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:

Prezzi per la IA generativa su Vertex AI

Per informazioni sui prezzi della IA generativa su Vertex AI, visita la pagina Prezzi per la IA generativa su Vertex AI.

Prezzi per i modelli AutoML

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.

Dati immagine

Operazione Prezzo per ora nodo (classificazione) Prezzo per ora nodo (rilevamento di oggetti)
Addestramento 3,465 $ 3,465 $
Addestramento (modello su dispositivo Edge) 18,00 $ 18,00 $
Deployment e previsione online 1,375 $ 2,002 $
Previsione batch 2,222 $ 2,222 $

Dati video

Operazione Prezzo per ora nodo (classificazione, monitoraggio di oggetti) Prezzo per ora nodo (riconoscimento di azioni)
Addestramento 3,234 $ 3,300 $
Addestramento (modello su dispositivo Edge) 10,78 $ 11,00 $
Previsioni 0,462 $ 0,550 $

Dati tabulari

Operazione Prezzo di classificazione/regressione per ora nodo Prezzo per le previsioni
Addestramento 21,252 $ Vedi Previsioni su Vertex AI
Previsione Stesso prezzo delle previsioni eseguite utilizzando modelli con addestramento personalizzato.
Per eseguire le previsioni batch, Vertex AI usa 40 n1-highmem-8 macchine. 		Vedi Previsioni su Vertex AI

Dati di testo

Operazione Prezzo
Caricamento di dati legacy (solo PDF)

Prime 1000 pagine del mese gratuite

1,50 $ ogni 1.000 pagine

0,60 $ ogni 1.000 pagine oltre i 5.000.000
Addestramento 3,30 $ l'ora
Deployment 0,05 $ l'ora
Previsione

5,00 $ ogni 1000 record di testo

25,00 $ ogni 1000 pagine di documento, ad esempio file PDF (solo legacy)

I prezzi per le richieste di previsione del testo di Vertex AutoML vengono calcolati in base al numero dei record di testo inviati per l'analisi. Un record di testo è costituito da un massimo di 1.000 caratteri Unicode di testo normale (inclusi gli spazi vuoti e i caratteri di markup, come i tag HTML o XML).

Se il testo fornito in una richiesta di previsione contiene più di 1.000 caratteri, viene conteggiato un record di testo ogni 1.000 caratteri. Se ad esempio invii tre richieste contenenti rispettivamente 800, 1.500 e 600 caratteri, ti verranno addebitati quattro record di testo: uno per la prima richiesta (800), due per la seconda (.1500) e uno per la terza (600).

Costi delle previsioni per Vertex Explainable AI

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)
Addestramento 21,25 $/h in tutte le regioni
Explainable AI Spiegabilità tramite valori Shapley. Vedi la pagina dei prezzi di previsioni e spiegazioni su Vertex AI.

* 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.

ARIMA+

Fase Prezzi
Previsione 5,00 $ per TB
Addestramento 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 della 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 di stringhe ogni 1000 caratteri. Un carattere è definito come un carattere Unicode. Gli spazi bianchi non vengono conteggiati. La richiesta di valutazione non riuscita, inclusa la risposta filtrata, non verrà addebitata per input né output. Alla fine di ogni ciclo di fatturazione, le frazioni di un centesimo ($0,01) vengono arrotondate a un centesimo.

Gen AI Evaluation Service è in disponibilità generale. I prezzi sono entrati in vigore il 27 settembre 2024.

Metrica Prezzi
Basata su punti Input: 0,005 $ per 1000 caratteri
Output: 0,015 $ per 1000 caratteri
Basata su coppie Input: 0,005 $ per 1000 caratteri
Output: 0,015 $ per 1000 caratteri

Le metriche basate sul calcolo hanno un costo di 0,00003 $per 1000 caratteri di input e di 0,00009 $per 1000 caratteri di output. In SKU vengono definite metriche automatiche.

Nome metrica Tipo
Corrispondenza esatta Basato su calcolo
Film blu Basato su calcolo
Rouge Basato su calcolo
Chiamata allo strumento valida Basato su calcolo
Corrispondenza nome strumento Basato su calcolo
Corrispondenza delle chiavi dei parametri dello strumento Basato su calcolo
Abbinamento chiave-valore dei parametri dello strumento Basato su 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 modelli legacy hanno un costo di 0,005 $per 1000 caratteri di input e 0,015 $per 1000 caratteri di output.

Nome metrica Tipo
Coerenza Basata su punti
Fluidità Basata su punti
Fulfillment Basata su punti
Sicurezza Basata su punti
Connessione a terra Basata su punti
Qualità del riassunto Basata su punti
Utilità del riassunto Basata su punti
Verbosità del riassunto Basata su punti
Qualità del question answering Basata su punti
Question answering: pertinenza Basata su punti
Utilità della funzionalità di risposta alle domande Basata su punti
Question answering: correttezza Basata su punti
Qualità della riassunto a coppie Basata su coppie
Qualità delle risposte alle domande 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:

Prezzi per la regione Americhe

Nelle tabelle che seguono sono indicati i prezzi di ogni tipo di macchina, per ora nodo.

Serie E2

e2-standard-2approssimazioni:

us-west20,0926 $
us-west40,0868 $
us-east40,0868 $
northamerica-northeast10,0848 $
northamerica-northeast20,0848 $
southamerica-east10,1223 $
Altre regioni nelle Americhe0,0771 $
e2-standard-4approssimazioni:
us-west20,1851 $
us-west40,1736 $
us-east40,1736 $
northamerica-northeast10,1697 $
northamerica-northeast20,1697 $
southamerica-east10,2446 $
Altre regioni nelle Americhe0,1541 $
e2-standard-8approssimazioni:
us-west20,3702 $
us-west40,3471 $
us-east40,3471 $
northamerica-northeast10,3393 $
northamerica-northeast20,3393 $
southamerica-east10,4893 $
Altre regioni nelle Americhe0,3082 $
e2-standard-16approssimazioni:
us-west20,7405 $
us-west40,6942 $
us-east40,6942 $
northamerica-northeast10,6787 $
northamerica-northeast20,6787 $
southamerica-east10,9786 $
Altre regioni nelle Americhe0,6165 $
e2-standard-32approssimazioni:
us-west21,4809 $
us-west41,3885 $
us-east41,3885 $
northamerica-northeast11,3574 $
northamerica-northeast21,3574 $
southamerica-east11,9572 $
Altre regioni nelle Americhe1,2329 $
e2-highmem-2approssimazioni:
us-west20,1249 $
us-west40,1171 $
us-east40,1171 $
northamerica-northeast10,1144 $
northamerica-northeast20,1144 $
southamerica-east10,165 $
Altre regioni nelle Americhe0,1039 $
e2-highmem-4approssimazioni:
us-west20,2497 $
us-west40,2341 $
us-east40,2341 $
northamerica-northeast10,2289 $
northamerica-northeast20,2289 $
southamerica-east10,33 $
Altre regioni nelle Americhe0,2079 $
e2-highmem-8approssimazioni:
us-west20,4994 $
us-west40,4682 $
us-east40,4682 $
northamerica-northeast10,4578 $
northamerica-northeast20,4578 $
southamerica-east10,66 $
Altre regioni nelle Americhe0,4158 $
e2-highmem-16approssimazioni:
us-west20,9989 $
us-west40,9365 $
us-east40,9365 $
northamerica-northeast10,9155 $
northamerica-northeast20,9155 $
southamerica-east11,3201 $
Altre regioni nelle Americhe0,8316 $
e2-highcpu-2approssimazioni:
us-west20,0683 $
us-west40,0641 $
us-east40,0641 $
northamerica-northeast10,0626 $
northamerica-northeast20,0626 $
southamerica-east10,0903 $
Altre regioni nelle Americhe0,0569 $
e2-highcpu-4approssimazioni:
us-west20,1367 $
us-west40,1281 $
us-east40,1281 $
northamerica-northeast10,1253 $
northamerica-northeast20,1253 $
southamerica-east10,1806 $
Altre regioni nelle Americhe0,1138 $
e2-highcpu-8approssimazioni:
us-west20,2733 $
us-west40,2563 $
us-east40,2563 $
northamerica-northeast10,2505 $
northamerica-northeast20,2505 $
southamerica-east10,3612 $
Altre regioni nelle Americhe0,2276 $
e2-highcpu-16approssimazioni:
us-west20,5467 $
us-west40,5126 $
us-east40,5126 $
northamerica-northeast10,501 $
northamerica-northeast20,501 $
southamerica-east10,7225 $
Altre regioni nelle Americhe0,4551 $
e2-highcpu-32approssimazioni:
us-west21,0933 $
us-west41,0252 $
us-east41,0252 $
northamerica-northeast11,0021 $
northamerica-northeast21,0021 $
southamerica-east11,4449 $
Altre regioni nelle Americhe0,9102 $

Serie N1

n1-standard-2approssimazioni:

us-east40,123 $
northamerica-northeast10,1203 $
Altre regioni nelle Americhe0,1093 $
n1-standard-4approssimazioni:
us-east40,2461 $
northamerica-northeast10,2405 $
Altre regioni nelle Americhe0,2186 $
n1-standard-8approssimazioni:
us-east40,4922 $
northamerica-northeast10,4811 $
Altre regioni nelle Americhe0,4372 $
n1-standard-16approssimazioni:
us-east40,9843 $
northamerica-northeast10,9622 $
Altre regioni nelle Americhe0,8744 $
n1-standard-32approssimazioni:
us-east41,9687 $
northamerica-northeast11,9243 $
Altre regioni nelle Americhe1,7488 $
n1-highmem-2approssimazioni:
us-east40,1532 $
northamerica-northeast10,1498 $
Altre regioni nelle Americhe0,1361 $
n1-highmem-4approssimazioni:
us-east40,3064 $
northamerica-northeast10,2995 $
Altre regioni nelle Americhe0,2723 $
n1-highmem-8approssimazioni:
us-east40,6129 $
northamerica-northeast10,5991 $
Altre regioni nelle Americhe0,5445 $
n1-highmem-16approssimazioni:
us-east41,2257 $
northamerica-northeast11,1982 $
Altre regioni nelle Americhe1,089 $
n1-highcpu-2approssimazioni:
us-east40,0918 $
northamerica-northeast10,0897 $
Altre regioni nelle Americhe0,0815 $
n1-highcpu-4approssimazioni:
us-east40,1835 $
northamerica-northeast10,1794 $
Altre regioni nelle Americhe0,163 $
n1-highcpu-8approssimazioni:
us-east40,3671 $
northamerica-northeast10,3588 $
Altre regioni nelle Americhe0,326 $
n1-highcpu-16approssimazioni:
us-east40,7341 $
northamerica-northeast10,7176 $
Altre regioni nelle Americhe0,6519 $
n1-highcpu-32approssimazioni:
us-east41,4683 $
northamerica-northeast11,4352 $
Altre regioni nelle Americhe1,3039 $

