ 800。

    • 單個視頻計費時間長度計算規則：先將原始視頻時間長度（秒）四捨五入取整，再根據模型限制取最終值。

      • wan2.7模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
      • wan2.6模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
      • wan2.5模型：計費時間長度=min(10, 四捨五入後的時間長度)，即單條視頻最多按 10 秒計算。
      • wan2.2模型：計費時間長度=min(5, 四捨五入後的時間長度)，即單條視頻最多按 5 秒計算。

    模型服務

    模型名稱

    訓練價格（每千Token）

    圖生視頻-基於首幀

    wan2.7-i2v

    $0.3

    wan2.6-i2v

    $0.08

    wan2.5-i2v-preview

    $0.05

    wan2.2-i2v-flash

    $0.03

    圖生視頻-基於首尾幀

    wan2.2-kf2v-flash

    $0.03

    計費樣本

    1. wan2.7-i2v 費用預估（一條資料）

    假設訓練集包含 1 條視頻，時間長度為10秒。由於 batch_size = 1（推薦值），此時 n_epochs = steps / ⌈1(資料集大小) / 1(batch_size)⌉ = steps。

    訓練單價 = $0.3/千Token，以 max_pixels = 36864、n_epochs = 800 為例：

    • 訓練Token總量 = 10 ×（36864 / 1024）× 800 = 288,000 = 288千Token
    • 模型訓練費用 = 288 × $0.3 = $86.4

    max_pixels

    常見 steps

    n_epochs

    Token 消耗預估

    費用預估（美元）

    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

    1. wan2.7-i2v 費用預估（多條資料）

    假設訓練集包含 2 條視頻，時間長度分別為 3.4 秒 和 11.5 秒。參數設定：max_pixels = 36864、n_epochs = 800，訓練單價 = $0.3/千Token：

    • 時間長度計算：

      • 視頻 1：3.4 → 四捨五入 → 3 秒 → 計費時間長度 = min(10, 3) = 3
      • 視頻 2：11.5 → 四捨五入 → 11 秒 → 計費時間長度 = min(10, 11) = 10
      • 總計費時間長度 = 3 + 10 = 13 秒

    • 訓練Token總量 = 13 ×（36864/1024）× 800 = 374400 = 374.4千Token

    • 模型訓練費用 = 374.4 × 0.3 = $112.32

    1. wan2.5-i2v-preview 費用預估（多條資料）

    假設微調wan2.5模型，訓練集包含 2 條視頻，時間長度分別為 3.4 秒 和 11.5 秒，max_pixels = 36864，n_epochs = 400，訓練單價 = $0.05/千Token：

    • 時間長度計算：

      • 視頻 1：3.4 → 四捨五入 → 3 秒 → 計費時間長度 = min(10, 3) = 3
      • 視頻 2：11.5 → 四捨五入 → 11 秒 → 計費時間長度 = min(10,11) = 10
      • 總計費時間長度 = 3 + 10 = 13 秒

    • 訓練Token總量 = 13 ×（36864/1024）× 400 = 187200 = 187.2千Token

    • 模型訓練費用 = 187.2 × 0.05 = $9.36

    模型部署計費

    文本產生模型-千問

    按使用時間長度計費（預置吞吐）

    費用 = 使用時間長度 × (輸入 TPM 單價 × 輸入 TPM + 輸出 TPM 單價 × 輸出 TPM)

    後付費按小時計算：使用時間長度單位為小時，單價取下表"持續 1 小時"列；預付費按天計算：使用時間長度單位為天，單價取下表"持續 1 天"列。

    • 預付費訂單支付後即時生效，有效期間 N 天至第 N 天 23:59 結束。若在 22:00 後下單，到期日將自動順延1天。
    • 預付費訂單到期後，將延後2小時停止服務，停止後資源保留14小時後釋放。
    • 預付費訂單無法提前終止服務。
    • 後付費時，如果賬戶欠費，部署的資源將繼續保留並計費 24 小時，在這 24 小時內服務仍可正常使用。超過 24 小時後系統停止計費，模型部署進入欠費狀態，底層資源將被刪除，但模型部署任務仍會保留。補足欠費後，系統將重新分配資源並恢複使用（恢複後繼續產生費用）。如果您不希望繼續產生費用，可刪除模型部署任務，刪除成功後將不再計費。

