Vertex AI 价格

所列价格以美元 (USD) 为单位。 如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

Vertex AI 价格与旧版产品价格的比较

Vertex AI 的费用与被其取代的旧版 AI Platform 和 AutoML 产品的费用相同，但以下情况除外：

  • 旧版 AI Platform Prediction 和 AutoML Tables 预测支持一些费用和性能都更低的机器类型，而 Vertex AI Prediction 和 AutoML 表格不支持。

  • 旧版 AI Platform Prediction 支持缩减至零，而 Vertex AI Prediction 不支持。

Vertex AI 还提供了更多优化成本的方法，比如：

Vertex AI 上的生成式 AI 的价格

如需 Vertex AI 上的生成式 AI 的价格信息，请参阅 Vertex AI 上的生成式 AI 的价格

AutoML 模型的价格

对于 Vertex AI AutoML 模型，您需要为三类主要活动付费：

  • 训练模型
  • 将模型部署到端点
  • 使用模型进行预测

Vertex AI 使用 Vertex AutoML 模型的预定义机器配置，这些活动的每小时费率反映了资源使用情况。

训练模型所需的时间取决于训练数据的规模和复杂程度。您必须先部署模型，然后模型才能提供在线预测或在线解释。

即使模型未进行预测，您也需要为部署到端点的每个模型付费。 如需避免模型产生进一步的费用，您必须取消部署模型。 未部署或部署失败的模型不会产生费用。

您只需为实际使用的计算小时数付费；如果训练因用户自行取消之外的原因而失败，您不需要为相应训练时间付费。如果您取消操作，则需要按训练时间付费。

请从下方选择一种模型类型以获取价格信息。

图片数据

操作 每节点时价格（分类） 每节点时价格（对象检测）
训练 $3.465 $3.465
训练（Edge 设备端模型） $18.00 $18.00
部署和在线预测 $1.375 $2.002
批量预测 $2.222 $2.222

视频数据

操作 每节点时价格（分类、对象跟踪） 每节点时价格（动作识别）
训练 $3.234 $3.300
训练（Edge 设备端模型） $10.78 $11.00
预测 $0.462 $0.550

表格数据

操作 每节点时价格（分类/回归） 预测价格
训练 $21.252 请参阅 Vertex AI Forecast
预测 价格与自定义训练模型预测价格相同。
Vertex AI 使用 40 台 n1-highmem-8 机器执行批量预测。 		请参阅 Vertex AI Forecast

文本数据

操作 价格
旧版数据上传（仅限 PDF）

每月前 1,000 页免费

之后每 1,000 页 $1.50

500 万页以上每 1,000 页 $0.60
训练 每小时 $3.30
部署 每小时 $0.05
预测

每 1,000 条文本记录 $5.00

每 1000 个文档页面 $25.00，例如 PDF 文件（仅限旧版）

Vertex AutoML 文本预测请求的价格根据您发送的需要分析的文本记录数量计算。一条“文本记录”是指最多包含 1,000 个 Unicode 字符（包括空白及任何标记，如 HTML 或 XML 标记）的纯文本。

如果一项预测请求中提供的文本包含的字符超过 1,000 个，则每 1,000 个字符计为一条文本记录。例如，如果您发送了 3 项请求，分别包含 800、1,500 和 600 个字符，那么您要支付 4 条文本记录的费用：第 1 项请求 (800) 计为 1 条文本记录，第 2 项请求 (1,500) 计为 2 条，第 3 项请求 (600) 计为 1 条。

Vertex Explainable AI 的预测费用

与 Vertex Explainable AI 关联的计算按照与预测相同的费率计费。 但解释要比正常的预测花费更长的时间，因此大量使用 Vertex Explainable AI 以及自动扩缩可能导致启动更多节点，这将增加预测费用。

Vertex AI Forecast

AutoML

阶段 价格
预测 每 1000 个数据点 $0.2*（0-100 万个数据点）
每 1000 个数据点 $0.1*（100-5000 万个数据点）
每 1000 个数据点 $0.02*（>5000 万个数据点）
训练 所有区域均为 $21.25/小时
Explainable AI 使用 Shapley 值实现可解释性。请参阅 Vertex AI 预测和解释价格页面。

* 预测数据点是预测范围内的一个时间点。例如，如果粒度按天计算，7 天的范围为每个时序 7 个点。

  • 如果包含的预测分位数不超过 5 个，则无需额外付费。
  • 每个层级消耗的数据点数量每月更新一次。

ARIMA+

阶段 价格
预测 每 TB $5.00
训练 每 TB $250.00 x 候选模型数量 x 回测窗口数量*
Explainable AI 使用时序分解来实现可解释性无需额外付费。不支持使用 Shapley 值实现可解释性。

请参阅 BigQuery ML 价格页面了解更多详情。如 Vertex AI 价格中所述，每项训练和预测作业都会产生 1 次托管式流水线运行的费用。

* 测试集内的每个时段都会创建一个回测窗口。候选模型的数量由使用的 AUTO_ARIMA_MAX_ORDER 决定。对于有多个时序的模型，数量范围在 6-42 之间。

自定义训练模型

训练

下表提供了各种训练配置的大致每小时价格。您可以选择采用由所选机器类型组成的自定义配置。如需计算价格，请将您使用的虚拟机的费用相加。

如果您使用 Compute Engine 机器类型并挂接加速器，则加速器的费用需另外计算。如需计算此费用，请将下表中加速器的价格乘以您使用的每种加速器类型的机器小时数。

机器类型

*此金额包含 GPU 价格，因为此实例类型始终需要固定数量的 GPU 加速器。
如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

加速器

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

* 使用 Cloud TPU Pod 训练的价格基于 Pod 的核心数计算。Pod 的核心数始终都是 32 的倍数。要确定核心数超过 32 的 Pod 的训练价格，用 32 核 Pod 的价格乘以核心数再除以 32 即可。对于 128 核的 Pod，价格是 (32-core Pod price) * (128/32)。如需了解特定区域可用的 Cloud TPU Pod，请参阅 Cloud TPU 文档中的系统架构。

磁盘

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

  • 所有使用均受 Vertex AI 配额政策的约束。
  • 在 Vertex AI 生命周期中，您必须将数据和程序文件存储在 Google Cloud Storage 存储桶中。 详细了解 Cloud Storage 的用法。

训练模型的计费从您为某项作业预配资源开始到该作业结束为止。

预定义配置的规模层级 (AI Platform Training)

您可以控制在训练模型时使用的处理集群类型。 最简单的方法是选择称为“规模层级”的其中一种预定义配置。详细了解规模层级。

自定义配置的机器类型

如果您使用 Vertex AI 或选择 CUSTOM 作为 AI Platform Training 的规模层级，则可以控制用于集群主实例、工作器和参数服务器的虚拟机数量和类型。详细了解适用于 Vertex AI 的机器类型和适用于 AI Platform Training 的机器类型。

使用自定义处理集群进行训练的费用等于您指定的所有机器的费用总和。您需要按作业总时间支付费用，而不是按单个机器的实际处理时间付费。

Ray on Vertex AI

训练

下表提供了各种训练配置的大致每小时价格。您可以选择采用由所选机器类型组成的自定义配置。如需计算价格，请将您使用的虚拟机的费用相加。

如果您使用 Compute Engine 机器类型并挂接加速器，则加速器的费用需另外计算。如需计算此费用，请将下表中加速器的价格乘以您使用的每种加速器类型的机器小时数。

机器类型

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

加速器

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

* 使用 Cloud TPU Pod 训练的价格基于 Pod 的核心数计算。Pod 的核心数始终都是 32 的倍数。要确定核心数超过 32 的 Pod 的训练价格，用 32 核 Pod 的价格乘以核心数再除以 32 即可。对于 128 核的 Pod，价格是 (32-core Pod price) * (128/32)。如需了解特定区域可用的 Cloud TPU Pod，请参阅 Cloud TPU 文档中的系统架构。

磁盘

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

  • 所有使用均受 Vertex AI 配额政策的约束。
  • 在 Vertex AI 生命周期中，您必须将数据和程序文件存储在 Google Cloud Storage 存储桶中。 详细了解 Cloud Storage 的用法。

训练模型的计费从您为某项作业预配资源开始到该作业结束为止。

预测和解释

下表提供了批量预测、在线预测和在线解释的每“节点时”价格。“节点时”表示虚拟机运行预测作业花费的时间，或者处于活跃状态（部署了一个或多个模型的端点）等待处理预测或解释请求的时间。

选择任一区域即可查看对应的价格表：

美洲的价格

下表提供了各机器类型的每“节点时”价格。

E2 系列

e2-standard-2近似值：

us-west2$0.0926
us-west4$0.0868
us-east4$0.0868
northamerica-northeast1$0.0848
northamerica-northeast2$0.0848
southamerica-east1$0.1223
其他美洲区域$0.0771
e2-standard-4近似值：
us-west2$0.1851
us-west4$0.1736
us-east4$0.1736
northamerica-northeast1$0.1697
northamerica-northeast2$0.1697
southamerica-east1$0.2446
其他美洲区域$0.1541
e2-standard-8近似值：
us-west2$0.3702
us-west4$0.3471
us-east4$0.3471
northamerica-northeast1$0.3393
northamerica-northeast2$0.3393
southamerica-east1$0.4893
其他美洲区域$0.3082
e2-standard-16近似值：
us-west2$0.7405
us-west4$0.6942
us-east4$0.6942
northamerica-northeast1$0.6787
northamerica-northeast2$0.6787
southamerica-east1$0.9786
其他美洲区域$0.6165
e2-standard-32近似值：
us-west2$1.4809
us-west4$1.3885
us-east4$1.3885
northamerica-northeast1$1.3574
northamerica-northeast2$1.3574
southamerica-east1$1.9572
其他美洲区域$1.2329
e2-highmem-2近似值：
us-west2$0.1249
us-west4$0.1171
us-east4$0.1171
northamerica-northeast1$0.1144
northamerica-northeast2$0.1144
southamerica-east1$0.165
其他美洲区域$0.1039
e2-highmem-4近似值：
us-west2$0.2497
us-west4$0.2341
us-east4$0.2341
northamerica-northeast1$0.2289
northamerica-northeast2$0.2289
southamerica-east1$0.33
其他美洲区域$0.2079
e2-highmem-8近似值：
us-west2$0.4994
us-west4$0.4682
us-east4$0.4682
northamerica-northeast1$0.4578
northamerica-northeast2$0.4578
southamerica-east1$0.66
其他美洲区域$0.4158
e2-highmem-16近似值：
us-west2$0.9989
us-west4$0.9365
us-east4$0.9365
northamerica-northeast1$0.9155
northamerica-northeast2$0.9155
southamerica-east1$1.3201
其他美洲区域$0.8316
e2-highcpu-2近似值：
us-west2$0.0683
us-west4$0.0641
us-east4$0.0641
northamerica-northeast1$0.0626
northamerica-northeast2$0.0626
southamerica-east1$0.0903
其他美洲区域$0.0569
e2-highcpu-4近似值：
us-west2$0.1367
us-west4$0.1281
us-east4$0.1281
northamerica-northeast1$0.1253
northamerica-northeast2$0.1253
southamerica-east1$0.1806
其他美洲区域$0.1138
e2-highcpu-8近似值：
us-west2$0.2733
us-west4$0.2563
us-east4$0.2563
northamerica-northeast1$0.2505
northamerica-northeast2$0.2505
southamerica-east1$0.3612
其他美洲区域$0.2276
e2-highcpu-16近似值：
us-west2$0.5467
us-west4$0.5126
us-east4$0.5126
northamerica-northeast1$0.501
northamerica-northeast2$0.501
southamerica-east1$0.7225
其他美洲区域$0.4551
e2-highcpu-32近似值：
us-west2$1.0933
us-west4$1.0252
us-east4$1.0252
northamerica-northeast1$1.0021
northamerica-northeast2$1.0021
southamerica-east1$1.4449
其他美洲区域$0.9102

N1 系列

n1-standard-2近似值：

us-east4$0.123
northamerica-northeast1$0.1203
其他美洲区域$0.1093
n1-standard-4近似值：
us-east4$0.2461
northamerica-northeast1$0.2405
其他美洲区域$0.2186
n1-standard-8近似值：
us-east4$0.4922
northamerica-northeast1$0.4811
其他美洲区域$0.4372
n1-standard-16近似值：
us-east4$0.9843
northamerica-northeast1$0.9622
其他美洲区域$0.8744
n1-standard-32近似值：
us-east4$1.9687
northamerica-northeast1$1.9243
其他美洲区域$1.7488
n1-highmem-2近似值：
us-east4$0.1532
northamerica-northeast1$0.1498
其他美洲区域$0.1361
n1-highmem-4近似值：
us-east4$0.3064
northamerica-northeast1$0.2995
其他美洲区域$0.2723
n1-highmem-8近似值：
us-east4$0.6129
northamerica-northeast1$0.5991
其他美洲区域$0.5445
n1-highmem-16近似值：
us-east4$1.2257
northamerica-northeast1$1.1982
其他美洲区域$1.089
n1-highcpu-2近似值：
us-east4$0.0918
northamerica-northeast1$0.0897
其他美洲区域$0.0815
n1-highcpu-4近似值：
us-east4$0.1835
northamerica-northeast1$0.1794
其他美洲区域$0.163
n1-highcpu-8近似值：
us-east4$0.3671
northamerica-northeast1$0.3588
其他美洲区域$0.326
n1-highcpu-16近似值：
us-east4$0.7341
northamerica-northeast1$0.7176
其他美洲区域$0.6519
n1-highcpu-32近似值：
us-east4$1.4683
northamerica-northeast1$1.4352
其他美洲区域$1.3039