Serie N2

n2-standard-2approssimazioni:

northamerica_northeast10,123 $
northamerica_northeast20,123 $
southamerica_east10,1773 $
us_central10,1117 $
us_east10,1117 $
us_east40,1258 $
us_south10,1318 $
us_west10,1117 $
us_west20,1341 $
us_west30,1341 $
us_west40,1258 $
n2-standard-4approssimazioni:
northamerica_northeast10,2459 $
northamerica_northeast20,2459 $
southamerica_east10,3546 $
us_central10,2234 $
us_east10,2234 $
us_east40,2516 $
us_south10,2636 $
us_west10,2234 $
us_west20,2683 $
us_west30,2683 $
us_west40,2516 $
n2-standard-8approssimazioni:
northamerica_northeast10,4918 $
northamerica_northeast20,4918 $
southamerica_east10,7091 $
us_central10,4467 $
us_east10,4467 $
us_east40,5031 $
us_south10,5272 $
us_west10,4467 $
us_west20,5366 $
us_west30,5366 $
us_west40,5031 $
n2-standard-16approssimazioni:
northamerica_northeast10,9836 $
northamerica_northeast20,9836 $
southamerica_east11,4183 $
us_central10,8935 $
us_east10,8935 $
us_east41,0063 $
us_south11,0543 $
us_west10,8935 $
us_west21,0732 $
us_west31,0732 $
us_west41,0062 $
n2-standard-32approssimazioni:
northamerica_northeast11,9673 $
northamerica_northeast21,9673 $
southamerica_east12,8365 $
us_central11,787 $
us_east11,787 $
us_east42,0126 $
us_south12,1087 $
us_west11,787 $
us_west22,1464 $
us_west32,1464 $
us_west42,0125 $
n2-highmem-2approssimazioni:
northamerica_northeast10,1659 $
northamerica_northeast20,1659 $
southamerica_east10,2392 $
us_central10,1507 $
us_east10,1507 $
us_east40,1697 $
us_south10,1778 $
us_west10,1507 $
us_west20,181 $
us_west30,181 $
us_west40,1697 $
n2-highmem-4approssimazioni:
northamerica_northeast10,3317 $
northamerica_northeast20,3317 $
southamerica_east10,4783 $
us_central10,3013 $
us_east10,3013 $
us_east40,3394 $
us_south10,3556 $
us_west10,3013 $
us_west20,3619 $
us_west30,3619 $
us_west40,3393 $
n2-highmem-8approssimazioni:
northamerica_northeast10,6634 $
northamerica_northeast20,6634 $
southamerica_east10,9566 $
us_central10,6027 $
us_east10,6027 $
us_east40,6787 $
us_south10,7112 $
us_west10,6027 $
us_west20,7239 $
us_west30,7239 $
us_west40,6787 $
n2-highmem-16approssimazioni:
northamerica_northeast11,3269 $
northamerica_northeast21,3269 $
southamerica_east11,9132 $
us_central11,2053 $
us_east11,2053 $
us_east41,3574 $
us_south11,4223 $
us_west11,2053 $
us_west21,4477 $
us_west31,4477 $
us_west41,3574 $
n2-highcpu-2approssimazioni:
northamerica_northeast10,0908 $
northamerica_northeast20,0908 $
southamerica_east10,1309 $
us_central10,0825 $
us_east10,0825 $
us_east40,0929 $
us_south10,0973 $
us_west10,0825 $
us_west20,099 $
us_west30,099 $
us_west40,0929 $
n2-highcpu-4approssimazioni:
northamerica_northeast10,1815 $
northamerica_northeast20,1815 $
southamerica_east10,2618 $
us_central10,1649 $
us_east10,1649 $
us_east40,1857 $
us_south10,1946 $
us_west10,1649 $
us_west20,1981 $
us_west30,1981 $
us_west40,1857 $
n2-highcpu-8approssimazioni:
northamerica_northeast10,3631 $
northamerica_northeast20,3631 $
southamerica_east10,5235 $
us_central10,3298 $
us_east10,3298 $
us_east40,3715 $
us_south10,3892 $
us_west10,3298 $
us_west20,3961 $
us_west30,3961 $
us_west40,3714 $
n2-highcpu-16approssimazioni:
northamerica_northeast10,7262 $
northamerica_northeast20,7262 $
southamerica_east11,0471 $
us_central10,6596 $
us_east10,6596 $
us_east40,7429 $
us_south10,7783 $
us_west10,6596 $
us_west20,7923 $
us_west30,7923 $
us_west40,7429 $
n2-highcpu-32approssimazioni:
northamerica_northeast11,4523 $
northamerica_northeast21,4523 $
southamerica_east12,0941 $
us_central11,3192 $
us_east11,3192 $
us_east41,4858 $
us_south11,5567 $
us_west11,3192 $
us_west21,5846 $
us_west31,5846 $
us_west41,4858 $

Serie N2D

n2d-standard-2approssimazioni:

northamerica_northeast10,107 $
southamerica_east10,1542 $
us_central10,0972 $
us_east10,0972 $
us_east40,1094 $
us_west10,0972 $
us_west20,1167 $
us_west40,1094 $
n2d-standard-4approssimazioni:
northamerica_northeast10,2139 $
southamerica_east10,3085 $
us_central10,1943 $
us_east10,1943 $
us_east40,2189 $
us_west10,1943 $
us_west20,2334 $
us_west40,2189 $
n2d-standard-8approssimazioni:
northamerica_northeast10,4279 $
southamerica_east10,617 $
us_central10,3887 $
us_east10,3887 $
us_east40,4377 $
us_west10,3887 $
us_west20,4668 $
us_west40,4377 $
n2d-standard-16approssimazioni:
northamerica_northeast10,8558 $
southamerica_east11,2339 $
us_central10,7773 $
us_east10,7773 $
us_east40,8755 $
us_west10,7773 $
us_west20,9336 $
us_west40,8755 $
n2d-standard-32approssimazioni:
northamerica_northeast11,7116 $
southamerica_east12,4678 $
us_central11,5547 $
us_east11,5547 $
us_east41,7509 $
us_west11,5547 $
us_west21,8673 $
us_west41,7509 $
n2d-highmem-2approssimazioni:
northamerica_northeast10,1443 $
southamerica_east10,2081 $
us_central10,1311 $
us_east10,1311 $
us_east40,1476 $
us_west10,1311 $
us_west20,1574 $
us_west40,1476 $
n2d-highmem-4approssimazioni:
northamerica_northeast10,2886 $
southamerica_east10,4161 $
us_central10,2622 $
us_east10,2622 $
us_east40,2952 $
us_west10,2622 $
us_west20,3149 $
us_west40,2952 $
n2d-highmem-8approssimazioni:
northamerica_northeast10,5772 $
southamerica_east10,8323 $
us_central10,5243 $
us_east10,5243 $
us_east40,5905 $
us_west10,5243 $
us_west20,6297 $
us_west40,5905 $
n2d-highmem-16approssimazioni:
northamerica_northeast11,1545 $
southamerica_east11,6646 $
us_central11,0486 $
us_east11,0486 $
us_east41,181 $
us_west11,0486 $
us_west21,2595 $
us_west41,181 $
n2d-highcpu-2approssimazioni:
northamerica_northeast10,079 $
southamerica_east10,1139 $
us_central10,0717 $
us_east10,0717 $
us_east40,0808 $
us_west10,0717 $
us_west20,0862 $
us_west40,0808 $
n2d-highcpu-4approssimazioni:
northamerica_northeast10,1579 $
southamerica_east10,2277 $
us_central10,1435 $
us_east10,1435 $
us_east40,1616 $
us_west10,1435 $
us_west20,1723 $
us_west40,1616 $
n2d-highcpu-8approssimazioni:
northamerica_northeast10,3159 $
southamerica_east10,4555 $
us_central10,2869 $
us_east10,2869 $
us_east40,3232 $
us_west10,2869 $
us_west20,3446 $
us_west40,3232 $
n2d-highcpu-16approssimazioni:
northamerica_northeast10,6318 $
southamerica_east10,9109 $
us_central10,5739 $
us_east10,5739 $
us_east40,6463 $
us_west10,5739 $
us_west20,6893 $
us_west40,6463 $
n2d-highcpu-32approssimazioni:
northamerica_northeast11,2636 $
southamerica_east11,8219 $
us_central11,1477 $
us_east11,1477 $
us_east41,2927 $
us_west11,1477 $
us_west21,3786 $
us_west41,2927 $

Serie C2

c2-standard-4approssimazioni:

northamerica_northeast10,264 $
southamerica_east10,3812 $
us_central10,24 $
us_east10,24 $
us_east40,2702 $
us_west10,24 $
us_west20,2884 $
us_west30,2889 $
us_west40,2702 $
c2-standard-8approssimazioni:
northamerica_northeast10,5281 $
southamerica_east10,7623 $
us_central10,4801 $
us_east10,4801 $
us_east40,5405 $
us_west10,4801 $
us_west20,5768 $
us_west30,5778 $
us_west40,5405 $
c2-standard-16approssimazioni:
northamerica_northeast11,0562 $
southamerica_east11,5246 $
us_central10,9601 $
us_east10,9601 $
us_east41,081 $
us_west10,9601 $
us_west21,1537 $
us_west31,1555 $
us_west41,081 $
c2-standard-30approssimazioni:
northamerica_northeast11,9803 $
southamerica_east12,8587 $
us_central11,8002 $
us_east11,8002 $
us_east42,0269 $
us_west11,8002 $
us_west22,1631 $
us_west32,1666 $
us_west42,0269 $
c2-standard-60approssimazioni:
northamerica_northeast13,9606 $
southamerica_east15,7173 $
us_central13,6004 $
us_east13,6004 $
us_east44,0537 $
us_west13,6004 $
us_west24,3263 $
us_west34,3332 $
us_west44,0537 $

Serie C2D

c2d-standard-2approssimazioni:

