Vertex AI 가격 책정

가격은 미국 달러(USD)로 표기됩니다. USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

Vertex AI 가격 책정과 기존 제품의 가격 책정 비교

Vertex AI의 비용은 Vertex AI가 대체하는 기존 AI Platform 및 AutoML 제품의 비용과 동일하게 유지됩니다. 단, 다음은 제외됩니다.

  • 기존 AI Platform Prediction과 AutoML Tables 예측은 Vertex AI Prediction 및 AutoML 테이블 형식에 지원되지 않는 더 저렴하고 성능이 떨어지는 머신 유형을 지원했습니다.

  • 기존 AI Platform Prediction은 Vertex AI Prediction에 지원되지 않는 Scale-to-zero를 지원했습니다.

또한 Vertex AI는 다음과 같이 비용을 최적화하는 다양한 방법을 제공합니다.

Vertex AI의 생성형 AI 가격 책정

Vertex AI의 생성형 AI 가격 책정 정보는 Vertex AI의 생성형 AI 가격 책정을 참조하세요.

AutoML 모델 가격 책정

Vertex AI AutoML 모델의 경우 다음 세 가지 주요 활동에 대한 비용이 청구됩니다.

  • 모델 학습
  • 엔드포인트에 모델 배포하기
  • 모델을 사용하여 예측

Vertex AI에서는 Vertex AutoML 모델에 사전 정의된 머신 구성을 사용하고 이러한 활동의 시간당 요금에 리소스 사용량이 반영됩니다.

모델 학습에 필요한 시간은 학습 데이터의 규모와 복잡성에 따라 달라집니다. 모델에서 온라인 예측 또는 온라인 설명을 제공하려면 먼저 모델을 배포해야 합니다.

예측이 생성되지 않더라도 엔드포인트에 배포된 각 모델마다 요금을 지불해야 합니다. 추가 요금이 발생하지 않도록 하려면 모델의 배포를 취소해야 합니다. 배포되지 않았거나 배포에 실패한 모델에는 요금이 청구되지 않습니다.

사용한 컴퓨팅 시간에 대해서만 비용을 지불합니다. 따라서 사용자 취소 이외의 다른 이유로 학습에 실패한 경우 해당 시간에 대한 요금은 청구되지 않습니다. 사용자가 작업을 취소하는 경우에는 학습 시간에 해당하는 비용이 청구됩니다.

가격 책정 정보를 보려면 아래에서 모델 유형을 선택하세요.

이미지 데이터

작업 노드 시간당 가격(분류) 노드 시간당 가격(객체 감지)
학습 $3.465 $3.465
학습(에지 기기 전용 모델) $18.00 $18.00
배포 및 온라인 예측 $1.375 $2.002
일괄 예측 $2.222 $2.222

동영상 데이터

작업 노드 시간당 가격(분류, 객체 추적) 노드 시간당 가격(동작 인식)
학습 $3.234 $3.300
학습(에지 기기 전용 모델) $10.78 $11.00
예측 $0.462 $0.550

테이블 형식 데이터

작업 분류/회귀에 대한 노드 시간당 가격 예측 가격
학습 $21.252 Vertex AI Forecast 참조
예측 커스텀 학습 모델 예측과 동일한 가격.
Vertex AI는 40개의 n1-highmem-8 머신을 사용하여 일괄 예측을 수행합니다. 		Vertex AI Forecast 참조

텍스트 데이터

작업 가격
기존 데이터 업로드(PDF 전용)

매달 첫 1,000페이지 무료

1,000페이지당 $1.50

5,000,000페이지 초과 시 1,000페이지당 $0.60
학습 시간당 $3.30
배포 시간당 $0.05
예측

텍스트 레코드 1,000개당 $5.00

PDF 파일 등 문서 페이지 1,000개당 $25.00(기존만 해당)

Vertex AutoML 텍스트 예측 요청 가격은 분석을 위해 전송한 텍스트 레코드 수를 기반으로 계산됩니다. 텍스트 레코드는 최대 1,000개의 유니코드 문자(공백 문자 및 HTML 또는 XML 태그와 같은 마크업 문자 포함)로 이루어진 일반 텍스트입니다.

예측 요청에 제공된 텍스트가 1,000자를 초과하면 1,000자당 텍스트 레코드 1개로 계산됩니다. 예를 들어 각각 800자, 1,500자, 600자를 포함하는 요청 3개를 전송하는 경우, 첫 번째 요청(800자)과 세 번째 요청(600자)에서는 텍스트 레코드가 각각 1개씩, 두 번째 요청(1,500자)에서는 2개의 텍스트 레코드가 집계되어 총 4개의 텍스트 레코드 요금이 부과됩니다.

Vertex Explainable AI 예측 요금

Vertex Explainable AI와 연결된 컴퓨팅에는 예측과 동일한 요금이 청구됩니다. 하지만 설명은 일반적인 예측보다 처리 시간이 오래 걸리므로 Vertex Explainable AI를 자동 확장과 함께 과도하게 사용할 경우 많은 노드가 시작되어 예측 요금이 증가할 수 있습니다.

Vertex AI Forecast

AutoML

단계 가격 책정
예측 1K개 데이터 포인트당 $0.2*(0~1M개 포인트)
1K개 데이터 포인트당 $0.1*(1M~50M개 포인트)
1K개 데이터 포인트당 $0.02*(>50M개 포인트)
학습 모든 리전에서 시간당 $21.25
Explainable AI Shapley 값을 사용한 설명 기능. Vertex AI Prediction and Explanation 가격 책정 페이지 참조

* 예측 데이터 포인트는 예측 범위의 한 시점입니다. 예를 들어 일별 세부사항을 사용하면 7일 범위는 각 시계열당 7개 포인트입니다.

  • 추가 비용 없이 최대 5개 예측 분위수를 포함할 수 있습니다.
  • 등급당 소비되는 데이터 포인트 수는 매월 새로고침됩니다.

ARIMA+

단계 가격 책정
예측 TB당 $5.00
학습 TB당 $250.00 x 후보 모델 수 x 백테스트 창 수s*
Explainable AI 시계열 분해를 통한 설명 기능은 추가 비용이 발생하지 않습니다. Shapley 값을 사용한 설명 기능은 지원되지 않습니다.

자세한 내용은 BigQuery ML 가격 책정 페이지를 참조하세요. Vertex AI 가격 책정에 설명된 것처럼 각 학습 및 예측 작업에는 관리형 파이프라인 실행 1회 비용이 발생합니다.

* 테스트 세트의 기간별로 백테스트 창이 생성됩니다. 사용된 AUTO_ARIMA_MAX_ORDER는 후보 모델의 수를 결정합니다. 여러 시계열이 있는 모델의 경우 범위는 6~42입니다.

커스텀 학습 모델

학습

아래 표에는 다양한 학습 구성의 대략적인 시간당 가격이 나와 있습니다. 선택한 머신 유형의 커스텀 구성을 선택할 수 있습니다. 가격을 계산하려면 사용하는 가상 머신 비용의 합계를 구하세요.

Compute Engine 머신 유형을 사용한 후 가속기를 추가하면 가속기 비용이 별도 부과됩니다. 이 비용을 계산하려면 아래의 가속기 표에 있는 가격에 현재 사용 중인 가속기 유형별 개수를 곱하세요.

머신 유형

*이 인스턴스 유형에는 항상 고정된 수의 GPU 가속기가 필요하므로 이 금액에는 GPU 가격이 포함됩니다.
USD 외의 통화로 지불하는 경우 해당 통화로 표기된 가격은 Cloud Platform SKU 적용됩니다.

가속기

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

* Cloud TPU Pod를 사용한 학습 가격은 포드의 코어 수에 따라 결정됩니다. 포드의 코어 수는 항상 32의 배수입니다. 코어가 32개가 넘는 포드의 학습 가격을 결정하려면 32코어 포드의 가격에 코어 수를 32로 나눈 값을 곱합니다. 예를 들어 128코어 포드의 경우 가격은 (32-core Pod price) * (128/32)입니다. 특정 리전에서 사용할 수 있는 Cloud TPU Pod에 관한 자세한 내용은 Cloud TPU 문서의 시스템 아키텍처를 참조하세요.

디스크

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

리소스가 작업에 프로비저닝된 순간부터 작업이 완료될 때까지 모델 학습 비용이 청구됩니다.

사전 정의된 구성을 위한 확장 등급(AI Platform Training)

모델을 학습시킬 때 사용할 처리 클러스터의 유형을 제어할 수 있습니다. 가장 간단한 방법은 확장 등급이라는 사전 정의된 구성 중 하나를 선택하는 것입니다. 확장 등급에 대해 자세히 알아보세요.

커스텀 구성용 머신 유형

Vertex AI를 사용하거나 AI Platform Training의 확장 등급으로 CUSTOM을 선택하면 클러스터의 마스터, 작업자, 파라미터 서버에 사용할 가상 머신의 개수와 유형을 제어할 수 있습니다. Vertex AI의 머신 유형과 AI Platform Training의 머신 유형에 대해 자세히 알아보세요.

커스텀 처리 클러스터를 사용한 학습에는 지정한 모든 머신의 비용을 합친 요금이 청구됩니다. 개별 머신의 활성 처리 시간이 아닌 작업의 총 시간에 대한 요금이 청구됩니다.

Vertex AI 기반 Ray

학습

아래 표에는 다양한 학습 구성의 대략적인 시간당 가격이 나와 있습니다. 선택한 머신 유형의 커스텀 구성을 선택할 수 있습니다. 가격을 계산하려면 사용하는 가상 머신 비용의 합계를 구하세요.

