Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Prezzi di Vertex AI
I prezzi sono indicati in dollari statunitensi (USD).
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Confronto dei prezzi di Vertex AI con quelli del prodotto legacy
I costi di Vertex AI rimangono invariati rispetto a quelli dei prodotti
legacy AI Platform e AutoML che sostituisce,
con le seguenti eccezioni:
Il prodotto legacy AI Platform Prediction e le previsioni di AutoML Tables
supportavano tipi di macchine a basso costo con prestazioni limitate, che non sono
supportati per Vertex AI Prediction e per i dati tabulari di AutoML.
Il prodotto legacy AI Platform Prediction supportava la scalabilità fino a zero,
che non è supportata per Vertex AI Prediction.
Inoltre, Vertex AI offre diversi modi in più per ottimizzare i costi, ad esempio:
Per i modelli AutoML su Vertex AI paghi tre attività principali:
Addestramento del modello
Deployment del modello in un endpoint
Utilizzo del modello per le previsioni
Vertex AI utilizza configurazioni di macchina predefinite per i modelli AutoML Vertex
e la tariffa oraria per queste attività rispecchia l'utilizzo delle risorse.
Il tempo necessario per l'addestramento del modello dipende dalle dimensioni
e dalla complessità dei dati di addestramento. Affinché i modelli possano fornire previsioni o spiegazioni online
è prima necessario eseguire il deployment.
Paghi per ogni modello distribuito in un endpoint, anche se non generi alcuna previsione.
Per non subire ulteriori addebiti, devi annullare il deployment del modello.
Non vengono addebitati costi per i modelli che non sono stati distribuiti o per cui il deployment non è andato a buon fine.
Paghi solamente le ore di calcolo utilizzate. Se l'addestramento non riesce per motivi
diversi dall'annullamento da parte dell'utente, il tempo utilizzato
non ti verrà addebitato. Se invece annulli l'operazione, il tempo di addestramento ti verrà addebitato.
Seleziona un tipo di modello di seguito per visualizzare informazioni sui prezzi.
Il calcolo associato a Vertex Explainable AI viene addebitato alla stessa tariffa della previsione.
Tuttavia, le spiegazioni richiedono un tempo di elaborazione superiore a quello
delle previsioni normali, pertanto un utilizzo intensivo di Vertex Explainable AI insieme alla scalabilità automatica potrebbe comportare l'avvio di più nodi, aumentando i costi delle previsioni.
Previsioni su Vertex AI
AutoML
Fase
Prezzi
Previsione
0,2 $ ogni 1.000 punti dati* (da 0 a 1 milione di punti) 0,1 $ ogni 1.000 punti dati* (a 1 a 50 milioni di punti) 0,02 $ ogni 1.000 punti dati* (più di 50 milioni di punti)
* Un punto dati di previsione è un punto temporale nell'orizzonte di previsione. Ad esempio, con una granularità giornaliera, un orizzonte di 7 giorni include 7 punti per ogni serie temporale.
È possibile includere fino a 5 quantili di previsione senza costi aggiuntivi.
Il numero dei punti dati consumati per livello viene aggiornato mensilmente.
250,00 $ per TB x Numero di modelli candidati x Numero di finestre di backtesting*
Explainable AI
La spiegabilità con decomposizione in serie temporali non comporta costi aggiuntivi. La spiegabilità con valori Shapley non è supportata.
Per ulteriori informazioni, vedi la pagina dei prezzi di BigQuery ML. Per ogni job di addestramento e previsione viene addebitato il costo di esecuzione di 1 pipeline gestita, come indicato nei prezzi di Vertex AI.
* Viene creata una finestra di backtesting per ogni periodo nel set di test. Il numero di modelli candidati viene determinato dal valore di AUTO_ARIMA_MAX_ORDER utilizzato. Varia da 6 a 42 per i modelli con più serie temporali.
Modelli con addestramento personalizzato
Addestramento
Le tabelle riportate di seguito mostrano il prezzo per ora approssimativo delle diverse configurazioni
di addestramento. Puoi scegliere una configurazione personalizzata
dei tipi di macchina selezionati. Per calcolare i prezzi,
somma i costi delle macchine virtuali che utilizzi.
Se utilizzi tipi di macchina di Compute Engine e colleghi gli acceleratori,
il costo degli acceleratori è separato. Per calcolare tale costo,
moltiplica i prezzi nella tabella degli acceleratori riportata sotto per il numero
di ore macchina per ciascun tipo di acceleratore utilizzato.
Tipi di macchine
*Questo importo include il prezzo delle GPU, poiché questo tipo di istanza richiede sempre un numero fisso di acceleratori GPU.
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Acceleratori
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
* Il prezzo dell'addestramento eseguito tramite un pod di Cloud TPU di basa
sul numero di core nel pod. Il numero di core in un pod è sempre un multiplo
di 32. Per determinare il prezzo di addestramento su un pod con più di 32 core,
moltiplica per il numero di core il prezzo di un pod da 32 core
diviso per 32. Ad esempio, per un pod con 128 core, il prezzo è
(32-core Pod price) * (128/32). Per informazioni sui pod di Cloud TPU
disponibili per una regione specifica, vedi Architettura di sistema
nella documentazione di Cloud TPU.
Dischi
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Il costo per l'addestramento dei modelli ti viene addebitato dal momento del provisioning
delle risorse per un job, fino al termine di questo job.
Livelli di scalabilità per le configurazioni predefinite (AI Platform Training)
Puoi controllare il tipo di cluster di elaborazione da utilizzare durante l'addestramento del tuo modello.
Il modo più semplice consiste nello scegliere una delle configurazioni predefinite denominate livelli di scalabilità. Ulteriori informazioni sui
livelli di scalabilità.
Tipi di macchina per le configurazioni personalizzate
Se utilizzi Vertex AI o selezioni CUSTOM come livello di scalabilità
per AI Platform Training, puoi controllare il numero e il tipo
di macchina virtuale da utilizzare per il master, il worker e i server dei parametri
del cluster. Scopri di più sui
tipi di macchina per Vertex AI e sui
tipi di macchina per AI Platform Training.
Il costo dell'addestramento con un cluster di elaborazione personalizzato equivale
alla somma di tutte le macchine specificate. Ti vengono addebitati i costi per il tempo totale del job, non per il tempo
di elaborazione attivo delle singole macchine.
Servizio di valutazione dell'IA generativa
Vertex AI Gen AI Evaluation Service addebita i campi di input e output stringa ogni 1000 caratteri. Un carattere è definito come un carattere Unicode. Gli spazi bianchi sono esclusi dal conteggio. Per le richieste di valutazione non riuscite, incluse le risposte filtrate, non verranno addebitati costi di input o output. Alla fine di ogni ciclo di fatturazione, le frazioni di un centesimo (0,01 $) vengono arrotondate a un centesimo.
Metrica
Prezzi
Basata su punti
Input: 0,005 $ ogni 1000 caratteri Output: 0,015 $ ogni 1000 caratteri
Basata su coppie
Input: 0,005 $ ogni 1000 caratteri Output: 0,015 $ ogni 1000 caratteri
Le metriche basate sul calcolo prevedono il costo di 0,00003 $ogni 1000 caratteri per l'input e di 0,00009 $per 1000 caratteri per l'output. Sono chiamate metrica automatica nello SKU.
Nome metrica
Tipo
Corrispondenza esatta
Basato sul calcolo
Film blu
Basato sul calcolo
Rouge
Basato sul calcolo
Chiamata allo strumento valida
Basato sul calcolo
Corrispondenza nome strumento
Basato sul calcolo
Corrispondenza chiave parametro strumento
Basato sul calcolo
Corrispondenza valore-chiave parametro strumento
Basato sul calcolo
I prezzi sono indicati in dollari statunitensi (USD).
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Le metriche basate su modello legacy costano 0,005 $ogni 1000 caratteri per l'input e 0,015 $ogni 1000 caratteri per l'output.
Nome metrica
Tipo
Coerenza
Basata su punti
Fluidità
Basata su punti
Fulfillment
Basata su punti
Sicurezza
Basata su punti
Fondamenta
Basata su punti
Qualità del riassunto
Basata su punti
Utilità dei riassunti
Basata su punti
Livello di dettaglio riassunto
Basata su punti
Qualità della risposta alle domande
Basata su punti
Pertinenza della risposta alle domande
Basata su punti
Utilità della risposta alle domande
Basata su punti
Correttezza nella risposta alle domande
Basata su punti
Qualità di riassunto a coppie
Basata su coppie
Qualità della risposta alle domande Pairwise
Basata su coppie
I prezzi sono indicati in dollari statunitensi (USD).
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Ray on Vertex AI
Addestramento
Le tabelle riportate di seguito mostrano il prezzo per ora approssimativo delle diverse configurazioni
di addestramento. Puoi scegliere una configurazione personalizzata
dei tipi di macchina selezionati. Per calcolare i prezzi,
somma i costi delle macchine virtuali che utilizzi.
Se utilizzi tipi di macchina di Compute Engine e colleghi gli acceleratori,
il costo degli acceleratori è separato. Per calcolare tale costo,
moltiplica i prezzi nella tabella degli acceleratori riportata sotto per il numero
di ore macchina per ciascun tipo di acceleratore utilizzato.
Tipi di macchine
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Acceleratori
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
* Il prezzo dell'addestramento eseguito tramite un pod di Cloud TPU di basa
sul numero di core nel pod. Il numero di core in un pod è sempre un multiplo
di 32. Per determinare il prezzo di addestramento su un pod con più di 32 core,
moltiplica per il numero di core il prezzo di un pod da 32 core
diviso per 32. Ad esempio, per un pod con 128 core, il prezzo è
(32-core Pod price) * (128/32). Per informazioni sui pod di Cloud TPU
disponibili per una regione specifica, vedi Architettura di sistema
nella documentazione di Cloud TPU.
Dischi
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Il costo per l'addestramento dei modelli ti viene addebitato dal momento del provisioning
delle risorse per un job, fino al termine di questo job.
Previsione e spiegazione
La tabella che segue fornisce i prezzi delle previsioni batch e online
e della spiegazione online per ora nodo. Un'ora nodo rappresenta il tempo dedicato
da un macchina virtuale all'esecuzione di un job di previsione o per cui rimane in attesa
in uno stato attivo (un endpoint con uno o più modelli distribuiti) per gestire le richieste di previsione
o spiegazione.
