Preise für tabellarische Workflows in der Gemini Enterprise Agent Platform

Wenn Sie ein Modell mit einem tabellarischen Workflow trainieren, werden Ihnen die Kosten basierend auf den Kosten der Infrastruktur und den abhängigen Diensten in Rechnung gestellt. Wenn Sie mit diesem Modell Inferenz durchführen, werden Ihnen die Kosten basierend auf den Kosten der Infrastruktur in Rechnung gestellt.

Die Kosten für die Infrastruktur hängen von folgenden Faktoren ab:

Die Anzahl der von Ihnen verwendeten Maschinen. Sie können zugehörige Parameter während des Modelltrainings, der Batch- oder der Onlineinferenz festlegen.
Der Maschinentyp, den Sie verwenden. Sie können diesen Parameter während des Modelltrainings, der Batch- oder der Onlineinferenz festlegen.
Die Dauer, für die die Maschinen verwendet werden.
Wenn Sie ein Modell trainieren oder Batch-Inferenz durchführen, ist dies ein Maß für die Gesamtverarbeitungszeit des Vorgangs.
Bei Online-Inferenz ist dies ein Maß für die Zeit, die Ihr Modell auf einem Endpunkt bereitgestellt wird.

Mit dem tabellarischen Workflow werden mehrere abhängige Dienste in Ihrem Projekt in Ihrem Namen ausgeführt: Dataflow, BigQuery, Cloud Storage, Gemini Enterprise Agent Platform Pipelines, Agent Platform Training. Diese Dienste werden Ihnen direkt in Rechnung gestellt.

Beispiele für die Berechnung der Trainingskosten

Beispiel 1: 110 MB Dataset im CSV-Format, trainiert für eine Stunde mit der Standardhardwarekonfiguration.

Die Kostenaufschlüsselung für den Standardworkflow mit Architecture Search and Training sieht so aus:

Dienst	Kosten
Dataflow-Beispiel und Generierung von Statistiken	2 $ (Dataflow wurde 7 Minuten ausgeführt)
Dataflow-Daten- und -Featuretransformationen	3 $ (Dataflow wurde 10 Minuten ausgeführt)
Agent Platform-Training	0,8 Std. x 20 $ + 0,2 Std. x 20 $ + 3,3 $ SSD-Kosten + Pipeline-Containerkosten = 24 $ (48-minütige Feinabstimmung, 12-minütiges Training)
Agent Platform-Pipelines	1 Ausführung x 0,03 $ = 0,03 $
Gesamt ohne Modelldestillation	27,03 $

Optional können Sie die Modellbeschreibung verwenden, um die resultierende Modellgröße zu reduzieren. Die Kostenaufschlüsselung sieht so aus:

Dienst	Kosten
Gesamt ohne Modelldestillation	27,03 $
Agent Platform-Training für die Modelldestillation	1 $
Dataflow-Daten, Featuretransformationen für die Modelldestillation	3 $ (Dataflow wurde 10 Minuten ausgeführt)
Batchinferenz für die Modelldestillation	7 $
Gesamt mit Modelldestillation	38,03 $

Beispiel 2: Dataset mit 1,84 TB in BigQuery, das 20 Stunden lang mit der Hardwareüberschreibung trainiert wurde.

Die Hardwarekonfiguration für dieses Beispiel sieht so aus:

Name der Hardwarekonfiguration	Wert
stats_and_example_gen_dataflow_machine_type	n1-standard-16
stats_and_example_gen_dataflow_max_num_workers	100
stats_and_example_gen_dataflow_disk_size_gb	40
transform_dataflow_machine_type	n1-standard-16
transform_dataflow_max_num_workers	100
transform_dataflow_disk_size_gb	200
distill_batch_predict_machine_type	n1-standard-2
distill_batch_predict_starting_replica_count	200
distill_batch_predict_max_replica_count	200

Die Kostenaufschlüsselung für den Standardworkflow mit Architecture Search and Training sieht so aus:

Dienst	Kosten
Dataflow-Beispiel und Generierung von Statistiken	518 $ (Dataflow wurde 6 Stunden ausgeführt)
Dataflow-Daten, Featuretransformationen	471 $ (Dataflow wurde 6 Stunden ausgeführt)
Agent Platform-Training	17 Std. x 20 $ + 3 Std. x 20 $ + 41,5 $ SSD-Kosten + Pipeline-Containerkosten = 555 $ (17 Stunden Feinabstimmung, 3 Stunden Training)
Agent Platform-Pipelines	1 Ausführung x 0,03 $ = 0,03 $
Summe	1544,03 $

Individuelles Angebot einholen

Mit den „Pay as you go“-Preisen von Google Cloud bezahlen Sie nur für die Dienste, die Sie nutzen. Wenden Sie sich an unser Vertriebsteam, wenn Sie ein individuelles Angebot für Ihr Unternehmen erhalten möchten.