Compute Engine 머신 유형을 사용한 후 가속기를 추가하면 가속기 비용이 별도 부과됩니다. 이 비용을 계산하려면 아래의 가속기 표에 있는 가격에 현재 사용 중인 가속기 유형별 개수를 곱하세요.

머신 유형

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

가속기

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

* Cloud TPU Pod를 사용한 학습 가격은 포드의 코어 수에 따라 결정됩니다. 포드의 코어 수는 항상 32의 배수입니다. 코어가 32개가 넘는 포드의 학습 가격을 결정하려면 32코어 포드의 가격에 코어 수를 32로 나눈 값을 곱합니다. 예를 들어 128코어 포드의 경우 가격은 (32-core Pod price) * (128/32)입니다. 특정 리전에서 사용할 수 있는 Cloud TPU Pod에 관한 자세한 내용은 Cloud TPU 문서의 시스템 아키텍처를 참조하세요.

디스크

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

리소스가 작업에 프로비저닝된 순간부터 작업이 완료될 때까지 모델 학습 비용이 청구됩니다.

예측 및 설명

다음 표에는 노드 시간당 일괄 예측, 온라인 예측 및 온라인 설명 가격이 나와 있습니다. 노드 시간은 가상 머신이 예측 작업을 실행하거나 예측 또는 설명 요청을 처리하기 위한 활성 상태(하나 이상의 모델이 배포된 엔드포인트)에서 대기하는 데 소비하는 시간을 의미합니다.

가격표를 보려면 리전을 선택하세요.

미주 가격 책정

다음 표에는 각 머신 유형의 노드 시간당 가격이 나와 있습니다.

E2 시리즈

e2-standard-2 근사치:

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

N1 시리즈

n1-standard-2 근사치:

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

N2 시리즈

n2-standard-2 근사치:

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

N2D 시리즈

n2d-standard-2 근사치:

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

C2 시리즈

c2-standard-4 근사치:

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

C2D 시리즈

c2d-standard-2 근사치:

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

C3 시리즈

c3-highcpu-4 근사치:

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

A2 시리즈

a2-highgpu-1g근사치:

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

A3 시리즈

a3-highgpu-8g 근사치:
us-central1$101.0074
us-east4$101.0074

G2 시리즈

g2-standard-4 근사치:

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

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

유럽 가격 책정

다음 표에는 각 머신 유형의 노드 시간당 가격이 나와 있습니다.

E2 시리즈

e2-standard-2 근사치:

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

N1 시리즈

n1-standard-2 근사치:

europe-west2$0.1408
기타 유럽 리전$0.1265
n1-standard-4 근사치:
europe-west2$0.2815
기타 유럽 리전$0.2531
n1-standard-8 근사치:
europe-west2$0.563
기타 유럽 리전$0.5061
n1-standard-16 근사치:
europe-west2$1.126
기타 유럽 리전$1.0123
n1-standard-32 근사치:
europe-west2$2.2521
기타 유럽 리전$2.0245
n1-highmem-2 근사치:
europe-west2$0.1753
기타 유럽 리전$0.1575
n1-highmem-4 근사치:
europe-west2$0.3506
기타 유럽 리전$0.3151
n1-highmem-8 근사치:
europe-west2$0.7011
기타 유럽 리전$0.6302
n1-highmem-16 근사치:
europe-west2$1.4022
기타 유럽 리전$1.2603
n1-highcpu-2 근사치:
europe-west2$0.105
기타 유럽 리전$0.0944
n1-highcpu-4 근사치:
europe-west2$0.21
기타 유럽 리전$0.1888
n1-highcpu-8 근사치:
europe-west2$0.4199
기타 유럽 리전$0.3776
n1-highcpu-16 근사치:
europe-west2$0.8398
기타 유럽 리전$0.7552
n1-highcpu-32 근사치:
europe-west2$1.6796
기타 유럽 리전$1.5104

N2 시리즈

n2-standard-2 근사치:

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

N2D 시리즈

n2d-standard-2 근사치:

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

C2 시리즈

c2-standard-4 근사치:

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

C2D 시리즈

c2d-standard-2 근사치:

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

C3 시리즈

c3-highcpu-4 근사치:

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

A2 시리즈

a2-highgpu-1g 근사치:

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

G2 시리즈

g2-standard-4 근사치:

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

아시아 태평양 가격 책정

다음 표에는 각 머신 유형의 노드 시간당 가격이 나와 있습니다.

E2 시리즈

e2-standard-2 근사치:

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

N1 시리즈

n1-standard-2 근사치:

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

N2 시리즈

n2-standard-2 근사치:

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

N2D 시리즈

n2d-standard-2 근사치:

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

C2 시리즈

c2-standard-4 근사치:

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

C2D 시리즈

c2d-standard-2 근사치:

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

C3 시리즈

c3-highcpu-4 근사치:

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

A2 시리즈

a2-highgpu-1g 근사치:

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

중동 가격 책정

N2 시리즈

n2-standard-2 근사치:

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

N2D 시리즈

n2d-standard-2 근사치:

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

각 머신 유형은 Google Cloud 청구서에서 다음 SKU로 청구됩니다.

  • vCPU 비용: vCPU 시간으로 측정
  • RAM 비용: GB 시간으로 측정
  • GPU 비용: 머신에 내장되어 있거나 선택적으로 구성된 경우 GPU 시간으로 측정

머신 유형별 가격은 해당 머신 유형을 사용하는 모델 버전의 각 예측 노드에 대한 총 시간당 비용을 추정한 것입니다.

예를 들어 n1-highcpu-32 머신 유형에는 vCPU 32개와 RAM 32GB가 포함됩니다. 따라서 시간당 가격은 32 vCPU hours + 32 GB hours와 같습니다.

SKU 가격 책정표는 리전별로 제공됩니다. 각 표에는 예측 머신 유형에 대한 vCPU, RAM, 내장 GPU 가격이 표시되어 있으며 청구된 SKU를 더 정확하게 반영합니다.

리전별 SKU 가격 책정을 보려면 리전을 선택하여 가격표를 확인하세요.

미주 SKU 가격 책정

E2 시리즈

vCPU

위치 시간당 가격
로스앤젤레스(us-west2) vCPU 시간당 $0.0301288
라스베이거스(us-west4) vCPU 시간당 $0.028252
노던 버지니아(us-east4) vCPU 시간당 $0.028252
몬트리올(northamerica-northeast1) vCPU 시간당 $0.0276149
토론토(northamerica-northeast2) vCPU 시간당 $0.0276149
상파울루(southamerica-east1) vCPU 시간당 $0.0398176
기타 미주 리전 vCPU 시간당 $0.0250826

RAM

위치 시간당 가격
로스앤젤레스(us-west2) GB 시간당 $0.0040376
라스베이거스(us-west4</code>) GB 시간당 $0.0037846
노던 버지니아(us-east4) GB 시간당 $0.0037846
몬트리올(northamerica-northeast1) GB 시간당 $0.0037007
토론토(northamerica-northeast2) GB 시간당 $0.0037007
상파울루(southamerica-east1) GB 시간당 $0.005336
기타 미주 리전 GB 시간당 $0.0033614

N1 시리즈

vCPU

위치 시간당 가격
노던 버지니아(us-east4) vCPU 시간당 $0.04094575
몬트리올(northamerica-northeast1) vCPU 시간당 $0.0400223
기타 미주 리전 vCPU 시간당 $0.03635495

RAM

위치 시간당 가격
노던 버지니아(us-east4) GB 시간당 $0.00548665
몬트리올(northamerica-northeast1) GB 시간당 $0.0053636
기타 미주 리전 GB 시간당 $0.0048783

N2 시리즈

vCPU

위치 시간당 가격
몬트리올(northamerica_northeast1) vCPU 시간당 $0.0400223
토론토(northamerica_northeast2) vCPU 시간당 $0.0400223
상파울루(southamerica_east1) vCPU 시간당 $0.057707
아이오와(us_central1) vCPU 시간당 $0.0363527
사우스캐롤라이나(us_east1) vCPU 시간당 $0.0363527
노던 버지니아(us_east4) vCPU 시간당 $0.0409457
댈러스(us_south1) vCPU 시간당 $0.0428962
오리건(us_west1) vCPU 시간당 $0.0363527
로스앤젤레스(us_west2) vCPU 시간당 $0.0436655
솔트레이크시티(us_west3) vCPU 시간당 $0.0436655
라스베이거스(us_west4) vCPU 시간당 $0.0409434

RAM

위치 시간당 가격
몬트리올(northamerica_northeast1) GB 시간당 $0.0053636
토론토(northamerica_northeast2) GB 시간당 $0.0053636
상파울루(southamerica_east1) GB 시간당 $0.0077337
아이오와(us_central1) GB 시간당 $0.0048725
사우스캐롤라이나(us_east1) GB 시간당 $0.0048725
노던 버지니아(us_east4) GB 시간당 $0.0054867
댈러스(us_south1) GB 시간당 $0.00575
오리건(us_west1) GB 시간당 $0.0048725
로스앤젤레스(us_west2) GB 시간당 $0.0058523
솔트레이크시티(us_west3) GB 시간당 $0.0058523
라스베이거스(us_west4) GB 시간당 $0.0054867

N2D 시리즈

vCPU

위치 시간당 가격
몬트리올(northamerica_northeast1) vCPU 시간당 $0.0348197
상파울루(southamerica_east1) vCPU 시간당 $0.0502055
아이오와(us_central1) vCPU 시간당 $0.0316273
사우스캐롤라이나(us_east1) vCPU 시간당 $0.0316273
노던 버지니아(us_east4) vCPU 시간당 $0.0356224
오리건(us_west1) vCPU 시간당 $0.0316273
로스앤젤레스(us_west2) vCPU 시간당 $0.0379891
라스베이거스(us_west4) vCPU 시간당 $0.0356224