Scegli una regione per visualizzare la tabella dei prezzi corrispondente:
Nelle tabelle che seguono sono indicati i prezzi di ogni tipo di macchina, per ora nodo.
Serie E2
e2-standard-2approssimazioni:
us-west2
0,0926 $
us-west4
0,0868 $
us-east4
0,0868 $
northamerica-northeast1
0,0848 $
northamerica-northeast2
0,0848 $
southamerica-east1
0,1223 $
Altre regioni nelle Americhe
0,0771 $
e2-standard-4approssimazioni:
us-west2
0,1851 $
us-west4
0,1736 $
us-east4
0,1736 $
northamerica-northeast1
0,1697 $
northamerica-northeast2
0,1697 $
southamerica-east1
0,2446 $
Altre regioni nelle Americhe
0,1541 $
e2-standard-8approssimazioni:
us-west2
0,3702 $
us-west4
0,3471 $
us-east4
0,3471 $
northamerica-northeast1
0,3393 $
northamerica-northeast2
0,3393 $
southamerica-east1
0,4893 $
Altre regioni nelle Americhe
0,3082 $
e2-standard-16approssimazioni:
us-west2
0,7405 $
us-west4
0,6942 $
us-east4
0,6942 $
northamerica-northeast1
0,6787 $
northamerica-northeast2
0,6787 $
southamerica-east1
0,9786 $
Altre regioni nelle Americhe
0,6165 $
e2-standard-32approssimazioni:
us-west2
1,4809 $
us-west4
1,3885 $
us-east4
1,3885 $
northamerica-northeast1
1,3574 $
northamerica-northeast2
1,3574 $
southamerica-east1
1,9572 $
Altre regioni nelle Americhe
1,2329 $
e2-highmem-2approssimazioni:
us-west2
0,1249 $
us-west4
0,1171 $
us-east4
0,1171 $
northamerica-northeast1
0,1144 $
northamerica-northeast2
0,1144 $
southamerica-east1
0,165 $
Altre regioni nelle Americhe
0,1039 $
e2-highmem-4approssimazioni:
us-west2
0,2497 $
us-west4
0,2341 $
us-east4
0,2341 $
northamerica-northeast1
0,2289 $
northamerica-northeast2
0,2289 $
southamerica-east1
0,33 $
Altre regioni nelle Americhe
0,2079 $
e2-highmem-8approssimazioni:
us-west2
0,4994 $
us-west4
0,4682 $
us-east4
0,4682 $
northamerica-northeast1
0,4578 $
northamerica-northeast2
0,4578 $
southamerica-east1
0,66 $
Altre regioni nelle Americhe
0,4158 $
e2-highmem-16approssimazioni:
us-west2
0,9989 $
us-west4
0,9365 $
us-east4
0,9365 $
northamerica-northeast1
0,9155 $
northamerica-northeast2
0,9155 $
southamerica-east1
1,3201 $
Altre regioni nelle Americhe
0,8316 $
e2-highcpu-2approssimazioni:
us-west2
0,0683 $
us-west4
0,0641 $
us-east4
0,0641 $
northamerica-northeast1
0,0626 $
northamerica-northeast2
0,0626 $
southamerica-east1
0,0903 $
Altre regioni nelle Americhe
0,0569 $
e2-highcpu-4approssimazioni:
us-west2
0,1367 $
us-west4
0,1281 $
us-east4
0,1281 $
northamerica-northeast1
0,1253 $
northamerica-northeast2
0,1253 $
southamerica-east1
0,1806 $
Altre regioni nelle Americhe
0,1138 $
e2-highcpu-8approssimazioni:
us-west2
0,2733 $
us-west4
0,2563 $
us-east4
0,2563 $
northamerica-northeast1
0,2505 $
northamerica-northeast2
0,2505 $
southamerica-east1
0,3612 $
Altre regioni nelle Americhe
0,2276 $
e2-highcpu-16approssimazioni:
us-west2
0,5467 $
us-west4
0,5126 $
us-east4
0,5126 $
northamerica-northeast1
0,501 $
northamerica-northeast2
0,501 $
southamerica-east1
0,7225 $
Altre regioni nelle Americhe
0,4551 $
e2-highcpu-32approssimazioni:
us-west2
1,0933 $
us-west4
1,0252 $
us-east4
1,0252 $
northamerica-northeast1
1,0021 $
northamerica-northeast2
1,0021 $
southamerica-east1
1,4449 $
Altre regioni nelle Americhe
0,9102 $
Serie N1
n1-standard-2approssimazioni:
us-east4
0,123 $
northamerica-northeast1
0,1203 $
Altre regioni nelle Americhe
0,1093 $
n1-standard-4approssimazioni:
us-east4
0,2461 $
northamerica-northeast1
0,2405 $
Altre regioni nelle Americhe
0,2186 $
n1-standard-8approssimazioni:
us-east4
0,4922 $
northamerica-northeast1
0,4811 $
Altre regioni nelle Americhe
0,4372 $
n1-standard-16approssimazioni:
us-east4
0,9843 $
northamerica-northeast1
0,9622 $
Altre regioni nelle Americhe
0,8744 $
n1-standard-32approssimazioni:
us-east4
1,9687 $
northamerica-northeast1
1,9243 $
Altre regioni nelle Americhe
1,7488 $
n1-highmem-2approssimazioni:
us-east4
0,1532 $
northamerica-northeast1
0,1498 $
Altre regioni nelle Americhe
0,1361 $
n1-highmem-4approssimazioni:
us-east4
0,3064 $
northamerica-northeast1
0,2995 $
Altre regioni nelle Americhe
0,2723 $
n1-highmem-8approssimazioni:
us-east4
0,6129 $
northamerica-northeast1
0,5991 $
Altre regioni nelle Americhe
0,5445 $
n1-highmem-16approssimazioni:
us-east4
1,2257 $
northamerica-northeast1
1,1982 $
Altre regioni nelle Americhe
1,089 $
n1-highcpu-2approssimazioni:
us-east4
0,0918 $
northamerica-northeast1
0,0897 $
Altre regioni nelle Americhe
0,0815 $
n1-highcpu-4approssimazioni:
us-east4
0,1835 $
northamerica-northeast1
0,1794 $
Altre regioni nelle Americhe
0,163 $
n1-highcpu-8approssimazioni:
us-east4
0,3671 $
northamerica-northeast1
0,3588 $
Altre regioni nelle Americhe
0,326 $
n1-highcpu-16approssimazioni:
us-east4
0,7341 $
northamerica-northeast1
0,7176 $
Altre regioni nelle Americhe
0,6519 $
n1-highcpu-32approssimazioni:
us-east4
1,4683 $
northamerica-northeast1
1,4352 $
Altre regioni nelle Americhe
1,3039 $
Serie N2
n2-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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 $
Serie N2D
n2d-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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 $
Serie C2
c2-standard-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-30approssimazioni:
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-60approssimazioni:
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 $
Serie C2D
c2d-standard-2approssimazioni:
us_central1
0,1044 $
us_east1
0,1044 $
us_east4
0,1176 $
us_west1
0,1044 $
us_west4
0,1176 $
c2d-standard-4approssimazioni:
us_central1
0,2088 $
us_east1
0,2088 $
us_east4
0,2352 $
us_west1
0,2088 $
us_west4
0,2352 $
c2d-standard-8approssimazioni:
us_central1
0,4177 $
us_east1
0,4177 $
us_east4
0,4704 $
us_west1
0,4177 $
us_west4
0,4704 $
c2d-standard-16approssimazioni:
us_central1
0,8353 $
us_east1
0,8353 $
us_east4
0,9408 $
us_west1
0,8353 $
us_west4
0,9408 $
c2d-standard-32approssimazioni:
us_central1
1,6707 $
us_east1
1,6707 $
us_east4
1,8815 $
us_west1
1,6707 $
us_west4
1,8815 $
c2d-standard-56approssimazioni:
us_central1
2,9237 $
us_east1
2,9237 $
us_east4
3,2926 $
us_west1
2,9237 $
us_west4
3,2926 $
c2d-standard-112approssimazioni:
us_central1
5,8474 $
us_east1
5,8474 $
us_east4
6,5853 $
us_west1
5,8474 $
us_west4
6,5853 $
c2d-highmem-2approssimazioni:
us_central1
0,1408 $
us_east1
0,1408 $
us_east4
0,1586 $
us_west1
0,1408 $
us_west4
0,1586 $
c2d-highmem-4approssimazioni:
us_central1
0,2817 $
us_east1
0,2817 $
us_east4
0,3172 $
us_west1
0,2817 $
us_west4
0,3172 $
c2d-highmem-8approssimazioni:
us_central1
0,5634 $
us_east1
0,5634 $
us_east4
0,6344 $
us_west1
0,5634 $
us_west4
0,6344 $
c2d-highmem-16approssimazioni:
us_central1
1,1267 $
us_east1
1,1267 $
us_east4
1,2689 $
us_west1
1,1267 $
us_west4
1,2689 $
c2d-highmem-32approssimazioni:
us_central1
2,2534 $
us_east1
2,2534 $
us_east4
2,5377 $
us_west1
2,2534 $
us_west4
2,5377 $
c2d-highmem-56approssimazioni:
us_central1
3,9435 $
us_east1
3,9435 $
us_east4
4,441 $
us_west1
3,9435 $
us_west4
4,441 $
c2d-highmem-112approssimazioni:
us_central1
7,887 $
us_east1
7,887 $
us_east4
8,882 $
us_west1
7,887 $
us_west4
8,882 $
c2d-highcpu-2approssimazioni:
us_central1
0,0862 $
us_east1
0,0862 $
us_east4
0,0971 $
us_west1
0,0862 $
us_west4
0,0971 $
c2d-highcpu-4approssimazioni:
us_central1
0,1724 $
us_east1
0,1724 $
us_east4
0,1942 $
us_west1
0,1724 $
us_west4
0,1942 $
c2d-highcpu-8approssimazioni:
us_central1
0,3448 $
us_east1
0,3448 $
us_east4
0,3884 $
us_west1
0,3448 $
us_west4
0,3884 $
c2d-highcpu-16approssimazioni:
us_central1
0,6896 $
us_east1
0,6896 $
us_east4
0,7767 $
us_west1
0,6896 $
us_west4
0,7767 $
c2d-highcpu-32approssimazioni:
us_central1
1,3793 $
us_east1
1,3793 $
us_east4
1,5534 $
us_west1
1,3793 $
us_west4
1,5534 $
c2d-highcpu-56approssimazioni:
us_central1
2,4138 $
