Amazon Bedrock

Prezzi di Amazon Bedrock

Inizia gratuitamente
Richiedi un preventivo

Panoramica dei prezzi

Amazon Bedrock è una piattaforma completa per la creazione di applicazioni e agenti di IA generativa con accesso ai principali modelli di fondazione, servizi per implementare e gestire agenti e strumenti per la personalizzazione, la protezione e l’ottimizzazione delle applicazioni.

Amazon Bedrock offre opzioni di prezzo flessibili per l’inferenza del modello al fine di ottimizzare i costi bilanciando velocità, dimensionamento ed esigenze di accesso ai modelli. Ciò include prezzi on demand per l’utilizzo con pagamento in base al consumo, senza impegni anticipati, e la modalità batch per l’elaborazione conveniente di grandi volumi di input. AgentCore offre prezzi flessibili e basati sul consumo senza impegni anticipati o commissioni minime, che puoi scoprire accedendo alla pagina dei prezzi di AgentCore.

      

Livelli di servizio e importazione di modelli

Il livello Standard offre prestazioni costanti a ritmi regolari per le attività di IA quotidiane. Con il livello Standard paghi solo in base al consumo, senza impegni a termine basati sul tempo. Per i modelli di generazione di testo, viene addebitato ogni token di input elaborato e ogni token di output generato. Per i modelli di incorporamento, ti viene addebitato un costo per ogni token di input elaborato. Un token è composto da pochi caratteri e si riferisce all’unità di testo di base che un modello impara per comprendere l’input e il prompt dell’utente. Per i modelli di generazione di immagini, viene addebitato un costo per ogni immagine generata.

Scopri di più

Priority è un livello di servizio premium che fornisce un’allocazione preferenziale dell’elaborazione per le applicazioni mission-critical. Questo livello di servizio ha un prezzo superiore rispetto allo Standard. Per la maggior parte dei modelli che supportano il livello Priority è possibile ottenere una riduzione fino al 25% della latenza in termini di token di output al secondo (OTPS) rispetto al livello Standard.

Scopri di più

Il livello Flex offre prezzi standard scontati per i carichi di lavoro che possono scambiare l’elaborazione immediata con l’efficienza dei costi. Perfetto per carichi di lavoro di IA non urgenti.

Con la modalità Batch, puoi fornire una serie di prompt come un singolo file di input e ricevere risposte come un singolo file di output, così da ottenere previsioni simultanee su larga scala. Le risposte vengono elaborate e archiviate nel tuo bucket Amazon S3 in modo da potervi accedere in un secondo momento. Amazon Bedrock offre modelli di fondazione (FM) selezionati dei principali fornitori di intelligenza artificiale come Anthropic, Meta, Mistral AI e Amazon per l’inferenza in batch a un prezzo inferiore del 50% rispetto ai prezzi di inferenza on demand. Consulta l’elenco dei modelli qui.

Custom Model Import consente di sfruttare i precedenti investimenti per la personalizzazione dei modelli all’interno di Amazon Bedrock e di utilizzarli nello stesso modo completamente gestito dei modelli di fondazione esistenti ospitati di Bedrock. È possibile importare pesi personalizzati per le architetture di modelli supportate e servire il modello personalizzato utilizzando la modalità on demand. L’importazione di un modello personalizzato su Bedrock è gratuita. Una volta importato un modello, sarà possibile accedervi on demand senza dover eseguire alcuna azione sul piano di controllo (control-plane). Viene addebitata solo l’inferenza del modello, in base al numero di copie del modello personalizzato necessarie per gestire il volume di inferenza e alla durata di attivazione di ciascuna copia del modello, fatturata in finestre di 5 minuti. Una copia del modello è una singola istanza di un modello importato pronto a soddisfare le richieste di inferenza. Il prezzo per copia del modello al minuto dipende da fattori quali architettura, lunghezza del contesto, Regione AWS, versione dell’unità di calcolo (generazione di hardware), ed è classificato in base alla dimensione della copia del modello.

Personalizzazione e ottimizzazione

Ottimizzazione del rinforzo (RFT)
Con la funzionalità di fine-tuning per rinforzo su Amazon Bedrock, puoi migliorare la precisione del modello senza bisogno di esperienza nel machine learning o di ingenti somme di dati etichettati. Amazon Bedrock automatizza il flusso di lavoro del fine-tuning per rinforzo: prende i tuoi prompt campione, genera risposte modello e assegna loro un punteggio utilizzando la tua funzione di ricompensa. Questi prompt, risposte e punteggi vengono quindi utilizzati per addestrare il modello personalizzato attraverso un flusso di lavoro RFT iterativo. L’intero flusso di lavoro viene fatturato a una tariffa oraria. È possibile impostare l’inferenza su un modello personalizzato creando un’implementazione on-demand del modello personalizzato. L’opzione di inferenza on-demand include un modello di prezzi basato su token, che addebita i costi in base al numero di token elaborati durante l’inferenza. 

Ottimizzazione supervisionata
Con l’ottimizzazione supervisionata su Amazon Bedrock, puoi personalizzare gli FM con i tuoi dati per fornire risposte su misura per attività specifiche e il tuo contesto aziendale. È possibile ottimizzare i modelli con dati etichettati. Per la personalizzazione di un modello di generazione di testo, viene addebitato il costo dell’addestramento dei modelli in base al numero totale di token elaborati dal modello (numero di token nel corpus di addestramento moltiplicato per il numero di epoch) e il costo dell’archiviazione del modello addebitato al mese per modello. Un epoch si riferisce a un passaggio completo attraverso il set di dati di addestramento durante il fine-tuning o il pre-addestramento continuo. 