    當模型輸入超過最長輸入 Token 時，相關調用將自動切換為當前模型的隨用隨付模式；超出購買的 TPM 量時，按建立時選擇的溢出策略處理（「自動溢出」切換為隨用隨付，「僅使用 PTU 容量」返回 429）。此時，推理效能可能下降，將受業務空間中當前快照模型的公用流量的管控，費用按模型調用（隨用隨付）標準計收。

    • 此時（僅「自動溢出」策略下），調用 API 返回 Header 將包含：x-dashscope-ptu-overflow:true。
    • TPM 統計請前往：模型監控。

    縮容情境（降配）的具體降費退費規則請參考：降配退款規則說明。

    NotePTU 部署支援長輸入階梯容量係數和緩衝折扣，詳見預置吞吐長輸入與緩衝。

    新加坡

    千問

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    千問3.8-Max

    qwen3.8-max

    1M

    $4.8

    $1.44

    $57.6

    $17.28

    千問3.7-Flash-2026-07-15 聯絡商務經理開通

    qwen3.7-flash-2026-07-15

    128K

    $0.072

    $0.031

    $0.864

    $0.374

    千問3.7-Max-2026-05-20

    qwen3.7-max-2026-05-20

    256K

    $1.92

    $1.8

    $72

    $21.6

    千問3.7-Plus-2026-05-26

    qwen3.7-plus-2026-05-26

    256K

    $0.96

    $0.384

    $11.52

    $4.608

    千問3.6-Plus-2026-04-02

    qwen3.6-plus-2026-04-02

    128K

    $1.2

    $0.72

    $14.4

    $8.64

    千問3.5-Plus-2026-04-20

    qwen3.5-plus-2026-04-20

    128K

    $0.96

    $0.576

    $11.52

    $6.912

    DeepSeek

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    DeepSeek-v4-Flash

    deepseek-v4-flash

    256K

    $0.72

    $0.144

    $8.64

    $1.728

    DeepSeek-v4-Flash-0731

    deepseek-v4-flash-0731

    64K

    $1.44

    $0.288

    $17.28

    $3.456

    DeepSeek-v4-Pro

    deepseek-v4-pro

    256K

    $0.96

    $1.728

    $103.68

    $20.736

    千問VL

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    千問3-VL-Plus-2025-09-23

    qwen3-vl-plus-2025-09-23

    128K

    $0.48

    $0.384

    $5.76

    $4.608

    GLM

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    GLM-5.2

    glm-5.2

    1M

    $5.04

    $1.584

    $60.48

    $19.008

    華北2（北京）

    千問

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    千問3.8-Max

    qwen3.8-max

    1M

    $3.96

    $1.188

    $47.53

    $14.258

    千問3.7-Flash-2026-07-15 聯絡商務經理開通

    qwen3.7-flash-2026-07-15

    128K

    $0.066

    $0.026

    $0.792

    $0.317

    千問3.7-Max-2026-05-20

    qwen3.7-max-2026-05-20

    256K

    $3.96

    $1.188

    $47.53

    $14.258

    千問3.7-Plus-2026-05-26

    qwen3.7-plus-2026-05-26

    256K

    $0.66

    $0.264

    $7.92

    $3.168

    千問3.6-Plus-2026-04-02

    qwen3.6-plus-2026-04-02

    128K

    $0.67

    $0.066

    $7.93

    $4.753

