Preços da Vertex AI

Os preços são indicados em dólares americanos (US$). Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Preços da Vertex AI em comparação com produtos legados

Os custos da Vertex AI permanecem os mesmos dos produtos legados da AI Platform e do AutoML que a Vertex AI substitui, com as seguintes exceções:

  • As previsões legadas do AI Platform Prediction e do AutoML Tables oferecem suporte a tipos de máquina de baixo custo e baixo desempenho que não recebem suporte da Vertex AI Prediction e do AutoML tabular.

  • O AI Platform Prediction legado oferece suporte à redução da escala a zero, que não é aceita pela Vertex AI Prediction.

A Vertex AI também oferece mais maneiras de otimizar custos, como as seguintes:

Preços da IA generativa na Vertex AI

Para mais informações sobre os preços da IA generativa na Vertex AI, confira Preços da IA generativa na Vertex AI.

Preços para modelos do AutoML

Para modelos do AutoML na Vertex AI, você paga por três atividades principais:

  • Treinamento do modelo
  • Implantação do modelo em um endpoint
  • Uso do modelo para fazer previsões

A Vertex AI usa configurações de máquina predefinidas para modelos do Vertex AutoML, e a taxa por hora dessas atividades reflete o uso dos recursos.

O tempo necessário para treinar o modelo depende do tamanho e da complexidade dos dados de treinamento. É preciso implantar os modelos para que possam fornecer previsões ou explicações on-line.

Você paga por cada modelo implantado em um endpoint, mesmo que nenhuma previsão seja feita. É preciso cancelar a implantação do modelo para suspender cobranças futuras. Modelos que não foram implantados ou que falharam na implantação não serão cobrados.

Você paga apenas pelas horas de computação usadas. Se houver falha no treinamento por qualquer motivo que não seja um cancelamento iniciado pelo usuário, você não vai receber cobranças pelo tempo. Se você cancelar a operação, o tempo de treinamento será cobrado.

Selecione um tipo de modelo abaixo para conferir as informações de preço.

Dados de imagem

Operação Preço por hora de uso do nó (classificação) Preço por hora de uso do nó (detecção de objetos)
Treinamento US$ 3,465 US$ 3,465
Treinamento (modelo no dispositivo AutoML Edge) US$ 18,00 US$ 18,00
Implantação e previsão on-line US$ 1,375 US$ 2,002
Predição em lote US$ 2,222 US$ 2,222

Dados de vídeo

Operação Preço por hora de uso do nó (classificação, rastreamento de objetos) Preço por hora de uso do nó (reconhecimento de ação)
Treinamento US$ 3,234 US$ 3,300
Treinamento (modelo no dispositivo AutoML Edge) US$ 10,78 US$ 11,00
Previsões US$ 0,462 US$ 0,550

Dados tabulares

Operação Preço por hora de uso do nó para classificação/regressão Preço para estimativas
Treinamento US$ 21,252 Consulte a Previsão da Vertex AI
Previsão Mesmo preço das previsões para modelos treinados personalizados.
A Vertex AI realiza predições em lote usando 40 n1-highmem-8 máquinas. 		Consulte a Previsão da Vertex AI

Dados de texto

Operação Preço
Upload de dados legados (apenas PDF)

Primeiras 1.000 páginas gratuitas por mês

US$ 1,50 a cada 1.000 páginas

US$ 0,60 a cada 1.000 páginas acima de 5.000.000
Treinamento US$ 3,30 por hora
Implantação US$ 0,05 por hora
Previsão

US$ 5,00 por cada grupo de 1.000 registros de texto

US$ 25,00 a cada 1.000 páginas de documentos, como arquivos PDF (apenas legado)

Os preços das solicitações de previsão de texto do Vertex AutoML são calculados com base no número de registros de texto enviados para análise. Um registro de texto é um texto simples de até 1.000 caracteres Unicode (incluindo espaços em branco e qualquer marcação, como tags HTML ou XML).

Se o texto fornecido em uma solicitação de previsão tiver mais de 1.000 caracteres, será contabilizado um registro de texto para cada 1.000 caracteres. Por exemplo, se você enviar três solicitações que contenham 800, 1.500 e 600 caracteres, respectivamente, você será cobrado por quatro registros de texto: um para a primeira solicitação (800), dois para a segunda solicitação (1.500) e um para a terceira (600).

Cobranças de previsão para Vertex Explainable AI

A computação associada à Vertex Explainable AI é cobrada na mesma taxa que a previsão. Contudo, as explicações levam mais tempo para serem processadas do que as previsões normais. Por isso, o uso pesado do Vertex Explainable AI com o escalonamento automático resultaria em mais nós sendo iniciados, o que aumentaria as cobranças de previsão.

Previsão da Vertex AI

AutoML

Etapa Preços
Previsão US$ 0,2 a cada mil pontos de dados* (0 a 1 milhão de pontos)
US$ 0,1 a cada mil pontos de dados* (1 milhão a 50 milhões de pontos)
US$ 0,02 a cada mil pontos de dados* (>50 milhões de pontos)
Treinamento US$ 21,25/hr em todas as regiões
Explainable AI Explicabilidade usando valores de Shapley. Consulte a página de preços de Previsão e Explicação da Vertex AI.

* Um ponto de dados de previsão é um ponto de tempo do horizonte de previsão. Por exemplo, com granularidade diária, um horizonte de 7 dias é 7 pontos a cada série temporal.

  • Até 5 quantis de previsão podem ser incluídos sem custos extras.
  • O número de pontos de dados consumidos por nível é atualizado mensalmente.

ARIMA+

Etapa Preços
Previsão US$ 5,00 por TB
Treinamento US$ 250,00 por TB x Número de modelos candidatos x Número de janelas de backtesting*
Explainable AI A explicabilidade com decomposição de séries temporais não gera custos extras. Não há suporte para a explicabilidade usando valores de Shapley.

Consulte a página de preços do BigQuery ML para mais informações. Cada job de treinamento e previsão incorre o custo de 1 execução de pipeline gerenciada, conforme descrito nos preços da Vertex AI.

* Uma janela de backtest é criada para cada período no conjunto de testes. O AUTO_ARIMA_MAX_ORDER usado define o número de modelos candidatos. Esse número varia de 6 a 42 para modelos com diversas séries temporais.

Modelos treinados e personalizados

Treinamento

Confira nas tabelas abaixo o preço por hora aproximado de várias configurações de treinamento. É possível escolher configurações personalizadas de tipos de máquinas selecionados. Para calcular os preços, some os custos das máquinas virtuais usadas por você.

Se você usar tipos de máquina do Compute Engine e anexar aceleradores, o custo destes será separado. Para calcular esse custo, multiplique os preços da tabela abaixo pelo número de aceleradores de cada tipo que você usa.

Tipos de máquina

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Aceleradores

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

* O preço para treinar usando um pod do Cloud TPU é baseado no número de núcleos do pod. O número de núcleos de um pod é sempre um múltiplo de 32. Para determinar o preço de treinar em um pod com mais de 32 núcleos, pegue o preço de um pod de 32 núcleos e multiplique pelo número de núcleos, depois divida por 32. Por exemplo, o preço de um pod de 128 núcleos é (32-core Pod price) * (128/32). Para mais informações sobre quais pods do Cloud TPU estão disponíveis para regiões específicas, consulte Arquitetura do sistema na documentação do Cloud TPU.

Discos

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Você recebe cobranças pelo treinamento dos modelos a contar do momento em que os recursos são provisionados para um job até a finalização dele.

Níveis de escalonamento para configurações predefinidas (AI Platform Training)

Defina o tipo de cluster de processamento que será usado ao treinar seu modelo. A maneira mais simples é escolher uma das configurações predefinidas, chamadas níveis de escalonamento. Saiba mais sobre os níveis de escalonamento.

Tipos de máquinas para configurações personalizadas

Se você usa a Vertex AI ou seleciona CUSTOM como seu nível de escalonamento no AI Platform Training, você tem controle sobre o número e o tipo de máquinas virtuais que serão usadas para o mestre, o worker e o servidor de parâmetros do cluster. Leia mais sobre tipos de máquinas para Vertex AI e tipos de máquinas para AI Platform Training.

O custo do treinamento com um cluster de processamento personalizado será a soma de todas as máquinas que você especificar. A cobrança é baseada no tempo total do job, e não no tempo de processamento ativo de máquinas individuais.

Ray na Vertex AI

Treinamento

Confira nas tabelas abaixo o preço por hora aproximado de várias configurações de treinamento. É possível escolher configurações personalizadas de tipos de máquinas selecionados. Para calcular os preços, some os custos das máquinas virtuais usadas por você.

Se você usar tipos de máquina do Compute Engine e anexar aceleradores, o custo destes será separado. Para calcular esse custo, multiplique os preços da tabela abaixo pelo número de aceleradores de cada tipo que você usa.

Tipos de máquina

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Aceleradores

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

* O preço para treinar usando um pod do Cloud TPU é baseado no número de núcleos do pod. O número de núcleos de um pod é sempre um múltiplo de 32. Para determinar o preço de treinar em um pod com mais de 32 núcleos, pegue o preço de um pod de 32 núcleos e multiplique pelo número de núcleos, depois divida por 32. Por exemplo, o preço de um pod de 128 núcleos é (32-core Pod price) * (128/32). Para mais informações sobre quais pods do Cloud TPU estão disponíveis para regiões específicas, consulte Arquitetura do sistema na documentação do Cloud TPU.

Discos

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Você recebe cobranças pelo treinamento dos modelos a contar do momento em que os recursos são provisionados para um job até a finalização dele.

Previsão e explicação

A tabela a seguir apresenta os preços da previsão em lote, da previsão on-line e da explicação on-line por hora de uso do nó. Uma hora de uso do nó representa o tempo que a máquina virtual leva executando um job de previsão ou aguardando em estado ativo (um endpoint com um ou mais modelos implantados) para lidar com solicitações de explicação ou previsão.

Escolha uma região para acessar a tabela de preços dela:

Preços nas Américas

As tabelas a seguir apresentam o preço por hora de uso do nó para cada tipo de máquina.

Série E2

e2-standard-2aproximações:

us-west2US$ 0,0926
us-west4US$ 0,0868
us-east4US$ 0,0868
northamerica-northeast1US$ 0,0848
northamerica-northeast2US$ 0,0848
southamerica-east1US$ 0,1223
Outras regiões das AméricasUS$ 0,0771
e2-standard-4aproximações:
us-west2US$ 0,1851
us-west4US$ 0,1736
us-east4US$ 0,1736
northamerica-northeast1US$ 0,1697
northamerica-northeast2US$ 0,1697
southamerica-east1US$ 0,2446
Outras regiões das AméricasUS$ 0,1541
e2-standard-8aproximações:
us-west2US$ 0,3702
us-west4US$ 0,3471
us-east4US$ 0,3471
northamerica-northeast1US$ 0,3393
northamerica-northeast2US$ 0,3393
southamerica-east1US$ 0,4893
Outras regiões das AméricasUS$ 0,3082
e2-standard-16aproximações:
us-west2US$ 0,7405
us-west4US$ 0,6942
us-east4US$ 0,6942
northamerica-northeast1US$ 0,6787
northamerica-northeast2US$ 0,6787
southamerica-east1US$ 0,9786
Outras regiões das AméricasUS$ 0,6165
e2-standard-32aproximações:
us-west2US$ 1,4809
us-west4US$ 1,3885
us-east4US$ 1,3885
northamerica-northeast1US$ 1,3574
northamerica-northeast2US$ 1,3574
southamerica-east1US$ 1,9572
Outras regiões das AméricasUS$ 1,2329
e2-highmem-2aproximações:
us-west2US$ 0,1249
us-west4US$ 0,1171
us-east4US$ 0,1171
northamerica-northeast1US$ 0,1144
northamerica-northeast2US$ 0,1144
southamerica-east1US$ 0,165
Outras regiões das AméricasUS$ 0,1039
e2-highmem-4aproximações:
us-west2US$ 0,2497
us-west4US$ 0,2341
us-east4US$ 0,2341
northamerica-northeast1US$ 0,2289
northamerica-northeast2US$ 0,2289
southamerica-east1US$ 0,33
Outras regiões das AméricasUS$ 0,2079
e2-highmem-8aproximações:
us-west2US$ 0,4994
us-west4US$ 0,4682
us-east4US$ 0,4682
northamerica-northeast1US$ 0,4578
northamerica-northeast2US$ 0,4578
southamerica-east1US$ 0,66
Outras regiões das AméricasUS$ 0,4158
e2-highmem-16aproximações:
us-west2US$ 0,9989
us-west4US$ 0,9365
us-east4US$ 0,9365
northamerica-northeast1US$ 0,9155
northamerica-northeast2US$ 0,9155
southamerica-east1US$ 1,3201
Outras regiões das AméricasUS$ 0,8316
e2-highcpu-2aproximações:
us-west2US$ 0,0683
us-west4US$ 0,0641
us-east4US$ 0,0641
northamerica-northeast1US$ 0,0626
northamerica-northeast2US$ 0,0626
southamerica-east1US$ 0,0903
Outras regiões das AméricasUS$ 0,0569
e2-highcpu-4aproximações:
us-west2US$ 0,1367
us-west4US$ 0,1281
us-east4US$ 0,1281
northamerica-northeast1US$ 0,1253
northamerica-northeast2US$ 0,1253
southamerica-east1US$ 0,1806
Outras regiões das AméricasUS$ 0,1138
e2-highcpu-8aproximações:
us-west2US$ 0,2733
us-west4US$ 0,2563
us-east4US$ 0,2563
northamerica-northeast1US$ 0,2505
northamerica-northeast2US$ 0,2505
southamerica-east1US$ 0,3612
Outras regiões das AméricasUS$ 0,2276
e2-highcpu-16aproximações:
us-west2US$ 0,5467
us-west4US$ 0,5126
us-east4US$ 0,5126
northamerica-northeast1US$ 0,501
northamerica-northeast2US$ 0,501
southamerica-east1US$ 0,7225
Outras regiões das AméricasUS$ 0,4551
e2-highcpu-32aproximações:
us-west2US$ 1,0933
us-west4US$ 1,0252
us-east4US$ 1,0252
northamerica-northeast1US$ 1,0021
northamerica-northeast2US$ 1,0021
southamerica-east1US$ 1,4449
Outras regiões das AméricasUS$ 0,9102

Série N1

n1-standard-2aproximações:

us-east4US$ 0,123
northamerica-northeast1US$ 0,1203
Outras regiões das AméricasUS$ 0,1093
n1-standard-4aproximações:
us-east4US$ 0,2461
northamerica-northeast1US$ 0,2405
Outras regiões das AméricasUS$ 0,2186
n1-standard-8aproximações:
us-east4US$ 0,4922
northamerica-northeast1US$ 0,4811
Outras regiões das AméricasUS$ 0,4372
n1-standard-16aproximações:
us-east4US$ 0,9843
northamerica-northeast1US$ 0,9622
Outras regiões das AméricasUS$ 0,8744
n1-standard-32aproximações:
us-east4US$ 1,9687
northamerica-northeast1US$ 1,9243
Outras regiões das AméricasUS$ 1,7488
n1-highmem-2aproximações:
us-east4US$ 0,1532
northamerica-northeast1US$ 0,1498
Outras regiões das AméricasUS$ 0,1361
n1-highmem-4aproximações:
us-east4US$ 0,3064
northamerica-northeast1US$ 0,2995
Outras regiões das AméricasUS$ 0,2723
n1-highmem-8aproximações:
us-east4US$ 0,6129
northamerica-northeast1US$ 0,5991
Outras regiões das AméricasUS$ 0,5445
n1-highmem-16aproximações:
us-east4US$ 1,2257
northamerica-northeast1US$ 1,1982
Outras regiões das AméricasUS$ 1,089
n1-highcpu-2aproximações:
us-east4US$ 0,0918
northamerica-northeast1US$ 0,0897
Outras regiões das AméricasUS$ 0,0815
n1-highcpu-4aproximações:
us-east4US$ 0,1835
northamerica-northeast1US$ 0,1794
Outras regiões das AméricasUS$ 0,163
n1-highcpu-8aproximações:
us-east4US$ 0,3671
northamerica-northeast1US$ 0,3588
Outras regiões das AméricasUS$ 0,326
n1-highcpu-16aproximações:
us-east4US$ 0,7341
northamerica-northeast1US$ 0,7176
Outras regiões das AméricasUS$ 0,6519
n1-highcpu-32aproximações:
us-east4US$ 1,4683
northamerica-northeast1US$ 1,4352
Outras regiões das AméricasUS$ 1,3039