us_central10,1044 $
us_east10,1044 $
us_east40,1176 $
us_west10,1044 $
us_west40,1176 $
c2d-standard-4approssimazioni:
us_central10,2088 $
us_east10,2088 $
us_east40,2352 $
us_west10,2088 $
us_west40,2352 $
c2d-standard-8approssimazioni:
us_central10,4177 $
us_east10,4177 $
us_east40,4704 $
us_west10,4177 $
us_west40,4704 $
c2d-standard-16approssimazioni:
us_central10,8353 $
us_east10,8353 $
us_east40,9408 $
us_west10,8353 $
us_west40,9408 $
c2d-standard-32approssimazioni:
us_central11,6707 $
us_east11,6707 $
us_east41,8815 $
us_west11,6707 $
us_west41,8815 $
c2d-standard-56approssimazioni:
us_central12,9237 $
us_east12,9237 $
us_east43,2926 $
us_west12,9237 $
us_west43,2926 $
c2d-standard-112approssimazioni:
us_central15,8474 $
us_east15,8474 $
us_east46,5853 $
us_west15,8474 $
us_west46,5853 $
c2d-highmem-2approssimazioni:
us_central10,1408 $
us_east10,1408 $
us_east40,1586 $
us_west10,1408 $
us_west40,1586 $
c2d-highmem-4approssimazioni:
us_central10,2817 $
us_east10,2817 $
us_east40,3172 $
us_west10,2817 $
us_west40,3172 $
c2d-highmem-8approssimazioni:
us_central10,5634 $
us_east10,5634 $
us_east40,6344 $
us_west10,5634 $
us_west40,6344 $
c2d-highmem-16approssimazioni:
us_central11,1267 $
us_east11,1267 $
us_east41,2689 $
us_west11,1267 $
us_west41,2689 $
c2d-highmem-32approssimazioni:
us_central12,2534 $
us_east12,2534 $
us_east42,5377 $
us_west12,2534 $
us_west42,5377 $
c2d-highmem-56approssimazioni:
us_central13,9435 $
us_east13,9435 $
us_east44,441 $
us_west13,9435 $
us_west44,441 $
c2d-highmem-112approssimazioni:
us_central17,887 $
us_east17,887 $
us_east48,882 $
us_west17,887 $
us_west48,882 $
c2d-highcpu-2approssimazioni:
us_central10,0862 $
us_east10,0862 $
us_east40,0971 $
us_west10,0862 $
us_west40,0971 $
c2d-highcpu-4approssimazioni:
us_central10,1724 $
us_east10,1724 $
us_east40,1942 $
us_west10,1724 $
us_west40,1942 $
c2d-highcpu-8approssimazioni:
us_central10,3448 $
us_east10,3448 $
us_east40,3884 $
us_west10,3448 $
us_west40,3884 $
c2d-highcpu-16approssimazioni:
us_central10,6896 $
us_east10,6896 $
us_east40,7767 $
us_west10,6896 $
us_west40,7767 $
c2d-highcpu-32approssimazioni:
us_central11,3793 $
us_east11,3793 $
us_east41,5534 $
us_west11,3793 $
us_west41,5534 $
c2d-highcpu-56approssimazioni:
us_central12,4138 $
us_east12,4138 $
us_east42,7185 $
us_west12,4138 $
us_west42,7185 $
c2d-highcpu-112approssimazioni:
us_central14,8275 $
us_east14,8275 $
us_east45,4369 $
us_west14,8275 $
us_west45,4369 $

Serie C3

c3-highcpu-4approssimazioni:

us_central10,1982 $
us_east10,1982 $
us_east40,2232 $
c3-highcpu-8approssimazioni:
us_central10,3965 $
us_east10,3965 $
us_east40,4465 $
c3-highcpu-22approssimazioni:
us_central11,0903 $
us_east11,0903 $
us_east41,2278 $
c3-highcpu-44approssimazioni:
us_central12,1806 $
us_east12,1806 $
us_east42,4556 $
c3-highcpu-88approssimazioni:
us_central14,3613 $
us_east14,3613 $
us_east44,9113 $
c3-highcpu-176approssimazioni:
us_central18,7226 $
us_east18,7226 $
us_east49,8226 $

Serie A2

a2-highgpu-1gapprossimazioni:

us-central14,2245 $
a2-highgpu-2gapprossimazioni:
us-central18,449 $
a2-highgpu-4gapprossimazioni:
us-central116,898 $
a2-highgpu-8gapprossimazioni:
us-central133,796 $
a2-megagpu-16gapprossimazioni:
us-central164,1021 $
a2-ultragpu-1gapprossimazioni:
us-central15,7818 $
us-east46,3524 $
a2-ultragpu-2gapprossimazioni:
us-central111,5637 $
us-east412,7048 $
a2-ultragpu-4gapprossimazioni:
us-central123,1274 $
us-east425,4095 $
a2-ultragpu-8gapprossimazioni:
us-central146,2548 $
us-east450,8191 $

Serie A3

a3-highgpu-2gapprossimazioni:

us-west125,2518 $
a3-highgpu-4gapprossimazioni:
us-west150,5037 $
a3-highgpu-8gapprossimazioni:
us-central1101,0074 $
us-east4101,0074 $
us-west1101,0074 $

Serie G2

g2-standard-4approssimazioni:

us-central10,8129 $
g2-standard-8approssimazioni:
us-central10,9818 $
g2-standard-12approssimazioni:
us-central11,1507 $
g2-standard-16approssimazioni:
us-central11,3196 $
g2-standard-24approssimazioni:
us-central12,3014 $
g2-standard-32approssimazioni:
us-central11,9951 $
g2-standard-48approssimazioni:
us-central14,6028 $
g2-standard-96approssimazioni:
us-central19,2055 $

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-west10,0848 $
europe-west20,0993 $
europe-west30,0993 $
europe-west40,0848 $
europe-west60,1078 $
europe-west90,1079 $
e2-standard-4approssimazioni:
europe-west10,1695 $
europe-west20,1986 $
europe-west30,1986 $
europe-west40,1697 $
europe-west60,2156 $
europe-west90,2158 $
e2-standard-8approssimazioni:
europe-west10,3391 $
europe-west20,3971 $
europe-west30,3971 $
europe-west40,3393 $
europe-west60,4313 $
europe-west90,4316 $
e2-standard-16approssimazioni:
europe-west10,6782 $
europe-west20,7943 $
europe-west30,7943 $
europe-west40,6787 $
europe-west60,8626 $
europe-west90,8631 $
e2-standard-32approssimazioni:
europe-west11,3563 $
europe-west21,5885 $
europe-west31,5885 $
europe-west41,3574 $
europe-west61,7251 $
europe-west91,7262 $
e2-highmem-2approssimazioni:
europe-west10,1144 $
europe-west20,1339 $
europe-west30,1339 $
europe-west40,1144 $
europe-west60,1454 $
europe-west90,1455 $
e2-highmem-4approssimazioni:
europe-west10,2287 $
europe-west20,2679 $
europe-west30,2679 $
europe-west40,2289 $
europe-west60,2909 $
europe-west90,2911 $
e2-highmem-8approssimazioni:
europe-west10,4574 $
europe-west20,5357 $
europe-west30,5357 $
europe-west40,4578 $
europe-west60,5818 $
europe-west90,5822 $
e2-highmem-16approssimazioni:
europe-west10,9149 $
europe-west21,0714 $
europe-west31,0714 $
europe-west40,9155 $
europe-west61,1636 $
europe-west91,1643 $
e2-highcpu-2approssimazioni:
europe-west10,0626 $
europe-west20,0733 $
europe-west30,0733 $
europe-west40,0626 $
europe-west60,0796 $
europe-west90,0796 $
e2-highcpu-4approssimazioni:
europe-west10,1252 $
europe-west20,1466 $
europe-west30,1466 $
europe-west40,1253 $
europe-west60,1592 $
europe-west90,1593 $
e2-highcpu-8approssimazioni:
europe-west10,2503 $
europe-west20,2932 $
europe-west30,2932 $
europe-west40,2505 $
europe-west60,3184 $
europe-west90,3186 $
e2-highcpu-16approssimazioni:
europe-west10,5006 $
europe-west20,5864 $
europe-west30,5864 $
europe-west40,501 $
europe-west60,6368 $
europe-west90,6372 $
e2-highcpu-32approssimazioni:
europe-west11,0013 $
europe-west21,1728 $
europe-west31,1728 $
europe-west41,0021 $
europe-west61,2736 $
europe-west91,2743 $

Serie N1

n1-standard-2approssimazioni:

europe-west20,1408 $
Altre regioni in Europa0,1265 $
n1-standard-4approssimazioni:
europe-west20,2815 $
Altre regioni in Europa0,2531 $
n1-standard-8approssimazioni:
europe-west20,563 $
Altre regioni in Europa0,5061 $
n1-standard-16approssimazioni:
europe-west21,126 $
Altre regioni in Europa1,0123 $
n1-standard-32approssimazioni:
europe-west22,2521 $
Altre regioni in Europa2,0245 $
n1-highmem-2approssimazioni:
europe-west20,1753 $
Altre regioni in Europa0,1575 $
n1-highmem-4approssimazioni:
europe-west20,3506 $
Altre regioni in Europa0,3151 $
n1-highmem-8approssimazioni:
europe-west20,7011 $
Altre regioni in Europa0,6302 $
n1-highmem-16approssimazioni:
europe-west21,4022 $
Altre regioni in Europa1,2603 $
n1-highcpu-2approssimazioni:
europe-west20,105 $
Altre regioni in Europa0,0944 $
n1-highcpu-4approssimazioni:
europe-west20,21 $
Altre regioni in Europa0,1888 $
n1-highcpu-8approssimazioni:
europe-west20,4199 $
Altre regioni in Europa0,3776 $
n1-highcpu-16approssimazioni:
europe-west20,8398 $
Altre regioni in Europa0,7552 $
n1-highcpu-32approssimazioni:
europe-west21,6796 $
Altre regioni in Europa1,5104 $

Serie N2

n2-standard-2approssimazioni:

europe_central20,1439 $
europe_west10,1229 $
europe_west20,1439 $
europe_west30,1439 $
europe_west40,1229 $
europe_west60,1564 $
europe_west90,1296 $
n2-standard-4approssimazioni:
europe_central20,2878 $
europe_west10,2457 $
europe_west20,2878 $
europe_west30,2878 $
europe_west40,2457 $
europe_west60,3127 $
europe_west90,2591 $
n2-standard-8approssimazioni:
europe_central20,5756 $
europe_west10,4914 $
europe_west20,5756 $
europe_west30,5756 $
europe_west40,4914 $
europe_west60,6254 $
europe_west90,5182 $
n2-standard-16approssimazioni:
europe_central21,1511 $
europe_west10,9829 $
europe_west21,1511 $
europe_west31,1511 $
europe_west40,9828 $
europe_west61,2508 $
europe_west91,0364 $
n2-standard-32approssimazioni:
europe_central22,3023 $
europe_west11,9658 $
europe_west22,3023 $
europe_west32,3023 $
europe_west41,9657 $
europe_west62,5017 $
europe_west92,0729 $
n2-highmem-2approssimazioni:
europe_central20,1941 $
europe_west10,1657 $
europe_west20,1941 $
europe_west30,1941 $
europe_west40,1657 $
europe_west60,2109 $
europe_west90,1748 $
n2-highmem-4approssimazioni:
europe_central20,3882 $
europe_west10,3315 $
europe_west20,3882 $
europe_west30,3882 $
europe_west40,3315 $
europe_west60,4218 $
europe_west90,3495 $
n2-highmem-8approssimazioni:
europe_central20,7764 $
europe_west10,663 $
europe_west20,7764 $
europe_west30,7764 $
europe_west40,6629 $
europe_west60,8436 $
europe_west90,6991 $
n2-highmem-16approssimazioni:
europe_central21,5528 $
europe_west11,3259 $
europe_west21,5528 $
europe_west31,5528 $
europe_west41,3259 $
europe_west61,6873 $
europe_west91,3982 $
n2-highcpu-2approssimazioni:
europe_central20,1062 $
europe_west10,0907 $
europe_west20,1062 $
europe_west30,1062 $
europe_west40,0907 $
europe_west60,1154 $
europe_west90,0956 $
n2-highcpu-4approssimazioni:
europe_central20,2125 $
europe_west10,1814 $
europe_west20,2125 $
europe_west30,2125 $
europe_west40,1814 $
europe_west60,2309 $
europe_west90,1913 $
n2-highcpu-8approssimazioni:
europe_central20,4249 $
europe_west10,3628 $
europe_west20,4249 $
europe_west30,4249 $
europe_west40,3628 $
europe_west60,4617 $
europe_west90,3826 $
n2-highcpu-16approssimazioni:
europe_central20,8499 $
europe_west10,7256 $
europe_west20,8499 $
europe_west30,8499 $
europe_west40,7256 $
europe_west60,9235 $
europe_west90,7651 $
n2-highcpu-32approssimazioni:
europe_central21,6997 $
europe_west11,4512 $
europe_west21,6997 $
europe_west31,6997 $
europe_west41,4511 $
europe_west61,847 $
europe_west91,5303 $