us_east1
2,4138 $
us_east4
2,7185 $
us_west1
2,4138 $
us_west4
2,7185 $
c2d-highcpu-112approssimazioni:
us_central1
4,8275 $
us_east1
4,8275 $
us_east4
5,4369 $
us_west1
4,8275 $
us_west4
5,4369 $
Serie C3
c3-highcpu-4approssimazioni:
us_central1
0,1982 $
us_east1
0,1982 $
us_east4
0,2232 $
c3-highcpu-8approssimazioni:
us_central1
0,3965 $
us_east1
0,3965 $
us_east4
0,4465 $
c3-highcpu-22approssimazioni:
us_central1
1,0903 $
us_east1
1,0903 $
us_east4
1,2278 $
c3-highcpu-44approssimazioni:
us_central1
2,1806 $
us_east1
2,1806 $
us_east4
2,4556 $
c3-highcpu-88approssimazioni:
us_central1
4,3613 $
us_east1
4,3613 $
us_east4
4,9113 $
c3-highcpu-176approssimazioni:
us_central1
8,7226 $
us_east1
8,7226 $
us_east4
9,8226 $
Serie A2
a2-highgpu-1gapprossimazioni:
us-central1
4,2245 $
a2-highgpu-2gapprossimazioni:
us-central1
8,449 $
a2-highgpu-4gapprossimazioni:
us-central1
16,898 $
a2-highgpu-8gapprossimazioni:
us-central1
33,796 $
a2-megagpu-16gapprossimazioni:
us-central1
64,1021 $
a2-ultragpu-1gapprossimazioni:
us-central1
5,7818 $
us-east4
6,3524 $
a2-ultragpu-2gapprossimazioni:
us-central1
11,5637 $
us-east4
12,7048 $
a2-ultragpu-4gapprossimazioni:
us-central1
23,1274 $
us-east4
25,4095 $
a2-ultragpu-8gapprossimazioni:
us-central1
46,2548 $
us-east4
50,8191 $
Serie A3
a3-highgpu-8gapprossimazioni:
us-central1
101,0074 $
us-east4
101,0074 $
Serie G2
g2-standard-4approssimazioni:
us-central1
0,8129 $
g2-standard-8approssimazioni:
us-central1
0,9818 $
g2-standard-12approssimazioni:
us-central1
1,1507 $
g2-standard-16approssimazioni:
us-central1
1,3196 $
g2-standard-24approssimazioni:
us-central1
2,3014 $
g2-standard-32approssimazioni:
us-central1
1,9951 $
g2-standard-48approssimazioni:
us-central1
4,6028 $
g2-standard-96approssimazioni:
us-central1
9,2055 $
TPU v5e
ct5lp-hightpu-1t
Approssimazioni:
us-west1
1,38 $
ct5lp-hightpu-4t
Approssimazioni:
us-west1
5,52 $
ct5lp-hightpu-8t
Approssimazioni:
us-west1
11,04 $
Prezzi per la regione Europa
Nelle tabelle che seguono sono indicati i prezzi di ogni tipo di macchina, per ora nodo.
Serie E2
e2-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
europe-west1
1,0013 $
europe-west2
1,1728 $
europe-west3
1,1728 $
europe-west4
1,0021 $
europe-west6
1,2736 $
europe-west9
1,2743 $
Serie N1
n1-standard-2approssimazioni:
europe-west2
0,1408 $
Altre regioni in Europa
0,1265 $
n1-standard-4approssimazioni:
europe-west2
0,2815 $
Altre regioni in Europa
0,2531 $
n1-standard-8approssimazioni:
europe-west2
0,563 $
Altre regioni in Europa
0,5061 $
n1-standard-16approssimazioni:
europe-west2
1,126 $
Altre regioni in Europa
1,0123 $
n1-standard-32approssimazioni:
europe-west2
2,2521 $
Altre regioni in Europa
2,0245 $
n1-highmem-2approssimazioni:
europe-west2
0,1753 $
Altre regioni in Europa
0,1575 $
n1-highmem-4approssimazioni:
europe-west2
0,3506 $
Altre regioni in Europa
0,3151 $
n1-highmem-8approssimazioni:
europe-west2
0,7011 $
Altre regioni in Europa
0,6302 $
n1-highmem-16approssimazioni:
europe-west2
1,4022 $
Altre regioni in Europa
1,2603 $
n1-highcpu-2approssimazioni:
europe-west2
0,105 $
Altre regioni in Europa
0,0944 $
n1-highcpu-4approssimazioni:
europe-west2
0,21 $
Altre regioni in Europa
0,1888 $
n1-highcpu-8approssimazioni:
europe-west2
0,4199 $
Altre regioni in Europa
0,3776 $
n1-highcpu-16approssimazioni:
europe-west2
0,8398 $
Altre regioni in Europa
0,7552 $
n1-highcpu-32approssimazioni:
europe-west2
1,6796 $
Altre regioni in Europa
1,5104 $
Serie N2
n2-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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 $
Serie N2D
n2d-standard-2approssimazioni:
europe_west1
0,1069 $
europe_west2
0,1252 $
europe_west3
0,1252 $
europe_west4
0,107 $
europe_west9
0,1127 $
n2d-standard-4approssimazioni:
europe_west1
0,2138 $
europe_west2
0,2504 $
europe_west3
0,2504 $
europe_west4
0,2139 $
europe_west9
0,2254 $
n2d-standard-8approssimazioni:
europe_west1
0,4275 $
europe_west2
0,5007 $
europe_west3
0,5007 $
europe_west4
0,4279 $
europe_west9
0,4509 $
n2d-standard-16approssimazioni:
europe_west1
0,8551 $
europe_west2
1,0015 $
europe_west3
1,0015 $
europe_west4
0,8558 $
europe_west9
0,9017 $
n2d-standard-32approssimazioni:
europe_west1
1,7102 $
europe_west2
2,0029 $
europe_west3
2,0029 $
europe_west4
1,7116 $
europe_west9
1,8034 $
n2d-highmem-2approssimazioni:
europe_west1
0,1442 $
europe_west2
0,1689 $
europe_west3
0,1689 $
europe_west4
0,1443 $
europe_west9
0,1521 $
n2d-highmem-4approssimazioni:
europe_west1
0,2884 $
europe_west2
0,3377 $
europe_west3
0,3377 $
europe_west4
0,2886 $
europe_west9
0,3041 $
n2d-highmem-8approssimazioni:
europe_west1
0,5768 $
europe_west2
0,6755 $
europe_west3
0,6755 $
europe_west4
0,5772 $
europe_west9
0,6082 $
n2d-highmem-16approssimazioni:
europe_west1
1,1535 $
europe_west2
1,3509 $
europe_west3
1,3509 $
europe_west4
1,1545 $
europe_west9
1,2164 $
n2d-highcpu-2approssimazioni:
europe_west1
0,0789 $
europe_west2
0,0924 $
europe_west3
0,0924 $
europe_west4
0,079 $
europe_west9
0,0832 $
n2d-highcpu-4approssimazioni:
europe_west1
0,1578 $
europe_west2
0,1848 $
europe_west3
0,1848 $
europe_west4
0,1579 $
europe_west9
0,1664 $
n2d-highcpu-8approssimazioni:
europe_west1
0,3156 $
europe_west2
0,3697 $
europe_west3
0,3697 $
europe_west4
0,3159 $
europe_west9
0,3328 $
n2d-highcpu-16approssimazioni:
europe_west1
0,6313 $
europe_west2
0,7394 $
europe_west3
0,7394 $
europe_west4
0,6318 $
europe_west9
0,6657 $
n2d-highcpu-32approssimazioni:
europe_west1
1,2625 $
europe_west2
1,4787 $
europe_west3
1,4787 $
europe_west4
1,2636 $
europe_west9
1,3314 $
Serie C2
c2-standard-4approssimazioni:
europe_west1
0,2641 $
europe_west2
0,3094 $
europe_west3
0,3092 $
europe_west4
0,2643 $
europe_west6
0,3362 $
c2-standard-8approssimazioni:
europe_west1
0,5283 $
europe_west2
0,6187 $
europe_west3
0,6184 $
europe_west4
0,5285 $
europe_west6
0,6724 $
c2-standard-16approssimazioni:
europe_west1
1,0565 $
europe_west2
1,2375 $
europe_west3
1,2368 $
europe_west4
1,0571 $
europe_west6
1,3449 $
c2-standard-30approssimazioni:
europe_west1
1,981 $
europe_west2
2,3202 $
europe_west3
2,3191 $
europe_west4
1,982 $
europe_west6
2,5216 $
c2-standard-60approssimazioni:
europe_west1
3,962 $
europe_west2
4,6404 $
europe_west3
4,6382 $
europe_west4
3,964 $
europe_west6
5,0432 $
Serie C2D
c2d-standard-2approssimazioni:
europe_west1
0,115 $
europe_west2
0,1345 $
europe_west3
0,1345 $
europe_west4
0,115 $
c2d-standard-4approssimazioni:
europe_west1
0,2299 $
europe_west2
0,269 $
europe_west3
0,269 $
europe_west4
0,2299 $
c2d-standard-8approssimazioni:
europe_west1
0,4599 $
europe_west2
0,5381 $
europe_west3
0,5381 $
europe_west4
0,4599 $
c2d-standard-16approssimazioni:
europe_west1
0,9198 $
europe_west2
1,0762 $
europe_west3
1,0762 $
europe_west4
0,9198 $
c2d-standard-32approssimazioni:
europe_west1
1,8395 $
europe_west2
2,1524 $
europe_west3
2,1524 $
europe_west4
1,8395 $
c2d-standard-56approssimazioni:
europe_west1
3,2191 $
europe_west2
3,7666 $
europe_west3
3,7666 $
europe_west4
3,2191 $
c2d-standard-112approssimazioni:
europe_west1
6,4383 $
europe_west2
7,5333 $
europe_west3
7,5333 $
europe_west4
6,4383 $
c2d-highmem-2approssimazioni:
europe_west1
0,1551 $
europe_west2
0,1814 $
europe_west3
0,1814 $
europe_west4
0,1551 $
c2d-highmem-4approssimazioni:
europe_west1
0,3101 $
europe_west2
0,3629 $
europe_west3
0,3629 $
europe_west4
0,3101 $
c2d-highmem-8approssimazioni:
europe_west1
0,6203 $
europe_west2
0,7258 $
europe_west3
0,7258 $
europe_west4
0,6203 $
c2d-highmem-16approssimazioni:
europe_west1
1,2406 $
europe_west2
1,4515 $
europe_west3
1,4515 $
europe_west4
1,2406 $
c2d-highmem-32approssimazioni:
europe_west1
2,4812 $
europe_west2
2,9031 $
europe_west3
2,9031 $
europe_west4
2,4812 $
c2d-highmem-56approssimazioni:
europe_west1