Distillazione di modelli
Con Amazon Bedrock Model Distillation, puoi trasferire la conoscenza da un modello più capiente e abile (noto come “modello insegnante”) a un modello più piccolo, più veloce ed economico (noto come “modello studente”), in modo che quest’ultimo possa diventare performante quanto il modello insegnante per casi d’uso specifici. Con Amazon Bedrock Model Distillation paghi in base all’uso. La distillazione è un processo in due fasi in cui vengono generati prima i dati sintetici dal modello insegnante, quindi viene addestrato il modello studente. La generazione di dati sintetici viene addebitata in base al prezzo on-demand del modello insegnante selezionato. Il fine-tuning del modello studente viene addebitata in base alle tariffe di personalizzazione del modello (ottimizzazione supervisionata). 

Per l’ottimizzazione supervisionata e la distillazione di modelli, è possibile impostare l’inferenza su un modello personalizzato creando un’implementazione on-demand di modelli personalizzati o acquistando throughput assegnato in base ai requisiti specifici del proprio carico di lavoro e agli obiettivi di costo. L’opzione di inferenza on-demand include un modello di prezzi basato su token, che addebita i costi in base al numero di token elaborati durante l’inferenza. Se l’utente acquista throughput assegnato, ha a disposizione un’unità modello senza alcuna condizione di impegno di spesa per l’inferenza su un modello personalizzato. Ti verrà addebitato il numero di ore utilizzate nella prima unità modello per l’inferenza del modello personalizzato. Acquistando un periodo di impegno di 1 o 6 mesi, puoi aumentare il throughput di trasmissione effettivo oltre un’unità modello. 

Con il caching dei prompt su Amazon Bedrock, puoi memorizzare nella cache il contesto ripetuto tra le chiamate API per ridurre i costi e le latenze di risposta. I prompt spesso contengono contesto o prefissi comuni come lunghe conversazioni a più turni, esempi con più riprese e istruzioni dettagliate che perfezionano il comportamento del modello. L’uso delle API Amazon Bedrock esistenti consente di specificare i prefissi dei prompt da memorizzare nella cache per cinque minuti in una cache specifica dell’account AWS. Durante questo periodo, qualsiasi richiesta con prefissi corrispondenti riceverà uno sconto fino al 90% sui token memorizzati nella cache e un miglioramento della latenza fino all’85%. I prezzi e i miglioramenti delle prestazioni variano in base al modello e alla durata dei prompt, ma le cache sono sempre isolate nel tuo account AWS.

Gestione prompt di Amazon Bedrock accelera la creazione, il test e l’esecuzione del prompt tramite un’interfaccia utente intuitiva e un set di API. Puoi facilmente testare e modificare le versioni dei prompt, confrontare diverse varianti ed eseguirli in un’infrastruttura serverless sicura.

Ottimizzazione dei prompt di Amazon Bedrock riscrive automaticamente i prompt per ottenere prestazioni migliori e risposte più concise per i modelli di fondazione. Si integra con Gestione dei prompt per il confronto fianco a fianco delle versioni originali e ottimizzate, e la gestione del ciclo di vita dei prompt. Puoi utilizzare Ottimizzazione dei prompt anche in Bedrock Playground o direttamente tramite API.

Strumenti

Amazon Bedrock Guardrails è l’unica funzionalità di IA responsabile da un importante fornitore di cloud che ti aiuta a creare e personalizzare le protezioni di sicurezza, privacy e veridicità per le tue applicazioni di IA generativa. Valuta gli input degli utenti e le risposte del modello in base a policy specifiche per i casi d’uso, fornendo un ulteriore livello di protezione rispetto a quanto disponibile in modo nativo. Le protezioni di Guardrails possono essere applicate ai modelli ospitati su Amazon Bedrock o a qualsiasi modello di terze parti (come OpenAI e Google Gemini) tramite l’API ApplyGuardrail. È anche possibile utilizzare Guardrails con un framework di agenti come Strands Agents, inclusi gli agenti implementati utilizzando Amazon Bedrock AgentCore. Guardrails aiuta a filtrare le allucinazioni e a migliorare l’accuratezza fattuale attraverso verifiche contestuali sui contenuti RAG e controlli del ragionamento automatico per fornire risposte provatamente autentiche.

Le Knowledge Base di Amazon Bedrock offrono un flusso di lavoro RAG (Retrieval-Augmented Generation) completamente gestito che consente ai clienti di creare applicazioni basate sull’IA generativa estremamente precise, a bassa latenza, sicure e personalizzate, integrando informazioni contestuali provenienti dalle origini dati della propria azienda. Supporta varie origini dati, tra cui S3 e Confluence, Salesforce e SharePoint, in anteprima. Offre inoltre l’acquisizione di documenti per lo streaming dei dati. Le Knowledge Base di Bedrock convertono i dati non strutturati in embedding, li archiviano in database vettoriali e consentono il recupero da diversi archivi di dati. Si integra inoltre con Kendra per il recupero gestito e supporta il recupero di dati strutturati usando il linguaggio naturale in SQL.

Amazon Bedrock Data Automation trasforma contenuti multimodali non strutturati in formati di dati strutturati per casi d’uso come l’elaborazione intelligente dei documenti, l’analisi video e la generazione potenziata da recupero dati (RAG). L’Automazione dei dati di Amazon Bedrock è in grado di generare contenuti in output standard utilizzando impostazioni predefinite specifiche della modalità, come descrizioni di video scena per scena, trascrizioni audio o analisi automatizzate dei documenti. I clienti possono inoltre creare output personalizzati specificando i requisiti di output nei blueprint in base al proprio schema di dati che possono quindi caricare facilmente in un database o data warehouse esistente. Attraverso l’integrazione con Knowledge Base, Amazon Bedrock Data Automation può essere usato anche per analizzare il contenuto per le applicazioni RAG, migliorando l’accuratezza e la pertinenza dei risultati tramite l’inclusione di informazioni incorporate sia nelle immagini che nel testo.