N2 系列

n2-standard-2近似值：

northamerica_northeast1$0.123
northamerica_northeast2$0.123
southamerica_east1$0.1773
us_central1$0.1117
us_east1$0.1117
us_east4$0.1258
us_south1$0.1318
us_west1$0.1117
us_west2$0.1341
us_west3$0.1341
us_west4$0.1258
n2-standard-4近似值：
northamerica_northeast1$0.2459
northamerica_northeast2$0.2459
southamerica_east1$0.3546
us_central1$0.2234
us_east1$0.2234
us_east4$0.2516
us_south1$0.2636
us_west1$0.2234
us_west2$0.2683
us_west3$0.2683
us_west4$0.2516
n2-standard-8近似值：
northamerica_northeast1$0.4918
northamerica_northeast2$0.4918
southamerica_east1$0.7091
us_central1$0.4467
us_east1$0.4467
us_east4$0.5031
us_south1$0.5272
us_west1$0.4467
us_west2$0.5366
us_west3$0.5366
us_west4$0.5031
n2-standard-16近似值：
northamerica_northeast1$0.9836
northamerica_northeast2$0.9836
southamerica_east1$1.4183
us_central1$0.8935
us_east1$0.8935
us_east4$1.0063
us_south1$1.0543
us_west1$0.8935
us_west2$1.0732
us_west3$1.0732
us_west4$1.0062
n2-standard-32近似值：
northamerica_northeast1$1.9673
northamerica_northeast2$1.9673
southamerica_east1$2.8365
us_central1$1.787
us_east1$1.787
us_east4$2.0126
us_south1$2.1087
us_west1$1.787
us_west2$2.1464
us_west3$2.1464
us_west4$2.0125
n2-highmem-2近似值：
northamerica_northeast1$0.1659
northamerica_northeast2$0.1659
southamerica_east1$0.2392
us_central1$0.1507
us_east1$0.1507
us_east4$0.1697
us_south1$0.1778
us_west1$0.1507
us_west2$0.181
us_west3$0.181
us_west4$0.1697
n2-highmem-4近似值：
northamerica_northeast1$0.3317
northamerica_northeast2$0.3317
southamerica_east1$0.4783
us_central1$0.3013
us_east1$0.3013
us_east4$0.3394
us_south1$0.3556
us_west1$0.3013
us_west2$0.3619
us_west3$0.3619
us_west4$0.3393
n2-highmem-8近似值：
northamerica_northeast1$0.6634
northamerica_northeast2$0.6634
southamerica_east1$0.9566
us_central1$0.6027
us_east1$0.6027
us_east4$0.6787
us_south1$0.7112
us_west1$0.6027
us_west2$0.7239
us_west3$0.7239
us_west4$0.6787
n2-highmem-16近似值：
northamerica_northeast1$1.3269
northamerica_northeast2$1.3269
southamerica_east1$1.9132
us_central1$1.2053
us_east1$1.2053
us_east4$1.3574
us_south1$1.4223
us_west1$1.2053
us_west2$1.4477
us_west3$1.4477
us_west4$1.3574
n2-highcpu-2近似值：
northamerica_northeast1$0.0908
northamerica_northeast2$0.0908
southamerica_east1$0.1309
us_central1$0.0825
us_east1$0.0825
us_east4$0.0929
us_south1$0.0973
us_west1$0.0825
us_west2$0.099
us_west3$0.099
us_west4$0.0929
n2-highcpu-4近似值：
northamerica_northeast1$0.1815
northamerica_northeast2$0.1815
southamerica_east1$0.2618
us_central1$0.1649
us_east1$0.1649
us_east4$0.1857
us_south1$0.1946
us_west1$0.1649
us_west2$0.1981
us_west3$0.1981
us_west4$0.1857
n2-highcpu-8近似值：
northamerica_northeast1$0.3631
northamerica_northeast2$0.3631
southamerica_east1$0.5235
us_central1$0.3298
us_east1$0.3298
us_east4$0.3715
us_south1$0.3892
us_west1$0.3298
us_west2$0.3961
us_west3$0.3961
us_west4$0.3714
n2-highcpu-16近似值：
northamerica_northeast1$0.7262
northamerica_northeast2$0.7262
southamerica_east1$1.0471
us_central1$0.6596
us_east1$0.6596
us_east4$0.7429
us_south1$0.7783
us_west1$0.6596
us_west2$0.7923
us_west3$0.7923
us_west4$0.7429
n2-highcpu-32近似值：
northamerica_northeast1$1.4523
northamerica_northeast2$1.4523
southamerica_east1$2.0941
us_central1$1.3192
us_east1$1.3192
us_east4$1.4858
us_south1$1.5567
us_west1$1.3192
us_west2$1.5846
us_west3$1.5846
us_west4$1.4858

N2D 系列

n2d-standard-2近似值：

northamerica_northeast1$0.107
southamerica_east1$0.1542
us_central1$0.0972
us_east1$0.0972
us_east4$0.1094
us_west1$0.0972
us_west2$0.1167
us_west4$0.1094
n2d-standard-4近似值：
northamerica_northeast1$0.2139
southamerica_east1$0.3085
us_central1$0.1943
us_east1$0.1943
us_east4$0.2189
us_west1$0.1943
us_west2$0.2334
us_west4$0.2189
n2d-standard-8近似值：
northamerica_northeast1$0.4279
southamerica_east1$0.617
us_central1$0.3887
us_east1$0.3887
us_east4$0.4377
us_west1$0.3887
us_west2$0.4668
us_west4$0.4377
n2d-standard-16近似值：
northamerica_northeast1$0.8558
southamerica_east1$1.2339
us_central1$0.7773
us_east1$0.7773
us_east4$0.8755
us_west1$0.7773
us_west2$0.9336
us_west4$0.8755
n2d-standard-32近似值：
northamerica_northeast1$1.7116
southamerica_east1$2.4678
us_central1$1.5547
us_east1$1.5547
us_east4$1.7509
us_west1$1.5547
us_west2$1.8673
us_west4$1.7509
n2d-highmem-2近似值：
northamerica_northeast1$0.1443
southamerica_east1$0.2081
us_central1$0.1311
us_east1$0.1311
us_east4$0.1476
us_west1$0.1311
us_west2$0.1574
us_west4$0.1476
n2d-highmem-4近似值：
northamerica_northeast1$0.2886
southamerica_east1$0.4161
us_central1$0.2622
us_east1$0.2622
us_east4$0.2952
us_west1$0.2622
us_west2$0.3149
us_west4$0.2952
n2d-highmem-8近似值：
northamerica_northeast1$0.5772
southamerica_east1$0.8323
us_central1$0.5243
us_east1$0.5243
us_east4$0.5905
us_west1$0.5243
us_west2$0.6297
us_west4$0.5905
n2d-highmem-16近似值：
northamerica_northeast1$1.1545
southamerica_east1$1.6646
us_central1$1.0486
us_east1$1.0486
us_east4$1.181
us_west1$1.0486
us_west2$1.2595
us_west4$1.181
n2d-highcpu-2近似值：
northamerica_northeast1$0.079
southamerica_east1$0.1139
us_central1$0.0717
us_east1$0.0717
us_east4$0.0808
us_west1$0.0717
us_west2$0.0862
us_west4$0.0808
n2d-highcpu-4近似值：
northamerica_northeast1$0.1579
southamerica_east1$0.2277
us_central1$0.1435
us_east1$0.1435
us_east4$0.1616
us_west1$0.1435
us_west2$0.1723
us_west4$0.1616
n2d-highcpu-8近似值：
northamerica_northeast1$0.3159
southamerica_east1$0.4555
us_central1$0.2869
us_east1$0.2869
us_east4$0.3232
us_west1$0.2869
us_west2$0.3446
us_west4$0.3232
n2d-highcpu-16近似值：
northamerica_northeast1$0.6318
southamerica_east1$0.9109
us_central1$0.5739
us_east1$0.5739
us_east4$0.6463
us_west1$0.5739
us_west2$0.6893
us_west4$0.6463
n2d-highcpu-32近似值：
northamerica_northeast1$1.2636
southamerica_east1$1.8219
us_central1$1.1477
us_east1$1.1477
us_east4$1.2927
us_west1$1.1477
us_west2$1.3786
us_west4$1.2927

C2 系列

c2-standard-4近似值：

northamerica_northeast1$0.264
southamerica_east1$0.3812
us_central1$0.24
us_east1$0.24
us_east4$0.2702
us_west1$0.24
us_west2$0.2884
us_west3$0.2889
us_west4$0.2702
c2-standard-8近似值：
northamerica_northeast1$0.5281
southamerica_east1$0.7623
us_central1$0.4801
us_east1$0.4801
us_east4$0.5405
us_west1$0.4801
us_west2$0.5768
us_west3$0.5778
us_west4$0.5405
c2-standard-16近似值：
northamerica_northeast1$1.0562
southamerica_east1$1.5246
us_central1$0.9601
us_east1$0.9601
us_east4$1.081
us_west1$0.9601
us_west2$1.1537
us_west3$1.1555
us_west4$1.081
c2-standard-30近似值：
northamerica_northeast1$1.9803
southamerica_east1$2.8587
us_central1$1.8002
us_east1$1.8002
us_east4$2.0269
us_west1$1.8002
us_west2$2.1631
us_west3$2.1666
us_west4$2.0269
c2-standard-60近似值：
northamerica_northeast1$3.9606
southamerica_east1$5.7173
us_central1$3.6004
us_east1$3.6004
us_east4$4.0537
us_west1$3.6004
us_west2$4.3263
us_west3$4.3332
us_west4$4.0537

C2D 系列

c2d-standard-2近似值：

us_central1$0.1044
us_east1$0.1044
us_east4$0.1176
us_west1$0.1044
us_west4$0.1176
c2d-standard-4近似值：
us_central1$0.2088
us_east1$0.2088
us_east4$0.2352
us_west1$0.2088
us_west4$0.2352
c2d-standard-8近似值：
us_central1$0.4177
us_east1$0.4177
us_east4$0.4704
us_west1$0.4177
us_west4$0.4704
c2d-standard-16近似值：
us_central1$0.8353
us_east1$0.8353
us_east4$0.9408
us_west1$0.8353
us_west4$0.9408
c2d-standard-32近似值：
us_central1$1.6707
us_east1$1.6707
us_east4$1.8815
us_west1$1.6707
us_west4$1.8815
c2d-standard-56近似值：
us_central1$2.9237
us_east1$2.9237
us_east4$3.2926
us_west1$2.9237
us_west4$3.2926
c2d-standard-112近似值：
us_central1$5.8474
us_east1$5.8474
us_east4$6.5853
us_west1$5.8474
us_west4$6.5853
c2d-highmem-2近似值：
us_central1$0.1408
us_east1$0.1408
us_east4$0.1586
us_west1$0.1408
us_west4$0.1586
c2d-highmem-4近似值：
us_central1$0.2817
us_east1$0.2817
us_east4$0.3172
us_west1$0.2817
us_west4$0.3172
c2d-highmem-8近似值：
us_central1$0.5634
us_east1$0.5634
us_east4$0.6344
us_west1$0.5634
us_west4$0.6344
c2d-highmem-16近似值：
us_central1$1.1267
us_east1$1.1267
us_east4$1.2689
us_west1$1.1267
us_west4$1.2689
c2d-highmem-32近似值：
us_central1$2.2534
us_east1$2.2534
us_east4$2.5377
us_west1$2.2534
us_west4$2.5377
c2d-highmem-56近似值：
us_central1$3.9435
us_east1$3.9435
us_east4$4.441
us_west1$3.9435
us_west4$4.441
c2d-highmem-112近似值：
us_central1$7.887
us_east1$7.887
us_east4$8.882
us_west1$7.887
us_west4$8.882
c2d-highcpu-2近似值：
us_central1$0.0862
us_east1$0.0862
us_east4$0.0971
us_west1$0.0862
us_west4$0.0971
c2d-highcpu-4近似值：
us_central1$0.1724
us_east1$0.1724
us_east4$0.1942
us_west1$0.1724
us_west4$0.1942
c2d-highcpu-8近似值：
us_central1$0.3448
us_east1$0.3448
us_east4$0.3884
us_west1$0.3448
us_west4$0.3884
c2d-highcpu-16近似值：
us_central1$0.6896
us_east1$0.6896
us_east4$0.7767
us_west1$0.6896
us_west4$0.7767
c2d-highcpu-32近似值：
us_central1$1.3793
us_east1$1.3793
us_east4$1.5534
us_west1$1.3793
us_west4$1.5534
c2d-highcpu-56近似值：
us_central1$2.4138
us_east1$2.4138
us_east4$2.7185
us_west1$2.4138
us_west4$2.7185
c2d-highcpu-112近似值：
us_central1$4.8275
us_east1$4.8275
us_east4$5.4369
us_west1$4.8275
us_west4$5.4369

C3 系列

c3-highcpu-4近似值：

us_central1$0.1982
us_east1$0.1982
us_east4$0.2232
c3-highcpu-8近似值：
us_central1$0.3965
us_east1$0.3965
us_east4$0.4465
c3-highcpu-22近似值：
us_central1$1.0903
us_east1$1.0903
us_east4$1.2278
c3-highcpu-44近似值：
us_central1$2.1806
us_east1$2.1806
us_east4$2.4556
c3-highcpu-88近似值：
us_central1$4.3613
us_east1$4.3613
us_east4$4.9113
c3-highcpu-176近似值：
us_central1$8.7226
us_east1$8.7226
us_east4$9.8226

A2 系列

a2-highgpu-1g近似值：

us-central1$4.2245
a2-highgpu-2g近似值：
us-central1$8.449
a2-highgpu-4g近似值：
us-central1$16.898
a2-highgpu-8g近似值：
us-central1$33.796
a2-megagpu-16g近似值：
us-central1$64.1021
a2-ultragpu-1g近似值：
us-central1$5.7818
us-east4$6.3524
a2-ultragpu-2g近似值：
us-central1$11.5637
us-east4$12.7048
a2-ultragpu-4g近似值：
us-central1$23.1274
us-east4$25.4095
a2-ultragpu-8g近似值：
us-central1$46.2548
us-east4$50.8191

A3 系列

a3-highgpu-8g近似值：
us-central1$101.0074
us-east4$101.0074

G2 系列

g2-standard-4近似值：

us-central1$0.8129
g2-standard-8近似值：
us-central1$0.9818
g2-standard-12近似值：
us-central1$1.1507
g2-standard-16近似值：
us-central1$1.3196
g2-standard-24近似值：
us-central1$2.3014
g2-standard-32近似值：
us-central1$1.9951
g2-standard-48近似值：
us-central1$4.6028
g2-standard-96近似值：
us-central1$9.2055

TPU v5e
ct5lp-hightpu-1t 大约为：
us-west1 $1.38
ct5lp-hightpu-4t 大约为：
us-west1 $5.52
ct5lp-hightpu-8t 大约为：
us-west1 $11.04