4,342 $
europe_west2
5,0804 $
europe_west3
5,0804 $
europe_west4
4,342 $
c2d-highmem-112approssimazioni:
europe_west1
8,684 $
europe_west2
10,1608 $
europe_west3
10,1608 $
europe_west4
8,684 $
c2d-highcpu-2approssimazioni:
europe_west1
0,0949 $
europe_west2
0,1111 $
europe_west3
0,1111 $
europe_west4
0,0949 $
c2d-highcpu-4approssimazioni:
europe_west1
0,1898 $
europe_west2
0,2221 $
europe_west3
0,2221 $
europe_west4
0,1898 $
c2d-highcpu-8approssimazioni:
europe_west1
0,3797 $
europe_west2
0,4442 $
europe_west3
0,4442 $
europe_west4
0,3797 $
c2d-highcpu-16approssimazioni:
europe_west1
0,7593 $
europe_west2
0,8885 $
europe_west3
0,8885 $
europe_west4
0,7593 $
c2d-highcpu-32approssimazioni:
europe_west1
1,5187 $
europe_west2
1,777 $
europe_west3
1,777 $
europe_west4
1,5187 $
c2d-highcpu-56approssimazioni:
europe_west1
2,6577 $
europe_west2
3,1097 $
europe_west3
3,1097 $
europe_west4
2,6577 $
c2d-highcpu-112approssimazioni:
europe_west1
5,3154 $
europe_west2
6,2195 $
europe_west3
6,2195 $
europe_west4
5,3154 $
Serie C3
c3-highcpu-4approssimazioni:
europe_west1
0,218 $
europe_west4
0,2182 $
c3-highcpu-8approssimazioni:
europe_west1
0,4361 $
europe_west4
0,4365 $
c3-highcpu-22approssimazioni:
europe_west1
1,1992 $
europe_west4
1,2003 $
c3-highcpu-44approssimazioni:
europe_west1
2,3984 $
europe_west4
2,4006 $
c3-highcpu-88approssimazioni:
europe_west1
4,7969 $
europe_west4
4,8013 $
c3-highcpu-176approssimazioni:
europe_west1
9,5938 $
europe_west4
9,6026 $
Serie A2
a2-highgpu-1gapprossimazioni:
europe-west4
4,3103 $
a2-highgpu-2gapprossimazioni:
europe-west4
8,6205 $
a2-highgpu-4gapprossimazioni:
europe-west4
17,2411 $
a2-highgpu-8gapprossimazioni:
europe-west4
34,4822 $
a2-megagpu-16gapprossimazioni:
europe-west4
65,1222 $
a2-ultragpu-1gapprossimazioni:
europe-west4
6,3661 $
a2-ultragpu-2gapprossimazioni:
europe-west4
12,7321 $
a2-ultragpu-4gapprossimazioni:
europe-west4
25,4643 $
a2-ultragpu-8gapprossimazioni:
europe-west4
50,9286 $
Serie G2
g2-standard-4approssimazioni:
europe-west4
0,8951 $
g2-standard-8approssimazioni:
europe-west4
1,081 $
g2-standard-12approssimazioni:
europe-west4
1,2669 $
g2-standard-16approssimazioni:
europe-west4
1,4528 $
g2-standard-24approssimazioni:
europe-west4
2,5338 $
g2-standard-32approssimazioni:
europe-west4
2,1965 $
g2-standard-48approssimazioni:
europe-west4
5,0677 $
g2-standard-96approssimazioni:
europe-west4
10,1354 $
Prezzi per la regione Asia Pacifico
Nelle tabelle che seguono sono indicati i prezzi di ogni tipo di macchina, per ora nodo.
Serie E2
e2-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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 $
Serie N1
n1-standard-2approssimazioni:
asia-northeast1
0,1402 $
asia-southeast1
0,1348 $
australia-southeast1
0,155 $
Altre regioni dell'Asia Pacifico
0,1265 $
n1-standard-4approssimazioni:
asia-northeast1
0,2803 $
asia-southeast1
0,2695 $
australia-southeast1
0,31 $
Altre regioni dell'Asia Pacifico
0,2531 $
n1-standard-8approssimazioni:
asia-northeast1
0,5606 $
asia-southeast1
0,5391 $
australia-southeast1
0,6201 $
Altre regioni dell'Asia Pacifico
0,5061 $
n1-standard-16approssimazioni:
asia-northeast1
1,1213 $
asia-southeast1
1,0782 $
australia-southeast1
1,2401 $
Altre regioni dell'Asia Pacifico
1,0123 $
n1-standard-32approssimazioni:
asia-northeast1
2,2426 $
asia-southeast1
2,1564 $
australia-southeast1
2,4802 $
Altre regioni dell'Asia Pacifico
2,0245 $
n1-highmem-2approssimazioni:
asia-northeast1
0,1744 $
asia-southeast1
0,1678 $
australia-southeast1
0,193 $
Altre regioni dell'Asia Pacifico
0,1575 $
n1-highmem-4approssimazioni:
asia-northeast1
0,3489 $
asia-southeast1
0,3357 $
australia-southeast1
0,3861 $
Altre regioni dell'Asia Pacifico
0,3151 $
n1-highmem-8approssimazioni:
asia-northeast1
0,6977 $
asia-southeast1
0,6713 $
australia-southeast1
0,7721 $
Altre regioni dell'Asia Pacifico
0,6302 $
n1-highmem-16approssimazioni:
asia-northeast1
1,3955 $
asia-southeast1
1,3426 $
australia-southeast1
1,5443 $
Altre regioni dell'Asia Pacifico
1,2603 $
n1-highcpu-2approssimazioni:
asia-northeast1
0,1046 $
asia-southeast1
0,1005 $
australia-southeast1
0,1156 $
Altre regioni dell'Asia Pacifico
0,0944 $
n1-highcpu-4approssimazioni:
asia-northeast1
0,2093 $
asia-southeast1
0,201 $
australia-southeast1
0,2312 $
Altre regioni dell'Asia Pacifico
0,1888 $
n1-highcpu-8approssimazioni:
asia-northeast1
0,4186 $
asia-southeast1
0,4021 $
australia-southeast1
0,4624 $
Altre regioni dell'Asia Pacifico
0,3776 $
n1-highcpu-16approssimazioni:
asia-northeast1
0,8371 $
asia-southeast1
0,8041 $
australia-southeast1
0,9249 $
Altre regioni dell'Asia Pacifico
0,7552 $
n1-highcpu-32approssimazioni:
asia-northeast1
1,6742 $
asia-southeast1
1,6082 $
australia-southeast1
1,8498 $
Altre regioni dell'Asia Pacifico
1,5104 $
Serie N2
n2-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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 $
Serie N2D
n2d-standard-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-2approssimazioni:
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-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-32approssimazioni:
asia_east1
1,3289 $
asia_east2
1,6059 $
asia_northeast1
1,4739 $
asia_south1
0,7575 $
asia_southeast1
1,4159 $
australia_southeast1
1,6286 $
Serie C2
c2-standard-4approssimazioni:
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-8approssimazioni:
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-16approssimazioni:
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-30approssimazioni:
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-60approssimazioni:
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 $
Serie C2D
c2d-standard-2approssimazioni:
asia_east1
0,1209 $
asia_south1
0,0689 $
asia_southeast1
0,1288 $
c2d-standard-4approssimazioni:
asia_east1
0,2418 $
asia_south1
0,1378 $
asia_southeast1
0,2576 $
c2d-standard-8approssimazioni:
asia_east1
0,4836 $
asia_south1
0,2757 $
asia_southeast1
0,5153 $
c2d-standard-16approssimazioni:
asia_east1
0,9672 $
asia_south1
0,5513 $
asia_southeast1
1,0305 $
c2d-standard-32approssimazioni:
asia_east1
1,9345 $
asia_south1
1,1027 $
asia_southeast1
2,0611 $
c2d-standard-56approssimazioni:
asia_east1
3,3853 $
asia_south1
1,9297 $
asia_southeast1
3,6069 $
c2d-standard-112approssimazioni:
asia_east1
6,7706 $
asia_south1
3,8593 $
asia_southeast1
7,2137 $
c2d-highmem-2approssimazioni:
asia_east1
0,1631 $
asia_south1
0,093 $
asia_southeast1
0,1737 $
c2d-highmem-4approssimazioni:
asia_east1
0,3262 $
asia_south1
0,1859 $
asia_southeast1
0,3475 $
c2d-highmem-8approssimazioni:
asia_east1
0,6523 $
asia_south1
0,3718 $
asia_southeast1
0,695 $
c2d-highmem-16approssimazioni:
asia_east1
1,3046 $
asia_south1
0,7436 $
asia_southeast1
1,39 $
c2d-highmem-32approssimazioni:
asia_east1
2,6092 $
asia_south1
1,4873 $
asia_southeast1
2,78 $
c2d-highmem-56approssimazioni:
asia_east1
4,5662 $
asia_south1
2,6028 $
asia_southeast1
4,865 $
c2d-highmem-112approssimazioni:
asia_east1
9,1323 $
asia_south1
5,2055 $
asia_southeast1
9,7299 $
c2d-highcpu-2approssimazioni:
asia_east1
0,0998 $
asia_south1
0,0569 $
asia_southeast1
0,1063 $
c2d-highcpu-4approssimazioni:
asia_east1
0,1996 $
asia_south1
0,1138 $
asia_southeast1
0,2127 $
c2d-highcpu-8approssimazioni:
asia_east1
0,3993 $
asia_south1
0,2276 $
asia_southeast1
0,4254 $
c2d-highcpu-16approssimazioni:
asia_east1
0,7985 $
asia_south1
0,4552 $
asia_southeast1
0,8508 $
c2d-highcpu-32approssimazioni:
asia_east1
1,5971 $
asia_south1
0,9104 $
asia_southeast1
1,7016 $
c2d-highcpu-56approssimazioni:
asia_east1
2,7949 $
asia_south1
1,5931 $
asia_southeast1
2,9778 $
c2d-highcpu-112approssimazioni:
asia_east1
5,5898 $
asia_south1
3,1862 $
asia_southeast1
5,9556 $
Serie C3
c3-highcpu-4approssimazioni:
asia_southeast1