Série N2

n2-standard-2aproximações:

northamerica_northeast1US$ 0,123
northamerica_northeast2US$ 0,123
southamerica_east1US$ 0,1773
us_central1US$ 0,1117
us_east1US$ 0,1117
us_east4US$ 0,1258
us_south1US$ 0,1318
us_west1US$ 0,1117
us_west2US$ 0,1341
us_west3US$ 0,1341
us_west4US$ 0,1258
n2-standard-4aproximações:
northamerica_northeast1US$ 0,2459
northamerica_northeast2US$ 0,2459
southamerica_east1US$ 0,3546
us_central1US$ 0,2234
us_east1US$ 0,2234
us_east4US$ 0,2516
us_south1US$ 0,2636
us_west1US$ 0,2234
us_west2US$ 0,2683
us_west3US$ 0,2683
us_west4US$ 0,2516
n2-standard-8aproximações:
northamerica_northeast1US$ 0,4918
northamerica_northeast2US$ 0,4918
southamerica_east1US$ 0,7091
us_central1US$ 0,4467
us_east1US$ 0,4467
us_east4US$ 0,5031
us_south1US$ 0,5272
us_west1US$ 0,4467
us_west2US$ 0,5366
us_west3US$ 0,5366
us_west4US$ 0,5031
n2-standard-16aproximações:
northamerica_northeast1US$ 0,9836
northamerica_northeast2US$ 0,9836
southamerica_east1US$ 1,4183
us_central1US$ 0,8935
us_east1US$ 0,8935
us_east4US$ 1,0063
us_south1US$ 1,0543
us_west1US$ 0,8935
us_west2US$ 1,0732
us_west3US$ 1,0732
us_west4US$ 1,0062
n2-standard-32aproximações:
northamerica_northeast1US$ 1,9673
northamerica_northeast2US$ 1,9673
southamerica_east1US$ 2,8365
us_central1US$ 1,787
us_east1US$ 1,787
us_east4US$ 2,0126
us_south1US$ 2,1087
us_west1US$ 1,787
us_west2US$ 2,1464
us_west3US$ 2,1464
us_west4US$ 2,0125
n2-highmem-2aproximações:
northamerica_northeast1US$ 0,1659
northamerica_northeast2US$ 0,1659
southamerica_east1US$ 0,2392
us_central1US$ 0,1507
us_east1US$ 0,1507
us_east4US$ 0,1697
us_south1US$ 0,1778
us_west1US$ 0,1507
us_west2US$ 0,181
us_west3US$ 0,181
us_west4US$ 0,1697
n2-highmem-4aproximações:
northamerica_northeast1US$ 0,3317
northamerica_northeast2US$ 0,3317
southamerica_east1US$ 0,4783
us_central1US$ 0,3013
us_east1US$ 0,3013
us_east4US$ 0,3394
us_south1US$ 0,3556
us_west1US$ 0,3013
us_west2US$ 0,3619
us_west3US$ 0,3619
us_west4US$ 0,3393
n2-highmem-8aproximações:
northamerica_northeast1US$ 0,6634
northamerica_northeast2US$ 0,6634
southamerica_east1US$ 0,9566
us_central1US$ 0,6027
us_east1US$ 0,6027
us_east4US$ 0,6787
us_south1US$ 0,7112
us_west1US$ 0,6027
us_west2US$ 0,7239
us_west3US$ 0,7239
us_west4US$ 0,6787
n2-highmem-16aproximações:
northamerica_northeast1US$ 1,3269
northamerica_northeast2US$ 1,3269
southamerica_east1US$ 1,9132
us_central1US$ 1,2053
us_east1US$ 1,2053
us_east4US$ 1,3574
us_south1US$ 1,4223
us_west1US$ 1,2053
us_west2US$ 1,4477
us_west3US$ 1,4477
us_west4US$ 1,3574
n2-highcpu-2aproximações:
northamerica_northeast1US$ 0,0908
northamerica_northeast2US$ 0,0908
southamerica_east1US$ 0,1309
us_central1US$ 0,0825
us_east1US$ 0,0825
us_east4US$ 0,0929
us_south1US$ 0,0973
us_west1US$ 0,0825
us_west2US$ 0,099
us_west3US$ 0,099
us_west4US$ 0,0929
n2-highcpu-4aproximações:
northamerica_northeast1US$ 0,1815
northamerica_northeast2US$ 0,1815
southamerica_east1US$ 0,2618
us_central1US$ 0,1649
us_east1US$ 0,1649
us_east4US$ 0,1857
us_south1US$ 0,1946
us_west1US$ 0,1649
us_west2US$ 0,1981
us_west3US$ 0,1981
us_west4US$ 0,1857
n2-highcpu-8aproximações:
northamerica_northeast1US$ 0,3631
northamerica_northeast2US$ 0,3631
southamerica_east1US$ 0,5235
us_central1US$ 0,3298
us_east1US$ 0,3298
us_east4US$ 0,3715
us_south1US$ 0,3892
us_west1US$ 0,3298
us_west2US$ 0,3961
us_west3US$ 0,3961
us_west4US$ 0,3714
n2-highcpu-16aproximações:
northamerica_northeast1US$ 0,7262
northamerica_northeast2US$ 0,7262
southamerica_east1US$ 1,0471
us_central1US$ 0,6596
us_east1US$ 0,6596
us_east4US$ 0,7429
us_south1US$ 0,7783
us_west1US$ 0,6596
us_west2US$ 0,7923
us_west3US$ 0,7923
us_west4US$ 0,7429
n2-highcpu-32aproximações:
northamerica_northeast1US$ 1,4523
northamerica_northeast2US$ 1,4523
southamerica_east1US$ 2,0941
us_central1US$ 1,3192
us_east1US$ 1,3192
us_east4US$ 1,4858
us_south1US$ 1,5567
us_west1US$ 1,3192
us_west2US$ 1,5846
us_west3US$ 1,5846
us_west4US$ 1,4858

Série N2D

n2d-standard-2aproximações:

northamerica_northeast1US$ 0,107
southamerica_east1US$ 0,1542
us_central1US$ 0,0972
us_east1US$ 0,0972
us_east4US$ 0,1094
us_west1US$ 0,0972
us_west2US$ 0,1167
us_west4US$ 0,1094
n2d-standard-4aproximações:
northamerica_northeast1US$ 0,2139
southamerica_east1US$ 0,3085
us_central1US$ 0,1943
us_east1US$ 0,1943
us_east4US$ 0,2189
us_west1US$ 0,1943
us_west2US$ 0,2334
us_west4US$ 0,2189
n2d-standard-8aproximações:
northamerica_northeast1US$ 0,4279
southamerica_east1US$ 0,617
us_central1US$ 0,3887
us_east1US$ 0,3887
us_east4US$ 0,4377
us_west1US$ 0,3887
us_west2US$ 0,4668
us_west4US$ 0,4377
n2d-standard-16aproximações:
northamerica_northeast1US$ 0,8558
southamerica_east1US$ 1,2339
us_central1US$ 0,7773
us_east1US$ 0,7773
us_east4US$ 0,8755
us_west1US$ 0,7773
us_west2US$ 0,9336
us_west4US$ 0,8755
n2d-standard-32aproximações:
northamerica_northeast1US$ 1,7116
southamerica_east1US$ 2,4678
us_central1US$ 1,5547
us_east1US$ 1,5547
us_east4US$ 1,7509
us_west1US$ 1,5547
us_west2US$ 1,8673
us_west4US$ 1,7509
n2d-highmem-2aproximações:
northamerica_northeast1US$ 0,1443
southamerica_east1US$ 0,2081
us_central1US$ 0,1311
us_east1US$ 0,1311
us_east4US$ 0,1476
us_west1US$ 0,1311
us_west2US$ 0,1574
us_west4US$ 0,1476
n2d-highmem-4aproximações:
northamerica_northeast1US$ 0,2886
southamerica_east1US$ 0,4161
us_central1US$ 0,2622
us_east1US$ 0,2622
us_east4US$ 0,2952
us_west1US$ 0,2622
us_west2US$ 0,3149
us_west4US$ 0,2952
n2d-highmem-8aproximações:
northamerica_northeast1US$ 0,5772
southamerica_east1US$ 0,8323
us_central1US$ 0,5243
us_east1US$ 0,5243
us_east4US$ 0,5905
us_west1US$ 0,5243
us_west2US$ 0,6297
us_west4US$ 0,5905
n2d-highmem-16aproximações:
northamerica_northeast1US$ 1,1545
southamerica_east1US$ 1,6646
us_central1US$ 1,0486
us_east1US$ 1,0486
us_east4US$ 1,181
us_west1US$ 1,0486
us_west2US$ 1,2595
us_west4US$ 1,181
n2d-highcpu-2aproximações:
northamerica_northeast1US$ 0,079
southamerica_east1US$ 0,1139
us_central1US$ 0,0717
us_east1US$ 0,0717
us_east4US$ 0,0808
us_west1US$ 0,0717
us_west2US$ 0,0862
us_west4US$ 0,0808
n2d-highcpu-4aproximações:
northamerica_northeast1US$ 0,1579
southamerica_east1US$ 0,2277
us_central1US$ 0,1435
us_east1US$ 0,1435
us_east4US$ 0,1616
us_west1US$ 0,1435
us_west2US$ 0,1723
us_west4US$ 0,1616
n2d-highcpu-8aproximações:
northamerica_northeast1US$ 0,3159
southamerica_east1US$ 0,4555
us_central1US$ 0,2869
us_east1US$ 0,2869
us_east4US$ 0,3232
us_west1US$ 0,2869
us_west2US$ 0,3446
us_west4US$ 0,3232
n2d-highcpu-16aproximações:
northamerica_northeast1US$ 0,6318
southamerica_east1US$ 0,9109
us_central1US$ 0,5739
us_east1US$ 0,5739
us_east4US$ 0,6463
us_west1US$ 0,5739
us_west2US$ 0,6893
us_west4US$ 0,6463
n2d-highcpu-32aproximações:
northamerica_northeast1US$ 1,2636
southamerica_east1US$ 1,8219
us_central1US$ 1,1477
us_east1US$ 1,1477
us_east4US$ 1,2927
us_west1US$ 1,1477
us_west2US$ 1,3786
us_west4US$ 1,2927

Série C2

c2-standard-4aproximações:

northamerica_northeast1US$ 0,264
southamerica_east1US$ 0,3812
us_central1US$ 0,24
us_east1US$ 0,24
us_east4US$ 0,2702
us_west1US$ 0,24
us_west2US$ 0,2884
us_west3US$ 0,2889
us_west4US$ 0,2702
c2-standard-8aproximações:
northamerica_northeast1US$ 0,5281
southamerica_east1US$ 0,7623
us_central1US$ 0,4801
us_east1US$ 0,4801
us_east4US$ 0,5405
us_west1US$ 0,4801
us_west2US$ 0,5768
us_west3US$ 0,5778
us_west4US$ 0,5405
c2-standard-16aproximações:
northamerica_northeast1US$ 1,0562
southamerica_east1US$ 1,5246
us_central1US$ 0,9601
us_east1US$ 0,9601
us_east4US$ 1,081
us_west1US$ 0,9601
us_west2US$ 1,1537
us_west3US$ 1,1555
us_west4US$ 1,081
c2-standard-30aproximações:
northamerica_northeast1US$ 1,9803
southamerica_east1US$ 2,8587
us_central1US$ 1,8002
us_east1US$ 1,8002
us_east4US$ 2,0269
us_west1US$ 1,8002
us_west2US$ 2,1631
us_west3US$ 2,1666
us_west4US$ 2,0269
c2-standard-60aproximações:
northamerica_northeast1US$ 3,9606
southamerica_east1US$ 5,7173
us_central1US$ 3,6004
us_east1US$ 3,6004
us_east4US$ 4,0537
us_west1US$ 3,6004
us_west2US$ 4,3263
us_west3US$ 4,3332
us_west4US$ 4,0537

Série C2D

c2d-standard-2aproximações:

us_central1US$ 0,1044
us_east1US$ 0,1044
us_east4US$ 0,1176
us_west1US$ 0,1044
us_west4US$ 0,1176
c2d-standard-4aproximações:
us_central1US$ 0,2088
us_east1US$ 0,2088
us_east4US$ 0,2352
us_west1US$ 0,2088
us_west4US$ 0,2352
c2d-standard-8aproximações:
us_central1US$ 0,4177
us_east1US$ 0,4177
us_east4US$ 0,4704
us_west1US$ 0,4177
us_west4US$ 0,4704
c2d-standard-16aproximações:
us_central1US$ 0,8353
us_east1US$ 0,8353
us_east4US$ 0,9408
us_west1US$ 0,8353
us_west4US$ 0,9408
c2d-standard-32aproximações:
us_central1US$ 1,6707
us_east1US$ 1,6707
us_east4US$ 1,8815
us_west1US$ 1,6707
us_west4US$ 1,8815
c2d-standard-56aproximações:
us_central1US$ 2,9237
us_east1US$ 2,9237
us_east4US$ 3,2926
us_west1US$ 2,9237
us_west4US$ 3,2926
c2d-standard-112aproximações:
us_central1US$ 5,8474
us_east1US$ 5,8474
us_east4US$ 6,5853
us_west1US$ 5,8474
us_west4US$ 6,5853
c2d-highmem-2aproximações:
us_central1US$ 0,1408
us_east1US$ 0,1408
us_east4US$ 0,1586
us_west1US$ 0,1408
us_west4US$ 0,1586
c2d-highmem-4aproximações:
us_central1US$ 0,2817
us_east1US$ 0,2817
us_east4US$ 0,3172
us_west1US$ 0,2817
us_west4US$ 0,3172
c2d-highmem-8aproximações:
us_central1US$ 0,5634
us_east1US$ 0,5634
us_east4US$ 0,6344
us_west1US$ 0,5634
us_west4US$ 0,6344
c2d-highmem-16aproximações:
us_central1US$ 1,1267
us_east1US$ 1,1267
us_east4US$ 1,2689
us_west1US$ 1,1267
us_west4US$ 1,2689
c2d-highmem-32aproximações:
us_central1US$ 2,2534
us_east1US$ 2,2534
us_east4US$ 2,5377
us_west1US$ 2,2534
us_west4US$ 2,5377
c2d-highmem-56aproximações:
us_central1US$ 3,9435
us_east1US$ 3,9435
us_east4US$ 4,441
us_west1US$ 3,9435
us_west4US$ 4,441
c2d-highmem-112aproximações:
us_central1US$ 7,887
us_east1US$ 7,887
us_east4US$ 8,882
us_west1US$ 7,887
us_west4US$ 8,882
c2d-highcpu-2aproximações:
us_central1US$ 0,0862
us_east1US$ 0,0862
us_east4US$ 0,0971
us_west1US$ 0,0862
us_west4US$ 0,0971
c2d-highcpu-4aproximações:
us_central1US$ 0,1724
us_east1US$ 0,1724
us_east4US$ 0,1942
us_west1US$ 0,1724
us_west4US$ 0,1942
c2d-highcpu-8aproximações:
us_central1US$ 0,3448
us_east1US$ 0,3448
us_east4US$ 0,3884
us_west1US$ 0,3448
us_west4US$ 0,3884
c2d-highcpu-16aproximações:
us_central1US$ 0,6896
us_east1US$ 0,6896
us_east4US$ 0,7767
us_west1US$ 0,6896
us_west4US$ 0,7767
c2d-highcpu-32aproximações:
us_central1US$ 1,3793
us_east1US$ 1,3793
us_east4US$ 1,5534
us_west1US$ 1,3793
us_west4US$ 1,5534
c2d-highcpu-56aproximações:
us_central1US$ 2,4138
us_east1US$ 2,4138
us_east4US$ 2,7185
us_west1US$ 2,4138
us_west4US$ 2,7185
c2d-highcpu-112aproximações:
us_central1US$ 4,8275
us_east1US$ 4,8275
us_east4US$ 5,4369
us_west1US$ 4,8275
us_west4US$ 5,4369

Série C3

c3-highcpu-4aproximações:

us_central1US$ 0,1982
us_east1US$ 0,1982
us_east4US$ 0,2232
c3-highcpu-8aproximações:
us_central1US$ 0,3965
us_east1US$ 0,3965
us_east4US$ 0,4465
c3-highcpu-22aproximações:
us_central1US$ 1,0903
us_east1US$ 1,0903
us_east4US$ 1,2278
c3-highcpu-44aproximações:
us_central1US$ 2,1806
us_east1US$ 2,1806
us_east4US$ 2,4556
c3-highcpu-88aproximações:
us_central1US$ 4,3613
us_east1US$ 4,3613
us_east4US$ 4,9113
c3-highcpu-176aproximações:
us_central1US$ 8,7226
us_east1US$ 8,7226
us_east4US$ 9,8226

Série A2

a2-highgpu-1gaproximações:

us-central1US$ 4,2245
a2-highgpu-2gaproximações:
us-central1US$ 8,449
a2-highgpu-4gaproximações:
us-central1US$ 16,898
a2-highgpu-8gaproximações:
us-central1US$ 33,796
a2-megagpu-16gaproximações:
us-central1US$ 64,1021
a2-ultragpu-1gaproximações:
us-central1US$ 5,7818
us-east4US$ 6,3524
a2-ultragpu-2gaproximações:
us-central1US$ 11,5637
us-east4US$ 12,7048
a2-ultragpu-4gaproximações:
us-central1US$ 23,1274
us-east4US$ 25,4095
a2-ultragpu-8gaproximações:
us-central1US$ 46,2548
us-east4US$ 50,8191

Série A3

a3-highgpu-8gaproximações:
us-central1US$ 101,0074
us-east4US$ 101,0074

Série G2

g2-standard-4aproximações:

us-central1US$ 0,8129
g2-standard-8aproximações:
us-central1US$ 0,9818
g2-standard-12aproximações:
us-central1US$ 1,1507
g2-standard-16aproximações:
us-central1US$ 1,3196
g2-standard-24aproximações:
us-central1US$ 2,3014
g2-standard-32aproximações:
us-central1US$ 1,9951
g2-standard-48aproximações:
us-central1US$ 4,6028
g2-standard-96aproximações:
us-central1US$ 9,2055

TPU v5e
ct5lp-hightpu-1t Aproximações:
us-west1 US$ 1,38
ct5lp-hightpu-4t Aproximações:
us-west1 US$ 5,52
ct5lp-hightpu-8t Aproximações:
us-west1 US$ 11,04

Preços na Europa

As tabelas a seguir apresentam o preço por hora de uso do nó para cada tipo de máquina.