RAM

위치 시간당 가격
몬트리올(northamerica_northeast1) GB 시간당 $0.0046667
상파울루(southamerica_east1) GB 시간당 $0.0067287
아이오와(us_central1) GB 시간당 $0.0042389
사우스캐롤라이나(us_east1) GB 시간당 $0.0042389
노던 버지니아(us_east4) GB 시간당 $0.0047736
오리건(us_west1) GB 시간당 $0.0042389
로스앤젤레스(us_west2) GB 시간당 $0.005091
라스베이거스(us_west4) GB 시간당 $0.0047736

C2 시리즈

vCPU

위치 시간당 가격
몬트리올(northamerica_northeast1) vCPU 시간당 $0.04301
상파울루(southamerica_east1) vCPU 시간당 $0.0620356
아이오와(us_central1) vCPU 시간당 $0.039077
사우스캐롤라이나(us_east1) vCPU 시간당 $0.039077
노던 버지니아(us_east4) vCPU 시간당 $0.0440105
오리건(us_west1) vCPU 시간당 $0.039077
로스앤젤레스(us_west2) vCPU 시간당 $0.046943
솔트레이크시티(us_west3) vCPU 시간당 $0.04692
라스베이거스(us_west4) vCPU 시간당 $0.0440105

RAM

위치 시간당 가격
몬트리올(northamerica_northeast1) GB 시간당 $0.00575
상파울루(southamerica_east1) GB 시간당 $0.0083133
아이오와(us_central1) GB 시간당 $0.0052325
사우스캐롤라이나(us_east1) GB 시간당 $0.0052325
노던 버지니아(us_east4) GB 시간당 $0.005888
오리건(us_west1) GB 시간당 $0.0052325
로스앤젤레스(us_west2) GB 시간당 $0.0062905
솔트레이크시티(us_west3) GB 시간당 $0.006325
라스베이거스(us_west4) GB 시간당 $0.005888

C2D 시리즈

vCPU

위치 시간당 가격
아이오와(us_central1) vCPU 시간당 $0.0339974
사우스캐롤라이나(us_east1) vCPU 시간당 $0.0339974
노던 버지니아(us_east4) vCPU 시간당 $0.0382904

RAM

위치 시간당 가격
아이오와(us_central1) GB 시간당 $0.0045528
사우스캐롤라이나(us_east1) GB 시간당 $0.0045528
노던 버지니아(us_east4) GB 시간당 $0.0051267

C3 시리즈

vCPU

위치 시간당 가격
아이오와(us_central1) vCPU 시간당 $0.03908
사우스캐롤라이나(us_east1) vCPU 시간당 $0.03908
노던 버지니아(us_east4) vCPU 시간당 $0.04401

RAM

위치 시간당 가격
아이오와(us_central1) GB 시간당 $0.00524
사우스캐롤라이나(us_east1) GB 시간당 $0.00524
노던 버지니아(us_east4) GB 시간당 $0.0059

A2 시리즈

vCPU

위치 시간당 가격
아이오와(us-central1) vCPU 시간당 $0.0363527
노던 버지니아(us-east4) vCPU 시간당 $0.0363527
라스베이거스(us-west4) vCPU 시간당 $0.0409457
기타 미주 리전 vCPU 시간당 $0.0363527

RAM

위치 시간당 가격
아이오와(us-central1) GB 시간당 $0.0048725
노던 버지니아(us-east4) GB 시간당 $0.0048725
라스베이거스(us-west4) GB 시간당 $0.0054867
기타 미주 리전 GB 시간당 $0.0048725

GPU

위치 시간당 가격
아이오와(us-central1) GPU 시간당 $4.51729(A100 80GB)
노던 버지니아(us-east4) GPU 시간당 $5.08783(A100 80GB)
라스베이거스(us-west4) GPU 시간당 $3.5673(A100 40GB)
기타 미주 리전 GPU 시간당 $3.3741(A100 40GB)

A3 시리즈

vCPU

위치 시간당 가격
아이오와(us-central1) vCPU 시간당 $0.0293227
노던 버지니아(us-east4) vCPU 시간당 $0.0293227

RAM

위치 시간당 가격
아이오와(us-central1) GB 시간당 $0.0025534
노던 버지니아(us-east4) GB 시간당 $0.0025534

GPU

위치 시간당 가격
아이오와(us-central1) GPU 시간당 $11.2660332 (H100 80GB)
노던 버지니아(us-east4) GPU 시간당 $11.2660336(H100 80GB)

G2 시리즈

vCPU

위치 시간당 가격
아이오와(us-central1) vCPU 시간당 $0.02874

RAM

위치 시간당 가격
아이오와(us-central1) GB 시간당 $0.00337

GPU

위치 시간당 가격
아이오와(us-central1) GPU 시간당 $0.64405

유럽 SKU 가격 책정

E2 시리즈

vCPU

위치 시간당 가격
벨기에(europe-west1) vCPU 시간당 $0.0275919
런던(europe-west2) vCPU 시간당 $0.0323184
프랑크푸르트(europe-west3) vCPU 시간당 $0.0323184
네덜란드(europe-west4) vCPU 시간당 $0.0276149
취리히(europe-west6) vCPU 시간당 $0.0350968
파리(europe-west9) vCPU 시간당 $0.0351164

RAM

위치 시간당 가격
벨기에(europe-west1) GB 시간당 $0.0036984
런던(europe-west2) GB 시간당 $0.0043309
프랑크푸르트(europe-west3) GB 시간당 $0.0043309
네덜란드(europe-west4) GB 시간당 $0.0037007
취리히(europe-west6) GB 시간당 $0.0047035
파리(europe-west9) GB 시간당 $0.0047069

N1 시리즈

vCPU

위치 시간당 가격
런던(europe-west2) vCPU 시간당 $0.0468395
기타 유럽 리전 vCPU 시간당 $0.0421268

RAM

위치 시간당 가격
런던(europe-west2) GB 시간당 $0.0062767
기타 유럽 리전 GB 시간당 $0.0056373

N2 시리즈

vCPU

위치 시간당 가격
바르샤바(europe_central2) vCPU 시간당 $0.0468395
벨기에(europe_west1) vCPU 시간당 $0.0399889
런던(europe_west2) vCPU 시간당 $0.0468395
프랑크푸르트(europe_west3) vCPU 시간당 $0.0468395
네덜란드(europe_west4) vCPU 시간당 $0.0399879
취리히(europe_west6) vCPU 시간당 $0.050899
파리(europe_west9) vCPU 시간당 $0.0421693

RAM

위치 시간당 가격
바르샤바(europe_central2) GB 시간당 $0.0062767
벨기에(europe_west1) GB 시간당 $0.0053602
런던(europe_west2) GB 시간당 $0.0062767
프랑크푸르트(europe_west3) GB 시간당 $0.0062767
네덜란드(europe_west4) GB 시간당 $0.0053598
취리히(europe_west6) GB 시간당 $0.0068195
파리(europe_west9) GB 시간당 $0.0056522

N2D 시리즈

vCPU

위치 시간당 가격
벨기에(europe_west1) vCPU 시간당 $0.0347909
런던(europe_west2) vCPU 시간당 $0.0407502
프랑크푸르트(europe_west3) vCPU 시간당 $0.0407502
네덜란드(europe_west4) vCPU 시간당 $0.0348197
파리(europe_west9) vCPU 시간당 $0.0366873

RAM

위치 시간당 가격
벨기에(europe_west1) GB 시간당 $0.0046632
런던(europe_west2) GB 시간당 $0.0054602
프랑크푸르트(europe_west3) GB 시간당 $0.0054602
네덜란드(europe_west4) GB 시간당 $0.0046667
파리(europe_west9) GB 시간당 $0.0049174

C2 시리즈

vCPU

위치 시간당 가격
벨기에(europe_west1) vCPU 시간당 $0.042987
런던(europe_west2) vCPU 시간당 $0.0503527
프랑크푸르트(europe_west3) vCPU 시간당 $0.050347
네덜란드(europe_west4) vCPU 시간당 $0.0430215
취리히(europe_west6) vCPU 시간당 $0.0547055

RAM

위치 시간당 가격
벨기에(europe_west1) GB 시간당 $0.0057615
런던(europe_west2) GB 시간당 $0.006747
프랑크푸르트(europe_west3) GB 시간당 $0.006739
네덜란드(europe_west4) GB 시간당 $0.0057615
취리히(europe_west6) GB 시간당 $0.007337

C2D 시리즈

vCPU

위치 시간당 가격
런던(europe_west2) vCPU 시간당 $0.0438012
네덜란드(europe_west4) vCPU 시간당 $0.0374336

RAM

위치 시간당 가격
런던(europe_west2) GB 시간당 $0.005865
네덜란드(europe_west4) GB 시간당 $0.0050128

C3 시리즈

vCPU

위치 시간당 가격
런던(europe_west1) vCPU 시간당 $0.04299
네덜란드(europe_west4) vCPU 시간당 $0.04302

RAM

위치 시간당 가격
런던(europe_west1) GB 시간당 $0.00576
네덜란드(europe_west4) GB 시간당 $0.00577

A2 시리즈

vCPU

위치 시간당 가격
네덜란드(europe-west4) vCPU 시간당 $0.0400223

RAM

위치 시간당 가격
네덜란드(europe-west4) GB 시간당 $0.0053636

GPU

위치 시간당 가격
네덜란드(europe-west4) GPU 시간당 $3.3741(A100 40GB)
네덜란드(europe-west4) GPU 시간당 $4.97399(A100 80GB)