0,2445 $
c3-highcpu-8approssimazioni:
asia_southeast1
0,489 $
c3-highcpu-22approssimazioni:
asia_southeast1
1,3449 $
c3-highcpu-44approssimazioni:
asia_southeast1
2,6897 $
c3-highcpu-88approssimazioni:
asia_southeast1
5,3794 $
c3-highcpu-176approssimazioni:
asia_southeast1
10,7589 $
Serie A2
a2-highgpu-1gapprossimazioni:
asia-northeast1
4,6575 $
asia-northeast3
4,6575 $
asia-southeast1
4,6163 $
a2-highgpu-2gapprossimazioni:
asia-northeast1
9,3151 $
asia-northeast3
9,3151 $
asia-southeast1
9,2327 $
a2-highgpu-4gapprossimazioni:
asia-northeast1
18,6301 $
asia-northeast3
18,6301 $
asia-southeast1
18,4653 $
a2-highgpu-8gapprossimazioni:
asia-northeast1
37,2603 $
asia-northeast3
37,2603 $
asia-southeast1
36,9306 $
a2-megagpu-16gapprossimazioni:
asia-northeast1
70,0363 $
asia-northeast3
70,0363 $
asia-southeast1
69,5557 $
a2-ultragpu-1gapprossimazioni:
asia-southeast1
7,1328 $
a2-ultragpu-2gapprossimazioni:
asia-southeast1
14,2657 $
a2-ultragpu-4gapprossimazioni:
asia-southeast1
28,5314 $
a2-ultragpu-8gapprossimazioni:
asia-southeast1
57,0628 $
Prezzi per la regione Medio Oriente
Serie N2
n2-standard-2approssimazioni:
me_west1
0,1229 $
n2-standard-4approssimazioni:
me_west1
0,2457 $
n2-standard-8approssimazioni:
me_west1
0,4914 $
n2-standard-16approssimazioni:
me_west1
0,9828 $
n2-standard-32approssimazioni:
me_west1
1,9657 $
n2-highmem-2approssimazioni:
me_west1
0,1657 $
n2-highmem-4approssimazioni:
me_west1
0,3315 $
n2-highmem-8approssimazioni:
me_west1
0,6629 $
n2-highmem-16approssimazioni:
me_west1
1,3259 $
n2-highcpu-2approssimazioni:
me_west1
0,0907 $
n2-highcpu-4approssimazioni:
me_west1
0,1814 $
n2-highcpu-8approssimazioni:
me_west1
0,3628 $
n2-highcpu-16approssimazioni:
me_west1
0,7256 $
n2-highcpu-32approssimazioni:
me_west1
1,4511 $
Serie N2D
n2d-standard-2approssimazioni:
me_west1
0,1069 $
n2d-standard-4approssimazioni:
me_west1
0,2138 $
n2d-standard-8approssimazioni:
me_west1
0,4275 $
n2d-standard-16approssimazioni:
me_west1
0,8551 $
n2d-standard-32approssimazioni:
me_west1
1,7101 $
n2d-highmem-2approssimazioni:
me_west1
0,1442 $
n2d-highmem-4approssimazioni:
me_west1
0,2884 $
n2d-highmem-8approssimazioni:
me_west1
0,5767 $
n2d-highmem-16approssimazioni:
me_west1
1,1535 $
n2d-highcpu-2approssimazioni:
me_west1
0,0789 $
n2d-highcpu-4approssimazioni:
me_west1
0,1578 $
n2d-highcpu-8approssimazioni:
me_west1
0,3156 $
n2d-highcpu-16approssimazioni:
me_west1
0,6312 $
n2d-highcpu-32approssimazioni:
me_west1
1,2625 $
Nella fattura di Google Cloud, ogni tipo di macchina
viene addebitato con gli SKU riportati di seguito:
Costo delle vCPU, misurato in ore vCPU
Costo della RAM, misurato in GB/ora
Costo delle GPU integrate nella macchina o configurate come opzioni,
misurato in ore GPU
I prezzi per i tipi di macchine vengono utilizzati per approssimare
il costo orario totale per ogni nodo di previsione di una versione di modello che utilizza quel tipo
di macchina.
Ad esempio, una macchina di tipo n1-highcpu-32 include 32 vCPU e 32 GB di RAM.
Pertanto, il prezzo orario è di 32 vCPU hours + 32 GB hours.
È disponibile una tabella dei prezzi degli SKU per ogni regione. Ogni tabella mostra i prezzi di vCPU, RAM
e GPU integrate per i tipi di macchine di previsione, che rispecchiano
in modo più preciso gli SKU addebitati.
Se desideri verificare i prezzi degli SKU per una determinata regione, seleziona la regione per visualizzare la tabella dei prezzi corrispondente:
Alcuni tipi di macchina consentono di aggiungere acceleratori
GPU
opzionali per la previsione. Le GPU sono soggette a un costo aggiuntivo,
separato da quelli descritti nella tabella precedente. Nelle singole tabelle prezzi
sono riportati i prezzi per i vari tipi di GPU opzionali.
Americhe
Acceleratori - prezzo per ora
NVIDIA_TESLA_P4
Iowa (us-central1)
0,6900 $
Virginia del Nord (us-east4)
0,6900 $
Montréal (northamerica-northeast1)
0,7475 $
NVIDIA_TESLA_P100
Oregon (us-west1)
1,6790 $
Iowa (us-central1)
1,6790 $
Carolina del Sud (us-east1)
1,6790 $
NVIDIA_TESLA_T4
Oregon (us-west1)
0,4025 $
Iowa (us-central1)
0,4025 $
Carolina del Sud (us-east1)
0,4025 $
NVIDIA_TESLA_V100
Oregon (us-west1)
2,8520 $
Iowa (us-central1)
2,8520 $
Europa
Acceleratori - prezzo per ora
NVIDIA_TESLA_P4
Paesi Bassi (europe-west4)
0,7475 $
NVIDIA_TESLA_P100
Belgio (europe-west1)
1,8400 $
NVIDIA_TESLA_T4
Londra (europe-west2)
0,4715 $
Paesi Bassi (europe-west4)
0,4370 $
NVIDIA_TESLA_V100
Paesi Bassi (europe-west4)
2,9325 $
Asia Pacifico
Acceleratori - prezzo per ora
NVIDIA_TESLA_P4
Singapore (asia-southeast1)
0,7475 $
Sydney (australia-southeast1)
0,7475 $
NVIDIA_TESLA_P100
Taiwan (asia-east1)
1,8400 $
NVIDIA_TESLA_T4
Tokyo (asia-northeast1)
0,4255 $
Singapore (asia-southeast1)
0,4255 $
Seul (asia-northeast3)
0,4485 $
NVIDIA_TESLA_V100
Taiwan (asia-east1)
2,932 $
I prezzi sono per GPU, quindi se utilizzi più GPU per nodo di previsione (o se la tua
versione è scalabile per l'uso di più nodi), i costi verranno adeguati di conseguenza.
AI Platform Prediction fornisce le previsioni dal tuo modello eseguendo un certo numero
di macchine virtuali ("nodi"). Per impostazione predefinita, Vertex AI adegua
automaticamente il numero di nodi in esecuzione in qualsiasi momento. Per la previsione online, il numero di nodi viene
adeguato per soddisfare la domanda. Ogni nodo può rispondere a più richieste di previsione. Per la previsione batch, il numero di nodi viene scalato per ridurre il tempo totale necessario per eseguire un job. Puoi personalizzare la scalabilità dei nodi di previsione.
Ti viene addebitato il costo del tempo di esecuzione del tuo modello su ciascun nodo, inclusi:
Tempo di elaborazione di un job di previsione batch.
Tempo di elaborazione di una richiesta di previsione online.
Tempo in cui il nodo è nello stato di pronto per fornire le previsioni online.
Il costo di un nodo in esecuzione per un'ora è un'ora nodo. Nella tabella dei
prezzi delle previsioni è riportato il prezzo di un'ora nodo, che dipende dalla regione e varia tra previsione online e previsione batch.
Le ore nodo possono essere consumate per incrementi frazionari. Ad esempio, un nodo in esecuzione per 30 minuti ha un costo di 0,5 ore nodo.
Calcoli dei costi per tipi di macchine di Compute Engine (N1)
Il tempo di esecuzione di un nodo viene fatturato in incrementi di 30 secondi. Ciò significa che, ogni 30 secondi, al progetto vengono addebitati 30 secondi di qualsiasi vCPU, RAM e risorsa GPU il nodo stia utilizzando in quel momento.
Ulteriori informazioni sulla scalabilità automatica dei nodi di previsione
Previsione online
Previsione batch
La priorità della scalabilità è la riduzione della latenza delle singole richieste. Il servizio mantiene il modello in stato di pronto per alcuni minuti di inattività dopo la gestione di una richiesta.
La priorità della scalabilità è la riduzione del tempo totale trascorso
del job.
La scalabilità influisce sull'importo complessivo dovuto ogni mese: quanto più numerose e
frequenti sono le richieste, maggiore sarà il numero di nodi utilizzati.
La scalabilità dovrebbe avere scarso impatto sul prezzo del job, sebbene
sia possibile osservare un certo overhead quando entra in gioco un nuovo nodo.
Puoi scegliere di adeguare il servizio in risposta al traffico
(scalabilità automatica) o specificare un numero di nodi costantemente in esecuzione
per evitare la latenza (scalabilità manuale)
Se scegli la scalabilità automatica, il numero di nodi si adegua
automaticamente. Per i deployment dei tipi di macchine AI Platform Prediction legacy (MLS1),
è possibile fare lo scale down del numero di nodi fino a zero,
in caso di assenza di traffico. Non è possibile fare lo scale down
fino a zero nodi per i deployment Vertex AI e altri tipi di deployment
AI Platform Prediction.
