Amazon Bedrock 定价

定价示例

• AI21 labs

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 AI21 的 Jurrasic-2 Mid 模型将 1 万个令牌的输入文本总结成 2 千个令牌的输出。
  

  产生的总成本 = 1 万个令牌/1000 * 0.0125 美元 + 2 千个令牌/1000 * 0.0125 美元 = 0.15 美元
  

• Amazon

  按需定价

  应用程序开发人员每小时对 Amazon Bedrock 执行以下 API 调用：请求 Amazon Titan Text – Lite 模型将 2 千个令牌的输入文本总结成 1 千个令牌的输出。

  每小时产生的总成本为 = 2 千个令牌/1000 * 0.0003 美元 + 1 千个令牌/1000 * 0.0004 美元 = 0.001 美元。

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 Titan 图像生成器基础模型生成 1000 张大小为 1024 x 1024 的标准质量图像

  产生的总成本 = 1000 张图像 * 每张图像 0.01 美元 = 10 美元

  定制（微调和持续预训练）定价

  应用程序开发人员使用 1000 个图像文本对自定义 Titan 图像生成模型。训练结束后，开发人员使用自定义模型预配置吞吐量一小时来评估模型的性能。经过微调的模型将存储一个月。评估后，开发人员使用预配置吞吐量（1 个月承诺期）来托管自定义模型。

  微调产生的每月成本为：微调训练（0.005 美元 * 500 * 64），其中 0.005 美元是每张图像的价格，500 是步骤数，64 是批量大小 + 每月自定义模型存储（1.95 美元）+ 一小时的自定义模型推理（21 美元）= 160 美元 + 1.95 美元 + 21 = 182.95 美元
  

  预配置吞吐量定价

  应用程序开发人员购买了两个 Titan Text Express 模型单元，用于处理文本摘要，承诺期为 1 个月。

  每月产生的总成本 = 2 个模型单元 * 18.40 美元/小时 * 24 小时 * 31 天 = 27379.20 美元

  应用程序开发人员购买了一个基本 Titan 图像生成器模型的模型单元，承诺期为 1 个月。

  产生的总成本 = 1 * 16.20 美元 * 24 小时 * 31 天 = 12052.80 美元

• Anthropic

  按需定价

  应用程序开发人员在美国西部（俄勒冈州）对 Amazon Bedrock 执行了以下 API 调用：请求 Anthropic 的 Claude 模型将 1.1 万个令牌的输入文本总结成 4 千个令牌的输出。

  产生的总成本 = 1.1 万个令牌/1000 * 0.008 美元 + 4 千个令牌/1000 * 0.024 美元 = 0.088 美元 + 0.096 美元 = 0.184 美元
  

  预配置吞吐量定价

  一位应用程序开发人员在美国西部（俄勒冈州）区域购买了 Anthropic Claude Instant 的一个模型单元：
  

  每月产生的总成本 = 1 个模型单元 * 39.60 美元 * 24 小时 * 31 天 = 29462.40 美元

• Cohere

  按需定价

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 Cohere 的 Command 模型将 6 千个令牌的输入文本总结成 2 千个令牌的输出。

  产生的总成本 = 6 千个令牌/1000 * 0.00150 美元 + 2 千个令牌/1000 * 0.0020 美元 = 0.013 美元

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 Cohere 的 Command-Light 模型将 6 千个令牌的输入文本总结成 2 千个令牌的输出。

  产生的总成本 = 6 千个令牌/1000 * 0.0003 美元 + 2 千个令牌/1000 * 0.0006 美元 = 0.003 美元

  应用程序开发人员对 Amazon Bedrock 进行了以下 API 调用：请求 Cohere 的 Embed 英语或多语言模型为 1 万个输入令牌生成嵌入。

  产生的总成本为 = 1 万个令牌/1000 * 0.0001 美元 = 0.001 美元

  自定义（微调）定价

  应用程序开发人员使用 1000 个数据令牌自定义 Cohere 命令模型。训练结束后，使用自定义模型预配置吞吐量一小时来评估模型的性能。经过微调的模型将存储一个月。评估后，开发人员使用预配置吞吐量（1 个月承诺期）来托管自定义模型。