G2 시리즈

vCPU

위치 시간당 가격
네덜란드(europe-west4) vCPU 시간당 $0.03164

RAM

위치 시간당 가격
네덜란드(europe-west4) GB 시간당 $0.00371

GPU

위치 시간당 가격
네덜란드(europe-west4) GPU 시간당 $0.70916

아시아 태평양 SKU 가격 책정

E2 시리즈

E2 예측 머신 유형 SKU

vCPU

위치 시간당 가격
타이완(asia-east1) vCPU 시간당 $0.0290432
홍콩(asia-east2) vCPU 시간당 $0.0350968
도쿄(asia-northeast1) vCPU 시간당 $0.0322299
서울(asia-northeast3) vCPU 시간당 $0.0322299
뭄바이(asia-south1) vCPU 시간당 $0.0301288
싱가포르(asia-southeast1) vCPU 시간당 $0.0309453
시드니(australia-southeast1) vCPU 시간당 $0.0355925

RAM

위치 시간당 가격
타이완(asia-east1) GB 시간당 $0.0038927
홍콩(asia-east2) GB 시간당 $0.0047035
도쿄(asia-northeast1) GB 시간당 $0.0042999
서울(asia-northeast3) GB 시간당 $0.0042999
뭄바이(asia-south1) GB 시간당 $0.0040376
싱가포르(asia-southeast1) GB 시간당 $0.0041458
시드니(australia-southeast1) GB 시간당 $0.004769

N1 시리즈

N1 예측 머신 유형 SKU

vCPU

위치 시간당 가격
도쿄(asia-northeast1) vCPU 시간당 $0.0467107
싱가포르(asia-southeast1) vCPU 시간당 $0.04484885
시드니(australia-southeast1) vCPU 시간당 $0.0515844
기타 아시아 태평양 리전 vCPU 시간당 $0.0421268

RAM

위치 시간당 가격
도쿄(asia-northeast1) GB 시간당 $0.00623185
싱가포르(asia-southeast1) GB 시간당 $0.0060099
시드니(australia-southeast1) GB 시간당 $0.00691265
기타 아시아 태평양 리전 GB 시간당 $0.0056373

N2 시리즈

vCPU

위치 시간당 가격
타이완(asia_east1) vCPU 시간당 $0.0420923
홍콩(asia_east2) vCPU 시간당 $0.0508656
도쿄(asia_northeast1) vCPU 시간당 $0.0467107
서울(asia_northeast3) vCPU 시간당 $0.0467107
뭄바이(asia_south1) vCPU 시간당 $0.0436655
싱가포르(asia_southeast1) vCPU 시간당 $0.0448488
자카르타(asia_southeast2) vCPU 시간당 $0.0488853
시드니(australia_southeast1) vCPU 시간당 $0.0515844

RAM

위치 시간당 가격
타이완(asia_east1) GB 시간당 $0.0056419
홍콩(asia_east2) GB 시간당 $0.0068172
도쿄(asia_northeast1) GB 시간당 $0.0062318
서울(asia_northeast3) GB 시간당 $0.0062318
뭄바이(asia_south1) GB 시간당 $0.0058512
싱가포르(asia_southeast1) GB 시간당 $0.0060099
자카르타(asia_southeast2) GB 시간당 $0.0065504
시드니(australia_southeast1) GB 시간당 $0.0069126

N2D 시리즈

vCPU

위치 시간당 가격
타이완(asia_east1) vCPU 시간당 $0.0366206
홍콩(asia_east2) vCPU 시간당 $0.0442531
도쿄(asia_northeast1) vCPU 시간당 $0.0406387
뭄바이(asia_south1) vCPU 시간당 $0.0208725
싱가포르(asia_southeast1) vCPU 시간당 $0.0390184
시드니(australia_southeast1) vCPU 시간당 $0.0448787

RAM

위치 시간당 가격
타이완(asia_east1) GB 시간당 $0.0049082
홍콩(asia_east2) GB 시간당 $0.0059305
도쿄(asia_northeast1) GB 시간당 $0.0054222
뭄바이(asia_south1) GB 시간당 $0.0027979
싱가포르(asia_southeast1) GB 시간당 $0.005229
시드니(australia_southeast1) GB 시간당 $0.0060145

C2 시리즈

vCPU

위치 시간당 가격
타이완(asia_east1) vCPU 시간당 $0.045249
홍콩(asia_east2) vCPU 시간당 $0.0546802
도쿄(asia_northeast1) vCPU 시간당 $0.0502136
서울(asia_northeast3) vCPU 시간당 $0.0502136
뭄바이(asia_south1) vCPU 시간당 $0.0469407
싱가포르(asia_southeast1) vCPU 시간당 $0.0482126
시드니(australia_southeast1) vCPU 시간당 $0.055453

RAM

위치 시간당 가격
타이완(asia_east1) GB 시간당 $0.0060651
홍콩(asia_east2) GB 시간당 $0.0073289
도쿄(asia_northeast1) GB 시간당 $0.0066987
서울(asia_northeast3) GB 시간당 $0.0066987
뭄바이(asia_south1) GB 시간당 $0.0062905
싱가포르(asia_southeast1) GB 시간당 $0.0064607
시드니(australia_southeast1) GB 시간당 $0.0074313

C2D 시리즈

vCPU

위치 시간당 가격
타이완(asia_east1) vCPU 시간당 $0.0393656
싱가포르(asia_southeast1) vCPU 시간당 $0.0419417

RAM

위치 시간당 가격
타이완(asia_east1) GB 시간당 $0.0052716
싱가포르(asia_southeast1) GB 시간당 $0.0056166

C3 시리즈

vCPU

위치 시간당 가격
싱가포르(asia_southeast1) vCPU 시간당 $0.04821

RAM

위치 시간당 가격
싱가포르(asia_southeast1) GB 시간당 $0.00646

A2 시리즈

A2 예측 머신 유형 SKU

vCPU

위치 시간당 가격
도쿄(asia-northeast1) vCPU 시간당 $0.0467107
서울(asia-northeast3) vCPU 시간당 $0.0467107
싱가포르(asia-southeast1) vCPU 시간당 $0.0448488

RAM

위치 시간당 가격
도쿄(asia-northeast1) GB 시간당 $0.00623185
서울(asia-northeast3) GB 시간당 $0.0062318
싱가포르(asia-southeast1) GB 시간당 $0.0060099

GPU

위치 시간당 가격
도쿄(asia-northeast1) GPU 시간당 $3.5673(A100 40GB)
서울(asia-northeast3) GPU 시간당 $3.5673(A100 40GB)
싱가포르(asia-southeast1) GPU 시간당 $3.5673(A100 40GB)
싱가포르(asia-southeast1) GPU 시간당 $5.57298(A100 80GB)

중동 SKU 가격 책정

N2 시리즈

vCPU

위치 시간당 가격
텔아비브(me_west1) vCPU 시간당 $0.0399879

RAM

위치 시간당 가격
텔아비브(me_west1) GB 시간당 $0.0053598

N2D 시리즈

vCPU

위치 시간당 가격
텔아비브(me_west1) vCPU 시간당 $0.03479

RAM

위치 시간당 가격
텔아비브(me_west1) GB 시간당 $0.0046628

일부 머신 유형에는 선택 사항으로 예측용 GPU 가속기를 추가할 수 있습니다. 선택 사항으로 GPU를 사용하면 이전 표에 나와 있는 요금 외에 별도의 추가 비용이 발생합니다. 각 유형의 선택적 GPU에 대한 가격 책정을 설명하는 각 가격표를 확인하세요.

미주

가속기 - 시간당 가격

NVIDIA_TESLA_P4
아이오와(us-central1) $0.6900
노던 버지니아(us-east4) $0.6900
몬트리올(northamerica-northeast1) $0.7475
NVIDIA_TESLA_P100
오리건(us-west1) $1.6790
아이오와(us-central1) $1.6790
사우스캐롤라이나(us-east1) $1.6790
NVIDIA_TESLA_T4
오리건(us-west1) $0.4025
아이오와(us-central1) $0.4025
사우스캐롤라이나(us-east1) $0.4025
NVIDIA_TESLA_V100
오리건(us-west1) $2.8520
아이오와(us-central1) $2.8520

유럽

가속기 - 시간당 가격

NVIDIA_TESLA_P4
네덜란드(europe-west4) $0.7475
NVIDIA_TESLA_P100
벨기에(europe-west1) $1.8400
NVIDIA_TESLA_T4
런던(europe-west2) $0.4715
네덜란드(europe-west4) $0.4370
NVIDIA_TESLA_V100
네덜란드(europe-west4) $2.9325

아시아 태평양

가속기 - 시간당 가격

NVIDIA_TESLA_P4
싱가포르(asia-southeast1) $0.7475
시드니(australia-southeast1) $0.7475
NVIDIA_TESLA_P100
타이완(asia-east1) $1.8400
NVIDIA_TESLA_T4
도쿄(asia-northeast1) $0.4255
싱가포르(asia-southeast1) $0.4255
서울(asia-northeast3) $0.4485
NVIDIA_TESLA_V100
타이완(asia-east1) $2.932

GPU당 가격이 적용되므로 한 예측 노드에서 여러 GPU를 사용하거나 여러 노드를 사용하도록 버전을 확장하는 경우 그에 따라 비용이 인상됩니다.

AI Platform Prediction은 여러 가상 머신('노드')을 실행하여 모델의 예측을 제공합니다. 기본적으로 Vertex AI는 언제든지 실행 중인 노드 수를 자동으로 확장합니다. 온라인 예측의 경우 수요에 맞게 노드 수가 확장됩니다. 각 노드는 여러 예측 요청에 응답할 수 있습니다. 일괄 예측의 경우 총 작업 실행 소요 시간을 줄이기 위해 노드 수가 확장됩니다. 예측 노드 수 확장 방법을 맞춤설정할 수 있습니다.