Série E2

e2-standard-2aproximações:

europe-west1US$ 0,0848
europe-west2US$ 0,0993
europe-west3US$ 0,0993
europe-west4US$ 0,0848
europe-west6US$ 0,1078
europe-west9US$ 0,1079
e2-standard-4aproximações:
europe-west1US$ 0,1695
europe-west2US$ 0,1986
europe-west3US$ 0,1986
europe-west4US$ 0,1697
europe-west6US$ 0,2156
europe-west9US$ 0,2158
e2-standard-8aproximações:
europe-west1US$ 0,3391
europe-west2US$ 0,3971
europe-west3US$ 0,3971
europe-west4US$ 0,3393
europe-west6US$ 0,4313
europe-west9US$ 0,4316
e2-standard-16aproximações:
europe-west1US$ 0,6782
europe-west2US$ 0,7943
europe-west3US$ 0,7943
europe-west4US$ 0,6787
europe-west6US$ 0,8626
europe-west9US$ 0,8631
e2-standard-32aproximações:
europe-west1US$ 1,3563
europe-west2US$ 1,5885
europe-west3US$ 1,5885
europe-west4US$ 1,3574
europe-west6US$ 1,7251
europe-west9US$ 1,7262
e2-highmem-2aproximações:
europe-west1US$ 0,1144
europe-west2US$ 0,1339
europe-west3US$ 0,1339
europe-west4US$ 0,1144
europe-west6US$ 0,1454
europe-west9US$ 0,1455
e2-highmem-4aproximações:
europe-west1US$ 0,2287
europe-west2US$ 0,2679
europe-west3US$ 0,2679
europe-west4US$ 0,2289
europe-west6US$ 0,2909
europe-west9US$ 0,2911
e2-highmem-8aproximações:
europe-west1US$ 0,4574
europe-west2US$ 0,5357
europe-west3US$ 0,5357
europe-west4US$ 0,4578
europe-west6US$ 0,5818
europe-west9US$ 0,5822
e2-highmem-16aproximações:
europe-west1US$ 0,9149
europe-west2US$ 1,0714
europe-west3US$ 1,0714
europe-west4US$ 0,9155
europe-west6US$ 1,1636
europe-west9US$ 1,1643
e2-highcpu-2aproximações:
europe-west1US$ 0,0626
europe-west2US$ 0,0733
europe-west3US$ 0,0733
europe-west4US$ 0,0626
europe-west6US$ 0,0796
europe-west9US$ 0,0796
e2-highcpu-4aproximações:
europe-west1US$ 0,1252
europe-west2US$ 0,1466
europe-west3US$ 0,1466
europe-west4US$ 0,1253
europe-west6US$ 0,1592
europe-west9US$ 0,1593
e2-highcpu-8aproximações:
europe-west1US$ 0,2503
europe-west2US$ 0,2932
europe-west3US$ 0,2932
europe-west4US$ 0,2505
europe-west6US$ 0,3184
europe-west9US$ 0,3186
e2-highcpu-16aproximações:
europe-west1US$ 0,5006
europe-west2US$ 0,5864
europe-west3US$ 0,5864
europe-west4US$ 0,501
europe-west6US$ 0,6368
europe-west9US$ 0,6372
e2-highcpu-32aproximações:
europe-west1US$ 1,0013
europe-west2US$ 1,1728
europe-west3US$ 1,1728
europe-west4US$ 1,0021
europe-west6US$ 1,2736
europe-west9US$ 1,2743

Série N1

n1-standard-2aproximações:

europe-west2US$ 0,1408
Outras regiões da EuropaUS$ 0,1265
n1-standard-4aproximações:
europe-west2US$ 0,2815
Outras regiões da EuropaUS$ 0,2531
n1-standard-8aproximações:
europe-west2US$ 0,563
Outras regiões da EuropaUS$ 0,5061
n1-standard-16aproximações:
europe-west2US$ 1,126
Outras regiões da EuropaUS$ 1,0123
n1-standard-32aproximações:
europe-west2US$ 2,2521
Outras regiões da EuropaUS$ 2,0245
n1-highmem-2aproximações:
europe-west2US$ 0,1753
Outras regiões da EuropaUS$ 0,1575
n1-highmem-4aproximações:
europe-west2US$ 0,3506
Outras regiões da EuropaUS$ 0,3151
n1-highmem-8aproximações:
europe-west2US$ 0,7011
Outras regiões da EuropaUS$ 0,6302
n1-highmem-16aproximações:
europe-west2US$ 1,4022
Outras regiões da EuropaUS$ 1,2603
n1-highcpu-2aproximações:
europe-west2US$ 0,105
Outras regiões da EuropaUS$ 0,0944
n1-highcpu-4aproximações:
europe-west2US$ 0,21
Outras regiões da EuropaUS$ 0,1888
n1-highcpu-8aproximações:
europe-west2US$ 0,4199
Outras regiões da EuropaUS$ 0,3776
n1-highcpu-16aproximações:
europe-west2US$ 0,8398
Outras regiões da EuropaUS$ 0,7552
n1-highcpu-32aproximações:
europe-west2US$ 1,6796
Outras regiões da EuropaUS$ 1,5104

Série N2

n2-standard-2aproximações:

europe_central2US$ 0,1439
europe_west1US$ 0,1229
europe_west2US$ 0,1439
europe_west3US$ 0,1439
europe_west4US$ 0,1229
europe_west6US$ 0,1564
europe_west9US$ 0,1296
n2-standard-4aproximações:
europe_central2US$ 0,2878
europe_west1US$ 0,2457
europe_west2US$ 0,2878
europe_west3US$ 0,2878
europe_west4US$ 0,2457
europe_west6US$ 0,3127
europe_west9US$ 0,2591
n2-standard-8aproximações:
europe_central2US$ 0,5756
europe_west1US$ 0,4914
europe_west2US$ 0,5756
europe_west3US$ 0,5756
europe_west4US$ 0,4914
europe_west6US$ 0,6254
europe_west9US$ 0,5182
n2-standard-16aproximações:
europe_central2US$ 1,1511
europe_west1US$ 0,9829
europe_west2US$ 1,1511
europe_west3US$ 1,1511
europe_west4US$ 0,9828
europe_west6US$ 1,2508
europe_west9US$ 1,0364
n2-standard-32aproximações:
europe_central2US$ 2,3023
europe_west1US$ 1,9658
europe_west2US$ 2,3023
europe_west3US$ 2,3023
europe_west4US$ 1,9657
europe_west6US$ 2,5017
europe_west9US$ 2,0729
n2-highmem-2aproximações:
europe_central2US$ 0,1941
europe_west1US$ 0,1657
europe_west2US$ 0,1941
europe_west3US$ 0,1941
europe_west4US$ 0,1657
europe_west6US$ 0,2109
europe_west9US$ 0,1748
n2-highmem-4aproximações:
europe_central2US$ 0,3882
europe_west1US$ 0,3315
europe_west2US$ 0,3882
europe_west3US$ 0,3882
europe_west4US$ 0,3315
europe_west6US$ 0,4218
europe_west9US$ 0,3495
n2-highmem-8aproximações:
europe_central2US$ 0,7764
europe_west1US$ 0,663
europe_west2US$ 0,7764
europe_west3US$ 0,7764
europe_west4US$ 0,6629
europe_west6US$ 0,8436
europe_west9US$ 0,6991
n2-highmem-16aproximações:
europe_central2US$ 1,5528
europe_west1US$ 1,3259
europe_west2US$ 1,5528
europe_west3US$ 1,5528
europe_west4US$ 1,3259
europe_west6US$ 1,6873
europe_west9US$ 1,3982
n2-highcpu-2aproximações:
europe_central2US$ 0,1062
europe_west1US$ 0,0907
europe_west2US$ 0,1062
europe_west3US$ 0,1062
europe_west4US$ 0,0907
europe_west6US$ 0,1154
europe_west9US$ 0,0956
n2-highcpu-4aproximações:
europe_central2US$ 0,2125
europe_west1US$ 0,1814
europe_west2US$ 0,2125
europe_west3US$ 0,2125
europe_west4US$ 0,1814
europe_west6US$ 0,2309
europe_west9US$ 0,1913
n2-highcpu-8aproximações:
europe_central2US$ 0,4249
europe_west1US$ 0,3628
europe_west2US$ 0,4249
europe_west3US$ 0,4249
europe_west4US$ 0,3628
europe_west6US$ 0,4617
europe_west9US$ 0,3826
n2-highcpu-16aproximações:
europe_central2US$ 0,8499
europe_west1US$ 0,7256
europe_west2US$ 0,8499
europe_west3US$ 0,8499
europe_west4US$ 0,7256
europe_west6US$ 0,9235
europe_west9US$ 0,7651
n2-highcpu-32aproximações:
europe_central2US$ 1,6997
europe_west1US$ 1,4512
europe_west2US$ 1,6997
europe_west3US$ 1,6997
europe_west4US$ 1,4511
europe_west6US$ 1,847
europe_west9US$ 1,5303

Série N2D

n2d-standard-2aproximações:

europe_west1US$ 0,1069
europe_west2US$ 0,1252
europe_west3US$ 0,1252
europe_west4US$ 0,107
europe_west9US$ 0,1127
n2d-standard-4aproximações:
europe_west1US$ 0,2138
europe_west2US$ 0,2504
europe_west3US$ 0,2504
europe_west4US$ 0,2139
europe_west9US$ 0,2254
n2d-standard-8aproximações:
europe_west1US$ 0,4275
europe_west2US$ 0,5007
europe_west3US$ 0,5007
europe_west4US$ 0,4279
europe_west9US$ 0,4509
n2d-standard-16aproximações:
europe_west1US$ 0,8551
europe_west2US$ 1,0015
europe_west3US$ 1,0015
europe_west4US$ 0,8558
europe_west9US$ 0,9017
n2d-standard-32aproximações:
europe_west1US$ 1,7102
europe_west2US$ 2,0029
europe_west3US$ 2,0029
europe_west4US$ 1,7116
europe_west9US$ 1,8034
n2d-highmem-2aproximações:
europe_west1US$ 0,1442
europe_west2US$ 0,1689
europe_west3US$ 0,1689
europe_west4US$ 0,1443
europe_west9US$ 0,1521
n2d-highmem-4aproximações:
europe_west1US$ 0,2884
europe_west2US$ 0,3377
europe_west3US$ 0,3377
europe_west4US$ 0,2886
europe_west9US$ 0,3041
n2d-highmem-8aproximações:
europe_west1US$ 0,5768
europe_west2US$ 0,6755
europe_west3US$ 0,6755
europe_west4US$ 0,5772
europe_west9US$ 0,6082
n2d-highmem-16aproximações:
europe_west1US$ 1,1535
europe_west2US$ 1,3509
europe_west3US$ 1,3509
europe_west4US$ 1,1545
europe_west9US$ 1,2164
n2d-highcpu-2aproximações:
europe_west1US$ 0,0789
europe_west2US$ 0,0924
europe_west3US$ 0,0924
europe_west4US$ 0,079
europe_west9US$ 0,0832
n2d-highcpu-4aproximações:
europe_west1US$ 0,1578
europe_west2US$ 0,1848
europe_west3US$ 0,1848
europe_west4US$ 0,1579
europe_west9US$ 0,1664
n2d-highcpu-8aproximações:
europe_west1US$ 0,3156
europe_west2US$ 0,3697
europe_west3US$ 0,3697
europe_west4US$ 0,3159
europe_west9US$ 0,3328
n2d-highcpu-16aproximações:
europe_west1US$ 0,6313
europe_west2US$ 0,7394
europe_west3US$ 0,7394
europe_west4US$ 0,6318
europe_west9US$ 0,6657
n2d-highcpu-32aproximações:
europe_west1US$ 1,2625
europe_west2US$ 1,4787
europe_west3US$ 1,4787
europe_west4US$ 1,2636
europe_west9US$ 1,3314

Série C2

c2-standard-4aproximações:

europe_west1US$ 0,2641
europe_west2US$ 0,3094
europe_west3US$ 0,3092
europe_west4US$ 0,2643
europe_west6US$ 0,3362
c2-standard-8aproximações:
europe_west1US$ 0,5283
europe_west2US$ 0,6187
europe_west3US$ 0,6184
europe_west4US$ 0,5285
europe_west6US$ 0,6724
c2-standard-16aproximações:
europe_west1US$ 1,0565
europe_west2US$ 1,2375
europe_west3US$ 1,2368
europe_west4US$ 1,0571
europe_west6US$ 1,3449
c2-standard-30aproximações:
europe_west1US$ 1,981
europe_west2US$ 2,3202
europe_west3US$ 2,3191
europe_west4US$ 1,982
europe_west6US$ 2,5216
c2-standard-60aproximações:
europe_west1US$ 3,962
europe_west2US$ 4,6404
europe_west3US$ 4,6382
europe_west4US$ 3,964
europe_west6US$ 5,0432