欧洲的价格

下表提供了各机器类型的每“节点时”价格。

E2 系列

e2-standard-2近似值：

europe-west1$0.0848
europe-west2$0.0993
europe-west3$0.0993
europe-west4$0.0848
europe-west6$0.1078
europe-west9$0.1079
e2-standard-4近似值：
europe-west1$0.1695
europe-west2$0.1986
europe-west3$0.1986
europe-west4$0.1697
europe-west6$0.2156
europe-west9$0.2158
e2-standard-8近似值：
europe-west1$0.3391
europe-west2$0.3971
europe-west3$0.3971
europe-west4$0.3393
europe-west6$0.4313
europe-west9$0.4316
e2-standard-16近似值：
europe-west1$0.6782
europe-west2$0.7943
europe-west3$0.7943
europe-west4$0.6787
europe-west6$0.8626
europe-west9$0.8631
e2-standard-32近似值：
europe-west1$1.3563
europe-west2$1.5885
europe-west3$1.5885
europe-west4$1.3574
europe-west6$1.7251
europe-west9$1.7262
e2-highmem-2近似值：
europe-west1$0.1144
europe-west2$0.1339
europe-west3$0.1339
europe-west4$0.1144
europe-west6$0.1454
europe-west9$0.1455
e2-highmem-4近似值：
europe-west1$0.2287
europe-west2$0.2679
europe-west3$0.2679
europe-west4$0.2289
europe-west6$0.2909
europe-west9$0.2911
e2-highmem-8近似值：
europe-west1$0.4574
europe-west2$0.5357
europe-west3$0.5357
europe-west4$0.4578
europe-west6$0.5818
europe-west9$0.5822
e2-highmem-16近似值：
europe-west1$0.9149
europe-west2$1.0714
europe-west3$1.0714
europe-west4$0.9155
europe-west6$1.1636
europe-west9$1.1643
e2-highcpu-2近似值：
europe-west1$0.0626
europe-west2$0.0733
europe-west3$0.0733
europe-west4$0.0626
europe-west6$0.0796
europe-west9$0.0796
e2-highcpu-4近似值：
europe-west1$0.1252
europe-west2$0.1466
europe-west3$0.1466
europe-west4$0.1253
europe-west6$0.1592
europe-west9$0.1593
e2-highcpu-8近似值：
europe-west1$0.2503
europe-west2$0.2932
europe-west3$0.2932
europe-west4$0.2505
europe-west6$0.3184
europe-west9$0.3186
e2-highcpu-16近似值：
europe-west1$0.5006
europe-west2$0.5864
europe-west3$0.5864
europe-west4$0.501
europe-west6$0.6368
europe-west9$0.6372
e2-highcpu-32近似值：
europe-west1$1.0013
europe-west2$1.1728
europe-west3$1.1728
europe-west4$1.0021
europe-west6$1.2736
europe-west9$1.2743

N1 系列

n1-standard-2近似值：

europe-west2$0.1408
其他欧洲区域$0.1265
n1-standard-4近似值：
europe-west2$0.2815
其他欧洲区域$0.2531
n1-standard-8近似值：
europe-west2$0.563
其他欧洲区域$0.5061
n1-standard-16近似值：
europe-west2$1.126
其他欧洲区域$1.0123
n1-standard-32近似值：
europe-west2$2.2521
其他欧洲区域$2.0245
n1-highmem-2近似值：
europe-west2$0.1753
其他欧洲区域$0.1575
n1-highmem-4近似值：
europe-west2$0.3506
其他欧洲区域$0.3151
n1-highmem-8近似值：
europe-west2$0.7011
其他欧洲区域$0.6302
n1-highmem-16近似值：
europe-west2$1.4022
其他欧洲区域$1.2603
n1-highcpu-2近似值：
europe-west2$0.105
其他欧洲区域$0.0944
n1-highcpu-4近似值：
europe-west2$0.21
其他欧洲区域$0.1888
n1-highcpu-8近似值：
europe-west2$0.4199
其他欧洲区域$0.3776
n1-highcpu-16近似值：
europe-west2$0.8398
其他欧洲区域$0.7552
n1-highcpu-32近似值：
europe-west2$1.6796
其他欧洲区域$1.5104

N2 系列

n2-standard-2近似值：

europe_central2$0.1439
europe_west1$0.1229
europe_west2$0.1439
europe_west3$0.1439
europe_west4$0.1229
europe_west6$0.1564
europe_west9$0.1296
n2-standard-4近似值：
europe_central2$0.2878
europe_west1$0.2457
europe_west2$0.2878
europe_west3$0.2878
europe_west4$0.2457
europe_west6$0.3127
europe_west9$0.2591
n2-standard-8近似值：
europe_central2$0.5756
europe_west1$0.4914
europe_west2$0.5756
europe_west3$0.5756
europe_west4$0.4914
europe_west6$0.6254
europe_west9$0.5182
n2-standard-16近似值：
europe_central2$1.1511
europe_west1$0.9829
europe_west2$1.1511
europe_west3$1.1511
europe_west4$0.9828
europe_west6$1.2508
europe_west9$1.0364
n2-standard-32近似值：
europe_central2$2.3023
europe_west1$1.9658
europe_west2$2.3023
europe_west3$2.3023
europe_west4$1.9657
europe_west6$2.5017
europe_west9$2.0729
n2-highmem-2近似值：
europe_central2$0.1941
europe_west1$0.1657
europe_west2$0.1941
europe_west3$0.1941
europe_west4$0.1657
europe_west6$0.2109
europe_west9$0.1748
n2-highmem-4近似值：
europe_central2$0.3882
europe_west1$0.3315
europe_west2$0.3882
europe_west3$0.3882
europe_west4$0.3315
europe_west6$0.4218
europe_west9$0.3495
n2-highmem-8近似值：
europe_central2$0.7764
europe_west1$0.663
europe_west2$0.7764
europe_west3$0.7764
europe_west4$0.6629
europe_west6$0.8436
europe_west9$0.6991
n2-highmem-16近似值：
europe_central2$1.5528
europe_west1$1.3259
europe_west2$1.5528
europe_west3$1.5528
europe_west4$1.3259
europe_west6$1.6873
europe_west9$1.3982
n2-highcpu-2近似值：
europe_central2$0.1062
europe_west1$0.0907
europe_west2$0.1062
europe_west3$0.1062
europe_west4$0.0907
europe_west6$0.1154
europe_west9$0.0956
n2-highcpu-4近似值：
europe_central2$0.2125
europe_west1$0.1814
europe_west2$0.2125
europe_west3$0.2125
europe_west4$0.1814
europe_west6$0.2309
europe_west9$0.1913
n2-highcpu-8近似值：
europe_central2$0.4249
europe_west1$0.3628
europe_west2$0.4249
europe_west3$0.4249
europe_west4$0.3628
europe_west6$0.4617
europe_west9$0.3826
n2-highcpu-16近似值：
europe_central2$0.8499
europe_west1$0.7256
europe_west2$0.8499
europe_west3$0.8499
europe_west4$0.7256
europe_west6$0.9235
europe_west9$0.7651
n2-highcpu-32近似值：
europe_central2$1.6997
europe_west1$1.4512
europe_west2$1.6997
europe_west3$1.6997
europe_west4$1.4511
europe_west6$1.847
europe_west9$1.5303

N2D 系列

n2d-standard-2近似值：

europe_west1$0.1069
europe_west2$0.1252
europe_west3$0.1252
europe_west4$0.107
europe_west9$0.1127
n2d-standard-4近似值：
europe_west1$0.2138
europe_west2$0.2504
europe_west3$0.2504
europe_west4$0.2139
europe_west9$0.2254
n2d-standard-8近似值：
europe_west1$0.4275
europe_west2$0.5007
europe_west3$0.5007
europe_west4$0.4279
europe_west9$0.4509
n2d-standard-16近似值：
europe_west1$0.8551
europe_west2$1.0015
europe_west3$1.0015
europe_west4$0.8558
europe_west9$0.9017
n2d-standard-32近似值：
europe_west1$1.7102
europe_west2$2.0029
europe_west3$2.0029
europe_west4$1.7116
europe_west9$1.8034
n2d-highmem-2近似值：
europe_west1$0.1442
europe_west2$0.1689
europe_west3$0.1689
europe_west4$0.1443
europe_west9$0.1521
n2d-highmem-4近似值：
europe_west1$0.2884
europe_west2$0.3377
europe_west3$0.3377
europe_west4$0.2886
europe_west9$0.3041
n2d-highmem-8近似值：
europe_west1$0.5768
europe_west2$0.6755
europe_west3$0.6755
europe_west4$0.5772
europe_west9$0.6082
n2d-highmem-16近似值：
europe_west1$1.1535
europe_west2$1.3509
europe_west3$1.3509
europe_west4$1.1545
europe_west9$1.2164
n2d-highcpu-2近似值：
europe_west1$0.0789
europe_west2$0.0924
europe_west3$0.0924
europe_west4$0.079
europe_west9$0.0832
n2d-highcpu-4近似值：
europe_west1$0.1578
europe_west2$0.1848
europe_west3$0.1848
europe_west4$0.1579
europe_west9$0.1664
n2d-highcpu-8近似值：
europe_west1$0.3156
europe_west2$0.3697
europe_west3$0.3697
europe_west4$0.3159
europe_west9$0.3328
n2d-highcpu-16近似值：
europe_west1$0.6313
europe_west2$0.7394
europe_west3$0.7394
europe_west4$0.6318
europe_west9$0.6657
n2d-highcpu-32近似值：
europe_west1$1.2625
europe_west2$1.4787
europe_west3$1.4787
europe_west4$1.2636
europe_west9$1.3314

C2 系列

c2-standard-4近似值：

europe_west1$0.2641
europe_west2$0.3094
europe_west3$0.3092
europe_west4$0.2643
europe_west6$0.3362
c2-standard-8近似值：
europe_west1$0.5283
europe_west2$0.6187
europe_west3$0.6184
europe_west4$0.5285
europe_west6$0.6724
c2-standard-16近似值：
europe_west1$1.0565
europe_west2$1.2375
europe_west3$1.2368
europe_west4$1.0571
europe_west6$1.3449
c2-standard-30近似值：
europe_west1$1.981
europe_west2$2.3202
europe_west3$2.3191
europe_west4$1.982
europe_west6$2.5216
c2-standard-60近似值：
europe_west1$3.962
europe_west2$4.6404
europe_west3$4.6382
europe_west4$3.964
europe_west6$5.0432

C2D 系列

c2d-standard-2近似值：

europe_west1$0.115
europe_west2$0.1345
europe_west3$0.1345
europe_west4$0.115
c2d-standard-4近似值：
europe_west1$0.2299
europe_west2$0.269
europe_west3$0.269
europe_west4$0.2299
c2d-standard-8近似值：
europe_west1$0.4599
europe_west2$0.5381
europe_west3$0.5381
europe_west4$0.4599
c2d-standard-16近似值：
europe_west1$0.9198
europe_west2$1.0762
europe_west3$1.0762
europe_west4$0.9198
c2d-standard-32近似值：
europe_west1$1.8395
europe_west2$2.1524
europe_west3$2.1524
europe_west4$1.8395
c2d-standard-56近似值：
europe_west1$3.2191
europe_west2$3.7666
europe_west3$3.7666
europe_west4$3.2191
c2d-standard-112近似值：
europe_west1$6.4383
europe_west2$7.5333
europe_west3$7.5333
europe_west4$6.4383
c2d-highmem-2近似值：
europe_west1$0.1551
europe_west2$0.1814
europe_west3$0.1814
europe_west4$0.1551
c2d-highmem-4近似值：
europe_west1$0.3101
europe_west2$0.3629
europe_west3$0.3629
europe_west4$0.3101
c2d-highmem-8近似值：
europe_west1$0.6203
europe_west2$0.7258
europe_west3$0.7258
europe_west4$0.6203
c2d-highmem-16近似值：
europe_west1$1.2406
europe_west2$1.4515
europe_west3$1.4515
europe_west4$1.2406
c2d-highmem-32近似值：
europe_west1$2.4812
europe_west2$2.9031
europe_west3$2.9031
europe_west4$2.4812
c2d-highmem-56近似值：
europe_west1$4.342
europe_west2$5.0804
europe_west3$5.0804
europe_west4$4.342
c2d-highmem-112近似值：
europe_west1$8.684
europe_west2$10.1608
europe_west3$10.1608
europe_west4$8.684
c2d-highcpu-2近似值：
europe_west1$0.0949
europe_west2$0.1111
europe_west3$0.1111
europe_west4$0.0949
c2d-highcpu-4近似值：
europe_west1$0.1898
europe_west2$0.2221
europe_west3$0.2221
europe_west4$0.1898
c2d-highcpu-8近似值：
europe_west1$0.3797
europe_west2$0.4442
europe_west3$0.4442
europe_west4$0.3797
c2d-highcpu-16近似值：
europe_west1$0.7593
europe_west2$0.8885
europe_west3$0.8885
europe_west4$0.7593
c2d-highcpu-32近似值：
europe_west1$1.5187
europe_west2$1.777
europe_west3$1.777
europe_west4$1.5187
c2d-highcpu-56近似值：
europe_west1$2.6577
europe_west2$3.1097
europe_west3$3.1097
europe_west4$2.6577
c2d-highcpu-112近似值：
europe_west1$5.3154
europe_west2$6.2195
europe_west3$6.2195
europe_west4$5.3154

C3 系列

c3-highcpu-4近似值：

europe_west1$0.218
europe_west4$0.2182
c3-highcpu-8近似值：
europe_west1$0.4361
europe_west4$0.4365
c3-highcpu-22近似值：
europe_west1$1.1992
europe_west4$1.2003
c3-highcpu-44近似值：
europe_west1$2.3984
europe_west4$2.4006
c3-highcpu-88近似值：
europe_west1$4.7969
europe_west4$4.8013
c3-highcpu-176近似值：
europe_west1$9.5938
europe_west4$9.6026

A2 系列

a2-highgpu-1g近似值：

europe-west4$4.3103
a2-highgpu-2g近似值：
europe-west4$8.6205
a2-highgpu-4g近似值：
europe-west4$17.2411
a2-highgpu-8g近似值：
europe-west4$34.4822
a2-megagpu-16g近似值：
europe-west4$65.1222
a2-ultragpu-1g近似值：
europe-west4$6.3661
a2-ultragpu-2g近似值：
europe-west4$12.7321
a2-ultragpu-4g近似值：
europe-west4$25.4643
a2-ultragpu-8g近似值：
europe-west4$50.9286

G2 系列

g2-standard-4近似值：

europe-west4$0.8951
g2-standard-8近似值：
europe-west4$1.081
g2-standard-12近似值：
europe-west4$1.2669
g2-standard-16近似值：
europe-west4$1.4528
g2-standard-24近似值：
europe-west4$2.5338
g2-standard-32近似值：
europe-west4$2.1965
g2-standard-48近似值：
europe-west4$5.0677
g2-standard-96近似值：
europe-west4$10.1354