Se scegli la scalabilità manuale, devi indicare il numero dei nodi che dovranno
essere sempre in esecuzione. Ti verrà quindi addebitato tutto il tempo durante il quale i nodi saranno in esecuzione, a partire dal momento del deployment e fino a quando non eliminerai la versione del modello.
Puoi influenzare la scalabilità impostando un numero massimo di nodi da utilizzare per
un job di previsione batch e impostando il numero di nodi da mantenere
in esecuzione per un modello quando viene distribuito.
I job di previsione in batch vengono addebitati al completamento del job
I job di previsione in batch vengono addebitati al completamento del job, non in modo
incrementale durante il job. Gli eventuali avvisi configurati per il budget della fatturazione Cloud non vengono attivati
durante l'esecuzione di un job. Prima di iniziare un job di grandi dimensioni, valuta
la possibilità di eseguire alcuni job di benchmark dei costi con piccoli volumi di dati di input.
Esempio di calcolo di previsione
Una società immobiliare in una regione delle Americhe esegue una previsione
settimanale dei valori degli alloggi nelle aree di sua competenza. In un mese esegue previsioni
per quattro settimane in batch di 3920, 4277, 3849 e 3961. I job sono
limitati a un nodo e ogni istanza utilizza una media di 0.72 secondi
di elaborazione.
Calcola innanzitutto per quanto tempo è stato eseguito ciascun job:
L'addebito totale per il mese corrisponde a 0,26 $.
In questo esempio si supponeva che i job fossero eseguiti su un singolo nodo e richiedessero una quantità di tempo costante per ogni istanza di input. Nell'utilizzo reale, assicurati di tenere conto di più nodi
e di utilizzare la quantità effettiva di tempo di esecuzione che ciascun nodo
impiega per i calcoli.
Addebiti per Vertex Explainable AI
Spiegazioni basate sulle caratteristiche
Le spiegazioni basate sulle caratteristiche
non comportano alcun costo in aggiunta ai prezzi delle previsioni. Tuttavia, il tempo di elaborazione delle spiegazioni
è superiore a quello delle previsioni normali, pertanto un utilizzo intensivo
di Vertex Explainable AI insieme alla scalabilità automatica potrebbe comportare
l'avvio di più nodi, aumentando i costi delle previsioni.
Quando carichi un modello o aggiorni il set di dati di un modello, il costo fatturato include:
Ore nodo per il job di previsione batch utilizzato per generare
le rappresentazioni dello spazio latente degli esempi. Questo costo viene fatturato alla stessa
tariffa della previsione.
Costo di creazione o aggiornamento degli indici. Questo costo è uguale
ai costi di indicizzazione per Vector Search,
pari a numero di esempi * numero di dimensioni * 4 byte per numero in virgola mobile * 3,00 $ per GB.
Se ad esempio hai 1 milione di esempi e uno spazio latente con dimensione 1.000,
il costo è 12 $ (1.000.000 * 1.000 * 4 * 3,00 / 1.000.000.000).
Quando esegui il deployment in un endpoint, ti viene fatturato un costo per ora nodo per ciascun nodo
nell'endpoint. Tutte le risorse di elaborazione associate all'endpoint vengono addebitate
alla stessa tariffa della previsione. Tuttavia,
poiché le spiegazioni basate su esempi richiedono risorse di elaborazione aggiuntive per
l'indice di Vector Search, determinano l'avvio di un maggior numero di nodi,
aumentando i costi di previsione.
Vertex AI Neural Architecture Search
Nelle tabelle seguenti sono riepilogati i prezzi per ogni regione in cui
è disponibile Neural Architecture Search.
Prezzi
Nelle tabelle seguenti sono riportati i prezzi per ora delle varie configurazioni.
Puoi scegliere un livello di scalabilità predefinito o una configurazione personalizzata
dei tipi di macchine selezionati. Se scegli una configurazione personalizzata, somma i costi delle macchine virtuali che utilizzi.
I prezzi dei tipi di macchine legacy compatibili con l'acceleratore includono il costo degli acceleratori. Se utilizzi tipi di macchina di Compute Engine e colleghi gli acceleratori,
il costo degli acceleratori è separato. Per calcolare questo costo,
moltiplica i prezzi nella tabella degli acceleratori seguente per il numero
degli acceleratori utilizzati per ciascun tipo.
Il prezzo del disco viene addebitato solo quando la dimensione del disco
configurata per ogni VM è superiore a 100 GB. Non viene addebitato alcun costo per i primi 100 GB (le dimensioni
predefinite del disco) per ogni VM. Se ad esempio
configuri ogni VM in modo che abbia un disco da 105 GB, ti verranno addebitati 5 GB
di spazio su disco per ogni VM.
Utilizzo obbligatorio di Cloud Storage
Oltre ai costi descritti in questo documento, ti viene richiesto di archiviare
i file di dati e i file di programma nei bucket Cloud Storage durante
il ciclo di vita di Neural Architecture Search. Questa archiviazione è soggetta alle
politiche di prezzo di Cloud Storage.
L'uso obbligatorio di Cloud Storage include:
Gestione temporanea del pacchetto delle applicazioni di addestramento.
Archiviazione dei dati di input relativi all'addestramento.
Archiviazione dell'output dei job.
Neural Architecture Search non richiede l'archiviazione a lungo termine di questi elementi.
Puoi rimuovere i file non appena l'operazione viene completata.
Operazioni gratuite per la gestione delle risorse
Le operazioni di gestione delle risorse fornite da Neural Architecture Search
sono disponibili senza costi aggiuntivi. Alcune di queste operazioni sono limitate dalle norme relative alle quote
di Neural Architecture Search.
Risorsa
Operazioni gratuite
job
get, list, cancel
operazioni
get, list, cancel, delete
Vertex AI Pipelines
Vertex AI Pipelines addebita una tariffa di esecuzione di 0,03 $
per ogni pipeline in esecuzione. Durante la release di anteprima non ti viene addebitato alcun costo di esecuzione.
Paghi anche per le risorse di Google Cloud che utilizzi
con Vertex AI Pipelines, ad esempio le risorse Compute Engine consumate
dai componenti della pipeline (addebitate alla stessa tariffa
dell'addestramento Vertex AI). Infine, sei responsabile del costo
degli eventuali servizi (ad esempio Dataflow) richiamati dalla tua pipeline.
Vertex AI Feature Store
Vertex AI Feature Store è disponibile al pubblico generale (GA) dal novembre 2023. Per
informazioni sulla versione precedente del prodotto, visita Vertex AI Feature Store (legacy).
Nuovo Vertex AI Feature Store
Il nuovo Vertex AI Feature Store supporta funzionalità per 2 tipi di operazioni:
Le operazioni offline sono operazioni con lo scopo di trasferire, archiviare,
recuperare o trasformare dati nel datastore offline (BigQuery)
Le operazioni online includono sia le operazioni con lo scopo di trasferire dati
nei datastore online, sia le operazioni eseguite sui dati già presenti nei datastore online.
Prezzi delle operazioni offline
Poiché per le operazioni offline si utilizza BigQuery, per funzionalità come l'importazione nel datastore offline, l'interrogazione del datastore offline e l'archiviazione offline,
consulta i prezzi di BigQuery.
Prezzi delle operazioni online
Per le operazioni online, Vertex AI Feature Store addebita un costo per ogni funzionalità GA
utilizzata per trasferire dati nel datastore online, distribuire dati o archiviare dati. Per ora nodo
si intende il tempo impiegato da una macchina virtuale per completare un'operazione,
addebitato per incrementi di un minuto.
Per la distribuzione online ottimizzata e la distribuzione online tramite Bigtable vengono utilizzate architetture diverse, pertanto i relativi nodi non sono confrontabili.
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Stime dei carichi di lavoro per le operazioni online
Per la stima dei carichi di lavoro, considera le linee guida riportate di seguito. Il numero
dei nodi necessari per un determinato carico di lavoro può variare a seconda dell'approccio di distribuzione adottato.
Trattamento dati:
Importazione: un singolo nodo può importare circa un minimo di 100 MB di dati l'ora in un archivio online Bigtable o in un archivio online ottimizzato se non vengono utilizzate funzioni analitiche.
Distribuzione online tramite Bigtable: ogni nodo può supportare circa 15.000 QPS e fino a 5 TB di spazio di archiviazione.
Distribuzione online ottimizzata: le prestazioni si basano sul tipo di macchina e sulle repliche, che vengono configurate automaticamente per ridurre al minimo i costi soggetti al carico di lavoro. Ogni nodo può avere un minimo di 2 e un massimo di 6 repliche per l'alta disponibilità e la scalabilità automatica. Il numero di repliche ti viene addebitato di conseguenza. Per ulteriori dettagli, consulta gli scenari mensili di esempio.
Per carichi di lavoro non correlati agli incorporamenti, ciascun nodo può supportare circa 500 QPS e fino a 200 GB di spazio di archiviazione.
Per i carichi di lavoro relativi agli incorporamenti, ciascun nodo può supportare circa 500 QPS e fino a 4 GB di archiviazione di dati dimensionali 512.