Série C2D

c2d-standard-2aproximações:

europe_west1US$ 0,115
europe_west2US$ 0,1345
europe_west3US$ 0,1345
europe_west4US$ 0,115
c2d-standard-4aproximações:
europe_west1US$ 0,2299
europe_west2US$ 0,269
europe_west3US$ 0,269
europe_west4US$ 0,2299
c2d-standard-8aproximações:
europe_west1US$ 0,4599
europe_west2US$ 0,5381
europe_west3US$ 0,5381
europe_west4US$ 0,4599
c2d-standard-16aproximações:
europe_west1US$ 0,9198
europe_west2US$ 1,0762
europe_west3US$ 1,0762
europe_west4US$ 0,9198
c2d-standard-32aproximações:
europe_west1US$ 1,8395
europe_west2US$ 2,1524
europe_west3US$ 2,1524
europe_west4US$ 1,8395
c2d-standard-56aproximações:
europe_west1US$ 3,2191
europe_west2US$ 3,7666
europe_west3US$ 3,7666
europe_west4US$ 3,2191
c2d-standard-112aproximações:
europe_west1US$ 6,4383
europe_west2US$ 7,5333
europe_west3US$ 7,5333
europe_west4US$ 6,4383
c2d-highmem-2aproximações:
europe_west1US$ 0,1551
europe_west2US$ 0,1814
europe_west3US$ 0,1814
europe_west4US$ 0,1551
c2d-highmem-4aproximações:
europe_west1US$ 0,3101
europe_west2US$ 0,3629
europe_west3US$ 0,3629
europe_west4US$ 0,3101
c2d-highmem-8aproximações:
europe_west1US$ 0,6203
europe_west2US$ 0,7258
europe_west3US$ 0,7258
europe_west4US$ 0,6203
c2d-highmem-16aproximações:
europe_west1US$ 1,2406
europe_west2US$ 1,4515
europe_west3US$ 1,4515
europe_west4US$ 1,2406
c2d-highmem-32aproximações:
europe_west1US$ 2,4812
europe_west2US$ 2,9031
europe_west3US$ 2,9031
europe_west4US$ 2,4812
c2d-highmem-56aproximações:
europe_west1US$ 4,342
europe_west2US$ 5,0804
europe_west3US$ 5,0804
europe_west4US$ 4,342
c2d-highmem-112aproximações:
europe_west1US$ 8,684
europe_west2US$ 10,1608
europe_west3US$ 10,1608
europe_west4US$ 8,684
c2d-highcpu-2aproximações:
europe_west1US$ 0,0949
europe_west2US$ 0,1111
europe_west3US$ 0,1111
europe_west4US$ 0,0949
c2d-highcpu-4aproximações:
europe_west1US$ 0,1898
europe_west2US$ 0,2221
europe_west3US$ 0,2221
europe_west4US$ 0,1898
c2d-highcpu-8aproximações:
europe_west1US$ 0,3797
europe_west2US$ 0,4442
europe_west3US$ 0,4442
europe_west4US$ 0,3797
c2d-highcpu-16aproximações:
europe_west1US$ 0,7593
europe_west2US$ 0,8885
europe_west3US$ 0,8885
europe_west4US$ 0,7593
c2d-highcpu-32aproximações:
europe_west1US$ 1,5187
europe_west2US$ 1,777
europe_west3US$ 1,777
europe_west4US$ 1,5187
c2d-highcpu-56aproximações:
europe_west1US$ 2,6577
europe_west2US$ 3,1097
europe_west3US$ 3,1097
europe_west4US$ 2,6577
c2d-highcpu-112aproximações:
europe_west1US$ 5,3154
europe_west2US$ 6,2195
europe_west3US$ 6,2195
europe_west4US$ 5,3154

Série C3

c3-highcpu-4aproximações:

europe_west1US$ 0,218
europe_west4US$ 0,2182
c3-highcpu-8aproximações:
europe_west1US$ 0,4361
europe_west4US$ 0,4365
c3-highcpu-22aproximações:
europe_west1US$ 1,1992
europe_west4US$ 1,2003
c3-highcpu-44aproximações:
europe_west1US$ 2,3984
europe_west4US$ 2,4006
c3-highcpu-88aproximações:
europe_west1US$ 4,7969
europe_west4US$ 4,8013
c3-highcpu-176aproximações:
europe_west1US$ 9,5938
europe_west4US$ 9,6026

Série A2

a2-highgpu-1gaproximações:

europe-west4US$ 4,3103
a2-highgpu-2gaproximações:
europe-west4US$ 8,6205
a2-highgpu-4gaproximações:
europe-west4US$ 17,2411
a2-highgpu-8gaproximações:
europe-west4US$ 34,4822
a2-megagpu-16gaproximações:
europe-west4US$ 65,1222
a2-ultragpu-1gaproximações:
europe-west4US$ 6,3661
a2-ultragpu-2gaproximações:
europe-west4US$ 12,7321
a2-ultragpu-4gaproximações:
europe-west4US$ 25,4643
a2-ultragpu-8gaproximações:
europe-west4US$ 50,9286

Série G2

g2-standard-4aproximações:

europe-west4US$ 0,8951
g2-standard-8aproximações:
europe-west4US$ 1,081
g2-standard-12aproximações:
europe-west4US$ 1,2669
g2-standard-16aproximações:
europe-west4US$ 1,4528
g2-standard-24aproximações:
europe-west4US$ 2,5338
g2-standard-32aproximações:
europe-west4US$ 2,1965
g2-standard-48aproximações:
europe-west4US$ 5,0677
g2-standard-96aproximações:
europe-west4US$ 10,1354

Preços na Ásia-Pacífico

As tabelas a seguir apresentam o preço por hora de uso do nó para cada tipo de máquina.

Série E2

e2-standard-2aproximações:

asia-east1US$ 0,0892
asia-east2US$ 0,1078
asia-northeast1US$ 0,0989
asia-northeast3US$ 0,0989
asia-south1US$ 0,0926
asia-southeast1US$ 0,0951
australia-southeast1US$ 0,1093
e2-standard-4aproximações:
asia-east1US$ 0,1785
asia-east2US$ 0,2156
asia-northeast1US$ 0,1977
asia-northeast3US$ 0,1977
asia-south1US$ 0,1851
asia-southeast1US$ 0,1901
australia-southeast1US$ 0,2187
e2-standard-8aproximações:
asia-east1US$ 0,3569
asia-east2US$ 0,4313
asia-northeast1US$ 0,3954
asia-northeast3US$ 0,3954
asia-south1US$ 0,3702
asia-southeast1US$ 0,3802
australia-southeast1US$ 0,4373
e2-standard-16aproximações:
asia-east1US$ 0,7138
asia-east2US$ 0,8626
asia-northeast1US$ 0,7909
asia-northeast3US$ 0,7909
asia-south1US$ 0,7405
asia-southeast1US$ 0,7605
australia-southeast1US$ 0,8747
e2-standard-32aproximações:
asia-east1US$ 1,4276
asia-east2US$ 1,7251
asia-northeast1US$ 1,5817
asia-northeast3US$ 1,5817
asia-south1US$ 1,4809
asia-southeast1US$ 1,5209
australia-southeast1US$ 1,7494
e2-highmem-2aproximações:
asia-east1US$ 0,1204
asia-east2US$ 0,1454
asia-northeast1US$ 0,1333
asia-northeast3US$ 0,1333
asia-south1US$ 0,1249
asia-southeast1US$ 0,1282
australia-southeast1US$ 0,1475
e2-highmem-4aproximações:
asia-east1US$ 0,2407
asia-east2US$ 0,2909
asia-northeast1US$ 0,2665
asia-northeast3US$ 0,2665
asia-south1US$ 0,2497
asia-southeast1US$ 0,2564
australia-southeast1US$ 0,295
e2-highmem-8aproximações:
asia-east1US$ 0,4815
asia-east2US$ 0,5818
asia-northeast1US$ 0,533
asia-northeast3US$ 0,533
asia-south1US$ 0,4994
asia-southeast1US$ 0,5129
australia-southeast1US$ 0,59
e2-highmem-16aproximações:
asia-east1US$ 0,963
asia-east2US$ 1,1636
asia-northeast1US$ 1,0661
asia-northeast3US$ 1,0661
asia-south1US$ 0,9989
asia-southeast1US$ 1,0258
australia-southeast1US$ 1,1799
e2-highcpu-2aproximações:
asia-east1US$ 0,0659
asia-east2US$ 0,0796
asia-northeast1US$ 0,0731
asia-northeast3US$ 0,0731
asia-south1US$ 0,0683
asia-southeast1US$ 0,0702
australia-southeast1US$ 0,0807
e2-highcpu-4aproximações:
asia-east1US$ 0,1317
asia-east2US$ 0,1592
asia-northeast1US$ 0,1461
asia-northeast3US$ 0,1461
asia-south1US$ 0,1367
asia-southeast1US$ 0,1404
australia-southeast1US$ 0,1614
e2-highcpu-8aproximações:
asia-east1US$ 0,2635
asia-east2US$ 0,3184
asia-northeast1US$ 0,2922
asia-northeast3US$ 0,2922
asia-south1US$ 0,2733
asia-southeast1US$ 0,2807
australia-southeast1US$ 0,3229
e2-highcpu-16aproximações:
asia-east1US$ 0,527
asia-east2US$ 0,6368
asia-northeast1US$ 0,5845
asia-northeast3US$ 0,5845
asia-south1US$ 0,5467
asia-southeast1US$ 0,5615
australia-southeast1US$ 0,6458
e2-highcpu-32aproximações:
asia-east1US$ 1,0539
asia-east2US$ 1,2736
asia-northeast1US$ 1,169
asia-northeast3US$ 1,169
asia-south1US$ 1,0933
asia-southeast1US$ 1,1229
australia-southeast1US$ 1,2916

Série N1

n1-standard-2aproximações:

asia-northeast1US$ 0,1402
asia-southeast1US$ 0,1348
australia-southeast1US$ 0,155
Outras regiões da Ásia-PacíficoUS$ 0,1265
n1-standard-4aproximações:
asia-northeast1US$ 0,2803
asia-southeast1US$ 0,2695
australia-southeast1US$ 0,31
Outras regiões da Ásia-PacíficoUS$ 0,2531
n1-standard-8aproximações:
asia-northeast1US$ 0,5606
asia-southeast1US$ 0,5391
australia-southeast1US$ 0,6201
Outras regiões da Ásia-PacíficoUS$ 0,5061
n1-standard-16aproximações:
asia-northeast1US$ 1,1213
asia-southeast1US$ 1,0782
australia-southeast1US$ 1,2401
Outras regiões da Ásia-PacíficoUS$ 1,0123
n1-standard-32aproximações:
asia-northeast1US$ 2,2426
asia-southeast1US$ 2,1564
australia-southeast1US$ 2,4802
Outras regiões da Ásia-PacíficoUS$ 2,0245
n1-highmem-2aproximações:
asia-northeast1US$ 0,1744
asia-southeast1US$ 0,1678
australia-southeast1US$ 0,193
Outras regiões da Ásia-PacíficoUS$ 0,1575
n1-highmem-4aproximações:
asia-northeast1US$ 0,3489
asia-southeast1US$ 0,3357
australia-southeast1US$ 0,3861
Outras regiões da Ásia-PacíficoUS$ 0,3151
n1-highmem-8aproximações:
asia-northeast1US$ 0,6977
asia-southeast1US$ 0,6713
australia-southeast1US$ 0,7721
Outras regiões da Ásia-PacíficoUS$ 0,6302
n1-highmem-16aproximações:
asia-northeast1US$ 1,3955
asia-southeast1US$ 1,3426
australia-southeast1US$ 1,5443
Outras regiões da Ásia-PacíficoUS$ 1,2603
n1-highcpu-2aproximações:
asia-northeast1US$ 0,1046
asia-southeast1US$ 0,1005
australia-southeast1US$ 0,1156
Outras regiões da Ásia-PacíficoUS$ 0,0944
n1-highcpu-4aproximações:
asia-northeast1US$ 0,2093
asia-southeast1US$ 0,201
australia-southeast1US 0,2312
Outras regiões da Ásia-PacíficoUS$ 0,1888
n1-highcpu-8aproximações:
asia-northeast1US$ 0,4186
asia-southeast1US$ 0,4021
australia-southeast1US$ 0,4624
Outras regiões da Ásia-PacíficoUS$ 0,3776
n1-highcpu-16aproximações:
asia-northeast1US$ 0,8371
asia-southeast1US$ 0,8041
australia-southeast1US$ 0,9249
Outras regiões da Ásia-PacíficoUS$ 0,7552
n1-highcpu-32aproximações:
asia-northeast1US$ 1,6742
asia-southeast1US$ 1,6082
australia-southeast1US$ 1,8498
Outras regiões da Ásia-PacíficoUS$ 1,5104

Série N2

n2-standard-2aproximações:

asia_east1US$ 0,1293
asia_east2US$ 0,1563
asia_northeast1US$ 0,1433
asia_northeast3US$ 0,1433
asia_south1US$ 0,1341
asia_southeast1US$ 0,1378
asia_southeast2US$ 0,1502
australia_southeast1US$ 0,1585
n2-standard-4aproximações:
asia_east1US$ 0,2586
asia_east2US$ 0,3125
asia_northeast1US$ 0,2866
asia_northeast3US$ 0,2866
asia_south1US$ 0,2683
asia_southeast1US$ 0,2756
asia_southeast2US$ 0,3003
australia_southeast1US$ 0,3169
n2-standard-8aproximações:
asia_east1US$ 0,5173
asia_east2US$ 0,6251
asia_northeast1US$ 0,5731
asia_northeast3US$ 0,5731
asia_south1US$ 0,5366
asia_southeast1US$ 0,5511
asia_southeast2US$ 0,6007
australia_southeast1US$ 0,6339
n2-standard-16aproximações:
asia_east1US$ 1,0346
asia_east2US$ 1,2502
asia_northeast1US$ 1,1462
asia_northeast3US$ 1,1462
asia_south1US$ 1,0731
asia_southeast1US$ 1,1022
asia_southeast2US$ 1,2014
australia_southeast1US$ 1,2678
n2-standard-32aproximações:
asia_east1US$ 2,0691
asia_east2US$ 2,5003
asia_northeast1US$ 2,2924
asia_northeast3US$ 2,2924
asia_south1US$ 2,1462
asia_southeast1US$ 2,2044
asia_southeast2US$ 2,4028
australia_southeast1US$ 2,5355
n2-highmem-2aproximações:
asia_east1US$ 0,1745
asia_east2US$ 0,2108
asia_northeast1US$ 0,1931
asia_northeast3US$ 0,1931
asia_south1US$ 0,181
asia_southeast1US$ 0,1859
asia_southeast2US$ 0,2026
australia_southeast1US$ 0,2138
n2-highmem-4aproximações:
asia_east1US$ 0,3489
asia_east2US$ 0,4216
asia_northeast1US$ 0,3863
asia_northeast3US$ 0,3863
asia_south1US$ 0,3619
asia_southeast1US$ 0,3717
asia_southeast2US$ 0,4052
australia_southeast1US$ 0,4275
n2-highmem-8aproximações:
asia_east1US$ 0,6978
asia_east2US$ 0,8432
asia_northeast1US$ 0,7725
asia_northeast3US$ 0,7725
asia_south1US$ 0,7238
asia_southeast1US$ 0,7434
asia_southeast2US$ 0,8103
australia_southeast1US$ 0,8551
n2-highmem-16aproximações:
asia_east1US$ 1,3956
asia_east2US$ 1,6865
asia_northeast1US$ 1,545
asia_northeast3US$ 1,545
asia_south1US$ 1,4476
asia_southeast1US$ 1,4868
asia_southeast2US$ 1,6206
australia_southeast1US$ 1,7102
n2-highcpu-2aproximações:
asia_east1US$ 0,0955
asia_east2US$ 0,1154
asia_northeast1US$ 0,1059
asia_northeast3US$ 0,1059
asia_south1US$ 0,099
asia_southeast1US$ 0,1017
asia_southeast2US$ 0,1109
australia_southeast1US$ 0,117
n2-highcpu-4aproximações:
asia_east1US$ 0,1909
asia_east2US$ 0,2307
asia_northeast1US$ 0,2118
asia_northeast3US$ 0,2118
asia_south1US$ 0,1981
asia_southeast1US$ 0,2034
asia_southeast2US$ 0,2217
australia_southeast1US$ 0,234
n2-highcpu-8aproximações:
asia_east1US$ 0,3819
asia_east2US$ 0,4615
asia_northeast1US$ 0,4235
asia_northeast3US$ 0,4235
asia_south1US$ 0,3961
asia_southeast1US$ 0,4069
asia_southeast2US$ 0,4435
australia_southeast1US$ 0,468
n2-highcpu-16aproximações:
asia_east1US$ 0,7637
asia_east2US$ 0,9229
asia_northeast1US$ 0,8471
asia_northeast3US$ 0,8471
asia_south1US$ 0,7923
asia_southeast1US$ 0,8137
asia_southeast2US$ 0,887
australia_southeast1US$ 0,936
n2-highcpu-32aproximações:
asia_east1US$ 1,5275
asia_east2US$ 1,8458
asia_northeast1US$ 1,6942
asia_northeast3US$ 1,6942
asia_south1US$ 1,5845
asia_southeast1US$ 1,6275
asia_southeast2US$ 1,7739
australia_southeast1US$ 1,8719