Amazon Bedrock Flows è una funzionalità di creazione ed esecuzione di flussi di lavoro di Bedrock per applicazioni di IA generativa. Accelera la creazione, il test e l’implementazione di flussi di lavoro di IA generativa definiti dall’utente attraverso un visual builder intuitivo e un set di API. Consente di collegare senza problemi i modelli di fondazione più recenti, i prompt, gli agenti, la Knowledge Base, i guardrails e i servizi AWS (come Amazon Lex, AWS Lambda, Amazon S3) insieme alla logica aziendale per creare flussi di lavoro di IA generativa. Puoi facilmente testare e modificare le versioni dei tuoi flussi di lavoro ed eseguirli in un ambiente serverless sicuro tramite un’interfaccia visiva o un’API senza dover configurare la tua infrastruttura.

Valutazione del modello: con la Valutazione del modello di Amazon Bedrock paghi in base all’utilizzo, senza impegni di volume minimo sul numero di prompt o risposte. Per la valutazione automatica (programmatica), paghi solo l’inferenza derivante dal modello scelto nella valutazione. I punteggi algoritmici generati automaticamente vengono forniti senza costi aggiuntivi. Per la valutazione automatica (modello/LLM-as-a-judge), paghi solo l’inferenza derivante dal modello generatore e dal modello valutatore selezionati. In un processo di valutazione del modello LLM-as-a-Judge, le metriche integrate utilizzano modelli di prompt giudice di sistema univoci per ogni metrica e modello giudice disponibile. Questi modelli verranno addebitati nell’ambito dell’utilizzo dei token. Per trasparenza, i prompt giudice sono disponibili nella documentazione pubblica di AWS. Per la valutazione eseguita dalle persone, in cui coinvolgi il tuo team di lavoro, ti verrà addebitato l’inferenza del modello nella valutazione e un costo di 0,21 USD per attività umana completata. Un’attività umana è definita come l’evento in cui un lavoratore umano invia una valutazione di un singolo prompt e delle relative risposte di inferenza nell’interfaccia utente di valutazione umana. Il prezzo per attività è lo stesso a prescindere dal numero di modelli utilizzati nel processo di valutazione (uno o due modelli) e dal numero di parametri di valutazione e metodi di valutazione inclusi. I costi per le attività umane appariranno nella sezione Amazon SageMaker della fattura AWS e sono gli stessi per tutte le Regioni AWS. Non è previsto alcun costo separato per la forza lavoro, poiché la forza lavoro viene fornita da te. Se durante il processo di valutazione utilizzi risposte di inferenza proprie (funzionalità “bring your own inference responses”) invece di chiamare un modello Bedrock, ti verranno addebitati solo l’inferenza del modello valutatore (processi LLM-as-a-Judge) o 0,21USD per attività umana completata (processi di valutazione basati sull’uomo). Per una valutazione gestita da AWS, i prezzi sono personalizzati in base alle tue esigenze di valutazione, mediante un accordo privato con il team di esperti di valutazione di AWS.

Valutazione RAG: con la valutazione RAG di Amazon Bedrock paghi in base all’utilizzo, senza impegni di volume minimo sul numero di prompt o risposte. Se stai valutando una Knowledge Base di Amazon Bedrock, paghi solo l’inferenza derivante dal modello generatore e dal modello valutatore che hai scelto (il processo di valutazione utilizza un LLM-as-a-judge), oltre a eventuali costi sostenuti per l’utilizzo della Knowledge Base nel processo di valutazione secondo i prezzi di Knowledge Base per Amazon Bedrock. Se utilizzi risposte di inferenza proprie (funzionalità “bring your own inference responses”), ti verrà addebitata solo l’inferenza del modello valutatore. In un processo di valutazione RAG, le metriche integrate utilizzano modelli di prompt giudice di sistema univoci per ogni metrica e modello giudice disponibile. Questi modelli verranno addebitati nell’ambito dell’utilizzo dei token. Per trasparenza, i prompt giudice sono disponibili nella documentazione pubblica di AWS. Alcune metriche prevedono l’esecuzione di un’inferenza del modello giudice sul contesto recuperato dalla Knowledge Base/dal sistema RAG o dalle risposte di base in aggiunta al prompt di input, il che influisce sui costi associati a ciascuna metrica. Ulteriori informazioni su ciascuna metrica sono disponibili nella documentazione pubblica di AWS per le valutazioni.

Dettagli sui prezzi del modello

Il prezzo dipende dalla modalità, dal fornitore e dal modello. Seleziona il fornitore del modello per visualizzare i prezzi dettagliati.

Amazon Bedrock offre modelli di fondazione (FM) selezionati dei principali fornitori di intelligenza artificiale come Anthropic, Meta, Mistral AI e Amazon per l’inferenza in batch a un prezzo inferiore del 50% rispetto ai prezzi di inferenza on demand. Consulta l’elenco dei modelli qui.

  • AI21 Labs

  • AI21 Labs

    Prezzi on demand

  • Amazon
    • Amazon Nova

    • Amazon Nova

      Prezzi dei Modelli di comprensione

      Inferenza interregionale globale

      Inferenza geografica interregionale e nella regione

      Strumenti integrati

      Prezzi per i modelli di generazione di contenuti creativi

      Prezzi per i modelli di comprensione e generazione vocale

      Prezzi on demand per i modelli di fondazione di sintesi vocale

      Nota: *I prezzi per i token di testo in input e output si applicano a casi d’uso specifici, come la trascrizione speech-to-text, la chiamata di strumenti per completare attività o per il knowledge grounding, l’aggiunta della cronologia delle conversazioni alla sessione, ecc. 