    千問3.5-Plus-2026-04-20

    qwen3.5-plus-2026-04-20

    128K

    $0.26

    $0.16

    $3.17

    $1.9

    千問3-Max-2025-09-23

    qwen3-max-2025-09-23

    128K

    $1.11

    $0.45

    $13.32

    $5.4

    千問-Flash-2025-07-28

    qwen-flash-2025-07-28

    128K

    $0.06

    $0.06

    $0.72

    $0.72

    千問-Plus-2025-12-01

    qwen-plus-2025-12-01

    128K

    $0.28

    非思考：$0.07

    思考：$0.28

    $3.36

    非思考：$0.84

    思考：$3.36

    DeepSeek

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    DeepSeek-v4-Flash

    deepseek-v4-flash

    256K

    $0.5

    $0.099

    $5.94

    $1.188

    DeepSeek-v4-Flash-0731

    deepseek-v4-flash-0731

    64K

    $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

    deepseek-v3

    64K

    $0.99

    $0.396

    $11.9

    $4.75

    千問VL

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    千問3-VL-Plus-2025-09-23

    qwen3-vl-plus-2025-09-23

    128K

    $0.35

    $0.35

    $4.2

    $4.2

    GLM

    模型名稱

    模型代碼

    最長輸入Token

    後付費輸入

    Per 10K TPM/小時

    後付費輸出

    Per 1K TPM/小時

    預付費輸入

    Per 10K TPM/天

    預付費輸出

    Per 1K TPM/天

    GLM-5.2

    glm-5.2

    1M

    $3.96

    $1.386

    $47.53

    $16.635

    按使用時間長度計費（模型單元）

    費用 = 使用時間長度（小時）× 模型單元數量 × 模型單元單價

    "模型單元單價"在後付費情境下取下表"小時單價"列；預付費按月計費時，公式改為 包月數 × 模型單元數量 × 月單價。

    • 預付費購買的首月，如在首月內提前退訂，日單價（≈ 月單價 / 30）將按 1.2 倍計費（不滿一天按一天計費）

    Note模型單元-後付費方式的算力資源先買到先得。如購買不成功會全額退款。

    新加坡

    文本產生

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    千問3.6-Plus-2026-04-02

    qwen3.6-plus-2026-04-02

    MU1 x 8

    $88

    $41,832

    千問3.5-397B-A17B

    qwen3.5-397b-a17b

    MU2 x 8

    $112

    $52,392

    千問3.5-122B-A10B

    qwen3.5-122b-a10b

    MU2 x 8

    $112

    $52,392

    千問3.5-27B

    qwen3.5-27b

    MU1 x 2

    $22

    $10,458

    千問3.5-9B

    qwen3.5-9b

    MU1 x 2

    $22

    $10,458

    GLM-5.1

    glm-5.1

    MU2 x 8

    $112

    $52,392

    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

    多模態

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    千問3-VL-32B-Instruct

    qwen3-vl-32b-instruct

    MU2 x 8

    $112

    $52,392

    模型類型：

    • Instruct - 模型部署後以非思考模式進行推理。

    華北2（北京）

    文本產生

    千問

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    千問3.6-35B-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