Serie N2D

n2d-standard-2approssimazioni:

europe_west10,1069 $
europe_west20,1252 $
europe_west30,1252 $
europe_west40,107 $
europe_west90,1127 $
n2d-standard-4approssimazioni:
europe_west10,2138 $
europe_west20,2504 $
europe_west30,2504 $
europe_west40,2139 $
europe_west90,2254 $
n2d-standard-8approssimazioni:
europe_west10,4275 $
europe_west20,5007 $
europe_west30,5007 $
europe_west40,4279 $
europe_west90,4509 $
n2d-standard-16approssimazioni:
europe_west10,8551 $
europe_west21,0015 $
europe_west31,0015 $
europe_west40,8558 $
europe_west90,9017 $
n2d-standard-32approssimazioni:
europe_west11,7102 $
europe_west22,0029 $
europe_west32,0029 $
europe_west41,7116 $
europe_west91,8034 $
n2d-highmem-2approssimazioni:
europe_west10,1442 $
europe_west20,1689 $
europe_west30,1689 $
europe_west40,1443 $
europe_west90,1521 $
n2d-highmem-4approssimazioni:
europe_west10,2884 $
europe_west20,3377 $
europe_west30,3377 $
europe_west40,2886 $
europe_west90,3041 $
n2d-highmem-8approssimazioni:
europe_west10,5768 $
europe_west20,6755 $
europe_west30,6755 $
europe_west40,5772 $
europe_west90,6082 $
n2d-highmem-16approssimazioni:
europe_west11,1535 $
europe_west21,3509 $
europe_west31,3509 $
europe_west41,1545 $
europe_west91,2164 $
n2d-highcpu-2approssimazioni:
europe_west10,0789 $
europe_west20,0924 $
europe_west30,0924 $
europe_west40,079 $
europe_west90,0832 $
n2d-highcpu-4approssimazioni:
europe_west10,1578 $
europe_west20,1848 $
europe_west30,1848 $
europe_west40,1579 $
europe_west90,1664 $
n2d-highcpu-8approssimazioni:
europe_west10,3156 $
europe_west20,3697 $
europe_west30,3697 $
europe_west40,3159 $
europe_west90,3328 $
n2d-highcpu-16approssimazioni:
europe_west10,6313 $
europe_west20,7394 $
europe_west30,7394 $
europe_west40,6318 $
europe_west90,6657 $
n2d-highcpu-32approssimazioni:
europe_west11,2625 $
europe_west21,4787 $
europe_west31,4787 $
europe_west41,2636 $
europe_west91,3314 $

Serie C2

c2-standard-4approssimazioni:

europe_west10,2641 $
europe_west20,3094 $
europe_west30,3092 $
europe_west40,2643 $
europe_west60,3362 $
c2-standard-8approssimazioni:
europe_west10,5283 $
europe_west20,6187 $
europe_west30,6184 $
europe_west40,5285 $
europe_west60,6724 $
c2-standard-16approssimazioni:
europe_west11,0565 $
europe_west21,2375 $
europe_west31,2368 $
europe_west41,0571 $
europe_west61,3449 $
c2-standard-30approssimazioni:
europe_west11,981 $
europe_west22,3202 $
europe_west32,3191 $
europe_west41,982 $
europe_west62,5216 $
c2-standard-60approssimazioni:
europe_west13,962 $
europe_west24,6404 $
europe_west34,6382 $
europe_west43,964 $
europe_west65,0432 $

Serie C2D

c2d-standard-2approssimazioni:

europe_west10,115 $
europe_west20,1345 $
europe_west30,1345 $
europe_west40,115 $
c2d-standard-4approssimazioni:
europe_west10,2299 $
europe_west20,269 $
europe_west30,269 $
europe_west40,2299 $
c2d-standard-8approssimazioni:
europe_west10,4599 $
europe_west20,5381 $
europe_west30,5381 $
europe_west40,4599 $
c2d-standard-16approssimazioni:
europe_west10,9198 $
europe_west21,0762 $
europe_west31,0762 $
europe_west40,9198 $
c2d-standard-32approssimazioni:
europe_west11,8395 $
europe_west22,1524 $
europe_west32,1524 $
europe_west41,8395 $
c2d-standard-56approssimazioni:
europe_west13,2191 $
europe_west23,7666 $
europe_west33,7666 $
europe_west43,2191 $
c2d-standard-112approssimazioni:
europe_west16,4383 $
europe_west27,5333 $
europe_west37,5333 $
europe_west46,4383 $
c2d-highmem-2approssimazioni:
europe_west10,1551 $
europe_west20,1814 $
europe_west30,1814 $
europe_west40,1551 $
c2d-highmem-4approssimazioni:
europe_west10,3101 $
europe_west20,3629 $
europe_west30,3629 $
europe_west40,3101 $
c2d-highmem-8approssimazioni:
europe_west10,6203 $
europe_west20,7258 $
europe_west30,7258 $
europe_west40,6203 $
c2d-highmem-16approssimazioni:
europe_west11,2406 $
europe_west21,4515 $
europe_west31,4515 $
europe_west41,2406 $
c2d-highmem-32approssimazioni:
europe_west12,4812 $
europe_west22,9031 $
europe_west32,9031 $
europe_west42,4812 $
c2d-highmem-56approssimazioni:
europe_west14,342 $
europe_west25,0804 $
europe_west35,0804 $
europe_west44,342 $
c2d-highmem-112approssimazioni:
europe_west18,684 $
europe_west210,1608 $
europe_west310,1608 $
europe_west48,684 $
c2d-highcpu-2approssimazioni:
europe_west10,0949 $
europe_west20,1111 $
europe_west30,1111 $
europe_west40,0949 $
c2d-highcpu-4approssimazioni:
europe_west10,1898 $
europe_west20,2221 $
europe_west30,2221 $
europe_west40,1898 $
c2d-highcpu-8approssimazioni:
europe_west10,3797 $
europe_west20,4442 $
europe_west30,4442 $
europe_west40,3797 $
c2d-highcpu-16approssimazioni:
europe_west10,7593 $
europe_west20,8885 $
europe_west30,8885 $
europe_west40,7593 $
c2d-highcpu-32approssimazioni:
europe_west11,5187 $
europe_west21,777 $
europe_west31,777 $
europe_west41,5187 $
c2d-highcpu-56approssimazioni:
europe_west12,6577 $
europe_west23,1097 $
europe_west33,1097 $
europe_west42,6577 $
c2d-highcpu-112approssimazioni:
europe_west15,3154 $
europe_west26,2195 $
europe_west36,2195 $
europe_west45,3154 $

Serie C3

c3-highcpu-4approssimazioni:

europe_west10,218 $
europe_west40,2182 $
c3-highcpu-8approssimazioni:
europe_west10,4361 $
europe_west40,4365 $
c3-highcpu-22approssimazioni:
europe_west11,1992 $
europe_west41,2003 $
c3-highcpu-44approssimazioni:
europe_west12,3984 $
europe_west42,4006 $
c3-highcpu-88approssimazioni:
europe_west14,7969 $
europe_west44,8013 $
c3-highcpu-176approssimazioni:
europe_west19,5938 $
europe_west49,6026 $

Serie A2

a2-highgpu-1gapprossimazioni:

europe-west44,3103 $
a2-highgpu-2gapprossimazioni:
europe-west48,6205 $
a2-highgpu-4gapprossimazioni:
europe-west417,2411 $
a2-highgpu-8gapprossimazioni:
europe-west434,4822 $
a2-megagpu-16gapprossimazioni:
europe-west465,1222 $
a2-ultragpu-1gapprossimazioni:
europe-west46,3661 $
a2-ultragpu-2gapprossimazioni:
europe-west412,7321 $
a2-ultragpu-4gapprossimazioni:
europe-west425,4643 $
a2-ultragpu-8gapprossimazioni:
europe-west450,9286 $

Serie A3

a3-highgpu-2gapprossimazioni:

europe-west432,147 $
a3-highgpu-4gapprossimazioni:
europe-west464,294 $
a3-highgpu-8gapprossimazioni:
europe-west4128,588 $

Serie G2

g2-standard-4approssimazioni:

europe-west40,8951 $
g2-standard-8approssimazioni:
europe-west41,081 $
g2-standard-12approssimazioni:
europe-west41,2669 $
g2-standard-16approssimazioni:
europe-west41,4528 $
g2-standard-24approssimazioni:
europe-west42,5338 $
g2-standard-32approssimazioni:
europe-west42,1965 $
g2-standard-48approssimazioni:
europe-west45,0677 $
g2-standard-96approssimazioni:
europe-west410,1354 $

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-east10,0892 $
asia-east20,1078 $
asia-northeast10,0989 $
asia-northeast30,0989 $
asia-south10,0926 $
asia-southeast10,0951 $
australia-southeast10,1093 $
e2-standard-4approssimazioni:
asia-east10,1785 $
asia-east20,2156 $
asia-northeast10,1977 $
asia-northeast30,1977 $
asia-south10,1851 $
asia-southeast10,1901 $
australia-southeast10,2187 $
e2-standard-8approssimazioni:
asia-east10,3569 $
asia-east20,4313 $
asia-northeast10,3954 $
asia-northeast30,3954 $
asia-south10,3702 $
asia-southeast10,3802 $
australia-southeast10,4373 $
e2-standard-16approssimazioni:
asia-east10,7138 $
asia-east20,8626 $
asia-northeast10,7909 $
asia-northeast30,7909 $
asia-south10,7405 $
asia-southeast10,7605 $
australia-southeast10,8747 $
e2-standard-32approssimazioni:
asia-east11,4276 $
asia-east21,7251 $
asia-northeast11,5817 $
asia-northeast31,5817 $
asia-south11,4809 $
asia-southeast11,5209 $
australia-southeast11,7494 $
e2-highmem-2approssimazioni:
asia-east10,1204 $
asia-east20,1454 $
asia-northeast10,1333 $
asia-northeast30,1333 $
asia-south10,1249 $
asia-southeast10,1282 $
australia-southeast10,1475 $
e2-highmem-4approssimazioni:
asia-east10,2407 $
asia-east20,2909 $
asia-northeast10,2665 $
asia-northeast30,2665 $
asia-south10,2497 $
asia-southeast10,2564 $
australia-southeast10,295 $
e2-highmem-8approssimazioni:
asia-east10,4815 $
asia-east20,5818 $
asia-northeast10,533 $
asia-northeast30,533 $
asia-south10,4994 $
asia-southeast10,5129 $
australia-southeast10,59 $
e2-highmem-16approssimazioni:
asia-east10,963 $
asia-east21,1636 $
asia-northeast11,0661 $
asia-northeast31,0661 $
asia-south10,9989 $
asia-southeast11,0258 $
australia-southeast11,1799 $
e2-highcpu-2approssimazioni:
asia-east10,0659 $
asia-east20,0796 $
asia-northeast10,0731 $
asia-northeast30,0731 $
asia-south10,0683 $
asia-southeast10,0702 $
australia-southeast10,0807 $
e2-highcpu-4approssimazioni:
asia-east10,1317 $
asia-east20,1592 $
asia-northeast10,1461 $
asia-northeast30,1461 $
asia-south10,1367 $
asia-southeast10,1404 $
australia-southeast10,1614 $
e2-highcpu-8approssimazioni:
asia-east10,2635 $
asia-east20,3184 $
asia-northeast10,2922 $
asia-northeast30,2922 $
asia-south10,2733 $
asia-southeast10,2807 $
australia-southeast10,3229 $
e2-highcpu-16approssimazioni:
asia-east10,527 $
asia-east20,6368 $
asia-northeast10,5845 $
asia-northeast30,5845 $
asia-south10,5467 $
asia-southeast10,5615 $
australia-southeast10,6458 $
e2-highcpu-32approssimazioni:
asia-east11,0539 $
asia-east21,2736 $
asia-northeast11,169 $
asia-northeast31,169 $
asia-south11,0933 $
asia-southeast11,1229 $
australia-southeast11,2916 $