      L’inferenza on demand per i modelli Nova personalizzati ha il medesimo prezzo dell’inferenza Nova di base.

      Prezzi per i modelli di embedding

    • Amazon Titan

    • Amazon Titan

    • Altro Amazon
  • Anthropic

  • Anthropic

    Prezzi on demand e in batch

    Modelli con accesso esteso

    Provider Nome modello Regioni Prezzo per 1.000 token di input Prezzo di 1.000 token di output Prezzo di 1.000 token di input (batch) Prezzo di 1.000 token di output (batch) Prezzo di 1.000 token di input (scrittura cache) Prezzo per 1.000 token di input (lettura nella cache)
     Anthropic  Claude 3.5 Sonnet (accesso pubblico esteso, in vigore dal 1° dicembre 2025) Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio), Stati Uniti occidentali (Oregon), Europa (Francoforte), Europa (Irlanda), Europa (Zurigo), Europa (Parigi) 0,006 USD 0,03 USD 0,003 USD 0,015 USD N/D N/D
    Anthropic  Claude 3.5 Sonnet v2 (accesso pubblico esteso, in vigore dal 1° dicembre 2025) Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio), Stati Uniti occidentali (Oregon) 0,006 USD 0,03 USD 0,003 USD 0,015 USD 0,0075 USD 0,0006 USD

    Inferenza ottimizzata per la latenza

    Prezzi del throughput con provisioning

    Regione: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

    Modelli Anthropic Prezzo orario per modello con
    nessun impegno    		 Prezzo orario per unità modello con impegno di 1 mese Prezzo orario per unità modello con impegno di 6 mesi

    Claude Instant

    		 44,00 USD

    39,60 USD

    22,00 USD

    Claude 2.0/2.1

    		 70,00 USD

    63,00 USD

    35,00 USD

    Regione: Asia Pacifico (Tokyo)

    Modelli Anthropic Prezzo orario per unità modello con impegno di 1 mese Prezzo orario per unità modello con impegno di 6 mesi

    Claude Instant

    53,00 USD

    29,00 USD

    Claude 2.0/2.1

    86,00 USD

    48,00 USD

    Regione: Europa (Francoforte)

    Modelli Anthropic Prezzo orario per unità modello con impegno di 1 mese Prezzo orario per unità modello con impegno di 6 mesi

    Claude Instant

    49,00 USD

    27,00 USD

    Claude 2.0/2.1

    79,00 USD

    44,00 USD

    Contatta il team del tuo account AWS per maggiori dettagli sulle unità modello. 

     

  • Cohere

  • Cohere

    Prezzi on demand

    Modelli Cohere Prezzo per 1.000 query**
    Rerank 3.5 2,00 USD
    **Ti viene addebitato il numero di query in cui una query può contenere fino a 100 blocchi di documenti. Se la query contiene più di 100 blocchi di documenti, viene conteggiata come query multipla. Ad esempio, se una richiesta contiene 350 documenti, verrà considerata come 4 query. Tieni presente che ogni documento può contenere solo fino a 500 token (inclusi i token totali della query e del documento) e, se la lunghezza del token è superiore a 512 token, viene suddiviso in più documenti.

    Prezzi per la personalizzazione (messa a punto)

    *Token totali addestrati = numero di token nel corpus di dati di addestramento x numero di epoch

    Prezzi del throughput fornito

    Modelli Cohere Prezzo orario per modello 
    senza impegno     		Prezzo orario per unità modello con impegno di 1 mese

    Prezzo orario per unità modello con impegno di 6 mesi

    Cohere Command

    		 49,50 USD

    39,60 USD

    23,77 USD
    Cohere Command - Light 8,56 USD

    6,85 USD

    		 4,11 USD
    Embed 3 inglese 7,12 USD

    6,76 USD

    		 6,41 USD
    Embed 3 multilingue 7,12 USD

    6,76 USD

    		 6,41 USD

    Contatta il team del tuo account AWS o il team di vendita per maggiori dettagli sulle unità modello. 

  • DeepSeek

  • DeepSeek

    Prezzi on demand

  • Google

  • Google

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli Google Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Gemma 3 4B 0,00004 USD 0,00008 USD
    Gemma 3 12B 0,00009 USD 0,00029 USD
    Gemma 3 27B 0,00023 USD 0,00038 USD

    Regioni: Asia Pacifico (Mumbai), Europa (Irlanda) ed Europa (Milano)

    Modelli Google Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Gemma 3 4B 0,00005 USD 0,00009 USD
    Gemma 3 12B 0,00011 USD 0,00034 USD
    Gemma 3 27B 0,00027 USD 0,00045 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli Google Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Gemma 3 4B 0,00005 USD 0,00010 USD
    Gemma 3 12B 0,00011 USD 0,00035 USD
    Gemma 3 27B 0,00028 USD 0,00046 USD

    Regione: Europa (Londra)

    Modelli Google Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Gemma 3 4B 0,00006 USD 0,00012 USD
    Gemma 3 12B 0,00014 USD 0,00045 USD
    Gemma 3 27B 0,00036 USD 0,00059 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • Kimi AI

  • Kimi AI

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli Kimi Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Kimi K2 Thinking 0,00060 USD 0,00250 USD

    Regione: Asia Pacifico (Mumbai)

    Modelli Kimi Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Kimi K2 Thinking 0,00071 USD 0,00294 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli Kimi Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Kimi K2 Thinking 0,00073 USD 0,00303 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • Luma AI

  • Prezzi on demand

  • Meta

  • Meta

    Llama 4

    Prezzi on demand e in batch

    Llama 3.3

    Prezzi su richiesta e in batch

    Llama 3.2

    Prezzi on demand e in batch

    Prezzi per la personalizzazione del modello (messa a punto)