Série N2D

n2d-standard-2aproximações:

asia_east1US$ 0,1125
asia_east2US$ 0,136
asia_northeast1US$ 0,1247
asia_south1US$ 0,0641
asia_southeast1US$ 0,1199
australia_southeast1US$ 0,1379
n2d-standard-4aproximações:
asia_east1US$ 0,225
asia_east2US$ 0,2719
asia_northeast1US$ 0,2493
asia_south1US$ 0,1283
asia_southeast1US$ 0,2397
australia_southeast1US$ 0,2757
n2d-standard-8aproximações:
asia_east1US$ 0,45
asia_east2US$ 0,5438
asia_northeast1US$ 0,4986
asia_south1US$ 0,2565
asia_southeast1US$ 0,4795
australia_southeast1US$ 0,5515
n2d-standard-16aproximações:
asia_east1US$ 0,9001
asia_east2US$ 1,0876
asia_northeast1US$ 0,9972
asia_south1US$ 0,513
asia_southeast1US$ 0,959
australia_southeast1US$ 1,103
n2d-standard-32aproximações:
asia_east1US$ 1,8001
asia_east2US$ 2,1752
asia_northeast1US$ 1,9945
asia_south1US$ 1,0261
asia_southeast1US$ 1,9179
australia_southeast1US$ 2,206
n2d-highmem-2aproximações:
asia_east1US$ 0,1518
asia_east2US$ 0,1834
asia_northeast1US$ 0,168
asia_south1US$ 0,0865
asia_southeast1US$ 0,1617
australia_southeast1US$ 0,186
n2d-highmem-4aproximações:
asia_east1US$ 0,3035
asia_east2US$ 0,3668
asia_northeast1US$ 0,3361
asia_south1US$ 0,173
asia_southeast1US$ 0,3234
australia_southeast1US$ 0,372
n2d-highmem-8aproximações:
asia_east1US$ 0,6071
asia_east2US$ 0,7336
asia_northeast1US$ 0,6721
asia_south1US$ 0,346
asia_southeast1US$ 0,6468
australia_southeast1US$ 0,744
n2d-highmem-16aproximações:
asia_east1US$ 1,2142
asia_east2US$ 1,4672
asia_northeast1US$ 1,3443
asia_south1US$ 0,6921
asia_southeast1US$ 1,2936
australia_southeast1US$ 1,4879
n2d-highcpu-2aproximações:
asia_east1US$ 0,0831
asia_east2US$ 0,1004
asia_northeast1US$ 0,0921
asia_south1US$ 0,0473
asia_southeast1US$ 0,0885
australia_southeast1US$ 0,1018
n2d-highcpu-4aproximações:
asia_east1US$ 0,1661
asia_east2US$ 0,2007
asia_northeast1US$ 0,1842
asia_south1US$ 0,0947
asia_southeast1US$ 0,177
australia_southeast1US$ 0,2036
n2d-highcpu-8aproximações:
asia_east1US$ 0,3322
asia_east2US$ 0,4015
asia_northeast1US$ 0,3685
asia_south1US$ 0,1894
asia_southeast1US$ 0,354
australia_southeast1US$ 0,4071
n2d-highcpu-16aproximações:
asia_east1US$ 0,6645
asia_east2US$ 0,8029
asia_northeast1US$ 0,737
asia_south1US$ 0,3787
asia_southeast1US$ 0,708
australia_southeast1US$ 0,8143
n2d-highcpu-32aproximações:
asia_east1US$ 1,3289
asia_east2US$ 1,6059
asia_northeast1US$ 1,4739
asia_south1US$ 0,7575
asia_southeast1US$ 1,4159
australia_southeast1US$ 1,6286

Série C2

c2-standard-4aproximações:

asia_east1US$ 0,278
asia_east2US$ 0,336
asia_northeast1US$ 0,308
asia_northeast3US$ 0,308
asia_south1US$ 0,2884
asia_southeast1US$ 0,2962
australia_southeast1US$ 0,3407
c2-standard-8aproximações:
asia_east1US$ 0,5561
asia_east2US$ 0,672
asia_northeast1US$ 0,6161
asia_northeast3US$ 0,6161
asia_south1US$ 0,5768
asia_southeast1US$ 0,5924
australia_southeast1US$ 0,6814
c2-standard-16aproximações:
asia_east1US$ 1,1122
asia_east2US$ 1,3439
asia_northeast1US$ 1,2321
asia_northeast3US$ 1,2321
asia_south1US$ 1,1536
asia_southeast1US$ 1,1849
australia_southeast1US$ 1,3629
c2-standard-30aproximações:
asia_east1US$ 2,0853
asia_east2US$ 2,5199
asia_northeast1US$ 2,3103
asia_northeast3US$ 2,3103
asia_south1US$ 2,1631
asia_southeast1US$ 2,2217
australia_southeast1US$ 2,5553
c2-standard-60aproximações:
asia_east1US$ 4,1706
asia_east2US$ 5,0397
asia_northeast1US$ 4,6205
asia_northeast3US$ 4,6205
asia_south1US$ 4,3262
asia_southeast1US$ 4,4433
australia_southeast1US$ 5,1107

Série C2D

c2d-standard-2aproximações:

asia_east1US$ 0,1209
asia_south1US$ 0,0689
asia_southeast1US$ 0,1288
c2d-standard-4aproximações:
asia_east1US$ 0,2418
asia_south1US$ 0,1378
asia_southeast1US$ 0,2576
c2d-standard-8aproximações:
asia_east1US$ 0,4836
asia_south1US$ 0,2757
asia_southeast1US$ 0,5153
c2d-standard-16aproximações:
asia_east1US$ 0,9672
asia_south1US$ 0,5513
asia_southeast1US$ 1,0305
c2d-standard-32aproximações:
asia_east1US$ 1,9345
asia_south1US$ 1,1027
asia_southeast1US$ 2,0611
c2d-standard-56aproximações:
asia_east1US$ 3,3853
asia_south1US$ 1,9297
asia_southeast1US$ 3,6069
c2d-standard-112aproximações:
asia_east1US$ 6,7706
asia_south1US$ 3,8593
asia_southeast1US$ 7,2137
c2d-highmem-2aproximações:
asia_east1US$ 0,1631
asia_south1US$ 0,093
asia_southeast1US$ 0,1737
c2d-highmem-4aproximações:
asia_east1US$ 0,3262
asia_south1US$ 0,1859
asia_southeast1US$ 0,3475
c2d-highmem-8aproximações:
asia_east1US$ 0,6523
asia_south1US$ 0,3718
asia_southeast1US$ 0,695
c2d-highmem-16aproximações:
asia_east1US$ 1,3046
asia_south1US$ 0,7436
asia_southeast1US$ 1,39
c2d-highmem-32aproximações:
asia_east1US$ 2,6092
asia_south1US$ 1,4873
asia_southeast1US$ 2,78
c2d-highmem-56aproximações:
asia_east1US$ 4,5662
asia_south1US$ 2,6028
asia_southeast1US$ 4,865
c2d-highmem-112aproximações:
asia_east1US$ 9,1323
asia_south1US$ 5,2055
asia_southeast1US$ 9,7299
c2d-highcpu-2aproximações:
asia_east1US$ 0,0998
asia_south1US$ 0,0569
asia_southeast1US$ 0,1063
c2d-highcpu-4aproximações:
asia_east1US$ 0,1996
asia_south1US$ 0,1138
asia_southeast1US$ 0,2127
c2d-highcpu-8aproximações:
asia_east1US$ 0,3993
asia_south1US$ 0,2276
asia_southeast1US$ 0,4254
c2d-highcpu-16aproximações:
asia_east1US$ 0,7985
asia_south1US$ 0,4552
asia_southeast1US$ 0,8508
c2d-highcpu-32aproximações:
asia_east1US$ 1,5971
asia_south1US$ 0,9104
asia_southeast1US$ 1,7016
c2d-highcpu-56aproximações:
asia_east1US$ 2,7949
asia_south1US$ 1,5931
asia_southeast1US$ 2,9778
c2d-highcpu-112aproximações:
asia_east1US$ 5,5898
asia_south1US$ 3,1862
asia_southeast1US$ 5,9556

Série C3

c3-highcpu-4aproximações:

asia_southeast1US$ 0,2445
c3-highcpu-8aproximações:
asia_southeast1US$ 0,489
c3-highcpu-22aproximações:
asia_southeast1US$ 1,3449
c3-highcpu-44aproximações:
asia_southeast1US$ 2,6897
c3-highcpu-88aproximações:
asia_southeast1US$ 5,3794
c3-highcpu-176aproximações:
asia_southeast1US$ 10,7589

Série A2

a2-highgpu-1gaproximações:

asia-northeast1US$ 4,6575
asia-northeast3US$ 4,6575
asia-southeast1US$ 4,6163
a2-highgpu-2gaproximações:
asia-northeast1US$ 9,3151
asia-northeast3US$ 9,3151
asia-southeast1US$ 9,2327
a2-highgpu-4gaproximações:
asia-northeast1US$ 18,6301
asia-northeast3US$ 18,6301
asia-southeast1US$ 18,4653
a2-highgpu-8gaproximações:
asia-northeast1US$ 37,2603
asia-northeast3US$ 37,2603
asia-southeast1US$ 36,9306
a2-megagpu-16gaproximações:
asia-northeast1US$ 70,0363
asia-northeast3US$ 70,0363
asia-southeast1US$ 69,5557
a2-ultragpu-1gaproximações:
asia-southeast1US$ 7,1328
a2-ultragpu-2gaproximações:
asia-southeast1US$ 14,2657
a2-ultragpu-4gaproximações:
asia-southeast1US$ 28,5314
a2-ultragpu-8gaproximações:
asia-southeast1US$ 57,0628

Preços no Oriente Médio

Série N2

n2-standard-2aproximações:

me_west1US$ 0,1229
n2-standard-4aproximações:
me_west1US$ 0,2457
n2-standard-8aproximações:
me_west1US$ 0,4914
n2-standard-16aproximações:
me_west1US$ 0,9828
n2-standard-32aproximações:
me_west1US$ 1,9657
n2-highmem-2aproximações:
me_west1US$ 0,1657
n2-highmem-4aproximações:
me_west1US$ 0,3315
n2-highmem-8aproximações:
me_west1US$ 0,6629
n2-highmem-16aproximações:
me_west1US$ 1,3259
n2-highcpu-2aproximações:
me_west1US$ 0,0907
n2-highcpu-4aproximações:
me_west1US$ 0,1814
n2-highcpu-8aproximações:
me_west1US$ 0,3628
n2-highcpu-16aproximações:
me_west1US$ 0,7256
n2-highcpu-32aproximações:
me_west1US$ 1,4511

Série N2D

n2d-standard-2aproximações:

me_west1US$ 0,1069
n2d-standard-4aproximações:
me_west1US$ 0,2138
n2d-standard-8aproximações:
me_west1US$ 0,4275
n2d-standard-16aproximações:
me_west1US$ 0,8551
n2d-standard-32aproximações:
me_west1US$ 1,7101
n2d-highmem-2aproximações:
me_west1US$ 0,1442
n2d-highmem-4aproximações:
me_west1US$ 0,2884
n2d-highmem-8aproximações:
me_west1US$ 0,5767
n2d-highmem-16aproximações:
me_west1US$ 1,1535
n2d-highcpu-2aproximações:
me_west1US$ 0,0789
n2d-highcpu-4aproximações:
me_west1US$ 0,1578
n2d-highcpu-8aproximações:
me_west1US$ 0,3156
n2d-highcpu-16aproximações:
me_west1US$ 0,6312
n2d-highcpu-32aproximações:
me_west1US$ 1,2625

Cada tipo de máquina é cobrado como os seguintes SKUs na sua fatura do Google Cloud:

  • Custo de vCPU, calculado por vCPU/hora
  • Custo de RAM, calculado por GB/hora
  • Custo de GPU: quer seja integrado à máquina ou configurado opcionalmente, calculado por GPU/hora

Os preços por tipo de máquina são usados para aproximar o custo horário total para cada nó de previsão de uma versão do modelo que usa aquele tipo de máquina.

Por exemplo, um tipo de máquina de n1-highcpu-32 inclui 32 vCPUs e 32 GB de RAM. Portanto, o preço por hora é igual a 32 vCPU hours + 32 GB hours.

A tabela de preços de SKU está disponível por região. Cada tabela mostra os preços de vCPU, RAM e GPU integrados para tipos de máquinas de previsão, que refletem com mais precisão os SKUs cobrados.

Para visualizar os preços do SKU por região, escolha a região desejada para exibir a tabela de preços correspondente:

Preços de SKU nas Américas

Série E2

vCPU

Local Preço por hora
Los Angeles (us-west2) $0.0301288 por vCPU/hora
Las Vegas (us-west4) $0.028252 por vCPU/hora
Norte da Virgínia (us-east4) $0.028252 por vCPU/hora
Montreal (northamerica-northeast1) $0.0276149 por vCPU/hora
Toronto (northamerica-northeast2) $0.0276149 por vCPU/hora
São Paulo (southamerica-east1) $0.0398176 por vCPU/hora
Outras regiões das Américas $0.0250826 por vCPU/hora

RAM

Local Preço por hora
Los Angeles (us-west2) $0.0040376 por GB/hora
Las Vegas (us-west4</code>) $0.0037846 por GB/hora
Norte da Virgínia (us-east4) $0.0037846 por GB/hora
Montreal (northamerica-northeast1) $0.0037007 por GB/hora
Toronto (northamerica-northeast2) $0.0037007 por GB/hora
São Paulo (southamerica-east1) $0.005336 por GB/hora
Outras regiões das Américas $0.0033614 por GB/hora

Série N1

vCPU

Local Preço por hora
Norte da Virgínia (us-east4) $0.04094575 por vCPU/hora
Montreal (northamerica-northeast1) $0.0400223 por vCPU/hora
Outras regiões das Américas $0.03635495 por vCPU/hora

RAM

Local Preço por hora
Norte da Virgínia (us-east4) $0.00548665 por GB/hora
Montreal (northamerica-northeast1) $0.0053636 por GB/hora
Outras regiões das Américas $0.0048783 por GB/hora

Série N2

vCPU

Local Preço por hora
Montreal (northamerica_northeast1) $0.0400223 por vCPU/hora
Toronto (northamerica_northeast2) $0.0400223 por vCPU/hora
São Paulo (southamerica_east1) $0.057707 por vCPU/hora
Iowa (us_central1) $0.0363527 por vCPU/hora
Carolina do Sul (us_east1) $0.0363527 por vCPU/hora
Norte da Virgínia (us_east4) $0.0409457 por vCPU/hora
Dallas (us_south1) $0.0428962 por vCPU/hora
Oregon (us_west1) $0.0363527 por vCPU/hora
Los Angeles (us_west2) $0.0436655 por vCPU/hora
Salt Lake City (us_west3) $0.0436655 por vCPU/hora
Las Vegas (us_west4) $0.0409434 por vCPU/hora

RAM

Local Preço por hora
Montreal (northamerica_northeast1) $0.0053636 por GB/hora
Toronto (northamerica_northeast2) $0.0053636 por GB/hora
São Paulo (southamerica_east1) $0.0077337 por GB/hora
Iowa (us_central1) $0.0048725 por GB/hora
Carolina do Sul (us_east1) $0.0048725 por GB/hora
Norte da Virgínia (us_east4) $0.0054867 por GB/hora
Dallas (us_south1) $0.00575 por GB/hora
Oregon (us_west1) $0.0048725 por GB/hora
Los Angeles (us_west2) $0.0058523 por GB/hora
Salt Lake City (us_west3) $0.0058523 por GB/hora
Las Vegas (us_west4) $0.0054867 por GB/hora

Série N2D

vCPU

Local Preço por hora
Montreal (northamerica_northeast1) $0.0348197 por vCPU/hora
São Paulo (southamerica_east1) $0.0502055 por vCPU/hora
Iowa (us_central1) $0.0316273 por vCPU/hora
Carolina do Sul (us_east1) $0.0316273 por vCPU/hora
Norte da Virgínia (us_east4) $0.0356224 por vCPU/hora
Oregon (us_west1) $0.0316273 por vCPU/hora
Los Angeles (us_west2) $0.0379891 por vCPU/hora
Las Vegas (us_west4) $0.0356224 por vCPU/hora

RAM

Local Preço por hora
Montreal (northamerica_northeast1) $0.0046667 por GB/hora
São Paulo (southamerica_east1) $0.0067287 por GB/hora
Iowa (us_central1) $0.0042389 por GB/hora
Carolina do Sul (us_east1) $0.0042389 por GB/hora
Norte da Virgínia (us_east4) $0.0047736 por GB/hora
Oregon (us_west1) $0.0042389 por GB/hora
Los Angeles (us_west2) $0.005091 por GB/hora
Las Vegas (us_west4) $0.0047736 por GB/hora

Série C2

vCPU

Local Preço por hora
Montreal (northamerica_northeast1) $0.04301 por vCPU/hora
São Paulo (southamerica_east1) $0.0620356 por vCPU/hora
Iowa (us_central1) $0.039077 por vCPU/hora
Carolina do Sul (us_east1) $0.039077 por vCPU/hora
Norte da Virgínia (us_east4) $0.0440105 por vCPU/hora
Oregon (us_west1) $0.039077 por vCPU/hora
Los Angeles (us_west2) $0.046943 por vCPU/hora
Salt Lake City (us_west3) $0.04692 por vCPU/hora
Las Vegas (us_west4) $0.0440105 por vCPU/hora