다음을 포함해 모델에서 각 노드가 실행되는 시간에 대해 요금이 부과됩니다.

  • 노드가 일괄 예측 작업을 처리하는 시간
  • 노드가 온라인 예측 요청을 처리하는 시간
  • 노드가 온라인 예측을 제공하기 위해 준비 상태로 대기하는 시간

1시간 동안 실행되는 노드 1개의 비용을 노드 시간이라고 합니다. 예측 가격표에 노드 시간의 가격이 나와 있습니다. 이는 리전 간에도 다르고, 온라인 예측과 일괄 예측 간에도 다릅니다.

노드 시간을 백분위수 단위로 사용할 수 있습니다. 예를 들어 30분 동안 실행되는 노드 1개의 비용은 0.5노드 시간입니다.

Compute Engine(N1) 머신 유형의 비용 계산

  • 노드의 실행 시간은 30초 단위로 청구됩니다. 즉, 30초마다 해당 시점에 노드에서 사용 중인 30초 상당의 vCPU, RAM, GPU 리소스 요금이 프로젝트에 청구됩니다.

예측 노드의 자동 확장에 대한 추가 정보

온라인 예측 일괄 예측
확장의 우선순위는 개별 요청의 지연 시간을 줄이는 데 있습니다. 요청을 처리한 후 몇 분간의 유휴 시간 동안 서비스에서 모델을 준비 상태로 유지합니다. 확장의 우선순위는 작업의 총 경과 시간을 줄이는 데 있습니다.
확장은 월별 요금 총액에 영향을 줍니다. 요청의 개수 및 빈도가 높을수록 많은 노드가 사용됩니다. 확장은 작업 가격에 거의 영향을 미치지 않지만 새 노드를 실행할 때 약간의 오버헤드가 발생합니다.

트래픽에 따라 서비스가 확장되도록 선택하거나(자동 확장) 지속적으로 실행할 노드의 수를 지정해 지연을 방지할 수 있습니다(수동 확장).

  • 자동 확장을 선택하면 노드 수가 자동으로 확장됩니다. AI Platform Prediction 기존(MLS1) 머신 유형 배포의 경우 트래픽이 없는 기간 동안 노드 수를 0으로 축소할 수 있습니다. Vertex AI 배포 및 기타 유형의 AI Platform Prediction 배포는 노드 수를 0개로 축소할 수 없습니다.
  • 수동 확장을 선택할 경우 항상 계속 실행할 노드 수를 지정합니다. 노드가 실행되는 시간, 즉 배포 시 시작되고 모델 버전을 삭제할 때까지 지속되는 전체 시간에 대한 요금이 부과됩니다.
일괄 예측 작업에서 사용할 최대 노드 수를 설정하고 배포 시 모델에서 계속 실행할 노드 수를 설정해 확장에 영향을 줄 수 있습니다.

일괄 예측 작업은 작업 완료 후 요금이 청구됨

일괄 예측 작업은 작업 도중 증분 방식이 아닌 작업 완료 후 요금이 청구됩니다. 구성한 Cloud Billing 예산 알림은 작업이 실행되는 동안 트리거되지 않습니다. 대규모 작업을 시작하기 전에 먼저 작은 입력 데이터로 비용 벤치마크 작업을 실행하는 것이 좋습니다.

예측 계산의 예

미주 리전의 부동산 업체가 사업을 진행하고 있는 리전의 주택 가격에 대한 주간 예측을 실행합니다. 한 달 동안 각각 3920, 4277, 3849, 3961개의 인스턴스로 이루어진 4주간의 일괄 예측을 실행합니다. 작업은 1개 노드로 제한되었고, 각 인스턴스의 평균 처리 시간은 0.72초입니다.

먼저 각 작업이 실행된 시간을 계산합니다.

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

각 작업이 10분 넘게 실행되었으므로 처리 시간에 분 단위로 요금이 청구됩니다.

($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

이 달의 총 요금은 $0.26입니다.

이 예에서는 작업이 단일 노드에서 실행되었으며 입력 인스턴스마다 일정한 시간이 걸렸다고 가정했습니다. 실제 사용 시에는 여러 노드를 고려하고, 각 노드가 계산을 실행하는 데 소요된 실제 시간을 사용하세요.

Vertex Explainable AI 요금

특성 기반 설명

특성 기반 설명은 예측 가격에 추가 비용이 부과되지 않습니다. 하지만 설명은 일반적인 예측보다 처리 시간이 오래 걸리므로 Vertex Explainable AI를 자동 확장과 함께 과도하게 사용할 경우 많은 노드가 시작되어 예측 요금이 증가할 수 있습니다.

예시 기반 설명

예시 기반 설명의 가격 책정은 다음과 같이 구성됩니다.

  • 모델을 업로드하거나 모델의 데이터 세트를 업데이트하면 다음에 대한 요금이 청구됩니다.

    • 예시의 잠재 공간 표현을 생성하기 위해 사용되는 일괄 예측 작업의 노드 시간당. 이는 예측과 동일한 요율로 청구됩니다.
    • 색인 빌드 또는 업데이트에 드는 비용. 이 비용은 벡터 검색의 색인 생성 비용과 같습니다. 즉, 예시 수 * 차원 수 * 부동 소수점 수당 4바이트 * GB당 $3.00입니다. 예를 들어 1백만 개의 예시와 1,000개의 차원 잠재 공간이 있는 경우 비용은 $12(1,000,000 * 1,000 * 4 * 3.00 / 1,000,000,000)입니다.

  • 엔드포인트에 배포하면 엔드포인트의 각 노드에 대해 노드 시간당 요금이 청구됩니다. 엔드포인트와 연결된 모든 컴퓨팅에는 예측과 동일한 요율로 요금이 청구됩니다. 그러나 예시 기반 설명에는 벡터 검색 색인을 제공하기 위해 추가 컴퓨팅 리소스가 필요하므로 이로 인해 더 많은 노드가 시작되고, 예측 비용이 증가합니다.

Vertex AI 신경망 아키텍처 검색

다음 표에는 신경망 아키텍처 검색을 사용할 수 있는 각 리전의 가격 책정이 요약되어 있습니다.

가격

다음 표에는 다양한 구성의 시간당 가격이 나와 있습니다.

사전 정의된 확장 등급을 선택하거나, 선택한 머신 유형으로 이루어진 커스텀 구성을 선택할 수도 있습니다. 커스텀 구성을 선택하는 경우 현재 사용하는 가상 머신 비용의 합계를 구하세요.

가속기 지원 기존 머신 유형의 가격에는 가속기 비용이 포함되어 있습니다. Compute Engine 머신 유형을 사용한 후 가속기를 추가하면 가속기 비용이 별도 부과됩니다. 이 비용을 계산하려면 다음 가속기 표에 있는 가격에 현재 사용 중인 가속기 유형별 개수를 곱하세요.

머신 유형

미주

유럽

아시아 태평양
USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

a2-highgpu 인스턴스 가격에는 연결된 NVIDIA_TESLA_A100 가속기에 대한 요금이 포함됩니다.

가속기

미주

유럽

아시아 태평양
USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

디스크

미주

유럽

아시아 태평양
USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

참고:

  1. 모든 사용에 신경망 아키텍처 검색 할당량 정책이 적용됩니다.
  2. 신경망 아키텍처 검색 수명 주기 동안 데이터 및 프로그램 파일을 Cloud Storage 버킷에 저장해야 합니다. Cloud Storage 사용에 대해 자세히 알아보세요.
  3. 대량 구매에 따른 할인 혜택은 영업팀에 문의하세요.
  4. 각 VM의 디스크 크기를 100GB가 넘도록 구성한 경우에만 디스크 가격이 청구됩니다. 각 VM의 디스크 100GB(기본 디스크 크기)에는 요금이 부과되지 않습니다. 예를 들어 각 VM에 105GB의 디스크를 사용하도록 구성할 경우 VM마다 5GB의 디스크 요금이 청구됩니다.

Cloud Storage 필수 사용

이 문서에 설명된 비용을 지불하는 것 외에도, 신경망 아키텍처 검색 수명 주기 동안 Cloud Storage 버킷에 데이터 및 프로그램 파일을 저장해야 합니다. 이 같은 저장에는 Cloud Storage 가격 책정 정책이 적용됩니다.

Cloud Storage 사용이 필요한 경우는 다음과 같습니다.

  • 학습 애플리케이션 패키지 스테이징

  • 학습 입력 데이터 저장

  • 작업의 출력을 저장합니다. 신경망 아키텍처 검색은 이러한 항목을 장기간 저장할 필요가 없습니다. 작업이 완료되는 즉시 파일을 삭제해도 됩니다.

무료 리소스 관리 작업

신경망 아키텍처 검색에서 제공하는 리소스 관리 작업은 무료로 사용할 수 있습니다. 신경망 아키텍처 검색 할당량 정책은 이러한 작업 중 일부를 제한합니다.

리소스 무료 작업
jobs get, list, cancel
operations get, list, cancel, delete

Vertex AI Pipelines

Vertex AI Pipelines는 파이프라인 실행당 $0.03의 실행 요금을 부과합니다. 미리보기 출시 중에는 실행 요금이 청구되지 않습니다. 또한 파이프라인 구성요소에서 사용하는 Compute Engine 리소스와 같이 Vertex AI Pipelines에서 사용하는 Google Cloud 리소스에 대한 비용도 청구됩니다(Vertex AI Training과 동일한 요율로 요금 청구). 마지막으로, 파이프라인이 호출하는 모든 서비스(예: Dataflow)의 비용을 지불해야 합니다.