    Prezzi del throughput con provisioning

    Llama 3.1

    Prezzi su richiesta e in batch

    Prezzi per la personalizzazione del modello (messa a punto)

    Prezzi del throughput assegnato

    Llama 3

    Prezzi on demand

    Llama 2

    Prezzi on demand

    Regione: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

    Meta modelli Prezzo per 1.000 token di input Prezzo per 1.000 token di output

    Chat Llama 2 (13B)

    0,00075 USD

    0,001 USD
    Chat Llama 2 (70B)

    0,00195 USD

    		0,00256 USD

    Prezzi per la personalizzazione del modello (messa a punto)

    Meta modelli Prezzo per addestrare 1.000 gettoni Prezzo per l’archiviazione di ogni modello personalizzato* al mese Prezzo da dedurre da un modello personalizzato per 1 unità modello all’ora (con prezzi del throughput assegnato senza impegno)

    Llama 2 Preaddestrato (13B)

    0,00149 USD

    1,95 USD

    23,50 USD
    Llama 2 Preaddestrato (70B)

    0,00799 USD

    		1,95 USD 23,50 USD

    *Archiviazione per modelli personalizzati = 1,95 USD

    Prezzi del throughput fornito

    Meta modelli Prezzo orario per unità modello con impegno di 1 mese Prezzo orario per unità modello con impegno di 6 mesi

    Llama 2 Preaddestrato e Chat (13B)

    21,18 USD

    13,08 USD
    Llama 2 Preaddestrato (70B)

    21,18 USD

    		 13,08 USD

    *I modelli preaddestrati di Llama 2 sono disponibili solo in provisioned throughput previa personalizzazione.

    Contatta il team del tuo account AWS o il team di vendita per maggiori dettagli sulle unità modello.

  • MiniMax AI

  • MiniMax AI

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli Minimax Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Minimax M2 0,00030 USD 0,00120 USD

    Regioni: Asia Pacifico (Mumbai), Europa (Irlanda) ed Europa (Milano)

    Modelli Minimax Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Minimax M2 0,00035 USD 0,00141 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli Minimax Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Minimax M2 0,00036 USD 0,00145 USD

    Regione: Europa (Londra)

    Modelli Minimax Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Minimax M2 0,00047 USD 0,00186 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • Mistral AI

  • Mistral AI

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli Mistral Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Magistral Small 1.2
    		0,00050 USD 0,00150 USD
    Voxtral Mini 1.0
    		0,00004 USD 0,00004 USD
    Voxtral Small 1.0
    		0,00010 USD 0,00030 USD
    Ministral 3B 3.0
    		0,00010 USD 0,00010 USD
    Ministral 8B 3.0
    		0,00015 USD 0,00015 USD
    Ministral 14B 3.0
    		0,00020 USD 0,00020 USD
    Mistral Large 3 0,00050 USD 0,00150 USD

    Regioni: Asia Pacifico (Mumbai)

    Modelli Mistral Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Magistral Small 1.2
    		0,00059 USD 0,00176 USD
    Voxtral Mini 1.0
    		0,00005 USD 0,00005 USD
    Voxtral Small 1.0
    		0,00012 USD 0,00035 USD
    Ministral 3B 3.0
    		0,00012 USD 0,00012 USD
    Ministral 8B 3.0
    		0,00018 USD 0,00018 USD
    Ministral 14B 3.0
    		0,00024 USD 0,00024 USD
    Mistral Large 3 0,00059 USD 0,00176 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli Mistral Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Magistral Small 1.2
    		0,00061 USD 0,00182 USD
    Voxtral Mini 1.0
    		0,00005 USD 0,00005 USD
    Voxtral Small 1.0
    		0,00012 USD 0,00036 USD
    Ministral 3B 3.0
    		0,00012 USD 0,00012 USD
    Ministral 8B 3.0
    		0,00018 USD 0,00018 USD
    Ministral 14B 3.0
    		0,00024 USD 0,00024 USD
    Mistral Large 3 0,00061 USD 0,00182 USD

    Regioni: Europa (Irlanda) ed Europa (Milano)

    Modelli Mistral Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Magistral Small 1.2
    		0,00059 USD 0,00176 USD
    Voxtral Mini 1.0
    		0,00005 USD 0,00005 USD
    Voxtral Small 1.0
    		0,00012 USD 0,00035 USD
    Ministral 3B 3.0
    		0,00012 USD 0,00012 USD
    Ministral 8B 3.0
    		0,00018 USD 0,00018 USD
    Ministral 14B 3.0
    		0,00024 USD 0,00024 USD

    Regione: Europa (Londra)

    Modelli Mistral Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Magistral Small 1.2
    		0,00078 USD 0,00233 USD
    Voxtral Mini 1.0
    		0,00006 USD 0,00006 USD
    Voxtral Small 1.0
    		0,00016 USD 0,00047 USD
    Ministral 3B 3.0
    		0,00016 USD 0,00016 USD
    Ministral 8B 3.0
    		0,00023 USD 0,00023 USD
    Ministral 14B 3.0
    		0,00031 USD 0,00031 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • NVIDIA

  • NVIDIA

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli NVIDIA Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    NVIDIA Nemotron Nano 2 0,00006 USD 0,00023 USD
    NVIDIA Nemotron Nano 2 VL 0,00020 USD 0,00060 USD

    Regioni: Asia Pacifico (Mumbai), Europa (Irlanda) ed Europa (Milano)

    Modelli NVIDIA Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    NVIDIA Nemotron Nano 2 0,00007 USD 0,00027 USD
    NVIDIA Nemotron Nano 2 VL 0,00024 USD 0,00071 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli NVIDIA Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    NVIDIA Nemotron Nano 2 0,00007 USD 0,00028 USD
    NVIDIA Nemotron Nano 2 VL 0,00024 USD 0,00073 USD