RAM

Local Preço por hora
Montreal (northamerica_northeast1) $0.00575 por GB/hora
São Paulo (southamerica_east1) $0.0083133 por GB/hora
Iowa (us_central1) $0.0052325 por GB/hora
Carolina do Sul (us_east1) $0.0052325 por GB/hora
Norte da Virgínia (us_east4) $0.005888 por GB/hora
Oregon (us_west1) $0.0052325 por GB/hora
Los Angeles (us_west2) $0.0062905 por GB/hora
Salt Lake City (us_west3) $0.006325 por GB/hora
Las Vegas (us_west4) $0.005888 por GB/hora

Série C2D

vCPU

Local Preço por hora
Iowa (us_central1) $0.0339974 por vCPU/hora
Carolina do Sul (us_east1) $0.0339974 por vCPU/hora
Norte da Virgínia (us_east4) $0.0382904 por vCPU/hora

RAM

Local Preço por hora
Iowa (us_central1) $0.0045528 por GB/hora
Carolina do Sul (us_east1) $0.0045528 por GB/hora
Norte da Virgínia (us_east4) $0.0051267 por GB/hora

Série C3

vCPU

Local Preço por hora
Iowa (us_central1) $0.03908 por vCPU/hora
Carolina do Sul (us_east1) $0.03908 por vCPU/hora
Norte da Virgínia (us_east4) $0.04401 por vCPU/hora

RAM

Local Preço por hora
Iowa (us_central1) $0.00524 por GB/hora
Carolina do Sul (us_east1) $0.00524 por GB/hora
Norte da Virgínia (us_east4) $0.0059 por GB/hora

Série A2

vCPU

Local Preço por hora
Iowa (us-central1) $0.0363527 por vCPU/hora
Norte da Virgínia (us-east4) $0.0363527 por vCPU/hora
Las Vegas (us-west4) $0.0409457 por vCPU/hora
Outras regiões das Américas $0.0363527 por vCPU/hora

RAM

Local Preço por hora
Iowa (us-central1) $0.0048725 por GB/hora
Norte da Virgínia (us-east4) $0.0048725 por GB/hora
Las Vegas (us-west4) $0.0054867 por GB/hora
Outras regiões das Américas $0.0048725 por GB/hora

GPU

Local Preço por hora
Iowa (us-central1) $4.51729 por GPU/hora (A100 80 GB)
Norte da Virgínia (us-east4) $5.08783 por GPU/hora (A100 80 GB)
Las Vegas (us-west4) $3.5673 por GPU/hora (A100 40 GB)
Outras regiões das Américas $3.3741 por GPU/hora (A100 40 GB)

Série A3

vCPU

Local Preço por hora
Iowa (us-central1) $0.0293227 por vCPU/hora
Norte da Virgínia (us-east4) $0.0293227 por vCPU/hora

RAM

Local Preço por hora
Iowa (us-central1) $0.0025534 por GB/hora
Norte da Virgínia (us-east4) $0.0025534 por GB/hora

GPU

Local Preço por hora
Iowa (us-central1) $11.2660332 por GPU/hora (H100 80 GB)
Norte da Virgínia (us-east4) $11.2660336 por GPU/hora (H100 80 GB)

Série G2

vCPU

Local Preço por hora
Iowa (us-central1) $0.02874 por vCPU/hora

RAM

Local Preço por hora
Iowa (us-central1) $0.00337 por GB/hora

GPU

Local Preço por hora
Iowa (us-central1) $0.64405 por GPU/hora

Preços de SKU na Europa

Série E2

vCPU

Local Preço por hora
Bélgica (europe-west1) $0.0275919 por vCPU/hora
Londres (europe-west2) $0.0323184 por vCPU/hora
Frankfurt (europe-west3) $0.0323184 por vCPU/hora
Países Baixos (europe-west4) $0.0276149 por vCPU/hora
Zurique (europe-west6) $0.0350968 por vCPU/hora
Paris (europe-west9) $0.0351164 por vCPU/hora

RAM

Local Preço por hora
Bélgica (europe-west1) $0.0036984 por GB/hora
Londres (europe-west2) $0.0043309 por GB/hora
Frankfurt (europe-west3) $0.0043309 por GB/hora
Países Baixos (europe-west4) $0.0037007 por GB/hora
Zurique (europe-west6) $0.0047035 por GB/hora
Paris (europe-west9) $0.0047069 por GB/hora

Série N1

vCPU

Local Preço por hora
Londres (europe-west2) $0.0468395 por vCPU/hora
Outras regiões da Europa $0.0421268 por vCPU/hora

RAM

Local Preço por hora
Londres (europe-west2) $0.0062767 por GB/hora
Outras regiões da Europa $0.0056373 por GB/hora

Série N2

vCPU

Local Preço por hora
Varsóvia (europe_central2) $0.0468395 por vCPU/hora
Bélgica (europe_west1) $0.0399889 por vCPU/hora
Londres (europe_west2) $0.0468395 por vCPU/hora
Frankfurt (europe_west3) $0.0468395 por vCPU/hora
Países Baixos (europe_west4) $0.0399879 por vCPU/hora
Zurique (europe_west6) $0.050899 por vCPU/hora
Paris (europe_west9) $0.0421693 por vCPU/hora

RAM

Local Preço por hora
Varsóvia (europe_central2) $0.0062767 por GB/hora
Bélgica (europe_west1) $0.0053602 por GB/hora
Londres (europe_west2) $0.0062767 por GB/hora
Frankfurt (europe_west3) $0.0062767 por GB/hora
Países Baixos (europe_west4) $0.0053598 por GB/hora
Zurique (europe_west6) $0.0068195 por GB/hora
Paris (europe_west9) $0.0056522 por GB/hora

Série N2D

vCPU

Local Preço por hora
Bélgica (europe_west1) $0.0347909 por vCPU/hora
Londres (europe_west2) $0.0407502 por vCPU/hora
Frankfurt (europe_west3) $0.0407502 por vCPU/hora
Países Baixos (europe_west4) $0.0348197 por vCPU/hora
Paris (europe_west9) $0.0366873 por vCPU/hora

RAM

Local Preço por hora
Bélgica (europe_west1) $0.0046632 por GB/hora
Londres (europe_west2) $0.0054602 por GB/hora
Frankfurt (europe_west3) $0.0054602 por GB/hora
Países Baixos (europe_west4) $0.0046667 por GB/hora
Paris (europe_west9) $0.0049174 por GB/hora

Série C2

vCPU

Local Preço por hora
Bélgica (europe_west1) $0.042987 por vCPU/hora
Londres (europe_west2) $0.0503527 por vCPU/hora
Frankfurt (europe_west3) $0.050347 por vCPU/hora
Países Baixos (europe_west4) $0.0430215 por vCPU/hora
Zurique (europe_west6) $0.0547055 por vCPU/hora

RAM

Local Preço por hora
Bélgica (europe_west1) $0.0057615 por GB/hora
Londres (europe_west2) $0.006747 por GB/hora
Frankfurt (europe_west3) $0.006739 por GB/hora
Países Baixos (europe_west4) $0.0057615 por GB/hora
Zurique (europe_west6) $0.007337 por GB/hora

Série C2D

vCPU

Local Preço por hora
Londres (europe_west2) $0.0438012 por vCPU/hora
Países Baixos (europe_west4) $0.0374336 por vCPU/hora

RAM

Local Preço por hora
Londres (europe_west2) $0.005865 por GB/hora
Países Baixos (europe_west4) $0.0050128 por GB/hora

Série C3

vCPU

Local Preço por hora
Londres (europe_west1) $0.04299 por vCPU/hora
Países Baixos (europe_west4) $0.04302 por vCPU/hora

RAM

Local Preço por hora
Londres (europe_west1) $0.00576 por GB/hora
Países Baixos (europe_west4) $0.00577 por GB/hora

Série A2

vCPU

Local Preço por hora
Países Baixos (europe-west4) $0.0400223 por vCPU/hora

RAM

Local Preço por hora
Países Baixos (europe-west4) $0.0053636 por GB/hora

GPU

Local Preço por hora
Países Baixos (europe-west4) $3.3741 por GPU/hora (A100 40 GB)
Países Baixos (europe-west4) $4.97399 por GPU/hora (A100 80 GB)

Série G2

vCPU

Local Preço por hora
Países Baixos (europe-west4) $0.03164 por vCPU/hora

RAM

Local Preço por hora
Países Baixos (europe-west4) $0.00371 por GB/hora

GPU

Local Preço por hora
Países Baixos (europe-west4) $0.70916 por GPU/hora

Preços de SKU na Ásia-Pacífico

Série E2

SKUs do tipo de máquina de previsão E2

vCPU

Local Preço por hora
Taiwan (asia-east1) $0.0290432 por vCPU/hora
Hong Kong (asia-east2) $0.0350968 por vCPU/hora
Tóquio (asia-northeast1) $0.0322299 por vCPU/hora
Seul (asia-northeast3) $0.0322299 por vCPU/hora
Mumbai (asia-south1) $0.0301288 por vCPU/hora
Singapura (asia-southeast1) $0.0309453 por vCPU/hora
Sydney (australia-southeast1) $0.0355925 por vCPU/hora

RAM

Local Preço por hora
Taiwan (asia-east1) $0.0038927 por GB/hora
Hong Kong (asia-east2) $0.0047035 por GB/hora
Tóquio (asia-northeast1) $0.0042999 por GB/hora
Seul (asia-northeast3) $0.0042999 por GB/hora
Mumbai (asia-south1) $0.0040376 por GB/hora
Singapura (asia-southeast1) $0.0041458 por GB/hora
Sydney (australia-southeast1) $0.004769 por GB/hora

Série N1

SKUs do tipo de máquina de previsão N1

vCPU

Local Preço por hora
Tóquio (asia-northeast1) $0.0467107 por vCPU/hora
Singapura (asia-southeast1) $0.04484885 por vCPU/hora
Sydney (australia-southeast1) $0.0515844 por vCPU/hora
Outras regiões da Ásia-Pacífico $0.0421268 por vCPU/hora

RAM

Local Preço por hora
Tóquio (asia-northeast1) $0.00623185 por GB/hora
Singapura (asia-southeast1) $0.0060099 por GB/hora
Sydney (australia-southeast1) $0.00691265 por GB/hora
Outras regiões da Ásia-Pacífico $0.0056373 por GB/hora

Série N2

vCPU

Local Preço por hora
Taiwan (asia_east1) $0.0420923 por vCPU/hora
Hong Kong (asia_east2) $0.0508656 por vCPU/hora
Tóquio (asia_northeast1) $0.0467107 por vCPU/hora
Seul (asia_northeast3) $0.0467107 por vCPU/hora
Mumbai (asia_south1) $0.0436655 por vCPU/hora
Singapura (asia_southeast1) $0.0448488 por vCPU/hora
Jacarta (asia_southeast2) $0.0488853 por vCPU/hora
Sydney (australia_southeast1) $0.0515844 por vCPU/hora

RAM

Local Preço por hora
Taiwan (asia_east1) $0.0056419 por GB/hora
Hong Kong (asia_east2) $0.0068172 por GB/hora
Tóquio (asia_northeast1) $0.0062318 por GB/hora
Seul (asia_northeast3) $0.0062318 por GB/hora
Mumbai (asia_south1) $0.0058512 por GB/hora
Singapura (asia_southeast1) $0.0060099 por GB/hora
Jacarta (asia_southeast2) $0.0065504 por GB/hora
Sydney (australia_southeast1) $0.0069126 por GB/hora

Série N2D

vCPU

Local Preço por hora
Taiwan (asia_east1) $0.0366206 por vCPU/hora
Hong Kong (asia_east2) $0.0442531 por vCPU/hora
Tóquio (asia_northeast1) $0.0406387 por vCPU/hora
Mumbai (asia_south1) $0.0208725 por vCPU/hora
Singapura (asia_southeast1) $0.0390184 por vCPU/hora
Sydney (australia_southeast1) $0.0448787 por vCPU/hora

RAM

Local Preço por hora
Taiwan (asia_east1) $0.0049082 por GB/hora
Hong Kong (asia_east2) $0.0059305 por GB/hora
Tóquio (asia_northeast1) $0.0054222 por GB/hora
Mumbai (asia_south1) $0.0027979 por GB/hora
Singapura (asia_southeast1) $0.005229 por GB/hora
Sydney (australia_southeast1) $0.0060145 por GB/hora

Série C2

vCPU

Local Preço por hora
Taiwan (asia_east1) $0.045249 por vCPU/hora
Hong Kong (asia_east2) $0.0546802 por vCPU/hora
Tóquio (asia_northeast1) $0.0502136 por vCPU/hora
Seul (asia_northeast3) $0.0502136 por vCPU/hora
Mumbai (asia_south1) $0.0469407 por vCPU/hora
Singapura (asia_southeast1) $0.0482126 por vCPU/hora
Sydney (australia_southeast1) $0.055453 por vCPU/hora

RAM

Local Preço por hora
Taiwan (asia_east1) $0.0060651 por GB/hora
Hong Kong (asia_east2) $0.0073289 por GB/hora
Tóquio (asia_northeast1) $0.0066987 por GB/hora
Seul (asia_northeast3) $0.0066987 por GB/hora
Mumbai (asia_south1) $0.0062905 por GB/hora
Singapura (asia_southeast1) $0.0064607 por GB/hora
Sydney (australia_southeast1) $0.0074313 por GB/hora

Série C2D

vCPU

Local Preço por hora
Taiwan (asia_east1) $0.0393656 por vCPU/hora
Singapura (asia_southeast1) $0.0419417 por vCPU/hora

RAM

Local Preço por hora
Taiwan (asia_east1) $0.0052716 por GB/hora
Singapura (asia_southeast1) $0.0056166 por GB/hora

Série C3

vCPU

Local Preço por hora
Singapura (asia_southeast1) $0.04821 por vCPU/hora

RAM

Local Preço por hora
Singapura (asia_southeast1) $0.00646 por GB/hora

Série A2

SKUs do tipo de máquina de previsão A2

vCPU

Local Preço por hora
Tóquio (asia-northeast1) $0.0467107 por vCPU/hora
Seul (asia-northeast3) $0.0467107 por vCPU/hora
Singapura (asia-southeast1) $0.0448488 por vCPU/hora

RAM

Local Preço por hora
Tóquio (asia-northeast1) $0.00623185 por GB/hora
Seul (asia-northeast3) $0.0062318 por GB/hora
Singapura (asia-southeast1) $0.0060099 por GB/hora

GPU

Local Preço por hora
Tóquio (asia-northeast1) $3.5673 por GPU/hora (A100 40 GB)
Seul (asia-northeast3) $3.5673 por GPU/hora (A100 40 GB)
Singapura (asia-southeast1) $3.5673 por GPU/hora (A100 40 GB)
Singapura (asia-southeast1) $5.57298 por GPU/hora (A100 80 GB)

Preços de SKU no Oriente Médio

Série N2

vCPU

Local Preço por hora
Tel Aviv (me_west1) $0.0399879 por vCPU/hora

RAM

Local Preço por hora
Tel Aviv (me_west1) $0.0053598 por GB/hora

Série N2D

vCPU

Local Preço por hora
Tel Aviv (me_west1) $0.03479 por vCPU/hora

RAM

Local Preço por hora
Tel Aviv (me_west1) $0.0046628 por GB/hora

Alguns tipos de máquinas permitem adicionar aceleradores GPU opcionais para previsão. As GPUs opcionais geram outras cobranças, separadas daquelas descritas na tabela anterior. Veja cada tabela de preços, que descreve os preços de cada tipo de GPU opcional.