Serie N1

n1-standard-2approssimazioni:

asia-northeast10,1402 $
asia-southeast10,1348 $
australia-southeast10,155 $
Altre regioni dell'Asia Pacifico0,1265 $
n1-standard-4approssimazioni:
asia-northeast10,2803 $
asia-southeast10,2695 $
australia-southeast10,31 $
Altre regioni dell'Asia Pacifico0,2531 $
n1-standard-8approssimazioni:
asia-northeast10,5606 $
asia-southeast10,5391 $
australia-southeast10,6201 $
Altre regioni dell'Asia Pacifico0,5061 $
n1-standard-16approssimazioni:
asia-northeast11,1213 $
asia-southeast11,0782 $
australia-southeast11,2401 $
Altre regioni dell'Asia Pacifico1,0123 $
n1-standard-32approssimazioni:
asia-northeast12,2426 $
asia-southeast12,1564 $
australia-southeast12,4802 $
Altre regioni dell'Asia Pacifico2,0245 $
n1-highmem-2approssimazioni:
asia-northeast10,1744 $
asia-southeast10,1678 $
australia-southeast10,193 $
Altre regioni dell'Asia Pacifico0,1575 $
n1-highmem-4approssimazioni:
asia-northeast10,3489 $
asia-southeast10,3357 $
australia-southeast10,3861 $
Altre regioni dell'Asia Pacifico0,3151 $
n1-highmem-8approssimazioni:
asia-northeast10,6977 $
asia-southeast10,6713 $
australia-southeast10,7721 $
Altre regioni dell'Asia Pacifico0,6302 $
n1-highmem-16approssimazioni:
asia-northeast11,3955 $
asia-southeast11,3426 $
australia-southeast11,5443 $
Altre regioni dell'Asia Pacifico1,2603 $
n1-highcpu-2approssimazioni:
asia-northeast10,1046 $
asia-southeast10,1005 $
australia-southeast10,1156 $
Altre regioni dell'Asia Pacifico0,0944 $
n1-highcpu-4approssimazioni:
asia-northeast10,2093 $
asia-southeast10,201 $
australia-southeast10,2312 $
Altre regioni dell'Asia Pacifico0,1888 $
n1-highcpu-8approssimazioni:
asia-northeast10,4186 $
asia-southeast10,4021 $
australia-southeast10,4624 $
Altre regioni dell'Asia Pacifico0,3776 $
n1-highcpu-16approssimazioni:
asia-northeast10,8371 $
asia-southeast10,8041 $
australia-southeast10,9249 $
Altre regioni dell'Asia Pacifico0,7552 $
n1-highcpu-32approssimazioni:
asia-northeast11,6742 $
asia-southeast11,6082 $
australia-southeast11,8498 $
Altre regioni dell'Asia Pacifico1,5104 $

Serie N2

n2-standard-2approssimazioni:

asia_east10,1293 $
asia_east20,1563 $
asia_northeast10,1433 $
asia_northeast30,1433 $
asia_south10,1341 $
asia_southeast10,1378 $
asia_southeast20,1502 $
australia_southeast10,1585 $
n2-standard-4approssimazioni:
asia_east10,2586 $
asia_east20,3125 $
asia_northeast10,2866 $
asia_northeast30,2866 $
asia_south10,2683 $
asia_southeast10,2756 $
asia_southeast20,3003 $
australia_southeast10,3169 $
n2-standard-8approssimazioni:
asia_east10,5173 $
asia_east20,6251 $
asia_northeast10,5731 $
asia_northeast30,5731 $
asia_south10,5366 $
asia_southeast10,5511 $
asia_southeast20,6007 $
australia_southeast10,6339 $
n2-standard-16approssimazioni:
asia_east11,0346 $
asia_east21,2502 $
asia_northeast11,1462 $
asia_northeast31,1462 $
asia_south11,0731 $
asia_southeast11,1022 $
asia_southeast21,2014 $
australia_southeast11,2678 $
n2-standard-32approssimazioni:
asia_east12,0691 $
asia_east22,5003 $
asia_northeast12,2924 $
asia_northeast32,2924 $
asia_south12,1462 $
asia_southeast12,2044 $
asia_southeast22,4028 $
australia_southeast12,5355 $
n2-highmem-2approssimazioni:
asia_east10,1745 $
asia_east20,2108 $
asia_northeast10,1931 $
asia_northeast30,1931 $
asia_south10,181 $
asia_southeast10,1859 $
asia_southeast20,2026 $
australia_southeast10,2138 $
n2-highmem-4approssimazioni:
asia_east10,3489 $
asia_east20,4216 $
asia_northeast10,3863 $
asia_northeast30,3863 $
asia_south10,3619 $
asia_southeast10,3717 $
asia_southeast20,4052 $
australia_southeast10,4275 $
n2-highmem-8approssimazioni:
asia_east10,6978 $
asia_east20,8432 $
asia_northeast10,7725 $
asia_northeast30,7725 $
asia_south10,7238 $
asia_southeast10,7434 $
asia_southeast20,8103 $
australia_southeast10,8551 $
n2-highmem-16approssimazioni:
asia_east11,3956 $
asia_east21,6865 $
asia_northeast11,545 $
asia_northeast31,545 $
asia_south11,4476 $
asia_southeast11,4868 $
asia_southeast21,6206 $
australia_southeast11,7102 $
n2-highcpu-2approssimazioni:
asia_east10,0955 $
asia_east20,1154 $
asia_northeast10,1059 $
asia_northeast30,1059 $
asia_south10,099 $
asia_southeast10,1017 $
asia_southeast20,1109 $
australia_southeast10,117 $
n2-highcpu-4approssimazioni:
asia_east10,1909 $
asia_east20,2307 $
asia_northeast10,2118 $
asia_northeast30,2118 $
asia_south10,1981 $
asia_southeast10,2034 $
asia_southeast20,2217 $
australia_southeast10,234 $
n2-highcpu-8approssimazioni:
asia_east10,3819 $
asia_east20,4615 $
asia_northeast10,4235 $
asia_northeast30,4235 $
asia_south10,3961 $
asia_southeast10,4069 $
asia_southeast20,4435 $
australia_southeast10,468 $
n2-highcpu-16approssimazioni:
asia_east10,7637 $
asia_east20,9229 $
asia_northeast10,8471 $
asia_northeast30,8471 $
asia_south10,7923 $
asia_southeast10,8137 $
asia_southeast20,887 $
australia_southeast10,936 $
n2-highcpu-32approssimazioni:
asia_east11,5275 $
asia_east21,8458 $
asia_northeast11,6942 $
asia_northeast31,6942 $
asia_south11,5845 $
asia_southeast11,6275 $
asia_southeast21,7739 $
australia_southeast11,8719 $

Serie N2D

n2d-standard-2approssimazioni:

asia_east10,1125 $
asia_east20,136 $
asia_northeast10,1247 $
asia_south10,0641 $
asia_southeast10,1199 $
australia_southeast10,1379 $
n2d-standard-4approssimazioni:
asia_east10,225 $
asia_east20,2719 $
asia_northeast10,2493 $
asia_south10,1283 $
asia_southeast10,2397 $
australia_southeast10,2757 $
n2d-standard-8approssimazioni:
asia_east10,45 $
asia_east20,5438 $
asia_northeast10,4986 $
asia_south10,2565 $
asia_southeast10,4795 $
australia_southeast10,5515 $
n2d-standard-16approssimazioni:
asia_east10,9001 $
asia_east21,0876 $
asia_northeast10,9972 $
asia_south10,513 $
asia_southeast10,959 $
australia_southeast11,103 $
n2d-standard-32approssimazioni:
asia_east11,8001 $
asia_east22,1752 $
asia_northeast11,9945 $
asia_south11,0261 $
asia_southeast11,9179 $
australia_southeast12,206 $
n2d-highmem-2approssimazioni:
asia_east10,1518 $
asia_east20,1834 $
asia_northeast10,168 $
asia_south10,0865 $
asia_southeast10,1617 $
australia_southeast10,186 $
n2d-highmem-4approssimazioni:
asia_east10,3035 $
asia_east20,3668 $
asia_northeast10,3361 $
asia_south10,173 $
asia_southeast10,3234 $
australia_southeast10,372 $
n2d-highmem-8approssimazioni:
asia_east10,6071 $
asia_east20,7336 $
asia_northeast10,6721 $
asia_south10,346 $
asia_southeast10,6468 $
australia_southeast10,744 $
n2d-highmem-16approssimazioni:
asia_east11,2142 $
asia_east21,4672 $
asia_northeast11,3443 $
asia_south10,6921 $
asia_southeast11,2936 $
australia_southeast11,4879 $
n2d-highcpu-2approssimazioni:
asia_east10,0831 $
asia_east20,1004 $
asia_northeast10,0921 $
asia_south10,0473 $
asia_southeast10,0885 $
australia_southeast10,1018 $
n2d-highcpu-4approssimazioni:
asia_east10,1661 $
asia_east20,2007 $
asia_northeast10,1842 $
asia_south10,0947 $
asia_southeast10,177 $
australia_southeast10,2036 $
n2d-highcpu-8approssimazioni:
asia_east10,3322 $
asia_east20,4015 $
asia_northeast10,3685 $
asia_south10,1894 $
asia_southeast10,354 $
australia_southeast10,4071 $
n2d-highcpu-16approssimazioni:
asia_east10,6645 $
asia_east20,8029 $
asia_northeast10,737 $
asia_south10,3787 $
asia_southeast10,708 $
australia_southeast10,8143 $
n2d-highcpu-32approssimazioni:
asia_east11,3289 $
asia_east21,6059 $
asia_northeast11,4739 $
asia_south10,7575 $
asia_southeast11,4159 $
australia_southeast11,6286 $