    Regione: Europa (Londra)

    Modelli NVIDIA Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    NVIDIA Nemotron Nano 2 0,00009 USD 0,00036 USD
    NVIDIA Nemotron Nano 2 VL 0,00031 USD 0,00093 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • OpenAI

  • OpenAI

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli OpenAI Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    GPT OSS Safeguard 20B 0,00007 USD 0,00020 USD
    GPT OSS Safeguard 120B 0,00015 USD 0,00060 USD

    Regioni: Asia Pacifico (Mumbai), Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli OpenAI Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    GPT OSS Safeguard 20B 0,00008 USD 0,00024 USD
    GPT OSS Safeguard 120B 0,00018 USD 0,00071 USD

    Regioni: Europa (Irlanda) ed Europa (Milano)

    Modelli OpenAI Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    GPT OSS Safeguard 20B 0,00008 USD 0,00023 USD
    GPT OSS Safeguard 120B 0,00018 USD 0,00070 USD

    Regione: Europa (Londra)

    Modelli OpenAI Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    GPT OSS Safeguard 20B 0,00011 USD 0,00031 USD
    GPT OSS Safeguard 120B 0,00023 USD 0,00093 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • TwelveLabs

  • TwelveLabs

    Prezzi on-demand

  • Stability AI

  • Stability AI

    Prezzi on demand

    La precedente generazione di modelli di immagine offerti da Stability AI ha un prezzo per immagine, che dipende dal numero di passaggi e dalla risoluzione dell’immagine.

     

    Regione: Oregon, Virginia settentrionale, Ohio

    Stability AI Image Services Prezzo per generazione per ogni modello  
    Rimozione sfondo immagine stabile 0,07 USD  
    Cancellazione oggetto immagine stabile 0,07 USD  
    Struttura di controllo immagine stabile 0,07 USD  
    Schizzo di controllo immagine stabile 0,07 USD  
    Guida allo stile immagine stabile 0,07 USD  
    Ricerca e sostituzione immagine stabile 0,07 USD  
    Inpainting immagine stabile 0,07 USD  
    Ricerca e ricolorazione immagine stabile 0,07 USD  
    Trasferimento stile immagine stabile 0,08 USD  
    Ridimensionamento conservativo immagine stabile 0,40 USD  
    Ridimensionamento creativo immagine stabile 0,60 USD  
    Ridimensionamento veloce immagine stabile 0,03 USD  
    Outpainting immagine stabile 0,06 USD  
  • Writer

  • Writer

    Prezzi on demand

    Modelli Writer Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Palmira X4 0,0025 USD 0,010 USD
    Palmira X5 0,0006 USD 0,006 USD
  • Qwen

  • Amazon Bedrock

    Qwen

    Prezzi on-demand

    Regioni: Stati Uniti orientali (Virginia settentrionale), Stati Uniti orientali (Ohio) e Stati Uniti occidentali (Oregon)

    Modelli Qwen Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Qwen3 Next 80B A3B 0,00015 USD 0,00120 USD
    Qwen3 VL 235B A22B 0,00053 USD 0,00266 USD

    Regioni: Asia Pacifico (Mumbai), Europa (Irlanda) ed Europa (Milano)

    Modelli Qwen Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Qwen3 Next 80B A3B 0,00018 USD 0,00141 USD
    Qwen3 VL 235B A22B 0,00062 USD 0,00313 USD

    Regioni: Sud America (San Paolo) e Asia Pacifico (Tokyo)

    Modelli Qwen Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Qwen3 Next 80B A3B 0,00018 USD 0,00145 USD
    Qwen3 VL 235B A22B 0,00064 USD 0,00322 USD

    Regione: Europa (Londra)

    Modelli Qwen Prezzo per 1.000 token di input Prezzo per 1.000 token di output
    Qwen3 Next 80B A3B 0,00023 USD 0,00186 USD
    Qwen3 VL 235B A22B 0,00082 USD 0,00412 USD

    * I prezzi del livello Priority sono superiori del 75% rispetto ai prezzi del livello Standard
    * I prezzi del livello Flex sono scontati del 50% rispetto ai prezzi del livello Standard

  • Custom Model Import

  • Importazione di modelli personalizzati

    • Llama

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

    • Lama multimodale

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

    • Mistral

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

    • Mixtral

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

    • Flan

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

      Prezzi di inferenza on demand:
      La fatturazione viene effettuata in finestre di 5 minuti per la durata in cui la copia del modello è attiva a partire dalla prima invocazione avvenuta con successo. Il limite massimo di throughput e concorrenza per copia del modello dipende da fattori quali la combinazione di token di input/output, il tipo di hardware, le dimensioni del modello, l’architettura, le ottimizzazioni dell’inferenza e viene determinato durante il flusso di lavoro di importazione del modello.

      Bedrock scala automaticamente il numero di copie del modello in base ai modelli di utilizzo. Se non ci sono invocazioni per un periodo di 5 minuti, Bedrock si ridurrà verticalmente a zero per poi scalare nuovamente verso l’alto quando il modello verrà invocato. Durante il processo di aumento verticale, è possibile che si verifichi una durata dell’avvio a freddo (in decine di secondi) a seconda delle dimensioni del modello. Bedrock aumenta verticalmente anche il numero di copie del modello se il volume di inferenza supera costantemente i limiti di concorrenza di una singola copia del modello. Nota: per impostazione predefinita, è previsto un massimo di 3 copie del modello per account per modello importato che è possibile aumentare tramite Service Quotas.