Américas

Aceleradores: preço por hora

NVIDIA_TESLA_K80
Iowa (us-central1) US$ 0,5175
Carolina do Sul (us-east1) US$ 0,5175
NVIDIA_TESLA_P4
Iowa (us-central1) US$ 0,6900
Norte da Virgínia (us-east4) US$ 0,6900
Montreal (northamerica-northeast1) US$ 0,7475
NVIDIA_TESLA_P100
Oregon (us-west1) US$ 1,6790
Iowa (us-central1) US$ 1,6790
Carolina do Sul (us-east1) US$ 1,6790
NVIDIA_TESLA_T4
Oregon (us-west1) US$ 0,4025
Iowa (us-central1) US$ 0,4025
Carolina do Sul (us-east1) US$ 0,4025
NVIDIA_TESLA_V100
Oregon (us-west1) US$ 2,8520
Iowa (us-central1) US$ 2,8520

Europa

Aceleradores: preço por hora

NVIDIA_TESLA_K80
Bélgica (europe-west1) US$ 0,5635
NVIDIA_TESLA_P4
Países Baixos (europe-west4) US$ 0,7475
NVIDIA_TESLA_P100
Bélgica (europe-west1) US$ 1,8400
NVIDIA_TESLA_T4
Londres (europe-west2) US$ 0,4715
Países Baixos (europe-west4) US$ 0,4370
NVIDIA_TESLA_V100
Países Baixos (europe-west4) US$ 2,9325

Ásia-Pacífico

Aceleradores: preço por hora

NVIDIA_TESLA_K80
Taiwan (asia-east1) US$ 0,5635
NVIDIA_TESLA_P4
Singapura (asia-southeast1) US$ 0,7475
Sydney (australia-southeast1) US$ 0,7475
NVIDIA_TESLA_P100
Taiwan (asia-east1) US$ 1,8400
NVIDIA_TESLA_T4
Tóquio (asia-northeast1) US$ 0,4255
Singapura (asia-southeast1) US$ 0,4255
Seul (asia-northeast3) US$ 0,4485
NVIDIA_TESLA_V100
Taiwan (asia-east1) US$ 2,932

Os preços são definidos por GPU. Se você usar várias GPUs por nó de previsão (ou se fizer escalonamento da versão para utilizar diversos nós), os custos serão escalonados proporcionalmente.

O AI Platform Prediction fornece previsões do seu modelo executando várias máquinas virtuais ("nós"). Por padrão, a Vertex AI escalona automaticamente o número de nós em execução a qualquer momento. Para previsão on-line, o número de nós é escalonado para atender à demanda. Cada nó pode responder a várias solicitações de previsão. Para predição em lote, o número de nós é escalonado para reduzir o tempo total necessário para executar um job. Personalize a maneira como os nós de previsão são escalonados.

Você é cobrado pelo tempo que cada nó é executado para seu modelo, incluindo:

  • Quando o nó está processando um job de previsão em lote.
  • Quando o nó está processando uma solicitação de previsão on-line.
  • Quando o nó está em um estado pronto para cumprir as previsões on-line.

O custo de um nó em execução por uma hora é uma hora de uso do nó. A tabela de preços de previsão descreve o preço de uma hora de uso do nó, que varia entre as regiões e entre a previsão on-line e a previsão em lote.

As horas de uso do nó podem ser consumidas em incrementos fracionários. Por exemplo, um nó em execução por 30 minutos custa 0,5 hora por uso do nó.

Cálculo de custo dos tipos de máquina do Compute Engine (N1)

  • O tempo de execução de um nó é cobrado em incrementos de 30 segundos. Isso significa que, a cada 30 segundos, seu projeto é cobrado por 30 segundos de uso de qualquer recurso, como vCPU, RAM ou GPU, que o nó esteja usando no momento.

Mais sobre escalonamento automático de nós de previsão

Previsão on-line Predição em lote
A prioridade do escalonamento é reduzir a latência de solicitações individuais. O serviço mantém seu modelo pronto em um estado de inatividade por alguns minutos após atender a uma solicitação. A prioridade do escalonamento é reduzir o tempo total decorrido do job.
O escalonamento afeta suas taxas totais a cada mês: quanto mais numerosas e frequentes forem suas solicitações, mais nós serão usados. O escalonamento provavelmente não terá muito efeito sobre o preço do seu job, ainda que haja alguns gastos indiretos envolvidos na criação de um novo nó.

Escolha deixar o serviço ser escalonado em resposta ao tráfego (escalonamento automático) ou especifique vários nós para execução constante para evitar latência (escalonamento manual).

  • Se você escolher o escalonamento automático, o número de nós será escalonado automaticamente. Para implantações do tipo de máquina legado da AI Platform Prediction (MLS1), o número de nós pode reduzir escala vertical para zero em períodos sem tráfego. As implantações da Vertex AI e outros tipos de implantações do AI Platform Prediction não podem reduzir escala vertical para zero nós.
  • Se escolher o escalonamento manual, você especifica que alguns nós continuem em execução sempre. Você é cobrado por todo o tempo em que eles estão em execução, começando no momento da implantação e continuando até você excluir a versão do modelo.
Influencie o escalonamento com a definição de um número máximo de nós a ser usado para um job de predição em lote e com a definição do número de nós que continuarão em execução em um modelo quando ele for implantado.

Jobs de predição em lote são cobrados após a conclusão do job

Os jobs de predição em lote são cobrados após a conclusão do job, e não de forma incremental durante o job. Os alertas de orçamento do Cloud Billing que você configurou não são acionados enquanto um job está em execução. Antes de iniciar um job grande, primeiro execute alguns jobs de comparação de custos com pequenos dados de entrada.

Exemplo de um cálculo de previsão

Uma empresa imobiliária em uma região das Américas realiza uma previsão semanal de valores de habitação nas áreas em que atende. Em um mês, realiza previsões para quatro semanas em lotes de 3920, 4277, 3849 e 3961. Os jobs são limitados a um nó, e cada instância leva uma média de 0.72 segundos de processamento.

Primeiro, calcule o período de tempo que cada job foi executado:

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

Cada job foi executado por mais de dez minutos, portanto a cobrança é feita por cada minuto de processamento:

($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

A cobrança total do mês é de US$ 0,26.

Este exemplo considera que os jobs foram executados em um único nó e demoraram um período consistente de tempo por instância de entrada. No uso real, certifique-se de contabilizar vários nós e usar o tempo real que cada nó gasta em execução para os seus cálculos.

Cobranças pelo Vertex Explainable AI

Explicações baseadas em atributos

As explicações baseadas em recursos não têm custo extra sobre os preços de previsão. Contudo, as explicações levam mais tempo para serem processadas do que as previsões normais. Por isso, o uso pesado do Vertex Explainable AI com o escalonamento automático resulta em mais nós sendo iniciados, o que aumentaria as cobranças de previsão.

Explicações baseadas em exemplos

O preço das explicações baseadas em exemplos consiste no seguinte:

  • Ao fazer upload de um modelo ou atualizar o conjunto de dados de um modelo, você será cobrado:

    • por hora de uso do nó para o job de predição em lote usado para gerar as representações espaciais latentes de exemplos. Isso é cobrado à mesma taxa da previsão.
    • um custo para construir ou atualizar índices. Esse custo é igual aos custos de indexação da Pesquisa Vetorial, que é o número de exemplos * número de dimensões * 4 bytes por ponto flutuante * US$ 3,00 por GB. Por exemplo, se você tiver 1 milhão de exemplos e 1.000 dimensões de espaço latente, o custo será de US$ 12 (1.000.000 * 1.000 * 4 * 3,00/1.000.000.000).

  • Ao implantar em um endpoint, você será cobrado por hora de uso do nó para cada nó em seu endpoint. Toda a computação associada ao endpoint é cobrada à mesma taxa da previsão. No entanto, como as explicações baseadas em exemplos exigem recursos de computação adicionais para servir o índice da Pesquisa vetorial, isso resulta na inicialização de mais nós, o que aumenta as cobranças de previsão.

Pesquisa de arquitetura neural do Vertex AI

Veja nas tabelas a seguir os preços em cada região em que a pesquisa de arquitetura neural está disponível.

Preços

As tabelas a seguir mostram o preço por hora de várias configurações.

É possível escolher um nível de escalonamento predefinido ou uma configuração personalizada de tipos de máquinas selecionados. Se você escolher uma configuração personalizada, some os custos das máquinas virtuais que você usa.

Tipos de máquinas legadas compatíveis com aceleradores incluem o custo dos aceleradores no preço. Se você usar tipos de máquina do Compute Engine e anexar aceleradores, o custo destes será separado. Para calcular esse custo, multiplique os preços da tabela a seguir de aceleradores pelo número de cada tipo de acelerador usado.

Tipos de máquina

Américas

Europa

Ásia-Pacífico
Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Os preços das instâncias a2-highgpu incluem os encargos dos Aceleradores NVIDIA_TESLA_A100 anexados.

Aceleradores

Américas

Europa

Ásia-Pacífico
Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Discos

Américas

Europa

Ásia-Pacífico
Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Observações:

  1. Todo o uso está sujeito à política de cotas da pesquisa de arquitetura neural.
  2. É necessário armazenar seus dados e arquivos de programas em buckets do Cloud Storage durante o ciclo de vida da pesquisa de arquitetura neural. Saiba mais sobre o uso do Cloud Storage.
  3. Para saber sobre descontos baseados em volume, entre em contato com a equipe de vendas.
  4. O preço do disco só é cobrado quando você configura o tamanho do disco de cada VM para mais de 100 GB. Não há cobrança para os primeiros 100 GB (o tamanho padrão do disco) de disco para cada VM. Por exemplo, se você configurar cada VM para ter 105 GB de disco, será cobrado por 5 GB de disco para cada VM.

Uso obrigatório do Cloud Storage

Além dos custos descritos neste documento, você precisa armazenar dados e arquivos de programas nos buckets do Cloud Storage durante o ciclo de vida da pesquisa de arquitetura neural. Esse armazenamento está sujeito à política de preços do Cloud Storage.

O uso obrigatório do Cloud Storage inclui:

  • preparação do pacote do aplicativo de treinamento;

  • armazenamento dos dados de entrada do treinamento.

  • Armazenando a saída dos seus jobs. A pesquisa de arquitetura neural não exige armazenamento a longo prazo desses itens. Remova os arquivos assim que a operação for concluída.

Operações gratuitas para gerenciar seus recursos

As operações de gerenciamento de recursos fornecidas pela pesquisa de arquitetura neural estão disponíveis sem custo financeiro. A política de cotas da pesquisa de arquitetura neural limita algumas dessas operações.

Recurso Operações gratuitas
jobs get, list, cancel
operações get, list, cancel, delete

Vertex AI Pipelines

O Vertex AI Pipelines tem uma taxa de execução de US$ 0,03 por execução de pipeline. Não há cobranças pela taxa de execução durante a versão de pré-lançamento. Você também paga pelos recursos do Google Cloud usados com o Vertex AI Pipelines, como os componentes do Compute Engine consumidos por pipelines. O preço deles é igual ao do Vertex AI Training. Por fim, você é responsável pelo custo de todos os serviços (como o Dataflow) chamados pelo seu pipeline.

Vertex AI Feature Store

O Vertex AI Feature Store está em disponibilidade geral (GA) desde novembro de 2023. Para obter informações sobre a versão anterior do produto, acesse Vertex AI Feature Store (legado).

Novo Vertex AI Feature Store

O novo Vertex AI Feature Store oferece suporte à funcionalidade em dois tipos de operações:

  • Operações off-line são operações para transferir, armazenar, recuperar e transformar dados no repositório off-line (BigQuery)
  • Operações on-line são operações para transferir dados para a(s) loja(s) on-line e operações sobre dados enquanto eles estão na(s) loja(s) on-line.

Preços das operações off-line

Como o BigQuery é usado para operações off-line, consulte os preços do BigQuery para funcionalidades como ingestão no repositório off-line, consulta ao repositório off-line e armazenamento off-line.

Preços das operações on-line

Para operações on-line, o Vertex AI Feature Store cobra por quaisquer recursos em GA para transferir dados para a loja on-line, fornecer ou armazenar dados. Uma hora de uso do nó representa o tempo que uma máquina virtual gasta para concluir uma operação, cobrado por minuto.

Os recursos marcados com * e todos os recursos relacionados a embeddings ainda não estão em GA e normalmente não geram custo financeiro.
A veiculação on-line otimizada e a veiculação on-line do Bigtable usam arquiteturas diferentes, portanto, seus nós não são comparáveis.
Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Estimativas de carga de trabalho das operações on-line

Considere as diretrizes a seguir ao estimar suas cargas de trabalho. O número de nós necessários para determinada carga de trabalho pode diferir em cada abordagem de serviço. Mais informações serão fornecidas à medida que mais recursos entrarem em disponibilidade geral.

  • Ingestão: um nó pode ingerir aproximadamente 100 MB de dados por hora se nenhuma função analítica for usada.
  • Veiculação on-line do Bigtable: cada nó pode suportar aproximadamente 1.500 QPS e até 5 TB de armazenamento.

Exemplo de cenários mensais (considerando us-central1)

Carga de trabalho de fluxo de dados: veiculação on-line do Bigtable com 2,5 TB de dados (1 GB atualizado diariamente) e 1.200 QPS

Operações Uso mensal Custo mensal
Nó de processamento de dados de ingestão (1 GB/dia) * (30 dias/mês) * (1.000 MB/GB) * (1 hora de uso do nó / 100 MB) = 300 horas de uso do nó 300 horas de uso do nó * (US$ 0,08 por hora de uso do nó) = US$ 24
Nó de veiculação on-line otimizado N/A N/A
Nó de veiculação on-line do Bigtable (1 nó) * (24 horas/dia) * (30 dias/mês) = 720 horas de uso do nó 720 horas de uso do nó * (US$ 0,94 por hora de uso do nó) = US$ 677
Armazenamento de veiculação on-line do Bigtable (2,5 TB por mês) * (1.000 GB/TB) = 2.500 GB por mês 2.500 GB por mês * (US$ 0,25 por GB por mês) = US$ 625
Total US$ 1,326

Vertex AI Feature Store (legado)

Os preços do Vertex AI Feature Store (legado) dependem da quantidade de dados de recursos armazenados on-line e off-line, bem como da disponibilidade para veiculação on-line. Uma hora de uso do nó representa o tempo que uma máquina virtual gasta exibindo dados do recurso ou aguardando em estado de prontidão para lidar com as solicitações de dados do recurso.

Se você não paga em dólar americano, são aplicados os preços na sua moeda local listados na página SKUs do Cloud Platform.

Quando você ativa o monitoramento do valor do recurso, o faturamento inclui os encargos aplicáveis acima, além dos encargos aplicáveis a seguir:

  • US$ 3,50 por GB para todos os dados analisados. Com a análise de snapshots ativada, os snapshots obtidos para dados no Vertex AI Feature Store (legado) são incluídos. Com a análise de recursos de importação habilitada, lotes de dados ingeridos são incluídos.
  • As cobranças adicionais para outras operações do Vertex AI Feature Store (legado) usadas com o monitoramento do valor do recurso incluem o seguinte:
    • O recurso de análise de snapshot captura periodicamente um snapshot dos valores de recurso com base na sua configuração de intervalo de monitoramento.
    • A cobrança por uma exportação de snapshot é a mesma de uma operação normal de exportação em lote.

Exemplo de análise de snapshot

Um cientista de dados permite o monitoramento do valor do recurso para seu Vertex AI Feature Store (legado) e ativa o monitoramento para uma análise diária de snapshots. Um pipeline é executado diariamente para monitoramento de tipos da entidade. O pipeline verifica 2 GB de dados no Vertex AI Feature Store (legado) e exporta um snapshot contendo 0,1 GB de dados. A cobrança total de um dia de análise é:

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

Exemplo de análise de ingestão

Um cientista de dados permite o monitoramento do valor do recurso para seu Vertex AI Feature Store (legado) e ativa o monitoramento para operações de ingestão. Uma operação de ingestão importa 1 GB de dados para o Vertex AI Feature Store (legado). A cobrança total referente ao monitoramento do valor do recurso é:

(1 GB * $3.50) = $3.50

Vertex ML Metadata

O armazenamento de metadados é medido em gigabytes binários (GiB), sendo que 1 GiB é igual a 1.073.741.824 bytes. Essa unidade de medida também é conhecida como gibibyte.

O Vertex ML Metadata cobra US$ 10 por gibibyte (GiB) por mês pelo armazenamento de metadados. Os preços são rateados por megabyte (MB). Por exemplo, se você armazena 10 MB de metadados, será cobrado US$ 0,10 por mês por esses 10 MB de metadados.

Os preços são os mesmos em todas as regiões com suporte ao Vertex ML Metadata.

Vertex AI TensorBoard

Para usar o Vertex AI TensorBoard, solicite que o administrador IAM do projeto atribua a você a função "Usuário do App da Web do Vertex AI TensorBoard". A função de administrador do Vertex AI também tem acesso.

A partir de agosto de 2023, o preço do Vertex AI TensorBoard mudou de uma licença mensal por usuário de US$ 300/mês para US$ 10 GiB/mês para armazenamento de dados de logs e métricas. Isso significa que não há mais taxas de assinatura. Você pagará apenas pelo armazenamento que usar. Consulte o tutorial Vertex AI TensorBoard: excluir experimentos desatualizados do TensorBoard para saber como gerenciar o armazenamento.