Serie C2

c2-standard-4approssimazioni:

asia_east10,278 $
asia_east20,336 $
asia_northeast10,308 $
asia_northeast30,308 $
asia_south10,2884 $
asia_southeast10,2962 $
australia_southeast10,3407 $
c2-standard-8approssimazioni:
asia_east10,5561 $
asia_east20,672 $
asia_northeast10,6161 $
asia_northeast30,6161 $
asia_south10,5768 $
asia_southeast10,5924 $
australia_southeast10,6814 $
c2-standard-16approssimazioni:
asia_east11,1122 $
asia_east21,3439 $
asia_northeast11,2321 $
asia_northeast31,2321 $
asia_south11,1536 $
asia_southeast11,1849 $
australia_southeast11,3629 $
c2-standard-30approssimazioni:
asia_east12,0853 $
asia_east22,5199 $
asia_northeast12,3103 $
asia_northeast32,3103 $
asia_south12,1631 $
asia_southeast12,2217 $
australia_southeast12,5553 $
c2-standard-60approssimazioni:
asia_east14,1706 $
asia_east25,0397 $
asia_northeast14,6205 $
asia_northeast34,6205 $
asia_south14,3262 $
asia_southeast14,4433 $
australia_southeast15,1107 $

Serie C2D

c2d-standard-2approssimazioni:

asia_east10,1209 $
asia_south10,0689 $
asia_southeast10,1288 $
c2d-standard-4approssimazioni:
asia_east10,2418 $
asia_south10,1378 $
asia_southeast10,2576 $
c2d-standard-8approssimazioni:
asia_east10,4836 $
asia_south10,2757 $
asia_southeast10,5153 $
c2d-standard-16approssimazioni:
asia_east10,9672 $
asia_south10,5513 $
asia_southeast11,0305 $
c2d-standard-32approssimazioni:
asia_east11,9345 $
asia_south11,1027 $
asia_southeast12,0611 $
c2d-standard-56approssimazioni:
asia_east13,3853 $
asia_south11,9297 $
asia_southeast13,6069 $
c2d-standard-112approssimazioni:
asia_east16,7706 $
asia_south13,8593 $
asia_southeast17,2137 $
c2d-highmem-2approssimazioni:
asia_east10,1631 $
asia_south10,093 $
asia_southeast10,1737 $
c2d-highmem-4approssimazioni:
asia_east10,3262 $
asia_south10,1859 $
asia_southeast10,3475 $
c2d-highmem-8approssimazioni:
asia_east10,6523 $
asia_south10,3718 $
asia_southeast10,695 $
c2d-highmem-16approssimazioni:
asia_east11,3046 $
asia_south10,7436 $
asia_southeast11,39 $
c2d-highmem-32approssimazioni:
asia_east12,6092 $
asia_south11,4873 $
asia_southeast12,78 $
c2d-highmem-56approssimazioni:
asia_east14,5662 $
asia_south12,6028 $
asia_southeast14,865 $
c2d-highmem-112approssimazioni:
asia_east19,1323 $
asia_south15,2055 $
asia_southeast19,7299 $
c2d-highcpu-2approssimazioni:
asia_east10,0998 $
asia_south10,0569 $
asia_southeast10,1063 $
c2d-highcpu-4approssimazioni:
asia_east10,1996 $
asia_south10,1138 $
asia_southeast10,2127 $
c2d-highcpu-8approssimazioni:
asia_east10,3993 $
asia_south10,2276 $
asia_southeast10,4254 $
c2d-highcpu-16approssimazioni:
asia_east10,7985 $
asia_south10,4552 $
asia_southeast10,8508 $
c2d-highcpu-32approssimazioni:
asia_east11,5971 $
asia_south10,9104 $
asia_southeast11,7016 $
c2d-highcpu-56approssimazioni:
asia_east12,7949 $
asia_south11,5931 $
asia_southeast12,9778 $
c2d-highcpu-112approssimazioni:
asia_east15,5898 $
asia_south13,1862 $
asia_southeast15,9556 $

Serie C3

c3-highcpu-4approssimazioni:

asia_southeast10,2445 $
c3-highcpu-8approssimazioni:
asia_southeast10,489 $
c3-highcpu-22approssimazioni:
asia_southeast11,3449 $
c3-highcpu-44approssimazioni:
asia_southeast12,6897 $
c3-highcpu-88approssimazioni:
asia_southeast15,3794 $
c3-highcpu-176approssimazioni:
asia_southeast110,7589 $

Serie A2

a2-highgpu-1gapprossimazioni:

asia-northeast14,6575 $
asia-northeast34,6575 $
asia-southeast14,6163 $
a2-highgpu-2gapprossimazioni:
asia-northeast19,3151 $
asia-northeast39,3151 $
asia-southeast19,2327 $
a2-highgpu-4gapprossimazioni:
asia-northeast118,6301 $
asia-northeast318,6301 $
asia-southeast118,4653 $
a2-highgpu-8gapprossimazioni:
asia-northeast137,2603 $
asia-northeast337,2603 $
asia-southeast136,9306 $
a2-megagpu-16gapprossimazioni:
asia-northeast170,0363 $
asia-northeast370,0363 $
asia-southeast169,5557 $
a2-ultragpu-1gapprossimazioni:
asia-southeast17,1328 $
a2-ultragpu-2gapprossimazioni:
asia-southeast114,2657 $
a2-ultragpu-4gapprossimazioni:
asia-southeast128,5314 $
a2-ultragpu-8gapprossimazioni:
asia-southeast157,0628 $

Serie A3

a3-highgpu-2gapprossimazioni:

asia-southeast132,6472 $
a3-highgpu-4gapprossimazioni:
asia-southeast165,2945 $
a3-highgpu-8gapprossimazioni:
asia-southeast1130,589 $

Prezzi per la regione Medio Oriente

Serie N2

n2-standard-2approssimazioni:

me_west10,1229 $
n2-standard-4approssimazioni:
me_west10,2457 $
n2-standard-8approssimazioni:
me_west10,4914 $
n2-standard-16approssimazioni:
me_west10,9828 $
n2-standard-32approssimazioni:
me_west11,9657 $
n2-highmem-2approssimazioni:
me_west10,1657 $
n2-highmem-4approssimazioni:
me_west10,3315 $
n2-highmem-8approssimazioni:
me_west10,6629 $
n2-highmem-16approssimazioni:
me_west11,3259 $
n2-highcpu-2approssimazioni:
me_west10,0907 $
n2-highcpu-4approssimazioni:
me_west10,1814 $
n2-highcpu-8approssimazioni:
me_west10,3628 $
n2-highcpu-16approssimazioni:
me_west10,7256 $
n2-highcpu-32approssimazioni:
me_west11,4511 $

Serie N2D

n2d-standard-2approssimazioni:

me_west10,1069 $
n2d-standard-4approssimazioni:
me_west10,2138 $
n2d-standard-8approssimazioni:
me_west10,4275 $
n2d-standard-16approssimazioni:
me_west10,8551 $
n2d-standard-32approssimazioni:
me_west11,7101 $
n2d-highmem-2approssimazioni:
me_west10,1442 $
n2d-highmem-4approssimazioni:
me_west10,2884 $
n2d-highmem-8approssimazioni:
me_west10,5767 $
n2d-highmem-16approssimazioni:
me_west11,1535 $
n2d-highcpu-2approssimazioni:
me_west10,0789 $
n2d-highcpu-4approssimazioni:
me_west10,1578 $
n2d-highcpu-8approssimazioni:
me_west10,3156 $
n2d-highcpu-16approssimazioni:
me_west10,6312 $
n2d-highcpu-32approssimazioni:
me_west11,2625 $

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:

Prezzi degli SKU per la regione Americhe

Serie E2

vCPU

Località Prezzo per ora
Los Angeles (us-west2) $0.0301288 per ora vCPU
Las Vegas (us-west4) $0.028252 per ora vCPU
Virginia del Nord (us-east4) $0.028252 per ora vCPU
Montréal (northamerica-northeast1) $0.0276149 per ora vCPU
Toronto (northamerica-northeast2) $0.0276149 per ora vCPU
San Paolo (southamerica-east1) $0.0398176 per ora vCPU
Altre regioni nelle Americhe $0.0250826 per ora vCPU

RAM

Località Prezzo per ora
Los Angeles (us-west2) $0.0040376 per GB/ora
Las Vegas (us-west4</code>) $0.0037846 per GB/ora
Virginia del Nord (us-east4) $0.0037846 per GB/ora
Montréal (northamerica-northeast1) $0.0037007 per GB/ora
Toronto (northamerica-northeast2) $0.0037007 per GB/ora
San Paolo (southamerica-east1) $0.005336 per GB/ora
Altre regioni nelle Americhe $0.0033614 per GB/ora

Serie N1

vCPU

Località Prezzo per ora
Virginia del Nord (us-east4) $0.04094575 per ora vCPU
Montréal (northamerica-northeast1) $0.0400223 per ora vCPU
Altre regioni nelle Americhe $0.03635495 per ora vCPU

RAM

Località Prezzo per ora
Virginia del Nord (us-east4) $0.00548665 per GB/ora
Montréal (northamerica-northeast1) $0.0053636 per GB/ora
Altre regioni nelle Americhe $0.0048783 per GB/ora

Serie N2

vCPU

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.0400223 per ora vCPU
Toronto (northamerica_northeast2) $0.0400223 per ora vCPU
San Paolo (southamerica_east1) $0.057707 per ora vCPU
Iowa (us_central1) $0.0363527 per ora vCPU
Carolina del Sud (us_east1) $0.0363527 per ora vCPU
Virginia del Nord (us_east4) $0.0409457 per ora vCPU
Dallas (us_south1) $0.0428962 per ora vCPU
Oregon (us_west1) $0.0363527 per ora vCPU
Los Angeles (us_west2) $0.0436655 per ora vCPU
Salt Lake City (us_west3) $0.0436655 per ora vCPU
Las Vegas (us_west4) $0.0409434 per ora vCPU

RAM

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.0053636 per GB/ora
Toronto (northamerica_northeast2) $0.0053636 per GB/ora
San Paolo (southamerica_east1) $0.0077337 per GB/ora
Iowa (us_central1) $0.0048725 per GB/ora
Carolina del Sud (us_east1) $0.0048725 per GB/ora
Virginia del Nord (us_east4) $0.0054867 per GB/ora
Dallas (us_south1) $0.00575 per GB/ora
Oregon (us_west1) $0.0048725 per GB/ora
Los Angeles (us_west2) $0.0058523 per GB/ora
Salt Lake City (us_west3) $0.0058523 per GB/ora
Las Vegas (us_west4) $0.0054867 per GB/ora

Serie N2D

vCPU

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.0348197 per ora vCPU
San Paolo (southamerica_east1) $0.0502055 per ora vCPU
Iowa (us_central1) $0.0316273 per ora vCPU
Carolina del Sud (us_east1) $0.0316273 per ora vCPU
Virginia del Nord (us_east4) $0.0356224 per ora vCPU
Oregon (us_west1) $0.0316273 per ora vCPU
Los Angeles (us_west2) $0.0379891 per ora vCPU
Las Vegas (us_west4) $0.0356224 per ora vCPU

RAM

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.0046667 per GB/ora
San Paolo (southamerica_east1) $0.0067287 per GB/ora
Iowa (us_central1) $0.0042389 per GB/ora
Carolina del Sud (us_east1) $0.0042389 per GB/ora
Virginia del Nord (us_east4) $0.0047736 per GB/ora
Oregon (us_west1) $0.0042389 per GB/ora
Los Angeles (us_west2) $0.005091 per GB/ora
Las Vegas (us_west4) $0.0047736 per GB/ora