    千問3.6-27B

    qwen3.6-27b

    MU9 x 1

    $7.014

    $3,383.024

    千問3.6-Flash-2026-04-16

    qwen3.6-flash-2026-04-16

    MU1 x 2

    $14.852

    $7,183.564

    MU3 x 8

    $150.72

    $72,577.152

    千問3.6-Plus-2026-04-02

    qwen3.6-plus-2026-04-02

    MU1 x 8

    MU1 x 16（PD分離模式）

    $59.408

    PD分離模式：$118.816

    $28,734.256

    PD分離模式：$57,468.512

    千問3.5-397B-A17B

    qwen3.5-397b-a17b

    MU3 x 8

    MU3 x 16（PD分離模式）

    $150.72

    PD分離模式：$301.44

    $72,577.152

    PD分離模式：$145,154.304

    MU6 x 16

    $55.008

    $26,599.92

    千問3.5-122B-A10B

    qwen3.5-122b-a10b

    MU1 x 4

    $29.704

    $14,367.128

    MU6 x 16

    $55.008

    $26,599.92

    千問3.5-35B-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

    千問3.5-27B

    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

    千問3.5-9B

    qwen3.5-9b

    MU1 x 2

    $14.852

    $7,183.564

    MU2 x 8

    $69.312

    $33,044.72

    千問3.5-Flash-2026-02-23

    qwen3.5-flash-2026-02-23

    MU1 x 2

    $14.852

    $7,183.564

    千問3.5-Plus-2026-02-15

    qwen3.5-plus-2026-02-15

    MU1 x 8

    MU1 x 16（PD分離模式）

    $59.408

    PD分離模式：$118.816

    $28,734.256

    PD分離模式：$57,468.512

    MU2 x 8

    $69.312

    $33,044.72

    MU3 x 8

    MU3 x 16（PD分離模式）

    $150.72

    PD分離模式：$301.44

    $72,577.152

    PD分離模式：$145,154.304

    千問3-235B-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

    千問3-32B

    qwen3-32b

    MU6 x 16

    $55.008

    $26,599.92

    千問3-30B-A3B-Thinking-2507

    qwen3-30b-a3b-thinking-2507

    MU1 x 2

    $14.852

    $7,183.564

    千問3-4B

    qwen3-4b

    MU1 x 2

    $14.852

    $7,183.564

    MU5 x 1

    $2.888

    $1,394.329

    千問3-Embedding-0.6B

    qwen3-embedding-0.6b

    MU5 x 1

    $2.888

    $1,394.329

    MU6 x 1

    $3.438

    $1,662.495

    千問3-MoE-Rerank-0.6B

    qwen3-moe-rerank-0.6b

    MU5 x 1

    $2.888

    $1,394.329

    千問3-Rerank-0.6B

    qwen3-rerank-0.6b

    MU5 x 1

    $2.888

    $1,394.329

    MU6 x 1

    $3.438

    $1,662.495

    千問3-Max-2025-09-23

    qwen3-max-2025-09-23

    MU2 x 8

    $69.312

    $33,044.72

    MU3 x 8

    $150.72

    $72,577.152

    千問3-Rerank

    qwen3-rerank

    MU5 x 1

    $2.888

    $1,394.329

    千問2.5-開源版-72B

    qwen2.5-72b-instruct

    MU1 x 8

    $59.408

    $28,734.256

    千問2.5-開源版-14B

    qwen2.5-14b-instruct

    MU1 x 2

    $14.852

    $7,183.564

    千問2.5-開源版-7B

    qwen2.5-7b-instruct

    MU1 x 2

    $14.852

    $7,183.564

    MU5 x 1

    $2.888

    $1,394.329

    千問-Plus-2025-07-28

    qwen-plus-2025-07-28

    MU1 x 4

    MU1 x 16（PD分離模式）

    $29.704

    PD分離模式：$118.816

    $14,367.128

    PD分離模式：$57,468.512

    千問-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

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    GLM-5.1

    glm-5.1

    MU2 x 8

    $69.312

    $33,044.72

    MU3 x 16（PD分離模式）

    PD分離模式：$301.44

    PD分離模式：$145,154.304

    MU6 x 16

    $55.008

    $26,599.92

    GLM-5

    glm-5

    MU3 x 16（PD分離模式）

    PD分離模式：$301.44

    PD分離模式：$145,154.304

    GLM-4.7

    glm-4.7

    MU6 x 32（PD分離模式）

    PD分離模式：$110.016

    PD分離模式：$53,199.84

    DeepSeek

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    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分離模式）

    PD分離模式：$138.624

    PD分離模式：$66,089.44

    其他模型

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    Kimi-K2.5

    kimi-k2.5

    MU2 x 8

    $69.312

    $33,044.72

    多模態

    千問VL

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    千問3-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