Vertex AI Vizier

O Vertex AI Vizier é um serviço de otimização de caixa preta dentro do Vertex AI. O modelo de preços do Vertex AI Vizier consiste no seguinte:

  • Não há custo financeiro para testes que usam RANDOM_SEARCH e GRID_SEARCH. Saiba mais sobre os algoritmos de pesquisa.
  • Os primeiros 100 testes do Vertex AI Vizier por mês estão disponíveis sem custos financeiros. Os testes com RANDOM_SEARCH e GRID_SEARCH não contam para esse total.
  • Após os 100 testes do Vertex AI Vizier, os testes subsequentes durante o mesmo mês serão cobrados a US$ 1,00 por teste (testes que usam RANDOM_SEARCH ou GRID_SEARCH não geram custo financeiro).

Pesquisa Vetorial

O preço do serviço de Pesquisa Vetorial de vizinho mais próximo aproximado consiste em:

  • Preço de hora de uso do nó para cada VM usada na hospedagem de um índice implantado.
  • Um custo para criar novos índices, atualizar índices e usar atualizações de índices de streaming.

Os dados processados durante a criação e atualização dos índices são medidos em gigabytes (GiB) binários, em que 1 GiB é 1.073.741.824 bytes. Essa unidade de medida também é conhecida como gibibyte.

A Pesquisa Vetorial cobra US$ 3,00 por gibibyte (GiB) de dados processados em todas as regiões. A Pesquisa Vetorial cobra US$ 0,45/GB ingerido para inserções de atualização de streaming.

As tabelas a seguir resumem o preço de um índice veiculado em cada região onde a Pesquisa Vetorial está disponível. O preço corresponde ao tipo de máquina, por região, e é cobrado por hora de uso do nó.

Américas

Região 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 N/A 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 N/A N/A N/A
northamerica_northeast1 0,103 0,826 1,115 2,084 1,172 2,343
northamerica_northeast2 0,103 0,826 1,115 N/A N/A N/A
southamerica_east1 0,149 1,191 1,607 3,004 1,69 3,38

Europa

Região 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 N/A N/A N/A
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 N/A 1,489 2,978
europe_west9 0,131 1,051 1,417 2,195 N/A N/A

Ásia-Pacífico

Região 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 N/A N/A N/A
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 N/A 1,367 2,733
australia_southeast1 0,133 1,065 1,436 2,686 1,51 3,02

Oriente Médio

Região 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 N/A N/A

Exemplos de preços da Pesquisa Vetorial

O preço da Pesquisa Vetorial é determinado pelo tamanho dos seus dados, pela quantidade de consultas por segundo (QPS) que você quer executar e pelo número de nós que você usa. Para obter o custo estimado de veiculação, você precisa calcular o tamanho total dos dados. O tamanho dos dados é o número de embeddings/vetores * o número de dimensões que você tem * 4 bytes por dimensão. Depois de ter o tamanho dos seus dados, você pode calcular o custo de veiculação e o custo de criação. O custo de veiculação mais o custo de criação é igual ao custo total mensal.

  • Custo de veiculação: nº réplicas/fragmento * nº fragmentos (~tamanho dos dados/tamanho do fragmento) * custo por hora * 730 horas
  • Custo de criação: tamanho dos dados (em GB) * US$ 3/GB * nº de atualizações/mês

O custo mensal de criação do índice é o tamanho dos dados * 3,00 por gigabyte. A frequência de atualização não afeta o custo de veiculação, apenas o custo de criação. Se você usar atualizações de índice de streaming, seu índice será reconstruído quando os dados transmitidos atingirem 1 GB ou após três dias, o que ocorrer primeiro. O job completo de recriação de índice para atualizações de streaming é cobrado pelo preço de criação de índice em lote de US$ 3/GB.

Número de embeddings/vetores Número de dimensões Consultas por segundo (QPS) Tipo de máquina Nós Custo estimado de veiculação mensal
2 milhões 128 100 e2-standard-2 1 US$ 68
20 milhões 256 1.000 e2-standard-16 1 US$ 547
20 milhões 256 3.000 e2-standard-16 3 US$ 1.642
100 milhões 256 500 e2-highmem-16 2 US$ 1.477
1 bilhão 100 500 e2-highmem-16 8 US$ 5.910

Todos os exemplos são baseados em tipos de máquinas no us-central1. O custo gerado vai variar de acordo com a taxa de recall e os requisitos de latência. O custo estimado de veiculação mensal está diretamente relacionado ao número de nós usados no console. Para saber mais sobre os parâmetros de configuração que afetam o custo, consulte Parâmetros de configuração que afetam o recall e a latência.

Se você tiver um alto número de consultas por segundo (QPS), agrupar essas consultas em lote pode reduzir os custos totais em até 30%-40%.

Vertex AI Model Registry

O Vertex AI Model Registry é um repositório central que rastreia e lista seus modelos e versões de modelos. Você pode importar modelos para o Vertex AI e eles aparecerão no Vertex AI Model Registry. Não há nenhum custo associado a ter seus modelos no Model Registry. Os custos só são gerados quando você implanta o modelo em um endpoint ou executa uma previsão em lote no modelo. Esse custo é determinado pelo tipo de modelo que você está implantando.

Para saber mais sobre preços para implantação de modelos personalizados do Vertex AI Model Registry, consulte Modelos treinados de maneira personalizada. Para saber mais sobre preços para implantação de modelos AutoML, consulte Preços para modelos AutoML.

Monitoramento de modelos com a Vertex AI

Com a Vertex AI, é possível monitorar a eficácia contínua do seu modelo depois de implantá-lo na produção. Para mais informações, consulte Introdução ao Monitoramento de modelos com a Vertex AI.

Ao usar o Monitoramento de modelos da Vertex AI, você recebe cobranças da seguinte forma:

  • US$ 3,50 por GB para todos os dados analisados, incluindo os dados de treinamento fornecidos e os dados de previsão registrados em uma tabela do BigQuery.
  • Cobranças por outros produtos do Google Cloud que você usa com o Monitoramento de Modelos, como o armazenamento do BigQuery ou o Batch Explain, quando o monitoramento de atribuição está ativado.

O Monitoramento de Modelos da Vertex AI tem suporte nas seguintes regiões: us-central1, europe-west4, asia-east1 e asia-southeast1. Os preços são os mesmos em todas as regiões.

Os tamanhos dos dados são medidos depois de serem convertidos para o formato TfRecord.

Conjuntos de dados de treinamento geram uma cobrança única quando você configura um job de Monitoramento de Modelos da Vertex AI.

Os conjuntos de dados de previsão são registros coletados do serviço de previsão on-line. Conforme as solicitações de previsão chegam durante janelas de tempo diferentes, os dados de cada janela são coletados e a soma das informações analisadas em cada janela de previsão é usada para calcular a cobrança.

Exemplo: um cientista de dados executa o monitoramento de modelo no tráfego de previsão que pertence ao modelo.

  • O modelo é treinado com um conjunto de dados do BigQuery. O tamanho dos dados após a conversão para TfRecord é de 1,5 GB.
  • Os dados de previsão registrados entre 13h e 14h são de 0,1 GB, entre 15h e 16h é de 0,2 GB.

  • O preço total para configurar o job de monitoramento de modelo é:

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

Vertex AI Workbench

Selecione instâncias, notebooks gerenciados ou notebooks gerenciados pelo usuário para informações sobre preços.

Instâncias


Veja nas tabelas abaixo o preço por hora aproximado de várias configurações de VM. É possível escolher uma configuração personalizada de tipos de máquinas selecionados. Para calcular os preços, some os custos das máquinas virtuais usadas por você.

Se você usar tipos de máquina do Compute Engine e anexar aceleradores, o custo deles será separado. Para calcular esse custo, multiplique os preços da tabela de aceleradores abaixo por quantas horas-máquina de cada tipo de acelerador você utiliza.

CPUs

Memória

Aceleradores

Discos

Notebooks gerenciados

Notebooks gerenciados pelo usuário

Recursos adicionais do Google Cloud

Além dos custos mencionados anteriormente, você também paga por eventuais recursos do Google Cloud que usar. Exemplo:

  • Serviços de análise dos dados: os custos do BigQuery são gerados ao emitir consultas SQL em um notebook (consulte os Preços do BigQuery).

  • Chaves de criptografia gerenciadas pelo cliente: você está sujeito a cobranças pelo uso. Sempre que os notebooks gerenciados ou a instância de notebooks gerenciados pelo usuário usam uma chave do Cloud Key Management Service, a operação será cobrada de acordo com a taxa das operações de chave do Cloud KMS (consulte Preços do Cloud Key Management Service).

Deep Learning Containers, VM de aprendizado profundo e pipelines da AI Platform

No caso dos Deep Learning Containers, Deep Learning VM Images e AI Platform Pipelines, o preço é calculado com base nos recursos de computação e de armazenamento que você usa. Esses recursos são cobrados usando a mesma taxa que você paga atualmente pelo Compute Engine e pelo Cloud Storage.

Além dos custos de computação e armazenamento, você também paga pelos recursos do Google Cloud que usar. Exemplo:

  • Serviços de análise dos dados: os custos do BigQuery são gerados ao emitir consultas SQL em um notebook (consulte os Preços do BigQuery).

  • Chaves de criptografia gerenciadas pelo cliente: você está sujeito a cobranças pelo uso. Sempre que os notebooks gerenciados ou a instância de notebooks gerenciados pelo usuário usam uma chave do Cloud Key Management Service, a operação será cobrada de acordo com a taxa das operações de chave do Cloud KMS (consulte Preços do Cloud Key Management Service).

Rotulagem de dados

Com a Vertex AI, é possível solicitar a rotulagem humana de uma coleção de dados que você planeja usar para treinar um modelo de machine learning personalizado. Os preços do serviço são calculados com base no tipo de tarefa de rotulagem.

  • Para tarefas de rotulagem regular, os preços são determinados pelo número de unidades de anotação.
    • Em uma tarefa de classificação de imagem, as unidades são determinadas com base no número de imagens e na quantidade de rotuladores humanos. Por exemplo, uma imagem com três rotuladores humanos será contabilizada como de 1 * 3 = 3 unidades. O preço da classificação de rótulo único e de vários rótulos é o mesmo.
    • Em uma tarefa de caixa delimitadora de imagem, as unidades são determinadas pelo número de caixas delimitadoras identificadas nas imagens e pelo número de rotuladores humanos. Por exemplo, uma imagem com duas caixas delimitadoras e três rotuladores humanos será contabilizada como 2 * 3 = 6 unidades. Imagens sem caixas delimitadoras não geram cobrança.
    • Em uma segmentação de imagens/caixa rotacionada/linha poligonal/tarefa poligonal, as unidades são determinadas da mesma forma que uma tarefa de caixa delimitadora de imagem.
    • Em uma tarefa de classificação de vídeo, as unidades são determinadas pela duração do vídeo (cinco segundos equivalem a uma unidade de preço) e pelo número de rotuladores humanos. Por exemplo, um vídeo de 25 segundos com três rotuladores humanos é contabilizado como 25 / 5 * 3 = 15 unidades. O preço da classificação de rótulo único e de vários rótulos é o mesmo.
    • Em uma tarefa de detecção de objetos em vídeo, a unidade é determinada pelo número de objetos identificados no vídeo e pelo número de rotuladores humanos. Por exemplo, um vídeo com dois objetos e três rotuladores humanos é contabilizado como 2 * 3 = 6 unidades. Vídeos sem objetos não geram cobrança.
    • Em uma tarefa de reconhecimento de ação em vídeo, as unidades são determinadas da mesma maneira que em uma tarefa de rastreamento de objetos de vídeo.
    • Em uma tarefa de classificação de texto, as unidades são determinadas pelo tamanho do texto (cada 50 palavras equivalem a uma unidade de preço) e pelo número de rotuladores humanos. Por exemplo, um trecho de texto com 100 palavras e três rotuladores humanos é contabilizado como 100 / 50 * 3 = 6 unidades. O preço da classificação de rótulo único e vários rótulos é o mesmo.
    • Em uma tarefa de sentimento de texto, as unidades são determinadas da mesma maneira que uma tarefa de classificação de texto.
    • Em uma tarefa de extração de entidade de texto, as unidades são determinadas por comprimento do texto (cada 50 palavras equivale a uma unidade de preço), o número de entidades identificadas e o número de rotuladores humanos. Por exemplo, um trecho de texto com 100 palavras, duas entidades identificadas e três rotuladores humanos é contabilizado como 100 / 50 * 2 * 3 = 12 unidades. Textos sem entidades não geram cobrança.

  • Nas tarefas de classificação de imagem/vídeo/texto, e de sentimento de texto é possível que os rotuladores humanos percam o controle das classes se o tamanho do conjunto de rótulos for muito grande. Como resultado, enviamos no máximo 20 classes para os rotuladores humanos de cada vez. Por exemplo, se o tamanho do conjunto de rótulos de uma tarefa de rotulagem for 40, cada item de dados será enviado para revisão humana 40 / 20 = 2 vezes e cobraremos duas vezes do preço (calculado acima) conforme adequado.

  • Para uma tarefa de rotulagem que ativa o recurso de rotulador personalizado, cada item de dados é contabilizado como uma unidade de rotulador personalizado.

  • Em uma tarefa de rotulagem de aprendizagem ativa para itens de dados com anotações geradas por modelos (sem a ajuda de um rotulador humano), cada item de dados é contabilizado como uma unidade de aprendizagem ativa.

  • Para uma tarefa de rotulagem de aprendizagem ativa para itens de dados com anotações geradas por rotuladores humanos, cada item de dados é contabilizado como uma tarefa de rotulagem regular conforme descrito acima.

Na tabela abaixo, você confere o preço por 1.000 unidades por rotulador baseado na unidade listada para cada objetivo. Os preços do nível 1 se aplicam às primeiras 50 mil unidades por mês em cada projeto do Google Cloud. Os do nível 2 se aplicam às 950 mil unidades seguintes por mês no projeto, com um máximo de um milhão de unidades. Fale conosco para saber os preços acima de um milhão de unidades por mês.

Tipo de dados Objetivo Unidade Nível 1 Nível 2
Imagem Classificação Imagem US$ 35 US$ 25
Caixa delimitadora Caixa delimitadora US$ 63 US$ 49
Segmentação Segmento US$ 870 US$ 850
Caixa rotacionada Caixa delimitadora US$ 86 US$ 60
Polígono/linha poligonal Polígono/linha poligonal US$ 257 US$ 180
Vídeo Classificação Vídeo de 5 segundos US$ 86 US$ 60
Rastreamento de objetos Caixa delimitadora US$ 86 US$ 60
Reconhecimento de ação Evento em vídeo de 30 segundos US$ 214 US$ 150
Texto Classificação 50 palavras US$ 129 US$ 90
Sentimento 50 palavras US$ 200 US$ 140
Extração de entidade Entidade US$ 86 US$ 60
Aprendizagem ativa Tudo Item de dados US$ 80 US$ 56
Rotulador personalizado Tudo Item de dados US$ 80 US$ 56

Uso obrigatório do Cloud Storage

Além dos custos descritos neste documento, você precisa armazenar dados e arquivos de programas nos buckets do Cloud Storage durante o ciclo de vida da Vertex AI. Esse armazenamento está sujeito à política de preços do Cloud Storage.

O uso obrigatório do Cloud Storage inclui:

  • Preparação do pacote de aplicativo de treinamento para modelos treinados personalizados.

  • Armazenamento dos dados de entrada do treinamento.

  • Armazenamento do resultado dos jobs de treinamento. A Vertex AI não requer armazenamento a longo prazo desses itens. Remova os arquivos assim que a operação for concluída.

Operações gratuitas para gerenciar seus recursos

As operações de gerenciamento de recursos fornecidas pela AI Platform estão disponíveis sem custo financeiro. A política de cotas da AI Platform limita algumas dessas operações.

Recurso Operações gratuitas
modelos create, get, list, delete
versões create, get, list, delete, setDefault
jobs get, list, cancel
operações get, list, cancel, delete

Custos do Google Cloud

Se você armazenar imagens para serem analisadas no Cloud Storage ou usar outros recursos do Google Cloud com a Vertex AI, então também receberá cobrança pelo uso desses serviços.

Para ver seu status atual de faturamento no console do Google Cloud, inclusive o uso e a fatura atual, consulte a página "Faturamento". Para mais detalhes sobre o gerenciamento da sua conta, consulte a documentação do Cloud Billing ou o suporte de faturamento e pagamentos.

A seguir