    • Qwen

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,05718 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Regione: Europa (Francoforte) 

      Versione unità di modello personalizzate v1.0
      Prezzo per unità di modello personalizzato al minuto* 0,07144 USD
      Costo mensile di archiviazione per unità di modello personalizzato 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

      Prezzi di inferenza on demand:
      La fatturazione viene effettuata in finestre di 5 minuti per la durata in cui la copia del modello è attiva a partire dalla prima invocazione avvenuta con successo. Il limite massimo di throughput e concorrenza per copia del modello dipende da fattori quali la combinazione di token di input/output, il tipo di hardware, le dimensioni del modello, l’architettura, le ottimizzazioni dell’inferenza e viene determinato durante il flusso di lavoro di importazione del modello.

      Bedrock scala automaticamente il numero di copie del modello in base ai modelli di utilizzo. Se non ci sono invocazioni per un periodo di 5 minuti, Bedrock si ridurrà verticalmente a zero per poi scalare nuovamente verso l’alto quando il modello verrà invocato. Durante il processo di aumento verticale, è possibile che si verifichi una durata dell’avvio a freddo (in decine di secondi) a seconda delle dimensioni del modello. Bedrock aumenta verticalmente anche il numero di copie del modello se il volume di inferenza supera costantemente i limiti di concorrenza di una singola copia del modello. Nota: per impostazione predefinita, è previsto un massimo di 3 copie del modello per account per modello importato che è possibile aumentare tramite Service Quotas.

    • OpenAI

    • Regioni: Stati Uniti orientali (Virginia settentrionale) e Stati Uniti occidentali (Oregon)

      Versione unità di modello personalizzata v2.0
      Prezzo per unità di modello personalizzata al minuto* 0,1433 USD
      Costo mensile di archiviazione per unità di modello personalizzata 1,95 USD

      Nota: Le unità di modello personalizzate necessarie per ospitare un modello dipendono da una serie di fattori, in particolare dall’architettura del modello, dal numero di parametri del modello e dalla lunghezza del contesto. Il numero esatto di unità di modello personalizzate necessarie sarà determinato al momento dell’importazione. A titolo di riferimento, il modello Llama 3.1 8B 128K richiede 2 unità di modello personalizzate, mentre il modello Llama 3.1 70B 128k richiede 8 unità di modello personalizzate.

      *Fatturato in intervalli da 5 minuti

      Prezzi di inferenza on demand:
      La fatturazione viene effettuata in finestre di 5 minuti per la durata in cui la copia del modello è attiva a partire dalla prima invocazione avvenuta con successo. Il limite massimo di throughput e concorrenza per copia del modello dipende da fattori quali la combinazione di token di input/output, il tipo di hardware, le dimensioni del modello, l’architettura, le ottimizzazioni dell’inferenza e viene determinato durante il flusso di lavoro di importazione del modello.

      Bedrock scala automaticamente il numero di copie del modello in base ai modelli di utilizzo. Se non ci sono invocazioni per un periodo di 5 minuti, Bedrock si ridurrà verticalmente a zero per poi scalare nuovamente verso l’alto quando il modello verrà invocato. Durante il processo di aumento verticale, è possibile che si verifichi una durata dell’avvio a freddo (in decine di secondi) a seconda delle dimensioni del modello. Bedrock aumenta verticalmente anche il numero di copie del modello se il volume di inferenza supera costantemente i limiti di concorrenza di una singola copia del modello. Nota: per impostazione predefinita, è previsto un massimo di 3 copie del modello per account per modello importato che è possibile aumentare tramite Service Quotas.

Dettagli sui prezzi per strumenti e ottimizzazione

  • Flussi

  • Amazon Bedrock Flows

    I costi addebitati dipendono dal numero di transizioni di nodo completate necessarie per eseguire un’applicazione. Bedrock Flows conta una transizione di nodo ogni volta che viene eseguito un nodo nel flusso di lavoro. Il costo viene calcolato in base al numero totale di transizioni di nodo per tutti i flussi.

    Tutti gli addebiti vengono contabilizzati giornalmente e fatturati mensilmente a partire dal 1° febbraio 2025.

    Prezzo per 1.000 transizioni di nodo
    0,035 USD

    Costi aggiuntivi

    Potranno essere addebitati costi aggiuntivi se l’esecuzione del flusso di lavoro dell’applicazione prevede l’utilizzo di altri servizi AWS o di trasferimento dei dati. Ad esempio, se il flusso di lavoro invoca una policy Amazon Bedrock Guardrail, verrà fatturato il numero di unità di testo elaborate dalla policy. 

  • Basi di conoscenza

  • Recupero di dati strutturati (generazione SQL)

    Il recupero dei dati strutturati viene addebitato per ogni richiesta di generazione di una query SQL. La query SQL generata viene utilizzata per recuperare i dati dagli archivi di dati strutturati.

    Modelli Rerank

    I modelli Rerank sono progettati per migliorare la pertinenza e l’accuratezza delle risposte nelle applicazioni generazione potenziata tramite recupero (RAG). Vengono addebitati per query.

    **Ti viene addebitato il numero di query in cui una query può contenere fino a 100 blocchi di documenti. Se la query contiene più di 100 blocchi di documenti, viene conteggiata come query multipla. Ad esempio, se una richiesta contiene 350 documenti, verrà considerata come 4 query. Tieni presente che ogni documento può contenere solo fino a 512 token (inclusi i token totali della query e del documento) e, se la lunghezza del token è superiore a 512 token, viene suddiviso in più documenti. Una query è equivalente a un’unità di ricerca.

  • Guardrail

  • Guardrail per Amazon Bedrock

    Il prezzo di Guardrail per Amazon Bedrock si basa sui costi sostenuti dal filtro usato nel guardrail. Il prezzo è lo stesso sia per il livello standard che per quello classico.