  每月微调产生的费用为：微调训练（0.004 美元 x 1000）+ 每月自定义模型存储空间（1.95 美元）+ 一小时的自定义模型推理（49.50 美元）= 55.45 美元
  

  自定义模型的预配置吞吐量（1 个月承诺期）产生的每月成本 = 39.60 美元

  预配置吞吐量定价
  

  应用程序开发人员购买了一个 Cohere Command 模型单元，用于处理文本摘要，承诺期为 1 个月。

  每月产生的总成本 = 1 个模型单元 * 39.60 美元 * 24 小时 * 31 天 = 29462.40 美元

• 元数据

  按需定价

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 Meta 的 Llama 2 Chat（13B）模型将 2000 个令牌的输入文本总结成 500 个令牌的输出。

  产生的总成本为 = 2 千个令牌/1000 * 0.00075 美元 + 500 个令牌/1000 * 0.001 美元 = 0.002 美元

  自定义（微调）定价

  应用程序开发人员使用 1000 个数据令牌自定义 Llama 2 预训练（70B）模型。训练结束后，使用自定义模型预配置吞吐量一小时来评估模型的性能。经过微调的模型将存储一个月。评估后，开发人员使用预配置吞吐量（1 个月承诺期）来托管自定义模型。

  每月微调产生的费用为：微调训练（0.00799 美元 x 1000）+ 每月自定义模型存储空间（1.95 美元）+ 一小时的自定义模型推理（23.50 美元）= 33.44 美元

  自定义模型的预配置吞吐量（1 个月承诺期）产生的每月成本 = 21.18 美元

  预配置吞吐量定价

  应用程序开发人员购买了一个 Meta Llama 2 模型单元，用于处理文本摘要，承诺期为 1 个月。

  每月产生的总成本 = 1 个模型单元 * 21.20 美元 * 24 小时 * 31 天 = 15772.8 美元

• Mistral AI

  按需定价

  应用程序开发人员每小时对 Amazon Bedrock 执行以下 API 调用：请求 Mistral 7B 模型将 2 千个令牌的输入文本总结成 1 千个令牌的输出。

  每小时产生的总成本为 = 2 千个令牌/1000 * 0.00015 美元 + 1 千个令牌/1000 * 0.0002 美元 = 0.0005 美元

  应用程序开发人员每小时对 Amazon Bedrock 执行以下 API 调用：请求 Mixtral 8x7B 模型将 2 千个令牌的输入文本总结成 1 千个令牌的输出。

  每小时产生的总成本为 = 2000 个令牌/1000 * 0.00045 美元 + 1000 个令牌/1000 * 0.0007 美元 = 0.0016 美元

  应用程序开发人员每小时对 Amazon Bedrock 执行以下 API 调用：请求 Mistral Large 模型将 2000 个令牌的输入文本总结成 1000 个令牌的输出。 

  每小时产生的总成本为 = 2000 个令牌/1000 * 0.008 美元 + 1000 个令牌/1000 * 0.024 美元 = 0.04 美元
  
  

• Stability AI

  按需定价

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 SDXL 模型生成尺寸为 512 x 512 的图像，步数为 70（高质量）

  产生的总成本 = 1 张图像 * 每张图像 0.036 美元 = 0.036 美元

  应用程序开发人员对 Amazon Bedrock 执行了以下 API 调用：请求 SDXL1.0 模型生成尺寸为 1024 x 1024 的图像，步数为 70（高质量）

  产生的总成本 = 1 张图像 * 每张图像 0.08 美元 = 0.08 美元

  预配置吞吐量定价

  应用程序开发人员购买了一个 SDXL1.0 模型单元，承诺期为 1 个月。

  产生的总成本 = 1 * 49.86 美元 * 24 小时 * 31 天 = 37,095.84 美元