Veröffentlicht am: Apr 20, 2021

Heute geben wir die Einführung von Savings Plans für Amazon SageMaker bekannt. Dabei handelt es sich um ein neues, flexibles Preismodell, mit dem Sie bei Amazon-SageMaker-ML-Instances bis zu 64 %sparen können, wenn Sie sich für eine Laufzeit von 1 oder 3 Jahren für einen Festbetrag an berechtigter Nutzung (z. B. 10 USD/Stunde) entscheiden. Außerdem freuen wir uns, Ihnen mitteilen zu dürfen, dass wir mit Wirkung vom 19. April 2021 die Preise für Instances in Amazon SageMaker um bis zu 14 % senken. Die Preissenkungen gelten für die Instance-Familien ml.t2, ml.t3, ml.m4, ml.m5, ml.m5d, ml.c4, ml.c5, ml.c5d, ml.c5n, ml.r5, ml.r5d, ml.inf1 und ml.g4dn für SageMaker Studio Notebooks, SageMaker On-Demand Notebooks, SageMaker Processing, SageMaker Training, SageMaker Real-Time Inference, SageMaker Data Wrangler und SageMaker Batch Transform.

Die Savings Plans für SageMaker gelten automatisch für berechtigte SageMaker-ML-Instances, darunter SageMaker Studio Notebook, SageMaker On-Demand Notebook, SageMaker Processing, SageMaker Data Wrangler, SageMaker Training, SageMaker Real-Time Inference und SageMaker Batch Transform – und zwar unabhängig von Familie, Größe oder AWS-Region der ML-Instances. Bei Savings Plans für SageMaker wird die berechtigte Nutzung von ML-Instances bis zum Festbetrag mit den Savings-Plans-Tarifen abgerechnet. Eine darüber hinausgehende Nutzung wird mit den regulären On Demand-Tarifen abgerechnet. Mit den Savings Plans für SageMaker erhalten Sie die Flexibilität, die für Ihre Bedürfnisse am besten geeigneten Machine-Learning-Optionen zu nutzen und weiterhin Geld zu sparen – ohne erforderliche Austauschvorgänge oder Änderungen.

Bei Amazon SageMaker handelt es sich um einen vollständig verwalteten End-to-End-ML-Service, mit dessen Hilfe Datenwissenschaftler und Machine-Learning-Entwickler Machine-Learning-Modelle beliebiger Größe schnell erstellen, trainieren und bereitstellen können. SageMaker sorgt für eine enorme Beschleunigung all Ihrer Anstrengungen im Bereich Machine Learning und ermöglicht Ihnen die rasche Erweiterung der eigenen Produktionsanwendungen um Machine Learning. Savings Plans für Amazon SageMaker erleichtern Ihnen die Maximierung der Einsparungen unabhängig von Familie, Größe oder AWS-Region der ML-Instances. So erhalten Sie flexible Nutzungsoptionen, auch wenn sich Ihre Machine-Learning-Bedürfnisse mit der Zeit ändern. Zum Beispiel können Sie für Inferenz-Workloads von einer CPU-Instance vom Typ ml.c5.xlarge, die in USA Ost (Ohio) ausgeführt wird, zu einer ml.Inf1-Instance in USA West (Oregon) wechseln. Mit Savings Plans für SageMaker können Sie Ihre Ersparnisse leichter maximieren, während zugleich weiterhin flexible Anpassungen an wechselnde Geschäftsanforderungen möglich sind.

Die ersten Schritte im Zusammenhang mit Savings Plans für SageMaker können Sie im AWS Cost Explorer in der AWS-Managementkonsole oder über die Befehlszeilenschnittstelle oder die API von AWS unternehmen. AWS Cost Explorer gibt Empfehlungen auf Grundlage Ihrer Nutzung in der Vergangenheit über einen ausgewählten Zeitraum (7, 30 oder 60 Tage), damit Sie die größtmöglichen Einsparungen erzielen können. Sobald Sie sich für die Savings Plans für Amazon SageMaker registriert haben, gelten die Savings-Plans-Tarife automatisch für die gesamte berechtigte Nutzung bis zum Festbetrag.

Ab heute sind Savings Plans und Instance-Preissenkungen für SageMaker in den folgenden AWS-Regionen verfügbar: USA Ost (Nord-Virginia), USA Ost (Ohio), USA West (Oregon), USA West (Nordkalifornien), EU (Irland), EU (Frankfurt), EU (London), EU (Paris), EU (Stockholm), EU (Mailand), Kanada (Zentral), Asien-Pazifik (Singapur), Asien-Pazifik (Tokio), Asien-Pazifik (Sydney), Asien-Pazifik (Seoul), Asien-Pazifik (Mumbai), Asien-Pazifik (Hongkong), Afrika (Kapstadt), Südamerika (São Paulo), Naher Osten (Bahrain), und AWS GovCloud (USA-West). Auf der Seite mit den Savings Plans für Amazon SageMaker finden Sie weitere allgemeine Informationen und auf der Seite mit Amazon-SageMaker-Preisen die neuesten Preisinformationen.