Serie C2

vCPU

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.04301 per ora vCPU
San Paolo (southamerica_east1) $0.0620356 per ora vCPU
Iowa (us_central1) $0.039077 per ora vCPU
Carolina del Sud (us_east1) $0.039077 per ora vCPU
Virginia del Nord (us_east4) $0.0440105 per ora vCPU
Oregon (us_west1) $0.039077 per ora vCPU
Los Angeles (us_west2) $0.046943 per ora vCPU
Salt Lake City (us_west3) $0.04692 per ora vCPU
Las Vegas (us_west4) $0.0440105 per ora vCPU

RAM

Località Prezzo per ora
Montréal (northamerica_northeast1) $0.00575 per GB/ora
San Paolo (southamerica_east1) $0.0083133 per GB/ora
Iowa (us_central1) $0.0052325 per GB/ora
Carolina del Sud (us_east1) $0.0052325 per GB/ora
Virginia del Nord (us_east4) $0.005888 per GB/ora
Oregon (us_west1) $0.0052325 per GB/ora
Los Angeles (us_west2) $0.0062905 per GB/ora
Salt Lake City (us_west3) $0.006325 per GB/ora
Las Vegas (us_west4) $0.005888 per GB/ora

Serie C2D

vCPU

Località Prezzo per ora
Iowa (us_central1) $0.0339974 per ora vCPU
Carolina del Sud (us_east1) $0.0339974 per ora vCPU
Virginia del Nord (us_east4) $0.0382904 per ora vCPU

RAM

Località Prezzo per ora
Iowa (us_central1) $0.0045528 per GB/ora
Carolina del Sud (us_east1) $0.0045528 per GB/ora
Virginia del Nord (us_east4) $0.0051267 per GB/ora

Serie C3

vCPU

Località Prezzo per ora
Iowa (us_central1) $0.03908 per ora vCPU
Carolina del Sud (us_east1) $0.03908 per ora vCPU
Virginia del Nord (us_east4) $0.04401 per ora vCPU

RAM

Località Prezzo per ora
Iowa (us_central1) $0.00524 per GB/ora
Carolina del Sud (us_east1) $0.00524 per GB/ora
Virginia del Nord (us_east4) $0.0059 per GB/ora

Serie A2

vCPU

Località Prezzo per ora
Iowa (us-central1) $0.0363527 per ora vCPU
Virginia del Nord (us-east4) $0.0363527 per ora vCPU
Las Vegas (us-west4) $0.0409457 per ora vCPU
Altre regioni nelle Americhe $0.0363527 per ora vCPU

RAM

Località Prezzo per ora
Iowa (us-central1) $0.0048725 per GB/ora
Virginia del Nord (us-east4) $0.0048725 per GB/ora
Las Vegas (us-west4) $0.0054867 per GB/ora
Altre regioni nelle Americhe $0.0048725 per GB/ora

GPU

Località Prezzo per ora
Iowa (us-central1) $4.51729 per ora GPU (A100 80 GB)
Virginia del Nord (us-east4) $5.08783 per ora GPU (A100 80 GB)
Las Vegas (us-west4) $3.5673 per ora GPU (A100 40 GB)
Altre regioni nelle Americhe $3.3741 per ora GPU (A100 40 GB)

Serie A3

vCPU

Località Prezzo per ora
Iowa (us-central1) $0.0293227 per ora vCPU
Virginia del Nord (us-east4) $0.0293227 per ora vCPU

RAM

Località Prezzo per ora
Iowa (us-central1) $0.0025534 per GB/ora
Virginia del Nord (us-east4) $0.0025534 per GB/ora

GPU

Località Prezzo per ora
Iowa (us-central1) $11.2660332 per ora GPU (H100 80 GB)
Virginia del Nord (us-east4) $11.2660336 per ora GPU (H100 80 GB)

Serie G2

vCPU

Località Prezzo per ora
Iowa (us-central1) $0.02874 per ora vCPU

RAM

Località Prezzo per ora
Iowa (us-central1) $0.00337 per GB/ora

GPU

Località Prezzo per ora
Iowa (us-central1) $0.64405 per ora GPU

Prezzi degli SKU per la regione Europa

Serie E2

vCPU

Località Prezzo per ora
Belgio (europe-west1) $0.0275919 per ora vCPU
Londra (europe-west2) $0.0323184 per ora vCPU
Francoforte (europe-west3) $0.0323184 per ora vCPU
Paesi Bassi (europe-west4) $0.0276149 per ora vCPU
Zurigo (europe-west6) $0.0350968 per ora vCPU
Parigi (europe-west9) $0.0351164 per ora vCPU

RAM

Località Prezzo per ora
Belgio (europe-west1) $0.0036984 per GB/ora
Londra (europe-west2) $0.0043309 per GB/ora
Francoforte (europe-west3) $0.0043309 per GB/ora
Paesi Bassi (europe-west4) $0.0037007 per GB/ora
Zurigo (europe-west6) $0.0047035 per GB/ora
Parigi (europe-west9) $0.0047069 per GB/ora

Serie N1

vCPU

Località Prezzo per ora
Londra (europe-west2) $0.0468395 per ora vCPU
Altre regioni in Europa $0.0421268 per ora vCPU

RAM

Località Prezzo per ora
Londra (europe-west2) $0.0062767 per GB/ora
Altre regioni in Europa $0.0056373 per GB/ora

Serie N2

vCPU

Località Prezzo per ora
Varsavia (europe_central2) $0.0468395 per ora vCPU
Belgio (europe_west1) $0.0399889 per ora vCPU
Londra (europe_west2) $0.0468395 per ora vCPU
Francoforte (europe_west3) $0.0468395 per ora vCPU
Paesi Bassi (europe_west4) $0.0399879 per ora vCPU
Zurigo (europe_west6) $0.050899 per ora vCPU
Parigi (europe_west9) $0.0421693 per ora vCPU

RAM

Località Prezzo per ora
Varsavia (europe_central2) $0.0062767 per GB/ora
Belgio (europe_west1) $0.0053602 per GB/ora
Londra (europe_west2) $0.0062767 per GB/ora
Francoforte (europe_west3) $0.0062767 per GB/ora
Paesi Bassi (europe_west4) $0.0053598 per GB/ora
Zurigo (europe_west6) $0.0068195 per GB/ora
Parigi (europe_west9) $0.0056522 per GB/ora

Serie N2D

vCPU

Località Prezzo per ora
Belgio (europe_west1) $0.0347909 per ora vCPU
Londra (europe_west2) $0.0407502 per ora vCPU
Francoforte (europe_west3) $0.0407502 per ora vCPU
Paesi Bassi (europe_west4) $0.0348197 per ora vCPU
Parigi (europe_west9) $0.0366873 per ora vCPU

RAM

Località Prezzo per ora
Belgio (europe_west1) $0.0046632 per GB/ora
Londra (europe_west2) $0.0054602 per GB/ora
Francoforte (europe_west3) $0.0054602 per GB/ora
Paesi Bassi (europe_west4) $0.0046667 per GB/ora
Parigi (europe_west9) $0.0049174 per GB/ora

Serie C2

vCPU

Località Prezzo per ora
Belgio (europe_west1) $0.042987 per ora vCPU
Londra (europe_west2) $0.0503527 per ora vCPU
Francoforte (europe_west3) $0.050347 per ora vCPU
Paesi Bassi (europe_west4) $0.0430215 per ora vCPU
Zurigo (europe_west6) $0.0547055 per ora vCPU

RAM

Località Prezzo per ora
Belgio (europe_west1) $0.0057615 per GB/ora
Londra (europe_west2) $0.006747 per GB/ora
Francoforte (europe_west3) $0.006739 per GB/ora
Paesi Bassi (europe_west4) $0.0057615 per GB/ora
Zurigo (europe_west6) $0.007337 per GB/ora

Serie C2D

vCPU

Località Prezzo per ora
Londra (europe_west2) $0.0438012 per ora vCPU
Paesi Bassi (europe_west4) $0.0374336 per ora vCPU

RAM

Località Prezzo per ora
Londra (europe_west2) $0.005865 per GB/ora
Paesi Bassi (europe_west4) $0.0050128 per GB/ora

Serie C3

vCPU

Località Prezzo per ora
Londra (europe_west1) $0.04299 per ora vCPU
Paesi Bassi (europe_west4) $0.04302 per ora vCPU

RAM

Località Prezzo per ora
Londra (europe_west1) $0.00576 per GB/ora
Paesi Bassi (europe_west4) $0.00577 per GB/ora

Serie A2

vCPU

Località Prezzo per ora
Paesi Bassi (europe-west4) $0.0400223 per ora vCPU

RAM

Località Prezzo per ora
Paesi Bassi (europe-west4) $0.0053636 per GB/ora

GPU

Località Prezzo per ora
Paesi Bassi (europe-west4) $3.3741 per ora GPU (A100 40 GB)
Paesi Bassi (europe-west4) $4.97399 per ora GPU (A100 80 GB)

Serie G2

vCPU

Località Prezzo per ora
Paesi Bassi (europe-west4) $0.03164 per ora vCPU

RAM

Località Prezzo per ora
Paesi Bassi (europe-west4) $0.00371 per GB/ora

GPU

Località Prezzo per ora
Paesi Bassi (europe-west4) $0.70916 per GB/ora

Prezzi degli SKU per la regione Asia Pacifico

Serie E2

SKU dei tipi di macchine per le previsioni E2

vCPU

Località Prezzo per ora
Taiwan (asia-east1) $0.0290432 per ora vCPU
Hong Kong (asia-east2) $0.0350968 per ora vCPU
Tokyo (asia-northeast1) $0.0322299 per ora vCPU
Seul (asia-northeast3) $0.0322299 per ora vCPU
Mumbai (asia-south1) $0.0301288 per ora vCPU
Singapore (asia-southeast1) $0.0309453 per ora vCPU
Sydney (australia-southeast1) $0.0355925 per ora vCPU

RAM

Località Prezzo per ora
Taiwan (asia-east1) $0.0038927 per GB/ora
Hong Kong (asia-east2) $0.0047035 per GB/ora
Tokyo (asia-northeast1) $0.0042999 per GB/ora
Seul (asia-northeast3) $0.0042999 per GB/ora
Mumbai (asia-south1) $0.0040376 per GB/ora
Singapore (asia-southeast1) $0.0041458 per GB/ora
Sydney (australia-southeast1) $0.004769 per GB/ora

Serie N1

SKU dei tipi di macchina per le previsioni N1

vCPU

Località Prezzo per ora
Tokyo (asia-northeast1) $0.0467107 per ora vCPU
Singapore (asia-southeast1) $0.04484885 per ora vCPU
Sydney (australia-southeast1) $0.0515844 per ora vCPU
Altre regioni dell'Asia Pacifico $0.0421268 per ora vCPU

RAM

Località Prezzo per ora
Tokyo (asia-northeast1) $0.00623185 per GB/ora
Singapore (asia-southeast1) $0.0060099 per GB/ora
Sydney (australia-southeast1) $0.00691265 per GB/ora
Altre regioni dell'Asia Pacifico $0.0056373 per GB/ora