Vertex AI 신속 평가

Vertex AI Rapid Evaluation 서비스는 문자열 입력 및 출력 필드에 1,000자 단위로 요금을 부과합니다. 문자 1개를 유니코드 문자 하나로 정의합니다. 공백은 개수에서 제외됩니다. 필터링된 응답을 포함하여 실패한 평가 요청에는 입력 또는 출력에 대한 요금이 청구되지 않습니다. 결제 주기가 끝날 때마다 1센트($0.01)의 분수가 1센트로 반올림됩니다.

계산 기반 측정항목의 요금은 입력의 경우 1,000자(영문 기준)당 $0.00003, 출력은 1,000자(영문 기준)당 $0.00009입니다. SKU에서는 포인트와이즈 측정항목이라고 합니다.

측정항목 이름 유형
완전 일치 검색 계산 기반
BLEU 계산 기반
ROUGE 계산 기반
tool_call_valid 계산 기반
tool_name_match 계산 기반
tool_parameter_key_match 계산 기반
tool_parameter_kv_match 계산 기반

가격은 미국 달러(USD)로 표기됩니다. USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

모델 기반 측정항목의 경우 입력은 1,000자당 $0.005, 출력은 1,000자당 $0.015가 청구됩니다. 모델 기반 측정항목에는 예측 서비스에 대한 별도의 요금이 포함됩니다. Vertex AI Prediction and Explanation 가격 책정 페이지를 참조하세요.

측정항목 이름 유형
일관성 점별
유창성 점별
처리 점별
안전 점별
그라운딩 점별
summarization_quality 점별
summarization_helpfulness 점별
summarization_verbosity 점별
question_answering_quality 점별
question_answering_relevance 점별
question_answering_helpfulness 점별
question_answering_correctness 점별
pairwise_summarization_quality AutoSxS
pairwise_question_answering_quality AutoSxS

가격은 미국 달러(USD)로 표기됩니다. USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

Vertex AI Feature Store

Vertex AI Feature Store는 2023년 11월부터 정식 버전(GA)으로 제공됩니다. 이전 버전 제품에 관한 정보는 Vertex AI Feature Store(기존)를 참조하세요.

새로운 Vertex AI Feature Store

새로운 Vertex AI Feature Store는 두 가지 작업 유형에 걸쳐 기능을 지원합니다.

  • 오프라인 작업은 오프라인 스토어(BigQuery)에서 데이터를 전송, 저장, 검색 및 변환하는 작업입니다.
  • 온라인 작업은 온라인 스토어로 데이터를 전송하는 작업이나 온라인 스토어에 데이터가 저장되어 있는 동안 데이터에 수행하는 작업입니다.

오프라인 작업 가격 책정

BigQuery는 오프라인 작업에 사용되므로 오프라인 스토어로의 수집, 오프라인 스토어 쿼리하기 및 오프라인 스토리지 등의 기능에 대해서는 BigQuery 가격 책정을 참조하세요.

온라인 작업 가격 책정

온라인 작업의 경우 Vertex AI Feature Store는 데이터를 온라인 스토어로 전송하거나 데이터를 제공하거나 저장하는 모든 GA 기능에 대해 요금을 청구합니다. 노드-시간은 가상 머신이 작업을 완료하는 데 소요한 시간을 의미하며, 분 단위로 청구됩니다.

최적화된 온라인 서빙과 Bigtable 온라인 서빙은 서로 다른 아키텍처를 사용하므로 노드를 비교할 수 없습니다.
USD 외의 통화로 지불하는 경우 해당 통화로 표기된 가격은 Cloud Platform SKU 적용됩니다.

온라인 작업 워크로드 추정치

워크로드를 추정할 때 다음 가이드라인을 고려하세요. 특정 워크로드에 필요한 노드 수는 각 서빙 접근 방식에 따라 다를 수 있습니다.

  • 데이터 처리:
    • 수집 - 분석 기능을 사용하지 않는 경우 하나의 노드는 시간당 약 100MB의 데이터를 Bigtable 온라인 스토어 또는 최적화된 온라인 스토어에 수집할 수 있습니다.
  • Bigtable 온라인 서빙: 각 노드는 약 1500QPS와 최대 5TB의 스토리지를 지원할 수 있습니다.
  • 온라인 서빙 최적화: 성능은 워크로드에 따른 비용을 최소화하도록 자동으로 구성되는 머신 유형과 복제본을 기반으로 합니다. 각 노드는 최소 2개에서 최대 6개의 복제본으로 구성되어야 합니다. 이에 따라 복제본 수에 대한 요금이 청구됩니다. 자세한 내용은 월별 시나리오 예시를 참고하세요.
    • 임베딩과 관련되지 않은 워크로드의 경우 각 노드는 약 500QPS와 최대 200GB의 스토리지를 지원할 수 있습니다.
    • 임베딩 관련 워크로드의 경우 각 노드는 512차원 데이터를 저장할 수 있는 최대 4GB의 스토리지와 약 500QPS를 지원할 수 있습니다.

측정항목 탐색기에서 복제본이 있는 노드 수를 확인할 수 있습니다.

사용된 노드 수를 파악하는 측정항목 탐색기
사용된 노드 수를 파악하는 측정항목 탐색기

월간 시나리오 예시(us-central1 가정)

데이터 스트리밍 워크로드 - 2.5TB의 데이터(매일 1GB가 새로고침됨) 및 1200QPS를 사용하는 Bigtable 온라인 서빙

작업 월별 사용량 월간 비용
데이터 처리 노드 (1GB/일) * (30일/월) * (1,000MB/GB) * (1 노드-시간/100MB) = 300 노드-시간 300 노드-시간 * (노드-시간당 $0.08) = $24
최적화된 온라인 서빙 노드 해당 사항 없음 해당 사항 없음
Bigtable 온라인 서빙 노드 (1개 노드) * (24시간/일) * (30일/월) = 720 노드-시간 720 노드-시간 * (노드-시간당 $0.94) = $677
Bigtable 온라인 서빙 스토리지 (2.5TB-월) * (1000GB/TB) = 2500GB-월 2500GB-월 * (GB-월당 $0.25) = $625
합계 $1,326

높은 QPS 워크로드 - 10GB의 비임베딩 데이터로 최적화된 온라인 서빙 (매일 새로고침되는 5GB) 및 2000QPS

작업 월별 사용량 월간 비용
데이터 처리 노드 (5GB/일) * (30일/월) * (1,000MB/GB) * (1노드-시간 / 100MB) = 1,500 노드-시간 1,500 노드-시간 * (노드-시간당 $0.08) = $120
최적화된 온라인 서빙 노드 반올림(10GB * (노드 1개 / 200GB)) = 1 * 최대(기본 복제본 2개, 2,000QPS * (복제본 1개 / 500QPS)) = 총 노드 4개 * (24시간/일) * (30일/월) =2,880노드-시간 2,880 노드-시간 * (노드-시간당 0.30) = $864
Bigtable 온라인 서빙 노드 해당 사항 없음 해당 사항 없음
Bigtable 온라인 서빙 스토리지 해당 사항 없음 해당 사항 없음
합계 984달러

임베딩 서빙 워크로드 - 20GB의 임베딩 데이터 (매일 2GB 새로고침)와 800QPS로 온라인 서빙에 최적화

작업 월별 사용량 월간 비용
데이터 처리 노드 (2GB/일) * (30일/월) * (1,000MB/GB) * (1노드-시간 / 100MB) = 600 노드-시간 600 노드-시간 * (노드-시간당 $0.08) = $48
최적화된 온라인 서빙 노드 반올림(20GB*(20GB*(노드 1개 / 4GB) = 5 * 최대(기본 복제본 2개, 800QPS * (복제본 1개 / 500QPS)) = 총 노드 10개 * (24시간/일) * (30일/월) = 7,200노드-시간 7200 노드-시간 * (노드-시간당 0.30) = $2,160
Bigtable 온라인 서빙 노드 해당 사항 없음 해당 사항 없음
Bigtable 온라인 서빙 스토리지 해당 사항 없음 해당 사항 없음
합계 2,208달러

Vertex AI Feature Store(기존)

Vertex AI Feature Store(기존)의 가격은 온라인 및 오프라인 스토리지의 특성 데이터 양과 온라인 서빙 여부를 기반으로 합니다. 시간당 노드는 가상 머신에서 특성 데이터를 서빙하거나 특성 데이터 요청을 처리하기 위해 준비 상태에서 대기하는 데 사용한 시간을 의미합니다.

USD 외의 통화로 지불하는 경우 Cloud Platform SKU에 해당 통화로 표기된 가격이 적용됩니다.

특성값 모니터링을 활성화하면 청구에는 다음과 같은 요금 외에 위의 요금도 포함됩니다.

  • 분석된 모든 데이터에 대해 GB당 $3.50. 스냅샷 분석을 활성화하면 Vertex AI Feature Store(기존)의 데이터에 대해 스냅샷이 생성됩니다. 특성 분석 가져오기를 활성화하면 수집된 데이터 배치가 포함됩니다.
  • 특성값 모니터링에 사용되는 다른 Vertex AI Feature Store(기존) 작업에 대한 추가 요금은 다음과 같습니다.
    • 스냅샷 분석 기능은 모니터링 간격에 대한 구성을 기반으로 특성값의 스냅샷을 주기적으로 생성합니다.
    • 스냅샷 내보내기에 대한 요금은 일반 일괄 내보내기 작업과 동일합니다.

스냅샷 분석 예시

데이터 과학자는 Vertex AI Feature Store(기존)에 대한 특성값 모니터링을 활성화하고 일일 스냅샷 분석에 대한 모니터링을 켭니다. 항목 유형 모니터링을 위해 파이프라인이 매일 실행됩니다. 파이프라인은 Vertex AI Feature Store(기존)에서 2GB의 데이터를 스캔하고 0.1GB의 데이터가 포함된 스냅샷을 내보냅니다. 1일 분석에 대한 총 요금은 다음과 같습니다.