亚太地区的价格

下表提供了各机器类型的每“节点时”价格。

E2 系列

e2-standard-2近似值：

asia-east1$0.0892
asia-east2$0.1078
asia-northeast1$0.0989
asia-northeast3$0.0989
asia-south1$0.0926
asia-southeast1$0.0951
australia-southeast1$0.1093
e2-standard-4近似值：
asia-east1$0.1785
asia-east2$0.2156
asia-northeast1$0.1977
asia-northeast3$0.1977
asia-south1$0.1851
asia-southeast1$0.1901
australia-southeast1$0.2187
e2-standard-8近似值：
asia-east1$0.3569
asia-east2$0.4313
asia-northeast1$0.3954
asia-northeast3$0.3954
asia-south1$0.3702
asia-southeast1$0.3802
australia-southeast1$0.4373
e2-standard-16近似值：
asia-east1$0.7138
asia-east2$0.8626
asia-northeast1$0.7909
asia-northeast3$0.7909
asia-south1$0.7405
asia-southeast1$0.7605
australia-southeast1$0.8747
e2-standard-32近似值：
asia-east1$1.4276
asia-east2$1.7251
asia-northeast1$1.5817
asia-northeast3$1.5817
asia-south1$1.4809
asia-southeast1$1.5209
australia-southeast1$1.7494
e2-highmem-2近似值：
asia-east1$0.1204
asia-east2$0.1454
asia-northeast1$0.1333
asia-northeast3$0.1333
asia-south1$0.1249
asia-southeast1$0.1282
australia-southeast1$0.1475
e2-highmem-4近似值：
asia-east1$0.2407
asia-east2$0.2909
asia-northeast1$0.2665
asia-northeast3$0.2665
asia-south1$0.2497
asia-southeast1$0.2564
australia-southeast1$0.295
e2-highmem-8近似值：
asia-east1$0.4815
asia-east2$0.5818
asia-northeast1$0.533
asia-northeast3$0.533
asia-south1$0.4994
asia-southeast1$0.5129
australia-southeast1$0.59
e2-highmem-16近似值：
asia-east1$0.963
asia-east2$1.1636
asia-northeast1$1.0661
asia-northeast3$1.0661
asia-south1$0.9989
asia-southeast1$1.0258
australia-southeast1$1.1799
e2-highcpu-2近似值：
asia-east1$0.0659
asia-east2$0.0796
asia-northeast1$0.0731
asia-northeast3$0.0731
asia-south1$0.0683
asia-southeast1$0.0702
australia-southeast1$0.0807
e2-highcpu-4近似值：
asia-east1$0.1317
asia-east2$0.1592
asia-northeast1$0.1461
asia-northeast3$0.1461
asia-south1$0.1367
asia-southeast1$0.1404
australia-southeast1$0.1614
e2-highcpu-8近似值：
asia-east1$0.2635
asia-east2$0.3184
asia-northeast1$0.2922
asia-northeast3$0.2922
asia-south1$0.2733
asia-southeast1$0.2807
australia-southeast1$0.3229
e2-highcpu-16近似值：
asia-east1$0.527
asia-east2$0.6368
asia-northeast1$0.5845
asia-northeast3$0.5845
asia-south1$0.5467
asia-southeast1$0.5615
australia-southeast1$0.6458
e2-highcpu-32近似值：
asia-east1$1.0539
asia-east2$1.2736
asia-northeast1$1.169
asia-northeast3$1.169
asia-south1$1.0933
asia-southeast1$1.1229
australia-southeast1$1.2916

N1 系列

n1-standard-2近似值：

asia-northeast1$0.1402
asia-southeast1$0.1348
australia-southeast1$0.155
其他亚太地区区域$0.1265
n1-standard-4近似值：
asia-northeast1$0.2803
asia-southeast1$0.2695
australia-southeast1$0.31
其他亚太地区区域$0.2531
n1-standard-8近似值：
asia-northeast1$0.5606
asia-southeast1$0.5391
australia-southeast1$0.6201
其他亚太地区区域$0.5061
n1-standard-16近似值：
asia-northeast1$1.1213
asia-southeast1$1.0782
australia-southeast1$1.2401
其他亚太地区区域$1.0123
n1-standard-32近似值：
asia-northeast1$2.2426
asia-southeast1$2.1564
australia-southeast1$2.4802
其他亚太地区区域$2.0245
n1-highmem-2近似值：
asia-northeast1$0.1744
asia-southeast1$0.1678
australia-southeast1$0.193
其他亚太地区区域$0.1575
n1-highmem-4近似值：
asia-northeast1$0.3489
asia-southeast1$0.3357
australia-southeast1$0.3861
其他亚太地区区域$0.3151
n1-highmem-8近似值：
asia-northeast1$0.6977
asia-southeast1$0.6713
australia-southeast1$0.7721
其他亚太地区区域$0.6302
n1-highmem-16近似值：
asia-northeast1$1.3955
asia-southeast1$1.3426
australia-southeast1$1.5443
其他亚太地区区域$1.2603
n1-highcpu-2近似值：
asia-northeast1$0.1046
asia-southeast1$0.1005
australia-southeast1$0.1156
其他亚太地区区域$0.0944
n1-highcpu-4近似值：
asia-northeast1$0.2093
asia-southeast1$0.201
australia-southeast1$0.2312
其他亚太地区区域$0.1888
n1-highcpu-8近似值：
asia-northeast1$0.4186
asia-southeast1$0.4021
australia-southeast1$0.4624
其他亚太地区区域$0.3776
n1-highcpu-16近似值：
asia-northeast1$0.8371
asia-southeast1$0.8041
australia-southeast1$0.9249
其他亚太地区区域$0.7552
n1-highcpu-32近似值：
asia-northeast1$1.6742
asia-southeast1$1.6082
australia-southeast1$1.8498
其他亚太地区区域$1.5104

N2 系列

n2-standard-2近似值：

asia_east1$0.1293
asia_east2$0.1563
asia_northeast1$0.1433
asia_northeast3$0.1433
asia_south1$0.1341
asia_southeast1$0.1378
asia_southeast2$0.1502
australia_southeast1$0.1585
n2-standard-4近似值：
asia_east1$0.2586
asia_east2$0.3125
asia_northeast1$0.2866
asia_northeast3$0.2866
asia_south1$0.2683
asia_southeast1$0.2756
asia_southeast2$0.3003
australia_southeast1$0.3169
n2-standard-8近似值：
asia_east1$0.5173
asia_east2$0.6251
asia_northeast1$0.5731
asia_northeast3$0.5731
asia_south1$0.5366
asia_southeast1$0.5511
asia_southeast2$0.6007
australia_southeast1$0.6339
n2-standard-16近似值：
asia_east1$1.0346
asia_east2$1.2502
asia_northeast1$1.1462
asia_northeast3$1.1462
asia_south1$1.0731
asia_southeast1$1.1022
asia_southeast2$1.2014
australia_southeast1$1.2678
n2-standard-32近似值：
asia_east1$2.0691
asia_east2$2.5003
asia_northeast1$2.2924
asia_northeast3$2.2924
asia_south1$2.1462
asia_southeast1$2.2044
asia_southeast2$2.4028
australia_southeast1$2.5355
n2-highmem-2近似值：
asia_east1$0.1745
asia_east2$0.2108
asia_northeast1$0.1931
asia_northeast3$0.1931
asia_south1$0.181
asia_southeast1$0.1859
asia_southeast2$0.2026
australia_southeast1$0.2138
n2-highmem-4近似值：
asia_east1$0.3489
asia_east2$0.4216
asia_northeast1$0.3863
asia_northeast3$0.3863
asia_south1$0.3619
asia_southeast1$0.3717
asia_southeast2$0.4052
australia_southeast1$0.4275
n2-highmem-8近似值：
asia_east1$0.6978
asia_east2$0.8432
asia_northeast1$0.7725
asia_northeast3$0.7725
asia_south1$0.7238
asia_southeast1$0.7434
asia_southeast2$0.8103
australia_southeast1$0.8551
n2-highmem-16近似值：
asia_east1$1.3956
asia_east2$1.6865
asia_northeast1$1.545
asia_northeast3$1.545
asia_south1$1.4476
asia_southeast1$1.4868
asia_southeast2$1.6206
australia_southeast1$1.7102
n2-highcpu-2近似值：
asia_east1$0.0955
asia_east2$0.1154
asia_northeast1$0.1059
asia_northeast3$0.1059
asia_south1$0.099
asia_southeast1$0.1017
asia_southeast2$0.1109
australia_southeast1$0.117
n2-highcpu-4近似值：
asia_east1$0.1909
asia_east2$0.2307
asia_northeast1$0.2118
asia_northeast3$0.2118
asia_south1$0.1981
asia_southeast1$0.2034
asia_southeast2$0.2217
australia_southeast1$0.234
n2-highcpu-8近似值：
asia_east1$0.3819
asia_east2$0.4615
asia_northeast1$0.4235
asia_northeast3$0.4235
asia_south1$0.3961
asia_southeast1$0.4069
asia_southeast2$0.4435
australia_southeast1$0.468
n2-highcpu-16近似值：
asia_east1$0.7637
asia_east2$0.9229
asia_northeast1$0.8471
asia_northeast3$0.8471
asia_south1$0.7923
asia_southeast1$0.8137
asia_southeast2$0.887
australia_southeast1$0.936
n2-highcpu-32近似值：
asia_east1$1.5275
asia_east2$1.8458
asia_northeast1$1.6942
asia_northeast3$1.6942
asia_south1$1.5845
asia_southeast1$1.6275
asia_southeast2$1.7739
australia_southeast1$1.8719

N2D 系列

n2d-standard-2近似值：

asia_east1$0.1125
asia_east2$0.136
asia_northeast1$0.1247
asia_south1$0.0641
asia_southeast1$0.1199
australia_southeast1$0.1379
n2d-standard-4近似值：
asia_east1$0.225
asia_east2$0.2719
asia_northeast1$0.2493
asia_south1$0.1283
asia_southeast1$0.2397
australia_southeast1$0.2757
n2d-standard-8近似值：
asia_east1$0.45
asia_east2$0.5438
asia_northeast1$0.4986
asia_south1$0.2565
asia_southeast1$0.4795
australia_southeast1$0.5515
n2d-standard-16近似值：
asia_east1$0.9001
asia_east2$1.0876
asia_northeast1$0.9972
asia_south1$0.513
asia_southeast1$0.959
australia_southeast1$1.103
n2d-standard-32近似值：
asia_east1$1.8001
asia_east2$2.1752
asia_northeast1$1.9945
asia_south1$1.0261
asia_southeast1$1.9179
australia_southeast1$2.206
n2d-highmem-2近似值：
asia_east1$0.1518
asia_east2$0.1834
asia_northeast1$0.168
asia_south1$0.0865
asia_southeast1$0.1617
australia_southeast1$0.186
n2d-highmem-4近似值：
asia_east1$0.3035
asia_east2$0.3668
asia_northeast1$0.3361
asia_south1$0.173
asia_southeast1$0.3234
australia_southeast1$0.372
n2d-highmem-8近似值：
asia_east1$0.6071
asia_east2$0.7336
asia_northeast1$0.6721
asia_south1$0.346
asia_southeast1$0.6468
australia_southeast1$0.744
n2d-highmem-16近似值：
asia_east1$1.2142
asia_east2$1.4672
asia_northeast1$1.3443
asia_south1$0.6921
asia_southeast1$1.2936
australia_southeast1$1.4879
n2d-highcpu-2近似值：
asia_east1$0.0831
asia_east2$0.1004
asia_northeast1$0.0921
asia_south1$0.0473
asia_southeast1$0.0885
australia_southeast1$0.1018
n2d-highcpu-4近似值：
asia_east1$0.1661
asia_east2$0.2007
asia_northeast1$0.1842
asia_south1$0.0947
asia_southeast1$0.177
australia_southeast1$0.2036
n2d-highcpu-8近似值：
asia_east1$0.3322
asia_east2$0.4015
asia_northeast1$0.3685
asia_south1$0.1894
asia_southeast1$0.354
australia_southeast1$0.4071
n2d-highcpu-16近似值：
asia_east1$0.6645
asia_east2$0.8029
asia_northeast1$0.737
asia_south1$0.3787
asia_southeast1$0.708
australia_southeast1$0.8143
n2d-highcpu-32近似值：
asia_east1$1.3289
asia_east2$1.6059
asia_northeast1$1.4739
asia_south1$0.7575
asia_southeast1$1.4159
australia_southeast1$1.6286

C2 系列

c2-standard-4近似值：

asia_east1$0.278
asia_east2$0.336
asia_northeast1$0.308
asia_northeast3$0.308
asia_south1$0.2884
asia_southeast1$0.2962
australia_southeast1$0.3407
c2-standard-8近似值：
asia_east1$0.5561
asia_east2$0.672
asia_northeast1$0.6161
asia_northeast3$0.6161
asia_south1$0.5768
asia_southeast1$0.5924
australia_southeast1$0.6814
c2-standard-16近似值：
asia_east1$1.1122
asia_east2$1.3439
asia_northeast1$1.2321
asia_northeast3$1.2321
asia_south1$1.1536
asia_southeast1$1.1849
australia_southeast1$1.3629
c2-standard-30近似值：
asia_east1$2.0853
asia_east2$2.5199
asia_northeast1$2.3103
asia_northeast3$2.3103
asia_south1$2.1631
asia_southeast1$2.2217
australia_southeast1$2.5553
c2-standard-60近似值：
asia_east1$4.1706
asia_east2$5.0397
asia_northeast1$4.6205
asia_northeast3$4.6205
asia_south1$4.3262
asia_southeast1$4.4433
australia_southeast1$5.1107

C2D 系列

c2d-standard-2近似值：

asia_east1$0.1209
asia_south1$0.0689
asia_southeast1$0.1288
c2d-standard-4近似值：
asia_east1$0.2418
asia_south1$0.1378
asia_southeast1$0.2576
c2d-standard-8近似值：
asia_east1$0.4836
asia_south1$0.2757
asia_southeast1$0.5153
c2d-standard-16近似值：
asia_east1$0.9672
asia_south1$0.5513
asia_southeast1$1.0305
c2d-standard-32近似值：
asia_east1$1.9345
asia_south1$1.1027
asia_southeast1$2.0611
c2d-standard-56近似值：
asia_east1$3.3853
asia_south1$1.9297
asia_southeast1$3.6069
c2d-standard-112近似值：
asia_east1$6.7706
asia_south1$3.8593
asia_southeast1$7.2137
c2d-highmem-2近似值：
asia_east1$0.1631
asia_south1$0.093
asia_southeast1$0.1737
c2d-highmem-4近似值：
asia_east1$0.3262
asia_south1$0.1859
asia_southeast1$0.3475
c2d-highmem-8近似值：
asia_east1$0.6523
asia_south1$0.3718
asia_southeast1$0.695
c2d-highmem-16近似值：
asia_east1$1.3046
asia_south1$0.7436
asia_southeast1$1.39
c2d-highmem-32近似值：
asia_east1$2.6092
asia_south1$1.4873
asia_southeast1$2.78
c2d-highmem-56近似值：
asia_east1$4.5662
asia_south1$2.6028
asia_southeast1$4.865
c2d-highmem-112近似值：
asia_east1$9.1323
asia_south1$5.2055
asia_southeast1$9.7299
c2d-highcpu-2近似值：
asia_east1$0.0998
asia_south1$0.0569
asia_southeast1$0.1063
c2d-highcpu-4近似值：
asia_east1$0.1996
asia_south1$0.1138
asia_southeast1$0.2127
c2d-highcpu-8近似值：
asia_east1$0.3993
asia_south1$0.2276
asia_southeast1$0.4254
c2d-highcpu-16近似值：
asia_east1$0.7985
asia_south1$0.4552
asia_southeast1$0.8508
c2d-highcpu-32近似值：
asia_east1$1.5971
asia_south1$0.9104
asia_southeast1$1.7016
c2d-highcpu-56近似值：
asia_east1$2.7949
asia_south1$1.5931
asia_southeast1$2.9778
c2d-highcpu-112近似值：
asia_east1$5.5898
asia_south1$3.1862
asia_southeast1$5.9556