Puoi visualizzare il numero di nodi (con repliche) in Esplora metriche:
Scenari mensili di esempio (riferiti a us-central1)
Carico di lavoro per streaming di dati - Distribuzione online tramite Bigtable con 2,5 TB di dati
(1 GB di dati aggiornato quotidianamente) e 1200 QPS
Operazioni
Utilizzo mensile
Costo mensile
Nodo di elaborazione dati
(1 GB al giorno) * (30 giorni al mese) * (1.000 MB per GB) * (1 ora nodo / 100 MB) = 300 ore nodo
300 ore nodo * (0,08 $ per ora nodo) = 24 $
Nodo per la distribuzione online ottimizzata
N/A
N/A
Nodo per la distribuzione online tramite Bigtable
(1 nodo) * (24 ore al giorno) * (30 giorni al mese) = 720 ore nodo
720 ore nodo * (0,94 $ per ora nodo) = 677 $
Spazio di archiviazione per la distribuzione online tramite Bigtable
(2,5 TB al mese) * (1000 GB per TB) = 2500 GB al mese
2500 GB al mese * (0,25 $ per GB al mese) = 625 $
Totale
1.326 $
Carico di lavoro con QPS elevato - Pubblicazione online ottimizzata con 10 GB di dati non di incorporamento
(5 GB aggiornati quotidianamente) e 2000 QPS
Operazioni
Utilizzo mensile
Costo mensile
Nodo di elaborazione dati
(5 GB al giorno) * (30 giorni al mese) * (1.000 MB per GB) * (1 ora nodo / 100 MB) = 1500 ore nodo
1500 ore nodo * (0,08 $ per ora nodo) = 120$
Nodo per la distribuzione online ottimizzata
Arrotondamento(10 GB * (1 nodo/200 GB)) = 1 * massimo(2 repliche predefinite, 2000 QPS * (1 replica/500 QPS)) = 4 nodi totali * (24 ore al giorno) * (30 giorni al mese) =2880 ore nodo
2880 ore nodo * (0,30 per ora nodo) = 864$
Nodo per la distribuzione online tramite Bigtable
N/D
N/D
Spazio di archiviazione per la distribuzione online tramite Bigtable
N/D
N/D
Totale
984$
Carico di lavoro per la gestione degli incorporamenti: gestione online ottimizzata con 20 GB di dati degli incorporamenti (2 GB aggiornati quotidianamente) e 800 QPS
Operazioni
Utilizzo mensile
Costo mensile
Nodo di elaborazione dati
(2 GB al giorno) * (30 giorni al mese) * (1.000 MB per GB) * (1 ora nodo / 100 MB) = 600 ore nodo
Spazio di archiviazione per la distribuzione online tramite Bigtable
N/D
N/D
Totale
2208$
Vertex AI Feature Store (legacy)
I prezzi per Vertex AI Feature Store si basano sulla quantità di dati sulle caratteristiche
nello spazio di archiviazione online e offline e sulla disponibilità
della distribuzione online. Un'ora nodo è il tempo impiegato da una macchina virtuale per distribuire
i dati delle caratteristiche o per cui rimane in attesa, pronta per la gestione delle richieste di dati delle caratteristiche.
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli
SKU di Cloud Platform
.
Se attivi il monitoraggio del valore delle funzionalità, la fatturazione include i costi applicabili precedenti, in aggiunta a quelli riportati di seguito:
3,50 $ al GB per tutti i dati analizzati. Se l'analisi degli snapshot è attivata, gli snapshot creati per i dati in Vertex AI Feature Store (legacy) sono inclusi. Se attivi l'analisi della funzionalità di importazione, i batch di dati importati sono inclusi.
I costi aggiuntivi per le altre operazioni di Vertex AI Feature Store (legacy) utilizzate con il monitoraggio del valore delle funzionalità includono quanto segue:
La funzionalità di analisi degli snapshot crea periodicamente uno snapshot dei valori delle funzionalità, in base all'intervallo di monitoraggio configurato.
Il costo di esportazione di uno snapshot è uguale a quello di una normale operazione di esportazione in batch.
Esempio di analisi degli snapshot
Un data scientist abilita il monitoraggio del valore delle funzionalità per Vertex AI Feature Store (legacy) e attiva il monitoraggio per un'analisi quotidiana degli snapshot.
Viene eseguita quotidianamente una pipeline per il monitoraggio dei tipi di entità. Questa pipeline scansiona 2 GB di dati in Vertex AI Feature Store (legacy) ed esporta uno snapshot contenente 0,1 GB di dati.
Il costo totale per un giorno di analisi è:
(0.1 GB * $3.50) + (2 GB * $0.005) = $0.36
Esempio di analisi dell'importazione
Un data scientist abilita il monitoraggio del valore delle funzionalità per Vertex AI Feature Store (legacy) e attiva il monitoraggio per le operazioni di importazione.
Un'operazione di importazione importa 1 GB di dati in Vertex AI Feature Store (legacy).
Il costo totale per il monitoraggio del valore delle funzionalità è:
(1 GB * $3.50) = $3.50
Vertex ML Metadata
L'archiviazione dei metadati viene misurata in gigabyte binari (GiB), dove
1 GiB corrisponde a 1.073.741.824 byte. Questa unità di misura è nota anche come gibibyte.
Vertex ML Metadata addebita 10 $ per gibibyte (GiB) al mese
per l'archiviazione dei metadati. I prezzi vengono calcolati in proporzione, per incrementi di 1 megabyte (MB). Se ad esempio
archivi 10 MB di metadati, ti vengono addebitati 0,10 $ al mese
per quei 10 MB di metadati.
Nota: i prezzi sono gli stessi per tutte le regioni in cui è supportato
Vertex ML Metadata.
Vertex AI TensorBoard
Per usare Vertex AI TensorBoard, chiedi all'amministratore IAM
del progetto di assegnarti il ruolo
"Vertex AI TensorBoard Web App User". Anche l'utente con ruolo Vertex AI Administrator
può accedere all'app.
Dall'agosto 2023 i prezzi di Vertex AI TensorBoard sono cambiati,
passando da una licenza mensile per utente dal costo di 300 $ al mese a un costo di 10 $ per GiB al mese, per l'archiviazione
dei dati di log e metriche. Di conseguenza, non ci sono più quote di abbonamento. Paghi soltanto lo spazio di archiviazione
effettivamente utilizzato. Per informazioni sulla gestione dello spazio di archiviazione, vedi il tutorial
Vertex AI TensorBoard: eliminazione degli esperimenti TensorBoard obsoleti
.
Vertex AI Vizier
Vertex AI Vizier è un servizio di ottimizzazione black-box disponibile all'interno di Vertex AI.
Il modello di prezzi di Vertex AI Vizier prevede quanto segue:
Le prime 100 prove di Vertex AI Vizier per mese di calendario sono disponibili senza costi aggiuntivi (le prove che utilizzano RANDOM_SEARCH e GRID_SEARCH non vengono incluse nel calcolo di questo totale).
Dopo 100 prove di Vertex AI Vizier, per ogni prova successiva durante lo stesso mese di calendario viene addebitato 1 $ (le prove che utilizzano RANDOM_SEARCH o GRID_SEARCH sono senza costi).
Vector Search
I prezzi del servizio Vector Search Approximate Nearest Neighbor prevedono:
Prezzo per ora nodo per ogni VM utilizzata per ospitare un indice distribuito.
Costo per la creazione di nuovi indici, l'aggiornamento di quelli esistenti e l'uso degli aggiornamenti degli indici di streaming.
I dati elaborati durante la creazione e l'aggiornamento degli indici vengono misurati
in gigabyte binari (GiB), dove 1 GiB corrisponde a 1.073.741.824 byte. Questa unità di misura è
nota anche come gibibyte.
In tutte le regioni, Vector Search addebita 3,00 $ per gibibyte (GiB)
di dati elaborati. Vector Search addebita 0,45 $per GiB importato
per gli inserimenti di aggiornamenti in streaming.
Nelle tabelle seguenti sono riepilogati i prezzi per la distribuzione di un indice in ogni regione
in cui è disponibile Vector Search. Per ogni regione, il prezzo dipende dal tipo di macchina
e viene addebitato per ora nodo.
Americhe
Regione
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
Regione
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
Asia Pacifico
Regione
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
Medio Oriente
Regione
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
Esempi sui prezzi di Vector Search
I prezzi di Vector Search sono determinati dalle dimensioni dei dati,
dal numero di query al secondo (QPS) che desideri eseguire e dal numero di nodi che utilizzi.
Per stimare il costo di distribuzione, devi calcolare la dimensione totale dei dati.
La dimensione dei dati si ottiene moltiplicando il numero degli incorporamenti/vettori per il numero delle dimensioni
utilizzate, quindi per i 4 byte di ogni dimensione. Dopo aver determinato la dimensione dei dati, puoi calcolare
il costo di distribuzione e il costo di creazione. Il costo totale mensile è dato dal costo di distribuzione più
il costo di creazione.
Costo di distribuzione: N. repliche/shard * N. shard (~dimensione dati/dimensione shard) * costo orario * 730 ore
Costo di creazione: dimensione dati(in GiB) * 3 $/GiB * N. di aggiornamenti/mese
Aggiornamento del flusso di dati: Vector Search utilizza metriche basate sull'euristica per determinare quando attivare la compattazione. Se i dati non compatti meno recenti risalgono a cinque giorni prima, la compattazione viene sempre attivata. Il costo per la rigenerazione dell'indice ti viene addebitato alla stessa tariffa di un aggiornamento in batch, oltre ai costi di aggiornamento dei flussi di dati.
Numero di incorporamenti/vettori
Numero di dimensioni
Query al secondo (QPS)
Tipo di macchina
Nodi
Costo di distribuzione mensile stimato
2 milioni
128
100
e2-standard-2
1
68 $
20 milioni
256
1.000
e2-standard-16
1
547 $
20 milioni
256
3.000
e2-standard-16
3
1.642 $
100 milioni
256
500
e2-highmem-16
2
1.477 $
1 miliardo
100
500
e2-highmem-16
8
5.910 $
Tutti gli esempi sono basati sui tipi di macchina in us-central1.
Il costo addebitato dipende dal tasso di richiamo e dai requisiti di latenza. Il costo di distribuzione mensile stimato
è direttamente correlato al numero di nodi nella console.
Per ulteriori informazioni sui parametri di configurazione che influiscono sui costi, vedi
Parametri di configurazione che influiscono su richiamo e latenza.
Se il tuo numero di query al secondo (QPS) è molto elevato, eseguendo le query in batch
puoi ridurre i costi totali fino al 30-40%.
Vertex AI Model Registry
Vertex AI Model Registry è un repository centrale che monitora ed elenca
i tuoi modelli con le relative versioni. I modelli che importi in Vertex AI vengono visualizzati in
Vertex AI Model Registry. L'inserimento dei modelli in
Model Registry non comporta alcun costo. Ti viene addebitato un costo solo se distribuisci il modello in un endpoint
o esegui una previsione batch basata sul modello. Questo costo viene determinato in base al tipo di modello che distribuisci.
Vertex AI consente di monitorare l'efficacia continua del tuo modello dopo
il deployment in produzione. Per ulteriori informazioni,
consulta Introduzione a Vertex AI Model Monitoring.
Quando utilizzi Vertex AI Model Monitoring, ti vengono addebitati i costi seguenti:
3,50 $ per GB per tutti i dati analizzati, compresi
i dati di addestramento forniti e i dati di previsione registrati in una tabella BigQuery.
Addebiti
per gli altri prodotti Google Cloud che utilizzi con il monitoraggio del modello,
come BigQuery Storage o Batch Explain, quando il monitoraggio dell'attribuzione è abilitato.