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

수집 분석 예시

데이터 과학자는 Vertex AI Feature Store(기존)에 대한 특성값 모니터링을 활성화하고 수집 작업에 대한 모니터링을 켭니다. 수집 작업은 1GB의 데이터를 Vertex AI Feature Store(기존)로 가져옵니다. 특성값 모니터링에 대한 총 요금은 다음과 같습니다.

(1 GB * $3.50) = $3.50

Vertex ML Metadata

메타데이터 스토리지는 바이너리 기가바이트(GiB) 단위로 측정되며, 1GiB는 1,073,741,824바이트입니다. 이 측정 단위를 gibibyte라고도 합니다.

Vertex ML Metadata는 메타데이터 스토리지에 대해 1GiB당 월 $10를 청구합니다. 가격은 메가바이트(MB) 단위로 일할 계산됩니다. 예를 들어 10MB의 메타데이터를 저장하는 경우 해당 10MB의 메타데이터에 대해 매월 $0.10가 청구됩니다.

Vertex ML Metadata가 지원되는 모든 리전에서 가격이 동일합니다.

Vertex AI 텐서보드

Vertex AI 텐서보드를 사용하려면 프로젝트의 IAM 관리자에게 'Vertex AI 텐서보드 웹 앱 사용자' 역할을 할당해 달라고 요청하세요. Vertex AI 관리자 역할에도 액세스 권한이 있습니다.

2023년 8월부터 Vertex AI 텐서보드 가격은 로그 및 측정항목의 데이터 스토리지에 대해 사용자당 월별 라이선스 $300/월에서 $10GiB/월로 변경되었습니다. 즉, 더 이상 구독료가 없으며 사용한 스토리지에 대해서만 비용을 지불하면 됩니다. 스토리지 관리 방법은 Vertex AI 텐서보드: 오래된 텐서보드 실험 삭제 튜토리얼을 참조하세요.

Vertex AI Vizier

Vertex AI Vizier는 Vertex AI에 포함된 블랙박스 최적화 서비스입니다. Vertex AI Vizier 가격 책정 모델은 다음과 같습니다.

  • RANDOM_SEARCH 및 GRID_SEARCH를 사용하는 시도에는 요금이 부과되지 않습니다. 검색 알고리즘에 대해 자세히 알아보세요.
  • 월별 첫 Vertex AI Vizier 100회 시도는 무료입니다(RANDOM_SEARCH 및 GRID_SEARCH를 사용하는 시도는 이 합계에 포함되지 않음).
  • Vertex AI Vizier 시도가 100회를 초과하면 같은 달 이후 후속 시도에 $1의 요금이 부과됩니다(RANDOM_SEARCH 또는 GRID_SEARCH를 사용하는 시도에는 요금이 부과되지 않음).

벡터 검색

벡터 검색 근사 최근접 이웃 서비스의 가격 책정은 다음과 같이 구성됩니다.

  • 배포된 색인을 호스팅하는 데 사용되는 각 VM의 노드 시간당 가격
  • 새 색인을 빌드하고, 기존 색인을 업데이트하고, 색인 업데이트 스트리밍을 사용하는 데 드는 비용

색인을 빌드하고 업데이트하는 동안 처리된 데이터는 바이너리 GB(기가바이트, 1GiB = 1,073,741,824바이트) 단위로 측정됩니다. 이 측정 단위를 gibibyte라고도 합니다.

벡터 검색은 모든 리전에서 처리된 데이터의 기비바이트(GiB)당 $3.00의 요금을 청구합니다. 벡터 검색은 수집된 GiB당 $0.45의 요금을 청구합니다 스트리밍 업데이트 삽입용입니다.

다음 표에는 벡터 검색을 사용할 수 있는 각 리전의 인덱스 서빙 가격이 요약되어 있습니다. 가격은 머신 유형, 리전에 따라 다르며 노드 시간당 요금이 청구됩니다.

미주

리전 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 해당 사항 없음 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 해당 사항 없음 해당 사항 없음 해당 사항 없음
northamerica_northeast1 0.103 0.826 1.115 2.084 1.172 2.343
northamerica_northeast2 0.103 0.826 1.115 해당 사항 없음 해당 사항 없음 해당 사항 없음
southamerica_east1 0.149 1.191 1.607 3.004 1.69 3.38

유럽

리전 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 해당 사항 없음 해당 사항 없음 해당 사항 없음
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 해당 사항 없음 1.489 2.978
europe_west9 0.131 1.051 1.417 2.195 해당 사항 없음 해당 사항 없음

아시아 태평양

리전 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 해당 사항 없음 해당 사항 없음 해당 사항 없음
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 해당 사항 없음 1.367 2.733
australia_southeast1 0.133 1.065 1.436 2.686 1.51 3.02

중동

리전 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 해당 사항 없음 해당 사항 없음

벡터 검색 가격 책정 예시

벡터 검색 가격은 데이터 크기, 실행하려는 초당 쿼리 수(QPS)의 수량 및 사용하는 노드 수에 따라 결정됩니다. 예상 서빙 비용을 알아보려면 총 데이터 크기를 계산해야 합니다. 데이터 크기는 임베딩/벡터 수 * 차원 수 * 차원당 4바이트입니다. 데이터 크기를 계산한 다음에는 서빙 비용과 빌드 비용을 계산할 수 있습니다. 서빙 비용에 빌드 비용을 더하면 월간 총 비용이 됩니다.

  • 서빙 비용: 복제본/샤드 개수 * 샤드 개수(~데이터 크기/샤드 크기) * 시간당 비용 * 730시간
  • 빌드 비용: 데이터 크기(GiB) * $3/GiB * 월별 업데이트 수

스트리밍 업데이트: 벡터 검색은 휴리스틱 기반 측정항목을 사용하여 압축을 트리거할 시기를 결정합니다. 압축되지 않은 가장 오래된 데이터가 5일 지난 경우 압축이 항상 트리거됩니다. 스트리밍 업데이트 비용 외에 일괄 업데이트와 동일한 속도로 색인을 다시 빌드하는 비용이 청구됩니다.

임베딩/벡터 수 차원 수 초당 쿼리 수(QPS) 머신 유형 노드 예상 월별 서빙 비용
200만 128 100 e2-standard-2 1 $68
2,000만 256 1,000 e2-standard-16 1 $547
2,000만 256 3,000 e2-standard-16 3 $1,642
1억 256 500 e2-highmem-16 2 $1,477
10억 100 500 e2-highmem-16 8 $5,910

모든 예시는 us-central1의 머신 유형을 기반으로 합니다. 발생하는 비용은 재현율 및 지연 시간 요구사항에 따라 달라집니다. 예상 월별 서빙 비용은 콘솔에서 사용되는 노드 수와 직접적인 관련이 있습니다. 비용에 영향을 미치는 구성 파라미터에 대해 자세히 알아보려면 재현율 및 지연 시간에 영향을 미치는 구성 파라미터를 참조하세요.

초당 쿼리 수(QPS)가 높은 경우 이러한 쿼리를 일괄 처리하려면 총 비용을 최대 30%~40%까지 줄일 수 있습니다.

Vertex AI Model Registry

Vertex AI Model Registry는 모델과 모델 버전을 추적하고 나열하는 중앙 저장소입니다. 모델을 Vertex AI로 가져올 수 있으며 이러한 모델은 Vertex AI Model Registry에 표시됩니다. Model Registry에 모델을 저장하는 데에는 비용이 들지 않습니다. 비용은 모델을 엔드포인트에 배포하거나 모델에서 일괄 예측을 수행하는 경우에만 발생합니다. 이 비용은 배포하는 모델 유형에 따라 다릅니다.

Vertex AI Model Registry에서 커스텀 모델을 배포하는 가격에 대해 자세히 알아보려면 커스텀 학습 모델을 참조하세요. AutoML 모델 배포 가격 책정에 대해 자세히 알아보려면 AutoML 모델 가격 책정을 참조하세요.

Vertex AI 모델 모니터링

Vertex AI를 사용하면 모델을 프로덕션에 배포한 후에도 모델의 지속적인 효과를 모니터링할 수 있습니다. 자세한 내용은 Vertex AI 모델 모니터링 소개를 참조하세요.

Vertex AI 모델 모니터링을 사용하면 다음에 대해 비용이 청구됩니다.

  • 제공된 모든 학습 데이터 및 BigQuery 테이블에 로깅된 예측 데이터를 포함하여 분석된 모든 데이터에 대해 GB당 $3.50
  • 속성 모니터링이 사용 설정된 경우 BigQuery 스토리지 또는 Batch Explain과 같이 모델 모니터링과 함께 사용하는 다른 Google Cloud 제품에 대한 요금

Vertex AI 모델 모니터링은 us-central1, europe-west4, asia-east1, asia-southeast1 리전에서 지원됩니다. 모든 리전의 가격이 동일합니다.

데이터 크기는 TfRecord 형식으로 변환된 후 측정됩니다.

Vertex AI 모델 모니터링 작업을 설정할 때 학습 데이터 세트에는 일회성 요금이 발생합니다.

예측 데이터 세트는 온라인 예측 서비스에서 수집된 로그로 구성됩니다. 예측 요청이 다른 기간에 도달하면 각 기간에 대한 데이터가 수집되고 각 예측 기간에 대해 분석된 데이터의 합계가 요금을 계산하는 데 사용됩니다.

예: 데이터 과학자가 모델에 속하는 예측 트래픽에서 모델 모니터링을 실행합니다.