C3 系列

c3-highcpu-4近似值：

asia_southeast1$0.2445
c3-highcpu-8近似值：
asia_southeast1$0.489
c3-highcpu-22近似值：
asia_southeast1$1.3449
c3-highcpu-44近似值：
asia_southeast1$2.6897
c3-highcpu-88近似值：
asia_southeast1$5.3794
c3-highcpu-176近似值：
asia_southeast1$10.7589

A2 系列

a2-highgpu-1g近似值：

asia-northeast1$4.6575
asia-northeast3$4.6575
asia-southeast1$4.6163
a2-highgpu-2g近似值：
asia-northeast1$9.3151
asia-northeast3$9.3151
asia-southeast1$9.2327
a2-highgpu-4g近似值：
asia-northeast1$18.6301
asia-northeast3$18.6301
asia-southeast1$18.4653
a2-highgpu-8g近似值：
asia-northeast1$37.2603
asia-northeast3$37.2603
asia-southeast1$36.9306
a2-megagpu-16g近似值：
asia-northeast1$70.0363
asia-northeast3$70.0363
asia-southeast1$69.5557
a2-ultragpu-1g近似值：
asia-southeast1$7.1328
a2-ultragpu-2g近似值：
asia-southeast1$14.2657
a2-ultragpu-4g近似值：
asia-southeast1$28.5314
a2-ultragpu-8g近似值：
asia-southeast1$57.0628

中东的价格

N2 系列

n2-standard-2近似值：

me_west1$0.1229
n2-standard-4近似值：
me_west1$0.2457
n2-standard-8近似值：
me_west1$0.4914
n2-standard-16近似值：
me_west1$0.9828
n2-standard-32近似值：
me_west1$1.9657
n2-highmem-2近似值：
me_west1$0.1657
n2-highmem-4近似值：
me_west1$0.3315
n2-highmem-8近似值：
me_west1$0.6629
n2-highmem-16近似值：
me_west1$1.3259
n2-highcpu-2近似值：
me_west1$0.0907
n2-highcpu-4近似值：
me_west1$0.1814
n2-highcpu-8近似值：
me_west1$0.3628
n2-highcpu-16近似值：
me_west1$0.7256
n2-highcpu-32近似值：
me_west1$1.4511

N2D 系列

n2d-standard-2近似值：

me_west1$0.1069
n2d-standard-4近似值：
me_west1$0.2138
n2d-standard-8近似值：
me_west1$0.4275
n2d-standard-16近似值：
me_west1$0.8551
n2d-standard-32近似值：
me_west1$1.7101
n2d-highmem-2近似值：
me_west1$0.1442
n2d-highmem-4近似值：
me_west1$0.2884
n2d-highmem-8近似值：
me_west1$0.5767
n2d-highmem-16近似值：
me_west1$1.1535
n2d-highcpu-2近似值：
me_west1$0.0789
n2d-highcpu-4近似值：
me_west1$0.1578
n2d-highcpu-8近似值：
me_west1$0.3156
n2d-highcpu-16近似值：
me_west1$0.6312
n2d-highcpu-32近似值：
me_west1$1.2625

每种机器类型均按 Google Cloud 账单上的以下 SKU 计费：

  • vCPU 费用：按 vCPU 小时计算
  • RAM 费用：按 GB 小时计算
  • GPU 费用：无论是机器内置还是可选配置，均按 GPU 小时计算

机器类型的价格可用于大致估算使用该机器类型的模型版本每个预测节点的总计每小时费用。

例如，n1-highcpu-32 机器类型包含 32 个 vCPU 和 32 GB 的 RAM。因此，每小时价格等于 32 vCPU hours + 32 GB hours。

SKU 价格表按区域提供。每个表格都显示了预测机器类型的 vCPU、RAM 和内置 GPU 的价格，更精确地反映了 SKU 的收费。

如需查看各区域的 SKU 价格，请选择以下任一区域以查看相应的价格表：

美洲的 SKU 价格

E2 系列

vCPU

位置 每小时价格
洛杉矶 (us-west2) 每 vCPU 小时 $0.0301288
拉斯维加斯 (us-west4) 每 vCPU 小时 $0.028252
北弗吉尼亚 (us-east4) 每 vCPU 小时 $0.028252
蒙特利尔 (northamerica-northeast1) 每 vCPU 小时 $0.0276149
多伦多 (northamerica-northeast2) 每 vCPU 小时 $0.0276149
圣保罗 (southamerica-east1) 每 vCPU 小时 $0.0398176
其他美洲区域 每 vCPU 小时 $0.0250826

RAM

位置 每小时价格
洛杉矶 (us-west2) 每 GB 小时 $0.0040376
拉斯维加斯 (us-west4</code>) 每 GB 小时 $0.0037846
北弗吉尼亚 (us-east4) 每 GB 小时 $0.0037846
蒙特利尔 (northamerica-northeast1) 每 GB 小时 $0.0037007
多伦多 (northamerica-northeast2) 每 GB 小时 $0.0037007
圣保罗 (southamerica-east1) 每 GB 小时 $0.005336
其他美洲区域 每 GB 小时 $0.0033614

N1 系列

vCPU

位置 每小时价格
北弗吉尼亚 (us-east4) 每 vCPU 小时 $0.04094575
蒙特利尔 (northamerica-northeast1) 每 vCPU 小时 $0.0400223
其他美洲区域 每 vCPU 小时 $0.03635495

RAM

位置 每小时价格
北弗吉尼亚 (us-east4) 每 GB 小时 $0.00548665
蒙特利尔 (northamerica-northeast1) 每 GB 小时 $0.0053636
其他美洲区域 每 GB 小时 $0.0048783

N2 系列

vCPU

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 vCPU 小时 $0.0400223
多伦多 (northamerica_northeast2) 每 vCPU 小时 $0.0400223
圣保罗 (southamerica_east1) 每 vCPU 小时 $0.057707
爱荷华 (us_central1) 每 vCPU 小时 $0.0363527
南卡罗来纳 (us_east1) 每 vCPU 小时 $0.0363527
北弗吉尼亚 (us_east4) 每 vCPU 小时 $0.0409457
达拉斯 (us_south1) 每 vCPU 小时 $0.0428962
俄勒冈 (us_west1) 每 vCPU 小时 $0.0363527
洛杉矶 (us_west2) 每 vCPU 小时 $0.0436655
盐湖城 (us_west3) 每 vCPU 小时 $0.0436655
拉斯维加斯 (us_west4) 每 vCPU 小时 $0.0409434

RAM

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 GB 小时 $0.0053636
多伦多 (northamerica_northeast2) 每 GB 小时 $0.0053636
圣保罗 (southamerica_east1) 每 GB 小时 $0.0077337
爱荷华 (us_central1) 每 GB 小时 $0.0048725
南卡罗来纳 (us_east1) 每 GB 小时 $0.0048725
北弗吉尼亚 (us_east4) 每 GB 小时 $0.0054867
达拉斯 (us_south1) 每 GB 小时 $0.00575
俄勒冈 (us_west1) 每 GB 小时 $0.0048725
洛杉矶 (us_west2) 每 GB 小时 $0.0058523
盐湖城 (us_west3) 每 GB 小时 $0.0058523
拉斯维加斯 (us_west4) 每 GB 小时 $0.0054867

N2D 系列

vCPU

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 vCPU 小时 $0.0348197
圣保罗 (southamerica_east1) 每 vCPU 小时 $0.0502055
爱荷华 (us_central1) 每 vCPU 小时 $0.0316273
南卡罗来纳 (us_east1) 每 vCPU 小时 $0.0316273
北弗吉尼亚 (us_east4) 每 vCPU 小时 $0.0356224
俄勒冈 (us_west1) 每 vCPU 小时 $0.0316273
洛杉矶 (us_west2) 每 vCPU 小时 $0.0379891
拉斯维加斯 (us_west4) 每 vCPU 小时 $0.0356224

RAM

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 GB 小时 $0.0046667
圣保罗 (southamerica_east1) 每 GB 小时 $0.0067287
爱荷华 (us_central1) 每 GB 小时 $0.0042389
南卡罗来纳 (us_east1) 每 GB 小时 $0.0042389
北弗吉尼亚 (us_east4) 每 GB 小时 $0.0047736
俄勒冈 (us_west1) 每 GB 小时 $0.0042389
洛杉矶 (us_west2) 每 GB 小时 $0.005091
拉斯维加斯 (us_west4) 每 GB 小时 $0.0047736

C2 系列

vCPU

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 vCPU 小时 $0.04301
圣保罗 (southamerica_east1) 每 vCPU 小时 $0.0620356
爱荷华 (us_central1) 每 vCPU 小时 $0.039077
南卡罗来纳 (us_east1) 每 vCPU 小时 $0.039077
北弗吉尼亚 (us_east4) 每 vCPU 小时 $0.0440105
俄勒冈 (us_west1) 每 vCPU 小时 $0.039077
洛杉矶 (us_west2) 每 vCPU 小时 $0.046943
盐湖城 (us_west3) 每 vCPU 小时 $0.04692
拉斯维加斯 (us_west4) 每 vCPU 小时 $0.0440105

RAM

位置 每小时价格
蒙特利尔 (northamerica_northeast1) 每 GB 小时 $0.00575
圣保罗 (southamerica_east1) 每 GB 小时 $0.0083133
爱荷华 (us_central1) 每 GB 小时 $0.0052325
南卡罗来纳 (us_east1) 每 GB 小时 $0.0052325
北弗吉尼亚 (us_east4) 每 GB 小时 $0.005888
俄勒冈 (us_west1) 每 GB 小时 $0.0052325
洛杉矶 (us_west2) 每 GB 小时 $0.0062905
盐湖城 (us_west3) 每 GB 小时 $0.006325
拉斯维加斯 (us_west4) 每 GB 小时 $0.005888

C2D 系列

vCPU

位置 每小时价格
爱荷华 (us_central1) 每 vCPU 小时 $0.0339974
南卡罗来纳 (us_east1) 每 vCPU 小时 $0.0339974
北弗吉尼亚 (us_east4) 每 vCPU 小时 $0.0382904

RAM

位置 每小时价格
爱荷华 (us_central1) 每 GB 小时 $0.0045528
南卡罗来纳 (us_east1) 每 GB 小时 $0.0045528
北弗吉尼亚 (us_east4) 每 GB 小时 $0.0051267

C3 系列

vCPU

位置 每小时价格
爱荷华 (us_central1) 每 vCPU 小时 $0.03908
南卡罗来纳 (us_east1) 每 vCPU 小时 $0.03908
北弗吉尼亚 (us_east4) 每 vCPU 小时 $0.04401

RAM

位置 每小时价格
爱荷华 (us_central1) 每 GB 小时 $0.00524
南卡罗来纳 (us_east1) 每 GB 小时 $0.00524
北弗吉尼亚 (us_east4) 每 GB 小时 $0.0059

A2 系列

vCPU

位置 每小时价格
爱荷华 (us-central1) 每 vCPU 小时 $0.0363527
北弗吉尼亚 (us-east4) 每 vCPU 小时 $0.0363527
拉斯维加斯 (us-west4) 每 vCPU 小时 $0.0409457
其他美洲区域 每 vCPU 小时 $0.0363527

RAM

位置 每小时价格
爱荷华 (us-central1) 每 GB 小时 $0.0048725
北弗吉尼亚 (us-east4) 每 GB 小时 $0.0048725
拉斯维加斯 (us-west4) 每 GB 小时 $0.0054867
其他美洲区域 每 GB 小时 $0.0048725

GPU

位置 每小时价格
爱荷华 (us-central1) 每 GPU 小时 $4.51729 (A100 80GB)
北弗吉尼亚 (us-east4) 每 GPU 小时 $5.08783 (A100 80GB)
拉斯维加斯 (us-west4) 每 GPU 小时 $3.5673 (A100 40GB)
其他美洲区域 每 GPU 小时 $3.3741 (A100 40GB)

A3 系列

vCPU

位置 每小时价格
爱荷华 (us-central1) 每 vCPU 小时 $0.0293227
北弗吉尼亚 (us-east4) 每 vCPU 小时 $0.0293227

RAM

位置 每小时价格
爱荷华 (us-central1) 每 GB 小时 $0.0025534
北弗吉尼亚 (us-east4) 每 GB 小时 $0.0025534

GPU

位置 每小时价格
爱荷华 (us-central1) 每 GPU 小时 $11.2660332 (H100 80GB)
北弗吉尼亚 (us-east4) 每 GPU 小时 $11.2660336 (H100 80GB)

G2 系列

vCPU

位置 每小时价格
爱荷华 (us-central1) 每 vCPU 小时 $0.02874

RAM

位置 每小时价格
爱荷华 (us-central1) 每 GB 小时 $0.00337

GPU

位置 每小时价格
爱荷华 (us-central1) 每 GPU 小时 $0.64405

欧洲的 SKU 价格

E2 系列

vCPU

位置 每小时价格
比利时 (europe-west1) 每 vCPU 小时 $0.0275919
伦敦 (europe-west2) 每 vCPU 小时 $0.0323184
法兰克福 (europe-west3) 每 vCPU 小时 $0.0323184
荷兰 (europe-west4) 每 vCPU 小时 $0.0276149
苏黎世 (europe-west6) 每 vCPU 小时 $0.0350968
巴黎 (europe-west9) 每 vCPU 小时 $0.0351164

