一、升级概述

为帮助企业客户更好地承载长上下文与多轮对话类业务，阿里云Model Studio PTU 本次完成 5 项能力升级，覆盖长输入支持、隐式缓存、容量计算、API 可观测性等关键场景。升级完成后，PTU 在保持单价与购买方式不变的前提下，可承载的业务范围更广，单位容量的实际产出更高。

存量 PTU 客户无需任何操作，升级完成后将自动沿用新规则，原有 PTU 容量可覆盖的工作负载范围进一步扩展。

二、本次升级内容

1. PTU 支持更长输入，与 API 上限对齐

此前 PTU 对输入长度存在硬性限制，超出限制的请求会自动 fallback 至公池按量计费。本次升级后，以下模型在 PTU 内的输入长度上限均显著提升：

后续将根据模型迭代节奏继续扩大支持范围。

2. PTU 支持隐式缓存（Implicit Cache）

PTU 现已支持对请求输入前缀的 KV Cache 自动复用。命中缓存的 token 按更低的缓存系数折算容量消耗，无需任何代码改动。

本期支持隐式缓存的模型及缓存系数：

典型受益场景：RAG 知识库问答、多轮对话、Agent / 工具调用、批量处理等存在固定前缀（System Prompt、检索片段、工具定义）的业务，单位 PTU 容量可承载的请求量将显著增加。

3. 部分模型长输入引入容量系数

为更精确地反映长短输入的推理成本差异，PTU 引入容量系数机制：实际容量消耗 = 原始 Token 数 × 容量系数。长输入请求在同一 PTU 内处理，无需单独购买长输入容量。

本期仅 GLM-5.1 适用：

PTU 单价、购买流程保持不变。

4. 控制台新增容量计算器

PTU 创建流程新增「容量计算器」。客户可输入业务侧的 RPM、平均输入长度、平均输出长度、缓存命中率，系统将基于容量系数自动换算推荐 TPM，降低购买前的容量评估成本。

5. API 返回值新增 PTU 标识与容量字段

为便于客户监控 PTU 命中率与实际容量消耗结构，API 返回值新增以下字段：

返回值参考官方文档

三、对存量客户的影响

升级完成后：

存量 PTU 自动沿用新规则，无需重新创建或迁移；

原本因输入长度超限会 fallback 至公池的请求，在系数折算后若仍在容量范围内，将继续在 PTU 内处理并享受 SLA 保障；

隐式缓存能力对存量 PTU 同步生效，相同前缀的请求容量消耗自动降低；

客户原 PTU 可覆盖的工作负载范围进一步扩展。

计费与容量规则详情：请参考Model Studio官方文档「PTU 计费说明」。如需技术支持，请提交工单。