  • 모델은 BigQuery 데이터 세트에서 학습됩니다. TfRecord로 변환한 후의 데이터 크기는 1.5GB입니다.
  • 오후 1시~오후 2시에 로깅되는 예측 데이터는 0.1GB이고 오후 3시~오후 4시는 0.2GB입니다.

  • 모델 모니터링 작업 설정의 총 가격은 다음과 같습니다.

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

Vertex AI Workbench

가격 책정 정보를 확인하려면 인스턴스, 관리형 노트북 또는 사용자 관리형 노트북을 선택하세요.

인스턴스


아래 표에는 다양한 VM 구성의 대략적인 시간당 가격이 나와 있습니다. 선택한 머신 유형의 커스텀 구성을 선택할 수 있습니다. 가격을 계산하려면 사용하는 가상 머신 비용의 합계를 구하세요.

Compute Engine 머신 유형을 사용한 후 가속기를 추가하면 가속기 비용이 별도 부과됩니다. 이 비용을 계산하려면 아래의 가속기 표에 있는 가격에 현재 사용 중인 각 가속기 유형의 실행 시간을 곱하세요.

CPU

메모리

가속기

디스크

관리형 노트북

사용자 관리형 노트북

추가 Google Cloud 리소스

앞서 언급한 비용 외에도 사용하는 모든 Google Cloud 리소스에 대한 비용도 지불해야 합니다. 예를 들면 다음과 같습니다.

  • 데이터 분석 서비스: 노트북 내에서 SQL 쿼리를 실행하면 BigQuery 비용이 발생합니다(BigQuery 가격 책정 참조).

  • 고객 관리 암호화 키: 고객 관리 암호화 키를 사용할 때 비용이 발생합니다. 관리형 노트북 또는 사용자 관리형 노트북 인스턴스가 Cloud Key Management Service 키를 사용할 때마다 해당 작업에 Cloud KMS 키 작업 요금이 청구됩니다(Cloud Key Management Service 가격 책정 참조).

Deep Learning Containers, Deep Learning VM 및 AI Platform Pipelines

Deep Learning Containers, Deep Learning VM Image, AI Platform Pipelines의 경우 사용한 컴퓨팅 및 스토리지 리소스를 기준으로 가격이 계산됩니다. 이러한 리소스에는 현재 Compute Engine 및 Cloud Storage에 대한 요금과 동일한 요율로 요금이 부과됩니다.

컴퓨팅 및 스토리지 비용 외에도 사용 중인 모든 Google Cloud 리소스에 대한 비용도 청구됩니다. 예를 들면 다음과 같습니다.

  • 데이터 분석 서비스: 노트북 내에서 SQL 쿼리를 실행하면 BigQuery 비용이 발생합니다(BigQuery 가격 책정 참조).

  • 고객 관리 암호화 키: 고객 관리 암호화 키를 사용할 때 비용이 발생합니다. 관리형 노트북 또는 사용자 관리형 노트북 인스턴스가 Cloud Key Management Service 키를 사용할 때마다 해당 작업에 Cloud KMS 키 작업 요금이 청구됩니다(Cloud Key Management Service 가격 책정 참조).

데이터 라벨 지정

Vertex AI를 사용하면 커스텀 머신러닝 모델을 학습시키는 데 사용할 데이터 모음에 대한 수동 라벨링을 요청할 수 있습니다. 서비스 가격은 라벨 지정 작업 유형에 따라 계산됩니다.

  • 일반 라벨링 작업의 경우 가격은 주석 단위의 수에 따라 결정됩니다.
    • 이미지 분류 작업의 경우 단위는 이미지 수와 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 수동 라벨러가 3명인 이미지는 1 * 3 = 3단위로 계산됩니다. 단일 라벨 및 멀티 라벨 분류의 가격은 동일합니다.
    • 이미지 경계 상자 작업의 경우 단위는 이미지에서 식별된 경계 상자 수와 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 경계 상자가 2개이고 수동 라벨러가 3명인 이미지는 2 * 3 = 6단위로 계산됩니다. 경계 상자가 없는 이미지에는 요금이 청구되지 않습니다.
    • 이미지 분할/회전 상자/폴리라인/다각형 작업의 경우 단위는 이미지 경계 상자 태스크와 동일한 방식으로 결정됩니다.
    • 동영상 분류 작업의 경우 단위는 비디오 길이(5초가 가격 단위)와 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 수동 라벨러가 3명인 25초 동영상은 25 / 5 * 3 = 15단위로 계산됩니다. 단일 라벨 및 멀티 라벨 분류의 가격은 동일합니다.
    • 동영상 객체 추적 작업의 경우 단위는 동영상에서 식별된 객체 수와 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 객체가 2개이고 수동 라벨러가 3명인 동영상의 경우 2 * 3 = 6단위로 계산됩니다. 객체가 없는 동영상에는 요금이 청구되지 않습니다.
    • 동영상 동작 인식 작업의 경우 단위는 동영상 객체 추적 작업과 동일한 방식으로 결정됩니다.
    • 텍스트 분류 작업의 경우 단위는 텍스트 길이(50단어가 가격 단위)와 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 단어가 100개이고 수동 라벨러가 3명인 텍스트는 100 / 50 * 3 = 6단위로 계산됩니다. 단일 라벨 및 멀티 라벨 분류의 가격은 동일합니다.
    • 텍스트 감정 분석 작업의 경우 단위는 텍스트 분류 작업과 동일한 방식으로 결정됩니다.
    • 텍스트 항목 추출 작업의 경우 단위는 텍스트 길이(50단어가 가격 단위), 식별된 항목 수, 수동 라벨러의 수에 따라 결정됩니다. 예를 들어 단어가 100개, 식별된 항목이 2개, 수동 라벨러가 3명인 텍스트의 경우 100 / 50 * 2 * 3 = 12단위로 계산됩니다. 항목이 없는 텍스트에는 요금이 청구되지 않습니다.

  • 이미지/동영상/텍스트 분류 및 텍스트 감정 분석 작업의 경우 라벨 세트 크기가 너무 크면 수동 라벨러가 클래스를 추적하지 못할 수 있습니다. 따라서 한 번에 최대 20개의 클래스를 수동 라벨러에게 전송합니다. 예를 들어 라벨링 작업의 라벨 세트 크기가 40이면 각 데이터 항목은 사람의 검토를 위해 40 / 20 = 2회 전송되며 위에서 계산된 요금의 2배가 청구됩니다.

  • 커스텀 라벨러 기능을 사용 설정하는 라벨 지정 작업의 경우 각 데이터 항목이 커스텀 라벨러 1개 단위로 계산됩니다.

  • 수동 라벨러의 도움 없이 모델에서 생성된 주석이 있는 데이터 항목의 능동적 학습 라벨 지정 작업의 경우 각 데이터 항목은 능동적 학습 1개 단위로 계산됩니다.

  • 수동 라벨러가 생성한 주석이 있는 데이터 항목의 능동적 학습 라벨 지정 작업의 경우 위에서 설명한 대로 각 데이터 항목이 일반 라벨 지정 작업으로 계산됩니다.

아래 표는 각 목표에 나열된 단위를 기준으로 수동 라벨러당 1,000개 단위의 가격을 나타냅니다. 등급 1 가격은 각 Google Cloud 프로젝트에서 월간 첫 50,000개의 단위에 적용됩니다. 등급 2 가격은 프로젝트에서 월간 다음 950,000개 단위에 적용됩니다(최대 1,000,000개 단위). 월간 1,000,000개를 초과하는 단위의 가격은 직접 문의해 주세요.

데이터 유형 목표 단위 등급 1 등급 2
이미지 분류 이미지 $35 $25
경계 상자 경계 상자 $63 $49
세분화 세그먼트 $870 $850
회전 상자 경계 상자 $86 $60
다각형/폴리라인 다각형/폴리라인 $257 $180
동영상 분류 5초 동영상 $86 $60
객체 추적 경계 상자 $86 $60
동작 인식 30초 동영상의 이벤트 $214 $150
텍스트 분류 50단어 $129 $90
감정 50단어 $200 $140
항목 추출 항목 $86 $60
능동적 학습 전체 데이터 항목 $80 $56
커스텀 라벨러 전체 데이터 항목 $80 $56

Cloud Storage 필수 사용

이 문서에 설명된 비용 외에도 Vertex AI 수명 주기 동안 Cloud Storage 버킷에 데이터와 프로그램 파일을 저장하는 데 드는 비용도 있습니다. 이 같은 저장에는 Cloud Storage 가격 책정 정책이 적용됩니다.

Cloud Storage 사용이 필요한 경우는 다음과 같습니다.

  • 커스텀 학습 모델의 학습 애플리케이션 패키지 스테이징

  • 학습 입력 데이터 저장

  • 학습 작업의 출력 저장. Vertex AI에서는 이러한 항목을 장기간 저장할 필요가 없습니다. 작업이 완료되는 즉시 파일을 삭제해도 됩니다.

무료 리소스 관리 작업

AI Platform에서 제공되는 리소스 관리 작업은 무료로 사용할 수 있습니다. 이러한 작업 중 일부는 AI Platform 할당량 정책의 제한을 받습니다.

리소스 무료 작업
models create, get, list, delete
versions create, get, list, delete, setDefault
jobs get, list, cancel
operations get, list, cancel, delete

Google Cloud 비용

분석할 이미지를 Cloud Storage에 저장하거나 다른 Google Cloud 리소스를 Vertex AI와 함께 사용하는 경우 해당 서비스의 사용 요금도 청구됩니다.

Google Cloud 콘솔에서 사용량, 현재 청구액 등 현재 결제 상태를 확인하려면 결제 페이지를 참조하세요. 계정 관리에 대한 자세한 내용은 Cloud Billing 문서 또는 청구 및 결제 지원을 참조하세요.

다음 단계