RAM

位置 每小时价格
比利时 (europe-west1) 每 GB 小时 $0.0036984
伦敦 (europe-west2) 每 GB 小时 $0.0043309
法兰克福 (europe-west3) 每 GB 小时 $0.0043309
荷兰 (europe-west4) 每 GB 小时 $0.0037007
苏黎世 (europe-west6) 每 GB 小时 $0.0047035
巴黎 (europe-west9) 每 GB 小时 $0.0047069

N1 系列

vCPU

位置 每小时价格
伦敦 (europe-west2) 每 vCPU 小时 $0.0468395
其他欧洲区域 每 vCPU 小时 $0.0421268

RAM

位置 每小时价格
伦敦 (europe-west2) 每 GB 小时 $0.0062767
其他欧洲区域 每 GB 小时 $0.0056373

N2 系列

vCPU

位置 每小时价格
华沙 (europe_central2) 每 vCPU 小时 $0.0468395
比利时 (europe_west1) 每 vCPU 小时 $0.0399889
伦敦 (europe_west2) 每 vCPU 小时 $0.0468395
法兰克福 (europe_west3) 每 vCPU 小时 $0.0468395
荷兰 (europe_west4) 每 vCPU 小时 $0.0399879
苏黎世 (europe_west6) 每 vCPU 小时 $0.050899
巴黎 (europe_west9) 每 vCPU 小时 $0.0421693

RAM

位置 每小时价格
华沙 (europe_central2) 每 GB 小时 $0.0062767
比利时 (europe_west1) 每 GB 小时 $0.0053602
伦敦 (europe_west2) 每 GB 小时 $0.0062767
法兰克福 (europe_west3) 每 GB 小时 $0.0062767
荷兰 (europe_west4) 每 GB 小时 $0.0053598
苏黎世 (europe_west6) 每 GB 小时 $0.0068195
巴黎 (europe_west9) 每 GB 小时 $0.0056522

N2D 系列

vCPU

位置 每小时价格
比利时 (europe_west1) 每 vCPU 小时 $0.0347909
伦敦 (europe_west2) 每 vCPU 小时 $0.0407502
法兰克福 (europe_west3) 每 vCPU 小时 $0.0407502
荷兰 (europe_west4) 每 vCPU 小时 $0.0348197
巴黎 (europe_west9) 每 vCPU 小时 $0.0366873

RAM

位置 每小时价格
比利时 (europe_west1) 每 GB 小时 $0.0046632
伦敦 (europe_west2) 每 GB 小时 $0.0054602
法兰克福 (europe_west3) 每 GB 小时 $0.0054602
荷兰 (europe_west4) 每 GB 小时 $0.0046667
巴黎 (europe_west9) 每 GB 小时 $0.0049174

C2 系列

vCPU

位置 每小时价格
比利时 (europe_west1) 每 vCPU 小时 $0.042987
伦敦 (europe_west2) 每 vCPU 小时 $0.0503527
法兰克福 (europe_west3) 每 vCPU 小时 $0.050347
荷兰 (europe_west4) 每 vCPU 小时 $0.0430215
苏黎世 (europe_west6) 每 vCPU 小时 $0.0547055

RAM

位置 每小时价格
比利时 (europe_west1) 每 GB 小时 $0.0057615
伦敦 (europe_west2) 每 GB 小时 $0.006747
法兰克福 (europe_west3) 每 GB 小时 $0.006739
荷兰 (europe_west4) 每 GB 小时 $0.0057615
苏黎世 (europe_west6) 每 GB 小时 $0.007337

C2D 系列

vCPU

位置 每小时价格
伦敦 (europe_west2) 每 vCPU 小时 $0.0438012
荷兰 (europe_west4) 每 vCPU 小时 $0.0374336

RAM

位置 每小时价格
伦敦 (europe_west2) 每 GB 小时 $0.005865
荷兰 (europe_west4) 每 GB 小时 $0.0050128

C3 系列

vCPU

位置 每小时价格
伦敦 (europe_west1) 每 vCPU 小时 $0.04299
荷兰 (europe_west4) 每 vCPU 小时 $0.04302

RAM

位置 每小时价格
伦敦 (europe_west1) 每 GB 小时 $0.00576
荷兰 (europe_west4) 每 GB 小时 $0.00577

A2 系列

vCPU

位置 每小时价格
荷兰 (europe-west4) 每 vCPU 小时 $0.0400223

RAM

位置 每小时价格
荷兰 (europe-west4) 每 GB 小时 $0.0053636

GPU

位置 每小时价格
荷兰 (europe-west4) 每 GPU 小时 $3.3741 (A100 40GB)
荷兰 (europe-west4) 每 GPU 小时 $4.97399 (A100 80GB)

G2 系列

vCPU

位置 每小时价格
荷兰 (europe-west4) 每 vCPU 小时 $0.03164

RAM

位置 每小时价格
荷兰 (europe-west4) 每 GB 小时 $0.00371

GPU

位置 每小时价格
荷兰 (europe-west4) 每 GPU 小时 $0.70916

亚太地区的 SKU 价格

E2 系列

E2 预测机器类型 SKU

vCPU

位置 每小时价格
台湾 (asia-east1) 每 vCPU 小时 $0.0290432
香港 (asia-east2) 每 vCPU 小时 $0.0350968
东京 (asia-northeast1) 每 vCPU 小时 $0.0322299
首尔 (asia-northeast3) 每 vCPU 小时 $0.0322299
孟买 (asia-south1) 每 vCPU 小时 $0.0301288
新加坡 (asia-southeast1) 每 vCPU 小时 $0.0309453
悉尼 (australia-southeast1) 每 vCPU 小时 $0.0355925

RAM

位置 每小时价格
台湾 (asia-east1) 每 GB 小时 $0.0038927
香港 (asia-east2) 每 GB 小时 $0.0047035
东京 (asia-northeast1) 每 GB 小时 $0.0042999
首尔 (asia-northeast3) 每 GB 小时 $0.0042999
孟买 (asia-south1) 每 GB 小时 $0.0040376
新加坡 (asia-southeast1) 每 GB 小时 $0.0041458
悉尼 (australia-southeast1) 每 GB 小时 $0.004769

N1 系列

N1 预测机器类型 SKU

vCPU

位置 每小时价格
东京 (asia-northeast1) 每 vCPU 小时 $0.0467107
新加坡 (asia-southeast1) 每 vCPU 小时 $0.04484885
悉尼 (australia-southeast1) 每 vCPU 小时 $0.0515844
其他亚太地区区域 每 vCPU 小时 $0.0421268

RAM

位置 每小时价格
东京 (asia-northeast1) 每 GB 小时 $0.00623185
新加坡 (asia-southeast1) 每 GB 小时 $0.0060099
悉尼 (australia-southeast1) 每 GB 小时 $0.00691265
其他亚太地区区域 每 GB 小时 $0.0056373

N2 系列

vCPU

位置 每小时价格
台湾 (asia_east1) 每 vCPU 小时 $0.0420923
香港 (asia_east2) 每 vCPU 小时 $0.0508656
东京 (asia_northeast1) 每 vCPU 小时 $0.0467107
首尔 (asia_northeast3) 每 vCPU 小时 $0.0467107
孟买 (asia_south1) 每 vCPU 小时 $0.0436655
新加坡 (asia_southeast1) 每 vCPU 小时 $0.0448488
雅加达 (asia_southeast2) 每 vCPU 小时 $0.0488853
悉尼 (australia_southeast1) 每 vCPU 小时 $0.0515844

RAM

位置 每小时价格
台湾 (asia_east1) 每 GB 小时 $0.0056419
香港 (asia_east2) 每 GB 小时 $0.0068172
东京 (asia_northeast1) 每 GB 小时 $0.0062318
首尔 (asia_northeast3) 每 GB 小时 $0.0062318
孟买 (asia_south1) 每 GB 小时 $0.0058512
新加坡 (asia_southeast1) 每 GB 小时 $0.0060099
雅加达 (asia_southeast2) 每 GB 小时 $0.0065504
悉尼 (australia_southeast1) 每 GB 小时 $0.0069126

N2D 系列

vCPU

位置 每小时价格
台湾 (asia_east1) 每 vCPU 小时 $0.0366206
香港 (asia_east2) 每 vCPU 小时 $0.0442531
东京 (asia_northeast1) 每 vCPU 小时 $0.0406387
孟买 (asia_south1) 每 vCPU 小时 $0.0208725
新加坡 (asia_southeast1) 每 vCPU 小时 $0.0390184
悉尼 (australia_southeast1) 每 vCPU 小时 $0.0448787

RAM

位置 每小时价格
台湾 (asia_east1) 每 GB 小时 $0.0049082
香港 (asia_east2) 每 GB 小时 $0.0059305
东京 (asia_northeast1) 每 GB 小时 $0.0054222
孟买 (asia_south1) 每 GB 小时 $0.0027979
新加坡 (asia_southeast1) 每 GB 小时 $0.005229
悉尼 (australia_southeast1) 每 GB 小时 $0.0060145

C2 系列

vCPU

位置 每小时价格
台湾 (asia_east1) 每 vCPU 小时 $0.045249
香港 (asia_east2) 每 vCPU 小时 $0.0546802
东京 (asia_northeast1) 每 vCPU 小时 $0.0502136
首尔 (asia_northeast3) 每 vCPU 小时 $0.0502136
孟买 (asia_south1) 每 vCPU 小时 $0.0469407
新加坡 (asia_southeast1) 每 vCPU 小时 $0.0482126
悉尼 (australia_southeast1) 每 vCPU 小时 $0.055453

RAM

位置 每小时价格
台湾 (asia_east1) 每 GB 小时 $0.0060651
香港 (asia_east2) 每 GB 小时 $0.0073289
东京 (asia_northeast1) 每 GB 小时 $0.0066987
首尔 (asia_northeast3) 每 GB 小时 $0.0066987
孟买 (asia_south1) 每 GB 小时 $0.0062905
新加坡 (asia_southeast1) 每 GB 小时 $0.0064607
悉尼 (australia_southeast1) 每 GB 小时 $0.0074313

C2D 系列

vCPU

位置 每小时价格
台湾 (asia_east1) 每 vCPU 小时 $0.0393656
新加坡 (asia_southeast1) 每 vCPU 小时 $0.0419417

RAM

位置 每小时价格
台湾 (asia_east1) 每 GB 小时 $0.0052716
新加坡 (asia_southeast1) 每 GB 小时 $0.0056166

C3 系列

vCPU

位置 每小时价格
新加坡 (asia_southeast1) 每 vCPU 小时 $0.04821

RAM

位置 每小时价格
新加坡 (asia_southeast1) 每 GB 小时 $0.00646

A2 系列

A2 预测机器类型 SKU

vCPU

位置 每小时价格
东京 (asia-northeast1) 每 vCPU 小时 $0.0467107
首尔 (asia-northeast3) 每 vCPU 小时 $0.0467107
新加坡 (asia-southeast1) 每 vCPU 小时 $0.0448488

RAM

位置 每小时价格
东京 (asia-northeast1) 每 GB 小时 $0.00623185
首尔 (asia-northeast3) 每 GB 小时 $0.0062318
新加坡 (asia-southeast1) 每 GB 小时 $0.0060099

GPU

位置 每小时价格
东京 (asia-northeast1) 每 GPU 小时 $3.5673 (A100 40GB)
首尔 (asia-northeast3) 每 GPU 小时 $3.5673 (A100 40GB)
新加坡 (asia-southeast1) 每 GPU 小时 $3.5673 (A100 40GB)
新加坡 (asia-southeast1) 每 GPU 小时 $5.57298 (A100 80GB)

中东的 SKU 价格

N2 系列

vCPU

位置 每小时价格
特拉维夫 (me_west1) 每 vCPU 小时 $0.0399879

RAM

位置 每小时价格
特拉维夫 (me_west1) 每 GB 小时 $0.0053598

N2D 系列

vCPU

位置 每小时价格
特拉维夫 (me_west1) 每 vCPU 小时 $0.03479

RAM

位置 每小时价格
特拉维夫 (me_west1) 每 GB 小时 $0.0046628

某些机器类型允许添加可选的 GPU 加速器用于预测。除上表所列费用外，可选 GPU 会产生一笔额外的费用。可查看以下各价格表，了解各种可选 GPU 的价格。

美洲

加速器 - 每小时价格

NVIDIA_TESLA_K80
爱荷华 (us-central1) $0.5175
南卡罗来纳 (us-east1) $0.5175
NVIDIA_TESLA_P4
爱荷华 (us-central1) $0.6900
北弗吉尼亚 (us-east4) $0.6900
蒙特利尔 (northamerica-northeast1) $0.7475
NVIDIA_TESLA_P100
俄勒冈 (us-west1) $1.6790
爱荷华 (us-central1) $1.6790
南卡罗来纳 (us-east1) $1.6790
NVIDIA_TESLA_T4
俄勒冈 (us-west1) $0.4025
爱荷华 (us-central1) $0.4025
南卡罗来纳 (us-east1) $0.4025
NVIDIA_TESLA_V100
俄勒冈 (us-west1) $2.8520
爱荷华 (us-central1) $2.8520

欧洲

加速器 - 每小时价格

NVIDIA_TESLA_K80
比利时 (europe-west1) $0.5635
NVIDIA_TESLA_P4
荷兰 (europe-west4) $0.7475
NVIDIA_TESLA_P100
比利时 (europe-west1) $1.8400
NVIDIA_TESLA_T4
伦敦 (europe-west2) $0.4715
荷兰 (europe-west4) $0.4370
NVIDIA_TESLA_V100
荷兰 (europe-west4) $2.9325

亚太地区

加速器 - 每小时价格

NVIDIA_TESLA_K80
台湾 (asia-east1) $0.5635
NVIDIA_TESLA_P4
新加坡 (asia-southeast1) $0.7475
悉尼 (australia-southeast1) $0.7475
NVIDIA_TESLA_P100
台湾 (asia-east1) $1.8400
NVIDIA_TESLA_T4
东京 (asia-northeast1) $0.4255
新加坡 (asia-southeast1) $0.4255
首尔 (asia-northeast3) $0.4485
NVIDIA_TESLA_V100
台湾 (asia-east1) $2.932

价格因 GPU 而异。如果每个预测节点使用多个 GPU（或者如果您的版本在扩容后使用多个节点），则费用会相应增加。

AI Platform Prediction 通过运行多个虚拟机（“节点”）来使用模型进行预测。默认情况下，Vertex AI 会随时自动扩缩运行的节点数。对于在线预测，系统会根据需求量来扩缩节点数。每个节点可响应多个预测请求。对于批量预测，系统会适当扩缩节点数以减少运行作业所需的总时间。您可以自定义预测节点的扩缩方式。