Serie N2

vCPU

Località Prezzo per ora
Taiwan (asia_east1) $0.0420923 per ora vCPU
Hong Kong (asia_east2) $0.0508656 per ora vCPU
Tokyo (asia_northeast1) $0.0467107 per ora vCPU
Seul (asia_northeast3) $0.0467107 per ora vCPU
Mumbai (asia_south1) $0.0436655 per ora vCPU
Singapore (asia_southeast1) $0.0448488 per ora vCPU
Giacarta (asia_southeast2) $0.0488853 per ora vCPU
Sydney (australia_southeast1) $0.0515844 per ora vCPU

RAM

Località Prezzo per ora
Taiwan (asia_east1) $0.0056419 per GB/ora
Hong Kong (asia_east2) $0.0068172 per GB/ora
Tokyo (asia_northeast1) $0.0062318 per GB/ora
Seul (asia_northeast3) $0.0062318 per GB/ora
Mumbai (asia_south1) $0.0058512 per GB/ora
Singapore (asia_southeast1) $0.0060099 per GB/ora
Giacarta (asia_southeast2) $0.0065504 per GB/ora
Sydney (australia_southeast1) $0.0069126 per GB/ora

Serie N2D

vCPU

Località Prezzo per ora
Taiwan (asia_east1) $0.0366206 per ora vCPU
Hong Kong (asia_east2) $0.0442531 per ora vCPU
Tokyo (asia_northeast1) $0.0406387 per ora vCPU
Mumbai (asia_south1) $0.0208725 per ora vCPU
Singapore (asia_southeast1) $0.0390184 per ora vCPU
Sydney (australia_southeast1) $0.0448787 per ora vCPU

RAM

Località Prezzo per ora
Taiwan (asia_east1) $0.0049082 per GB/ora
Hong Kong (asia_east2) $0.0059305 per GB/ora
Tokyo (asia_northeast1) $0.0054222 per GB/ora
Mumbai (asia_south1) $0.0027979 per GB/ora
Singapore (asia_southeast1) $0.005229 per GB/ora
Sydney (australia_southeast1) $0.0060145 per GB/ora

Serie C2

vCPU

Località Prezzo per ora
Taiwan (asia_east1) $0.045249 per ora vCPU
Hong Kong (asia_east2) $0.0546802 per ora vCPU
Tokyo (asia_northeast1) $0.0502136 per ora vCPU
Seul (asia_northeast3) $0.0502136 per ora vCPU
Mumbai (asia_south1) $0.0469407 per ora vCPU
Singapore (asia_southeast1) $0.0482126 per ora vCPU
Sydney (australia_southeast1) $0.055453 per ora vCPU

RAM

Località Prezzo per ora
Taiwan (asia_east1) $0.0060651 per GB/ora
Hong Kong (asia_east2) $0.0073289 per GB/ora
Tokyo (asia_northeast1) $0.0066987 per GB/ora
Seul (asia_northeast3) $0.0066987 per GB/ora
Mumbai (asia_south1) $0.0062905 per GB/ora
Singapore (asia_southeast1) $0.0064607 per GB/ora
Sydney (australia_southeast1) $0.0074313 per GB/ora

Serie C2D

vCPU

Località Prezzo per ora
Taiwan (asia_east1) $0.0393656 per ora vCPU
Singapore (asia_southeast1) $0.0419417 per ora vCPU

RAM

Località Prezzo per ora
Taiwan (asia_east1) $0.0052716 per ora GB
Singapore (asia_southeast1) $0.0056166 per GB/ora

Serie C3

vCPU

Località Prezzo per ora
Singapore (asia_southeast1) $0.04821 per ora vCPU

RAM

Località Prezzo per ora
Singapore (asia_southeast1) $0.00646 per GB/ora

Serie A2

SKU per i tipi di macchina di previsione A2

vCPU

Località Prezzo per ora
Tokyo (asia-northeast1) $0.0467107 per ora vCPU
Seul (asia-northeast3) $0.0467107 per ora vCPU
Singapore (asia-southeast1) $0.0448488 per ora vCPU

RAM

Località Prezzo per ora
Tokyo (asia-northeast1) $0.00623185 per GB/ora
Seul (asia-northeast3) $0.0062318 per GB/ora
Singapore (asia-southeast1) $0.0060099 per GB/ora

GPU

Località Prezzo per ora
Tokyo (asia-northeast1) $3.5673 per ora GPU (A100 40 GB)
Seul (asia-northeast3) $3.5673 per ora GPU (A100 40 GB)
Singapore (asia-southeast1) $3.5673 per ora GPU (A100 40 GB)
Singapore (asia-southeast1) $5.57298 per ora GPU (A100 80 GB)

Prezzi degli SKU per la regione Medio Oriente

Serie N2

vCPU

Località Prezzo per ora
Tel Aviv (me_west1) $0.0399879 per ora vCPU

RAM

Località Prezzo per ora
Tel Aviv (me_west1) $0.0053598 per GB/ora

Serie N2D

vCPU

Località Prezzo per ora
Tel Aviv (me_west1) $0.03479 per ora vCPU

RAM

Località Prezzo per ora
Tel Aviv (me_west1) $0.0046628 per GB/ora

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:

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

Ogni job è stato eseguito per più di dieci minuti, quindi verrà addebitato ogni minuto di elaborazione:

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

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.

Spiegazioni basate su esempi

I prezzi delle Spiegazioni basate su esempi vengono determinati come segue:

  • 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.

Tipi di macchine

Americhe

Europa

Asia Pacifico
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli SKU di Cloud Platform .

I prezzi per le istanze di a2-highgpu includono i costi degli acceleratori NVIDIA_TESLA_A100 collegati.

Acceleratori

Americhe

Europa

Asia Pacifico
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli SKU di Cloud Platform .

Dischi

Americhe

Europa

Asia Pacifico
Se la valuta utilizzata per il pagamento è diversa da USD, si applicano i prezzi elencati nella tua valuta negli SKU di Cloud Platform .

Note:

  1. Qualsiasi utilizzo è soggetto alle norme relative alle quote di Neural Architecture Search.
  2. Durante il ciclo di vita di Neural Architecture Search, devi archiviare i file di dati e di programma nei bucket Cloud Storage. Leggi ulteriori informazioni sull'utilizzo di Cloud Storage.
  3. Per gli sconti basati sul volume, contatta il team di vendita.
  4. 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 dei dati:
    • Importazione: un singolo nodo può importare circa un minimo di 100 MB di dati l'ora in un negozio online Bigtable o in un negozio online ottimizzato, se non vengono utilizzate funzioni di analisi dei dati.
  • Distribuzione online tramite Bigtable: ogni nodo può supportare circa 15.000 QPS e fino a 5 TB di spazio di archiviazione.
  • Distribuzione online ottimizzata: il rendimento si basa sul tipo di macchina e sulle repliche, che vengono configurate automaticamente per ridurre al minimo i costi in base al carico di lavoro. Ogni nodo può avere un minimo di 2 e un massimo di 6 repliche per l'alta disponibilità e l'autoscalabilità. Ti verrà addebitato il numero di repliche in base a questo. Per maggiori dettagli, consulta gli scenari mensili di esempio.
    • Per i carichi di lavoro non correlati agli embedding, ogni nodo può supportare circa 500 QPS e fino a 200 GB di spazio di archiviazione.
    • Per i carichi di lavoro relativi agli incorporamenti, ogni nodo può supportare circa 500 QPS e fino a 4 GB di spazio di archiviazione di dati a 512 dimensioni.

Puoi visualizzare il numero di nodi (con repliche) in Esplora metriche:

Esplora metriche per scoprire il numero di nodi utilizzati.
Esplora metriche per scoprire il numero di nodi utilizzati.

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 dei 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 ad alta velocità effettiva QPS - Distribuzione online ottimizzata con 10 GB di dati non incorporabili (5 GB aggiornati quotidianamente) e 2000 QPS

Operazioni Utilizzo mensile Costo mensile
Nodo di elaborazione dei dati (5 GB al giorno) * (30 giorni al mese) * (1000 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 arrotonda(10 GB * (1 nodo / 200 GB)) = 1 * max(2 repliche predefinite, 2000 QPS * (1 replica / 500 QPS)) = 4 nodi totali * (24 ore/giorno) * (30 giorni/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 di distribuzione delle rappresentazioni incorporate - Distribuzione online ottimizzata con 20 GB di dati di rappresentazioni incorporate (2 GB aggiornati quotidianamente) e 800 QPS

Operazioni Utilizzo mensile Costo mensile
Nodo di elaborazione dei dati (2 GB al giorno) * (30 giorni al mese) * (1000 MB per GB) * (1 ora nodo / 100 MB) = 600 ore nodo 600 ore nodo * (0,08 $ per ora nodo) = 48$
Nodo per la distribuzione online ottimizzata arrotonda(20 GB* (1 nodo / 4 GB) = 5 * max(2 repliche predefinite, 800 QPS * (1 replica / 500 QPS))) = 10 nodi totali * (24 ore/giorno) * (30 giorni/mese) = 7200 ore nodo 7200 ore nodo * (0,30 $ per ora nodo) = 2160 $
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 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:

  • Per le prove che utilizzano RANDOM_SEARCH e GRID_SEARCH non viene addebitato alcun costo. Scopri di più sugli algoritmi di ricerca.
  • 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 GB 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 $ per GiB * n. aggiornamenti/mese

Aggiornamento in modalità flusso: Vector Search utilizza metriche basate su regole empiriche per determinare quando attivare la compattazione. Se i dati non compattati più vecchi hanno cinque giorni, la compattazione viene sempre attivata. Ti verrà addebitato il costo della ricostruzione dell'indice alla stessa tariffa di un aggiornamento batch, oltre ai costi di aggiornamento in streaming.

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.

Per ulteriori informazioni sui prezzi di distribuzione dei modelli personalizzati da Vertex AI Model Registry, vedi Modelli con addestramento personalizzato. Per ulteriori informazioni sui prezzi di distribuzione dei modelli AutoML, vedi Prezzi per i modelli AutoML.

Vertex AI Model Monitoring

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:

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

Vertex AI Workbench

Per informazioni sui prezzi, seleziona Istanze, Blocchi note gestiti o Blocchi note gestiti dall'utente.

Istanze


Le tabelle riportate di seguito mostrano il prezzo per ora approssimativo delle diverse configurazioni di addestramento. Puoi scegliere una configurazione personalizzata dei tipi di macchine selezionati. Per calcolare i prezzi, somma i costi delle macchine virtuali che utilizzi.

Se utilizzi tipi di macchine di Compute Engine e colleghi gli acceleratori, il costo degli acceleratori è separato. Per calcolare questo costo, moltiplica i prezzi nella tabella degli acceleratori riportata sotto per il numero di acceleratori utilizzati per ciascun tipo.

CPU

Memoria

Acceleratori

Dischi

Blocchi note gestiti

Blocchi note gestiti dall'utente

Risorse Google Cloud aggiuntive

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).

Colab Enterprise

Per informazioni sui prezzi di Colab Enterprise, vedi Prezzi di Colab Enterprise.

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.

Per visualizzare lo stato di fatturazione corrente nella console Google Cloud, inclusi l'utilizzo e la fattura attuale, consulta la pagina Fatturazione. Per ulteriori informazioni sulla gestione del tuo account, consulta la documentazione sulla fatturazione Cloud o la pagina di assistenza per fatturazione e pagamenti.

Passaggi successivi