    千問3-VL-32B-Instruct

    qwen3-vl-32b-instruct

    MU2 x 8

    $69.312

    $33,044.72

    MU3 x 8

    $150.72

    $72,577.152

    千問3-VL-8B-Instruct

    qwen3-vl-8b-instruct

    MU1 x 2

    $14.852

    $7,183.564

    MU5 x 1

    $2.888

    $1,394.329

    千問3-VL-4B-Instruct

    qwen3-vl-4b-instruct

    MU1 x 2

    $14.852

    $7,183.564

    千問3-VL-2B-Instruct

    qwen3-vl-2b-instruct

    MU5 x 1

    $2.888

    $1,394.329

    千問3-VL-Embedding-2B

    qwen3-vl-embedding-2b

    MU5 x 1

    $2.888

    $1,394.329

    千問3-VL-Flash-2025-10-15

    qwen3-vl-flash-2025-10-15

    MU1 x 4

    $29.704

    $14,367.128

    千問3-VL-Plus-2025-09-23

    qwen3-vl-plus-2025-09-23

    MU1 x 4

    $29.704

    $14,367.128

    千問VL-Max-2025-08-13

    qwen-vl-max-2025-08-13

    MU6 x 4

    $13.752

    $6,649.98

    千問Omni

    模型名稱

    模型代碼

    模型單元規格

    小時單價（$）

    最小計費：分鐘

    包月單價（$）

    最小計費：天

    千問3.5-Omni-Flash

    qwen3.5-omni-flash

    MU8 x 1

    $6.464

    $3,080.477

    MU9 x 1

    $7.014

    $3,383.024

    模型類型：

    • Instruct - 模型部署後以非思考模式進行推理。
    • Thinking - 模型部署後以思考模式進行推理。

    按模型 Token 使用量

    費用 = 模型輸入 Token 數 × 模型輸入單價 + 模型輸出 Token 數 × 模型輸出單價（最小計費單位：1 token）

    • 僅當對下列基本模型完成 SFT 高效訓練（即 LoRA 高效微調，API 部署時 plan 取值為 lora）並得到自訂模型後，才支援按模型 Token 使用量計費。

    新加坡

    基本模型

    模型代碼

    輸入

    $/百萬Token

    輸出

    $/百萬Token

    千問3-14B

    qwen3-14b

    非思考模式：$0.35

    思考模式：$0.35

    非思考模式：$1.4

    思考模式：$4.2

    北京

    基本模型

    模型代碼

    輸入

    $/百萬Token

    輸出

    $/百萬Token

    千問3.5-27B

    qwen3.5-27b

    <128K $0.086

    128K-256K $0.258

    <128K $0.688

    128K-256K $2.064

    千問3-32B

    qwen3-32b

    非思考模式：$0.287

    思考模式：$0.287

    非思考模式：$1.147

    思考模式：$2.868

    千問3-14B

    qwen3-14b

    非思考模式：$0.144

    思考模式：$0.144

    非思考模式：$0.574

    思考模式：$1.434

    千問3-8B

    qwen3-8b

    非思考模式：$0.072

    思考模式：$0.072

    非思考模式：$0.287

    思考模式：$0.717

    千問3-VL-8B-Instruct

    qwen3-vl-8b-instruct

    $0.072

    $0.287

    映像產生模型-萬相

    經過SFT-LoRA高效微調的萬相映像產生模型，部署免費，調用按微調的基本模型的標準調用價格計費。模型訓練和部署流程請參見映像產生模型調優。

    模型名稱

    Lora部署調用價格

    wan2.7-image-pro

    $0.075/張

    wan2.7-image

    $0.03/張

    常見問題

    Q：模型部署什麼時候開始計費？

    A：當模型完成部署，即狀態為運行中時，開始收模數型部署的費用。模型狀態為部署中、欠費、部署失敗時，均不會計費。

    Q：取消模型訓練會收費嗎？

    A：會收費。主動取消訓練後，已消耗的 tokens 仍會推送計費，訓練費用按已消耗 tokens 估算，最終費用以賬單為準。其他原因導致的訓練中斷，阿里雲百鍊不會向您收取訓練費用。

    Q：怎麼查看已部署模型的調用統計？

    A：請訪問模型監控（新加坡）、模型監控（維吉尼亞）、模型監控（中國香港）（中國香港僅支援普通監控，進階監控和日誌不可用）或模型監控（北京）頁面。

    模型監控頁面支援按時間範圍（3小時、6小時、12小時、24小時、今天、昨天、一周、自訂）和推理類型篩選，上方匯總區展示模型總量、總調用次數、總失敗次數、平均調用時間長度、平均首包時間長度，下方模型列表展示各模型的調用總量、調用失敗量、失敗率、平均調用時間長度、平均首Token延時等指標，可單擊監控查看單模型詳細資料。