您需要为模型所用的每个节点的运行时间支付费用，包括：

  • 节点处理批量预测作业的时间。
  • 节点处理在线预测请求的时间。
  • 节点处于就绪状态，可用于在线预测的时间。

一个节点运行一小时即为一个“节点时”。预测价格表列出了节点时的价格。各个区域的价格各不相同，在线预测和批量预测的价格也有差异。

节点时可按小数计费。例如，一个节点运行 30 分钟计为 0.5 节点时。

Compute Engine (N1) 机器类型的费用计算

  • 以 30 秒为增量计量节点的运行时间。这意味着每 30 秒，系统就会根据您的节点当时所使用的 vCPU、RAM 和 GPU 资源对您的项目收取 30 秒的相应费用。

详细了解预测节点的自动扩缩

在线预测 批量预测
扩缩的优先目标是缩短各个请求的延迟时间。处理完一个请求后，服务会让您的模型在几分钟的空闲时间里保持就绪状态。 伸缩的优先目标是减少作业的总时间。
扩缩会影响您每个月的总费用：请求数越多，请求越频繁，使用的节点就越多。 尽管增派新节点需要一定的开销，但扩缩对作业价格的影响微乎其微。

您可以选择让服务根据流量进行伸缩（自动伸缩），也可以指定持续运行多个节点以避免延迟（手动伸缩）。

  • 如果选择自动扩缩，节点数量将自动扩缩。对于 AI Platform Prediction 旧版 (MLS1) 机器类型部署，无流量期间节点数可以缩减至零。Vertex AI 部署和其他类型的 AI Platform Prediction 部署无法缩减到零个节点。
  • 如果选择手动扩缩，您可以指定始终保持运行的节点数。您需要为这些节点的全部运行时间支付费用：从部署时开始，一直到您删除模型版本为止。
您可为批量预测作业设置所用节点数量上限并设置在部署模型时要保持运行的节点数，以此来影响伸缩方式。

批量预测作业在作业完成后计费

批量预测作业在作业完成后计费，而不是在作业期间递增费用。作业运行时不会触发您已配置的任何 Cloud Billing 预算提醒。在启动大型作业之前，请考虑先使用较小的输入数据集运行一些作业，确立费用基准。

预测计算示例

美洲区域一家房地产公司每周都会对他们营业地区的房屋价值进行预测。在一个月的四周内，他们分别运行了包含 3920、4277、3849 和 3961 项预测的四项作业。作业仅使用一个节点，每项预测平均需要 0.72 秒的处理时间。

首先计算每项作业运行的时长：

3920 instances * (0.72 seconds / 1 instance) * (1 minute / 60 seconds) = 47.04 minutes
4277 instances * (0.72 seconds / 1 instance) * (1 minute / 60 seconds) = 51.324 minutes
3849 instances * (0.72 seconds / 1 instance) * (1 minute / 60 seconds) = 46.188 minutes
3961 instances * (0.72 seconds / 1 instance) * (1 minute / 60 seconds) = 47.532 minutes

每项作业的运行时间都超过了十分钟，因此按处理分钟数计费：

($0.0909886 / 1 node hour) * (1 hour / 60 minutes) * 48 minutes * 1 node = $0.0632964
($0.0909886 / 1 node hour) * (1 hour / 60 minutes) * 52 minutes * 1 node = $0.0685711
($0.0909886 / 1 node hour) * (1 hour / 60 minutes) * 47 minutes * 1 node = $0.061977725
($0.0909886 / 1 node hour) * (1 hour / 60 minutes) * 48 minutes * 1 node = $0.0632964

当月的总费用为 $0.26。

此示例假定作业在单个节点上运行，并且每项预测花费的时间都一致。在实际使用中，请务必在计算时考虑使用的节点数量和每个节点的实际运行时间。

Vertex Explainable AI 费用

基于特征的解释

基于特征的解释不会在预测价格的基础上产生额外费用。但解释要比正常的预测花费更长的时间，因此大量使用 Vertex Explainable AI 以及自动扩缩可能导致启动更多节点，这将增加预测费用。

基于样本的解释

基于样本的解释的收费包含以下部分：

  • 上传模型或更新模型数据集时，您需要：

    • 按照用于生成样本潜在空间表示法的批量预测作业的节点时付费。收费标准与预测相同。
    • 支付构建或更新索引的费用。这笔费用与 Vector Search 的索引费用相同，等于样本数 * 维度数 * 每浮点数 4 个字节 * $3.00/GB。 比如，如果您有 100 万个样本和 1,000 个维度潜在空间，则费用为 $12 (1,000,000 * 1,000 * 4 * 3.00 / 1,000,000,000)。

  • 部署到端点时，端点中的每个节点都按节点时计费。与端点相关的所有计算均按与预测相同的费率收费。但是，基于样本的解释需要使用额外的计算资源来为 Vector Search 索引提供服务，这会导致需要启动更多节点，从而增加预测费用。

Vertex AI Neural Architecture Search

下面的表格汇总了 Neural Architecture Search 在每个提供该服务的区域的价格。

价格

下面的表格提供了各种训练配置的“每小时价格”。

您可以选择预定义的规模层级，也可以选择由所选机器类型组成的自定义配置。如果选择自定义配置，请将您使用的虚拟机的费用相加。

支持加速器的旧版机器类型的价格包含了加速器的费用。如果您使用 Compute Engine 机器类型并挂接加速器，则加速器的费用需另外计算。如需计算此费用，请将下表中加速器的价格乘以您使用的每种加速器类型的数量。

机器类型

美洲

欧洲

亚太地区
如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

a2-highgpu 实例的价格包含挂接 NVIDIA_TESLA_A100 加速器的价格。

加速器

美洲

欧洲

亚太地区
如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

磁盘

美洲

欧洲

亚太地区
如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

备注：

  1. 所有使用均受 Neural Architecture Search 配额政策的约束。
  2. 在 Neural Architecture Search 生命周期中，您必须将数据和程序文件存储在 Cloud Storage 存储桶中。 详细了解 Cloud Storage 的用法。
  3. 如需了解批量折扣，请与销售团队联系。
  4. 只有在您将每个虚拟机的磁盘大小配置为 100 GB 以上时，您才需要按照磁盘价格付费。每个虚拟机的前 100 GB（默认磁盘大小）磁盘空间都不会产生费用。例如，如果您将每个虚拟机配置为使用 105 GB 的磁盘，则需要为每个虚拟机支付 5 GB 的磁盘费用。

必须使用 Cloud Storage

除了本文档中列出的费用以外，在 Neural Architecture Search 生命周期中，您必须将数据和程序文件存储在 Cloud Storage 存储桶中。此类存储需遵循 Cloud Storage 价格政策。

以下各项必须使用 Cloud Storage：

  • 暂存训练应用软件包。

  • 存储训练输入数据。

  • 存储您的作业的输出结果。 Neural Architecture Search 不需要长期存储这些内容。 操作完成后，您可以立即移除相关文件。

用于管理资源的免费操作

Neural Architecture Search 提供的资源管理操作是免费的。Neural Architecture Search 配额政策对其中一些操作设有限制。

资源 免费操作
作业 get、list、cancel
operations get、list、cancel、delete

Vertex AI Pipelines

Vertex AI Pipelines 的每次流水线执行费用为 $0.03。在预览版期间，您无需支付执行费用。您还需要为与 Vertex AI Pipelines 一起使用的 Google Cloud 资源付费，例如流水线组件消耗的 Compute Engine 资源（按与 Vertex AI Training 相同的费率计费）。最后，您要支付流水线调用的任何服务（例如 Dataflow）的费用。

Vertex AI 快速评估

Vertex AI Rapid Evaluation Service 按每 1,000 个字符计算字符串输入和输出字段数的费用。一个字符定义为一个 Unicode 字符。空格不在计数范围之内。失败的评估请求（包括被滤除的响应）不会针对输入和输出收费。在每个结算周期结束时，0.01 美元 ($0.01) 的小数部分会四舍五入为 1 美分。

基于计算的指标按输入每 1000 个字符 $0.00003 收费，输出每 1000 个字符 $0.00009。这些指标在 SKU 中称为 Pointwise 指标。

指标名称 类型
完全匹配 基于计算
BLEU 基于计算
ROUGE 基于计算
tool_call_valid 基于计算
tool_name_match 基于计算
tool_parameter_key_match 基于计算
tool_parameter_kv_match 基于计算

所列价格以美元 (USD) 为单位。 如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

基于模型的指标按输入每 1000 个字符 $0.005 收费，输出每 1000 个字符 $0.015。基于模型的指标包含预测服务单独的费用。请参阅 Vertex AI Prediction and Explanation 价格页面。

指标名称 类型
连贯性 逐点
流畅度 逐点
履行情况 逐点
安全性 逐点
落地性 逐点
summarization_quality 逐点
summarization_helpfulness 逐点
summarization_verbosity 逐点
question_answering_quality 逐点
question_answering_relevance 逐点
question_answering_helpfulness 逐点
question_answering_correctness 逐点
pairwise_summarization_quality AutoSxS
pairwise_question_answering_quality AutoSxS

所列价格以美元 (USD) 为单位。 如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

Vertex AI Feature Store

Vertex AI Feature Store 正式版 (GA) 自 2023 年 11 月推出。如需了解该产品的过往版本，请前往 Vertex AI Feature Store（旧版）。

新的 Vertex AI Feature Store

全新的 Vertex AI Feature Store 支持两类操作功能：

  • 离线操作是指在离线存储区 (BigQuery) 中进行数据传输、存储、检索和转换等操作。
  • 在线操作是指将数据传输到在线存储区，以及于在线存储区中对数据进行的操作。

离线操作费用

由于离线操作使用 BigQuery，请参阅 BigQuery 费用，了解有关注入离线存储区、查询离线存储区和离线存储等功能。

在线操作费用

就在线操作而言，Vertex AI Feature Store 会对将数据传输至在线存储区、传送数据或存储数据的所有正式版功能收费。“节点时”表示虚拟机完成一项操作花费的时间，按分钟计费。

标有 * 的功能以及所有与嵌入相关的功能尚未发布正式版，一般不会产生费用。
经过优化的在线传送与 Bigtable 在线传送使用的架构并不相同，因此两者的节点不具有可比性。
如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

在线操作工作负载估算

在估算工作负载时请考虑以下准则。对于特定工作负载，不同的传送方式需要的节点数可能不同。 随着更多正式版功能推出，我们将提供更多信息。

  • 注入：如果不使用分析功能，一个节点每小时可注入约 100 MB 数据。
  • Bigtable 在线传送：每个节点可支持约 1500 QPS 和多达 5TB 的存储空间。

月度场景示例（假设使用 us-central1）

数据流工作负载 - Bigtable 在线传送 2.5TB 数据（每日更新 1GB）和 1200QPS

操作 每月用量 每月费用
注入数据处理节点 (1 GB/天) * (30 天/月) * (1,000 MB/GB) * (1 节点时 / 100MB) = 300 节点时 300 节点时 * ($0.08/节点时) = $24
经过优化的在线传送节点 不适用 不适用
Bigtable 在线传送节点 (1 个节点) * (24 小时/天) * (30 天/月) = 720 节点时 720 节点时 * ($0.94/节点时) = $677
Bigtable 在线传送存储 (2.5 TB-月) * (1000 GB/TB) = 2500 GB-月 2500 GB-月 * ($0.25/ GB-月) = $625
总计 $1,326

Vertex AI Feature Store（旧版）

Vertex AI Feature Store（旧版）的价格取决于在线和离线存储中的特征数据量以及在线传送的可用性。“每节点时”表示虚拟机花费在传送特征数据上或处于就绪状态以等待处理特征数据请求的时间。

如果您使用非美元货币付费，请参阅 Cloud Platform SKU 上以您的币种列出的价格。

启用特征值监控功能后，计费范围不仅包含上述适用费用，还包含以下适用费用：

  • 分析的所有数据按每 GB $3.50 计费。启用快照分析功能后，Vertex AI Feature Store（旧版）中的数据快照将包含在内。启用导入特征分析后，注入的批量数据将包含在内。
  • 与特征值监控功能配合使用的其他 Vertex AI Feature Store（旧版）操作包含以下额外费用：
    • 快照分析功能会根据您配置的监控间隔时间，定期对特征值创建快照。
    • 快照导出的费用与常规批量导出操作的费用相同。

快照分析示例

一位数据科学家在 Vertex AI Feature Store（旧版）中启用了特征值监控功能，并开启了每日快照分析监控。 系统每天为监控的实体类型运行一条流水线。该流水线扫描了 Vertex AI Feature Store（旧版）中的 2GB 数据，并导出含 0.1GB 数据的快照。 一天的分析总费用为：

(0.1 GB * $3.50) + (2 GB * $0.005) = $0.36

注入分析示例

一位数据科学家在 Vertex AI Feature Store（旧版）中启用了特征值监控功能，并开启了注入操作监控。 注入操作将 1GB 数据导入到 Vertex AI Feature Store（旧版）。 特征值监控的总费用为：

(1 GB * $3.50) = $3.50

Vertex ML Metadata

元数据存储量是以二进制千兆字节 (GiB) 为单位计量的，其中 1 GiB 为 1,073,741,824 个字节。此计量单位也称为 gibibyte。

Vertex ML Metadata 按照每月每吉比字节 (GiB) $10 收取元数据存储的费用。按每兆字节 (MB) 的比例计费。例如，如果您存储了 10 MB 的元数据，则每月需为这 10 MB 元数据支付 $0.10。

注意：在所有支持 Vertex ML Metadata 的区域，价格都相同。

Vertex AI TensorBoard

如需使用 Vertex AI TensorBoard，请向项目的 IAM 管理员申请为您分配“Vertex AI TensorBoard Web App User”角色。Vertex AI Administrator 角色也有访问权限。

从 2023 年 8 月开始，Vertex AI TensorBoard 的收费发生了变化，从每月向每位用户收取 $300 的许可费变更为按每月每 GiB $10 收取日志和指标的数据存储费用。这意味着不会再产生任何订阅费用。您只需为已使用的存储空间付费。如需了解如何管理存储空间，请参阅 Vertex AI TensorBoard：删除过时的 TensorBoard 实验教程。

Vertex AI Vizier

Vertex AI Vizier 是 Vertex AI 内的一项黑盒优化服务。Vertex AI Vizier 价格模型由以下几个部分组成：

  • 使用 RANDOM_SEARCH 和 GRID_SEARCH 进行的尝试不收取任何费用。详细了解搜索算法。
  • 每个日历月的前 100 次 Vertex AI Vizier 尝试免费（使用 RANDOM_SEARCH 和 GRID_SEARCH 进行的尝试不计入此总数）。
  • 100 次 Vertex AI Vizier 尝试后，同一日历月内的后续尝试按每次尝试 $1 计费（使用 RANDOM_SEARCH 或 GRID_SEARCH 进行的尝试不会产生费用）。