Vertex AI Model Monitoring è supportato nelle regioni seguenti: us-central1,
europe-west4, asia-east1 e asia-southeast1. I prezzi sono uguali per tutte
le regioni.
Le dimensioni dei dati vengono calcolate dopo la relativa conversione nel formato TFRecord.
L'addestramento dei set di dati prevede un addebito una tantum, quando configuri
un job Vertex AI Model Monitoring.
I set di dati di previsione sono costituiti dai log raccolti dal servizio
di previsione online. Man mano che vengono ricevute le richieste di previsione, durante le varie finestre
temporali, vengono raccolti i dati per ogni finestra temporale e la somma dei dati
analizzati per ogni finestra di previsione viene utilizzata per calcolare l'addebito.
Esempio:
un data scientist esegue il monitoraggio del modello sul traffico di previsione appartenente
al suo modello.
Il modello viene addestrato da un set di dati BigQuery. La dimensione dei dati dopo la conversione
nel formato TFRecord è di 1,5 GB.
La dimensione dei dati di previsione registrati fra le 13.00 e le 14,00 è di 0,1 GB,
quella dei dati registrati fra le 15.00 e le 16.00 è di 0,2 GB.
Il prezzo totale per la configurazione del job di monitoraggio del modello è:
Oltre ai costi indicati in precedenza,
paghi anche tutte le risorse Google Cloud utilizzate.
Ad esempio:
Servizi di analisi dei dati: ti sono addebitati i costi di BigQuery
quando esegui query SQL in un blocco note
(vedi Prezzi di BigQuery).
Chiavi di crittografia gestite dal cliente: ti sono addebitati costi quando utilizzi
le chiavi di crittografia gestite dal cliente. Ogni volta
che un'istanza di blocchi note gestiti
o di blocchi note gestiti dall'utente
utilizza una chiave di Cloud Key Management Service, l'operazione viene fatturata
in base alle tariffe delle operazioni relative alle chiavi di Cloud KMS
(vedi Prezzi di Cloud Key Management Service).
Deep Learning Containers, Deep Learning VM e AI Platform Pipelines
I prezzi relativi a Deep Learning Containers, Deep Learning VM Image
e AI Platform Pipelines
vengono calcolati in base alle risorse di elaborazione e archiviazione che utilizzi.
Per queste risorse viene addebitata la stessa tariffa che paghi
attualmente per Compute Engine e
Cloud Storage.
Oltre ai costi delle risorse di elaborazione e archiviazione,
paghi anche tutte le risorse di Google Cloud che utilizzi.
Ad esempio:
Servizi di analisi dei dati: ti sono addebitati i costi di BigQuery
quando esegui query SQL in un blocco note
(vedi Prezzi di BigQuery).
Chiavi di crittografia gestite dal cliente: ti sono addebitati costi quando utilizzi
le chiavi di crittografia gestite dal cliente. Ogni volta
che un'istanza di blocchi note gestiti
o di blocchi note gestiti dall'utente
utilizza una chiave di Cloud Key Management Service, l'operazione viene fatturata
in base alle tariffe delle operazioni relative alle chiavi di Cloud KMS
(vedi Prezzi di Cloud Key Management Service).
Etichettatura dei dati
Vertex AI ti consente di richiedere l'etichettatura umana per una raccolta
di dati che prevedi di utilizzare per addestrare un modello di machine learning personalizzato.
I prezzi di questo servizio vengono calcolati in base al tipo di attività di etichettatura.
Per le normali attività di etichettatura, i prezzi sono determinati dal numero
di unità di annotazione.
Per un'attività di classificazione delle immagini, le unità sono determinate dal
numero di immagini e dal numero di etichettatori umani. Ad esempio, un'immagine
con 3 etichettatori umani viene calcolata come 1 * 3 = 3 unità. Alla classificazione con più etichette viene applicato
lo stesso prezzo di quella con etichetta singola.
Per un'attività con riquadri di delimitazione delle immagini, le unità sono
determinate dal numero dei riquadri di delimitazione identificati nelle immagini e dal numero degli etichettatori umani.
Ad esempio, un'immagine con 2 riquadri di delimitazione e 3 etichettatori umani
viene calcolata come 2 * 3 = 6 unità. Le immagini senza riquadri di delimitazione non
vengono addebitate.
Per un'attività con segmentazione delle immagini/riquadro ruotato/polilinea/poligono,
le unità sono determinate come per le attività con riquadro di delimitazione delle immagini.
Per un'attività di classificazione video, le unità sono determinate dalla durata del video
(un'unità di prezzo ogni 5 secondi) e dal numero di etichettatori umani. Ad esempio,
un video di 25 secondi con 3 etichettatori umani viene calcolato come 25 / 5 * 3 =
15 unità. Alla classificazione con più etichette
viene applicato lo stesso prezzo di quella con etichetta singola.
Per un'attività con monitoraggio di oggetti video, l'unità è determinata dal numero
degli oggetti identificati nel video e dal numero degli etichettatori umani. Ad esempio,
un video con 2 oggetti e 3 etichettatori umani, viene calcolato come
2 * 3 = 6 unità. I video senza oggetti non vengono addebitati.
Per un'attività di riconoscimento delle azioni video, le unità sono determinate
come per le attività di monitoraggio degli oggetti video.
Per un'attività di classificazione del testo, le unità sono determinate dalla lunghezza
del testo (un'unità di prezzo ogni 50 parole) e dal numero di etichettatori umani. Ad esempio, una porzione di testo con 100 parole e 3 etichettatori umani viene
calcolata come 100 / 50 * 3 = 6 unità. Alla classificazione con più etichette
viene applicato lo stesso prezzo di quella con etichetta singola.
Per un'attività di sentiment del testo, le unità sono determinate come per le attività
di classificazione del testo.
Per un'attività di estrazione delle entità del testo, le unità sono determinate dalla lunghezza
del testo (un'unità di prezzo ogni 50 parole), dal numero delle entità identificate e dal
numero degli etichettatori umani. Ad esempio, una parte di testo con 100 parole,
2 entità identificate e 3 etichettatori umani corrisponde a 100 / 50 * 2 * 3 =
12 unità. Il testo senza entità non viene addebitato.
Per le attività di classificazione di immagini/video/testo e di sentiment del testo,
gli etichettatori umani potrebbero perdere di vista le classi, se la dimensione del set di etichette è troppo grande. Di conseguenza,
agli etichettatori umani viene inviato un massimo di 20 classi per volta. Ad esempio, se
la dimensione del set di etichette di un'attività di etichettatura è 40, ogni elemento dati
verrà inviato ai revisori fisici 40 / 20 = 2 volte, pertanto addebiteremo due volte il prezzo calcolato in precedenza.
Per un'attività di etichettatura che abilita la funzione di etichettatura personalizzata,
ogni elemento dati viene conteggiato come 1 unità di etichettatura personalizzata.
Per un'attività di etichettatura di apprendimento attivo per elementi dati con annotazioni
generate da modelli (senza l'aiuto di un etichettatore umano), ogni elemento dati viene
conteggiato come 1 unità di apprendimento attiva.
Per un'attività di etichettatura di apprendimento attivo per elementi dati con annotazioni
generate da etichettatori umani, ogni elemento dati viene conteggiato come una normale
attività di etichettatura, come descritto in precedenza.
La tabella riportata di seguito indica il costo relativo a 1.000 unità per etichettatore umano
in base all'unità elencata per ogni obiettivo. I prezzi del livello 1 si applicano alle prime 50.000
unità al mese in ogni progetto Google Cloud. I prezzi del livello 2 si applicano alle successive
950.000 unità al mese nel progetto, fino a 1.000.000 di unità.
Se desideri informazioni sui prezzi per quantità superiori a 1.000.000 di unità al mese,
Contattaci.
Tipo di dati
Obiettivo
Unità
Livello 1
Livello 2
Immagine
Classificazione
Immagine
35 $
25 $
Riquadro di delimitazione
Riquadro di delimitazione
63 $
49 $
Segmentazione
Segmento
870 $
850 $
Riquadro ruotato
Riquadro di delimitazione
86 $
60 $
Poligono/polilinea
Poligono/Polilinea
257 $
180 $
Video
Classificazione
Video di 5 sec.
86 $
60 $
Monitoraggio di oggetti
Riquadro di delimitazione
86 $
60 $
Riconoscimento di azioni
Evento in video di 30 sec
214 $
150 $
Testo
Classificazione
50 parole
129 $
90 $
Sentiment
50 parole
200 $
140 $
Estrazione di entità
Entità
86 $
60 $
Apprendimento attivo
Tutto
Elemento dati
80 $
56 $
Etichettatore personalizzato
Tutto
Elemento dati
80 $
56 $
Utilizzo obbligatorio di Cloud Storage
Oltre ai costi descritti in questo documento, ti viene richiesto di archiviare file di dati
e file di programma nei bucket Cloud Storage durante il ciclo di vita
di Vertex AI. Questa archiviazione è soggetta alle
politiche di prezzo di Cloud Storage.
L'uso obbligatorio di Cloud Storage include:
Archiviazione in un'area intermedia del pacchetto dell'applicazione di addestramento per i modelli con addestramento personalizzato.
Archiviazione dei dati di input relativi all'addestramento.
Archiviazione dell'output dei job di addestramento.
Vertex AI non richiede l'archiviazione a lungo termine di questi elementi.
Puoi rimuovere i file non appena l'operazione viene completata.
Operazioni gratuite per la gestione delle risorse
Le operazioni di gestione delle risorse fornite da AI Platform sono disponibili gratuitamente. I criteri per le quote di AI Platform limitano alcune di queste operazioni.
Risorsa
Operazioni gratuite
modelli
create, get, list, delete
versioni
create, get, list, delete, setDefault
job
get, list, cancel
operazioni
get, list, cancel, delete
Costi di Google Cloud
Se archivi le immagini da analizzare in Cloud Storage o utilizzi altre
risorse di Google Cloud insieme a Vertex AI, ti verrà addebitato
anche l'uso di questi servizi.
Con i prezzi con pagamento a consumo di Google Cloud, paghi solo per i servizi che
utilizzi. Per ricevere un preventivo personalizzato per la tua organizzazione, contatta il nostro team di vendita.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Hard to understand","hardToUnderstand","thumb-down"],["Incorrect information or sample code","incorrectInformationOrSampleCode","thumb-down"],["Missing the information/samples I need","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],[],[],[]]