Vector Search

Vector Search Approximate Nearest Neighbor 服务的价格包含：

  • 用于托管已部署索引的每个虚拟机的每节点时价格。
  • 构建新索引、更新现有索引和使用流式索引更新的费用。

在构建和更新索引期间处理的数据是以二进制千兆字节 (GiB) 为单位计量的，其中 1 GiB 为 1,073,741,824 个字节。此计量单位也称为 gibibyte。

Vector Search 对所有区域中处理的每吉比字节 (GiB) 数据收取 $3.00。Vector Search 对流式更新插入收取 $0.45/GB 的注入费用。

下面的表格汇总了 Vector Search 在每个提供该服务的区域的索引服务价格。价格按照机器类型、区域和每节点时的费用计算。

美洲

区域 e2-standard-2 e2-standard-16 e2-highmem-16 n2d-standard-32 n1-standard-16 n1-standard-32
us_central1 0.094 0.75 1.012 1.893 1.064 2.128
us_east1 0.094 0.75 1.012 1.893 1.064 2.128
us_east4 0.10 0.845 1.14 2.132 1.198 2.397
us_west1 0.094 0.75 1.012 1.893 1.064 2.128
us_west2 0.113 0.901 1.216 2.273 1.279 2.558
us_west3 0.113 0.901 1.216 不适用 1.279 2.558
us_west4 0.106 0.845 1.14 2.132 1.198 2.397
us_south1 0.111 0.886 1.195 不适用 不适用 不适用
northamerica_northeast1 0.103 0.826 1.115 2.084 1.172 2.343
northamerica_northeast2 0.103 0.826 1.115 不适用 不适用 不适用
southamerica_east1 0.149 1.191 1.607 3.004 1.69 3.38

欧洲

区域 e2-standard-2 e2-standard-16 e2-highmem-16 n2d-standard-32 n1-standard-16 n1-standard-32
europe_central2 0.121 0.967 1.304 不适用 不适用 不适用
europe_north1 0.103 0.826 1.115 2.084 1.172 2.343
europe_west1 0.103 0.826 1.114 2.082 1.171 2.343
europe_west2 0.121 0.967 1.304 2.438 1.371 2.742
europe_west3 0.121 0.967 1.304 2.438 1.371 2.742
europe_west4 0.103 0.826 1.115 2.084 1.172 2.343
europe_west6 0.131 1.050 1.417 不适用 1.489 2.978
europe_west9 0.131 1.051 1.417 2.195 不适用 不适用

亚太地区

区域 e2-standard-2 e2-standard-16 e2-highmem-16 n2d-standard-32 n1-standard-16 n1-standard-32
asia_east1 0.109 0.869 1.172 2.191 1.232 2.464
asia_east2 0.131 1.050 1.417 2.648 1.489 2.978
asia_south1 0.113 0.901 1.216 1.249 1.278 2.556
asia_southeast1 0.116 0.926 1.249 2.335 1.313 2.625
asia_southeast2 0.126 1.009 1.361 不适用 不适用 不适用
asia_northeast1 0.12 0.963 1.298 2.428 1.366 2.733
asia_northeast2 0.12 0.963 1.298 2.428 1.366 2.733
asia_northeast3 0.12 0.963 1.298 不适用 1.367 2.733
australia_southeast1 0.133 1.065 1.436 2.686 1.51 3.02

中东

区域 e2-standard-2 e2-standard-16 e2-highmem-16 n2d-standard-32 n1-standard-16 n1-standard-32
me_west1 0.103 0.826 1.114 2.082 不适用 不适用

Vector Search 价格示例

Vector Search 的价格取决于数据大小、您想要运行的每秒查询次数 (QPS) 和使用的节点数。 要预估服务成本，需要计算数据的总大小。 数据大小为嵌入/矢量数量 * 维度数量 * 每维度 4 字节。确定数据大小后，即可计算传送费用和构建费用。传送费用加构建费用等于每月总费用。

  • 传送费用：副本数量/分片 * 分片数量（~数据大小/分片大小）* 每小时费用 * 730 小时
  • 构建费用：数据大小 (GB) * $3/GB * 更新次数/月

每月构建索引的费用为数据大小 * 3.00/千兆字节。更新频率不会影响传送费用，只会影响构建费用。如果使用流式索引更新，则索引会在流式数据达到 1GB 或 3 天后重建（以先发生者为准）。 流式更新的完整索引重建作业按批量索引构建价格 $3/GB 计费。

嵌入/矢量数量 维度数量 每秒查询次数 (QPS) 机器类型 节点数量 预计的每月传送费用
200 万 128 100 e2-standard-2 1 $68
2,000 万 256 1,000 e2-standard-16 1 $547
2,000 万 256 3,000 e2-standard-16 3 $1,642
1 亿 256 500 e2-highmem-16 2 $1,477
10 亿 100 500 e2-highmem-16 8 $5,910

所有示例均基于 us-central1 的机器类型。 产生的费用因召回率和延迟要求而异。预计的每月传送成本与控制台中使用的节点数直接相关。 如需详细了解影响费用的配置参数，请参阅影响召回和延迟的配置参数。

如果每秒查询次数 (QPS) 较高，则对这些查询进行批处理可将总费用降低 30%-40%。

Vertex AI Model Registry

Vertex AI Model Registry 是一个中央存储库，可以跟踪和列示您的模型版本。将模型导入 Vertex AI 后，这些模型就会出现在 Vertex AI Model Registry 中。将您的模型导入 Model Registry 不会产生任何费用。只有将模型部署至端点或使用模型进行批量预测时，才会产生费用。该费用取决于部署的模型类型。

如需详细了解从 Vertex AI Model Registry 部署自定义模型的价格，请参阅自定义训练模型。如需详细了解部署 AutoML 模型的价格，请参阅AutoML 模型的价格。

Vertex AI Model Monitoring

Vertex AI 使您能够在将模型部署到生产环境后监控模型的持续有效性。如需了解详情，请参阅 Vertex AI Model Monitoring 简介。

使用 Vertex AI Model Monitoring 时，您需要支付以下费用：

  • 分析的所有数据（包括提供的训练数据和记录在 BigQuery 表中的预测数据）每 GB $3.50。
  • 与 Model Monitoring 一起使用的其他 Google Cloud 产品的费用，例如启用归因监控时的 BigQuery 存储或 Batch Explain。

以下区域支持 Vertex AI Model Monitoring：us-central1、europe-west4、asia-east1 和 asia-southeast1。所有区域的价格都相同。

数据大小在转换为 TfRecord 格式后进行测量。

设置 Vertex AI Model Monitoring 作业时，训练数据集会产生一次性费用。

预测数据集由从在线预测服务收集的日志组成。当预测请求在不同的时间窗口到达时，每个时间窗口的数据会被收集，为每个预测窗口分析的数据的总和会用于计算费用。

示例：数据科学家对其模型的预测流量进行模型监控。

  • 该模型是根据 BigQuery 数据集训练的。转换为 TfRecord 后的数据大小为 1.5GB。
  • 下午 1:00 - 2:00 之间记录的预测数据为 0.1 GB，下午 3:00 - 4:00 之间记录的预测数据为 0.2 GB。

  • 设置模型监控作业的总费用为：

    (1.5 GB * $3.50) + ((0.1 GB + 0.2 GB) * $3.50) = $6.30

Vertex AI Workbench

请选择实例、托管式笔记本或用户管理的笔记本以了解价格信息。

实例


下表提供了各种虚拟机配置的大致每小时价格。您可以选择采用由所选机器类型组成的自定义配置。如需计算价格，请将您使用的虚拟机的费用相加。

如果您使用 Compute Engine 机器类型并挂接加速器，则加速器的费用需另外计算。如需计算此费用，请将下表中加速器的价格乘以您使用的每种加速器类型的机器小时数。

CPU

内存

加速器

磁盘

托管式笔记本

用户管理的笔记本

额外的 Google Cloud 资源

除了此前提及的费用，您使用的所有 Google Cloud 资源也需付费。例如：

  • 数据分析服务：当您在笔记本中发出 SQL 查询时，即会产生 BigQuery 费用（请参阅 BigQuery 价格）。

  • 客户管理的加密密钥：使用客户管理的加密密钥会产生费用。每当您的托管式笔记本或用户管理的笔记本实例使用 Cloud Key Management Service 密钥时，该操作均按 Cloud KMS 密钥操作的费率计费（请参阅 Cloud Key Management Service 价格）。

Deep Learning Containers、Deep Learning VM 和 AI Platform Pipelines

对于 Deep Learning Containers、Deep Learning VM Image 和 AI Platform Pipelines，根据您使用的计算和存储资源来计算价格。这些资源的费用与您当前支付的 Compute Engine 和 Cloud Storage 费率相同。

除了计算和存储费用之外，您使用的所有 Google Cloud 资源也需付费。例如：

  • 数据分析服务：当您在笔记本中发出 SQL 查询时，即会产生 BigQuery 费用（请参阅 BigQuery 价格）。

  • 客户管理的加密密钥：使用客户管理的加密密钥会产生费用。每当您的托管式笔记本或用户管理的笔记本实例使用 Cloud Key Management Service 密钥时，该操作均按 Cloud KMS 密钥操作的费率计费（请参阅 Cloud Key Management Service 价格）。

为数据加标签

使用 Vertex AI 时，您可申请以人工方式为计划用于训练自定义机器学习模型的数据集加标签。该服务的价格根据标签任务的类型计算。

  • 对于常规标签任务，价格根据注解单元的数量决定。
    • 对于图像分类任务，单元数取决于图像数量和人工标签添加者的数量。例如，有 3 个人工标签添加者的一个图像计为 1 * 3 = 3 个单元。单标签分类和多标签分类的价格相同。
    • 对于图像边界框任务，单元数取决于图像中所标识的边界框数量和人工标签添加者的数量。例如，如果一个图像有 2 个边界框和 3 个人工标签添加者，则该图像计为 2 * 3 = 6 个单元。没有边界框的图像不会产生费用。
    • 对于图像分割/旋转框/多段线/多边形任务，单元数的确定方式与图像边界框任务中的单元数确定方式相同。
    • 对于视频分类任务，单元数取决于视频时长（每 5 秒计为一个价格单元）以及人工标签添加者的数量。例如，有 3 个人工标签添加者的一个 25 秒的视频计为 25 / 5 * 3 = 15 个单元。单标签分类和多标签分类的价格相同。
    • 对于视频对象跟踪任务，单元数取决于视频中标识的对象数量和人工标签添加者的数量。例如，一个视频有 2 个对象和 3 个人工标签添加者，则此视频将计为 2 * 3 = 6 个单元。没有对象的视频不会产生费用。
    • 对于视频动作识别任务，单元数的确定方式与视频对象跟踪任务相同。
    • 对于文本分类任务，单元数取决于文本长度（每 50 个字词计为一个价格单元）和人工标签添加者的数量。例如，有 100 个字词和 3 个人工标签添加者的一段文本计为 100 / 50 * 3 = 6 个单元。单标签分类和多标签分类的价格相同。
    • 对于文本情感任务，单元数的确定方式与文本分类任务中的单元数确定方式相同。
    • 对于文本实体提取任务，单元数取决于文本长度（每 50 个字词计为一个价格单元）、识别出的实体数量以及人工标签添加者的数量。例如，一段有 100 个字词、2 个识别出的实体和 3 个人工标签添加者的文本计为 100 / 50 * 2 * 3 = 12 个单元。没有实体的文本不会产生费用。

  • 对于图像/视频/文本分类和文本情感任务，如果标签集过大，人工标签添加者可能会难以跟踪类别。因此，我们每次最多向人工标签添加者发送 20 个类别。例如，如果标签任务的标签集大小为 40，则每个数据项都将送交人工审核 40 / 20 = 2 次，并且我们会按上文计算得出的价格相应收取 2 次费用。

  • 对于启用了自定义标签添加者功能的标签任务，每个数据项均计为 1 个自定义标签添加者单元。

  • 对于含有由模型（在没有人工标签添加者协助的情况下）所生成注释的数据项的主动学习标签任务，每个数据项均计为 1 个主动学习单元。

  • 对于含有由人工标签添加者所生成注释的数据项的主动学习标签任务，每个数据项均计为常规标签任务（如上所述）。

下表根据为每种目标列出的单元，提供了每位人工标签添加者每添加 1,000 个单元的注释的价格。每个 Google Cloud 项目中每月前 5 万个单元按层级 1 的价格付费；接下来的 95 万个单元按层级 2 的价格付费，直至满 100 万个单元。如需了解每月超过 100 万个单元时的价格，请与我们联系。

数据类型 目标 单元 层级 1 层级 2
映像 分类 图像 $35 $25
边界框 边界框 $63 $49
分割 分割部分 $870 $850
旋转框 边界框 $86 $60
多边形/多段线 多边形/多段线 $257 $180
视频 分类 5 秒视频 $86 $60
对象跟踪 边界框 $86 $60
动作识别 30 秒视频中的事件 $214 $150
文本 分类 50 个字词 $129 $90
情感 50 个字词 $200 $140
实体提取 实体 $86 $60
主动学习 全部 数据项 $80 $56
自定义标签添加者 全部 数据项 $80 $56

必须使用 Cloud Storage

除了本文档中列出的费用以外，您还需要在 Vertex AI 生命周期内将数据和程序文件存储在 Cloud Storage 存储桶中。此类存储需遵循 Cloud Storage 价格政策。

以下各项必须使用 Cloud Storage：

  • 为自定义训练模型暂存训练应用软件包。

  • 存储训练输入数据。

  • 存储训练作业的输出结果。 Vertex AI 不需要长期存储这些内容。操作完成后，您可以立即移除相关文件。

用于管理资源的免费操作

AI Platform 提供的资源管理操作是免费的。AI Platform 配额政策对其中一些操作设有限制。

资源 免费操作
模型 create、get、list、delete
versions create、get、list、delete、setDefault
作业 get、list、cancel
operations get、list、cancel、delete

Google Cloud 费用

如果您将要分析的图片存储在 Cloud Storage 中，或者在使用 Vertex AI 的同时使用其他 Google Cloud 资源，则您还需要支付使用这些服务所产生的费用。

如需在 Google Cloud 控制台中查看当前结算状态（包括使用情况和当前账单），请参阅“结算”页面。如需详细了解如何管理您的账号，请参阅 Cloud Billing 文档或结算和付款支持。

后续步骤