    Filtro guardrail*

    Prezzo
    Filtri di contenuto sia per il livello standard che per quello classico (contenuto testuale)

    0,15 USD per 1.000 unità di testo

    Filtri di contenuto (contenuto di immagini)

    0,00075 USD per immagine elaborata

    Argomenti negati sia per il livello standard che per quello classico

    0,15 USD per 1.000 unità di testo

    Filtri per informazioni sensibili 

    0,10 USD per 1.000 unità di testo

    Filtri per informazioni sensibili (espressione regolare) 

    Gratis

    Filtri per parola

    Gratis

    Verifiche contestuali di base

    0,10 USD per 1.000 unità di testo

    Controlli del ragionamento automatico

    0,17 USD per 1.000 unità di testo per policy di ragionamento automatico

    Prezzi on demand

    *Ogni filtro guardrail è facoltativo e può essere abilitato in base ai requisiti dell’applicazione. I costi verranno addebitati in base al tipo di filtro usato nel guardrail. Ad esempio, se un guardrail è configurato con filtri di contenuto e argomenti negati, verranno addebitati costi per questi due filtri, mentre non ci saranno addebiti associati ai filtri di informazioni sensibili.

    Nota: un’unità di testo può contenere fino a 1.000 caratteri. Se un input di testo è superiore a 1.000 caratteri, viene elaborato come unità di testo multiple, ciascuna contenente fino a 1.000 caratteri. Ad esempio, se un input di testo contiene 5.600 caratteri, verranno addebitate 6 unità di testo.

    La verifica contestuale di base utilizza una fonte di riferimento e una query per stabilire se la risposta del modello si basa sulla fonte ed è pertinente alla query. Il numero totale di unità di testo addebitate viene calcolato combinando tutti i caratteri della fonte, della query e della risposta del modello. 

  • Valutazione del modello

  • Valutazione del modello

    La valutazione del modello viene addebitata per l’inferenza del modello scelto. I punteggi algoritmici generati automaticamente vengono forniti senza costi aggiuntivi. Per la valutazione su base umana, in cui l’utente porta il proprio flusso di lavoro, viene addebitato il costo dell’inferenza del modello nella valutazione e un costo di 0,21 USD per ogni attività umana completata.

    Modello

    Prezzo per 1.000 token di input

    Prezzo per 1.000 token di output

    Prezzo per attività umana

    		  

    Modello selezionato per la valutazione

    In base al modello selezionato

    In base al modello selezionato

     

    0,21 USD

    		  
  • Automazione dei dati

  • Automazione dei dati

    Le Knowledge Base di Amazon Bedrock offrono un’integrazione di Bedrock Data Automation per fornire risposte più pertinenti e accurate per i dati multimodali. Quando configuri una Knowledge Base, puoi selezionare Bedrock Data Automation come metodo di analisi per analizzare ed estrarre informazioni significative da immagini o documenti, che possono includere figure, grafici e diagrammi. Durante l’elaborazione, Bedrock Data Automation estrae informazioni significative dai documenti e dalle immagini inseriti, che vengono poi utilizzate nelle fasi successive della Knowledge Base per la suddivisione in blocchi, l’embedding e l’archiviazione. Se integrato con le Knowledge Base, Bedrock Data Automation fornisce e addebita un output standardizzato.

  • Routing di prompt intelligente
  • Punto di prezzo Dimensione dei prezzi Piano tariffario
    Routing di prompt intelligente 1 USD per 1.000 richieste On demand

    Routing di prompt intelligente

    Il routing di prompt intelligente consente di utilizzare una combinazione di modelli di fondazione (FM) della stessa famiglia di modelli per ottimizzare qualità e costi. Ad esempio, con la famiglia di modelli Claude di Anthropic, Amazon Bedrock può indirizzare in modo intelligente le richieste tra Claude 3.5 Sonnet e Claude 3 Haiku a seconda della complessità del prompt. Allo stesso modo, Amazon Bedrock può indirizzare le richieste tra Meta Llama 3.3 70B e 3.18B e Nova Pro e Nova Lite. Il router di prompt prevede quale modello fornirà le migliori prestazioni per ogni richiesta, contribuendo al contempo a ottimizzare la qualità della risposta e i costi. Ciò è particolarmente utile per applicazioni come gli assistenti del servizio clienti, in cui le domande semplici possono essere gestite da modelli più piccoli, più veloci e più convenienti e le domande complesse vengono indirizzate a modelli più capaci. Il routing di prompt intelligente può ridurre i costi anche del 30% senza compromettere la precisione.

  • Ottimizzazione di prompt

  • Ottimizzazione di prompt per Amazon Bedrock

    L’addebito viene effettuato in base al numero di token nei prompt di input e nei prompt ottimizzati.

    Tutti gli addebiti vengono fatturati mensilmente a partire dal 23 aprile 2025. 

    Prezzo per 1.000 token
    0,030 USD

Esempi di prezzo

  • Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Jurassic-2 Mid di AI21 per riepilogare un input di 10.000 token di testo di input in un output di 2.000 token.

    Costo totale sostenuto = 10.000 token/1.000 x 0,0125 USD + 2.000 token/1.000 x 0,0125 USD = 0,15 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock su base oraria: una richiesta al modello Amazon Titan Text Lite per riepilogare un input di 2.000 token di testo di input in un output di 1.000 token.

    Costo orario totale sostenuto = 2.000 token/1.000 x 0,0003 USD + 1.000 token/1.000 x 0,0004 USD = 0,001 USD.

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello base di Amazon Titan Image Generator per generare 1.000 immagini di dimensione 1024 x 1024 di qualità standard.

    Costo totale sostenuto = 1.000 immagini x 0,01 USD per immagine = 10 USD

    Prezzi di personalizzazione (ottimizzazione e pre-addestramento continuo)

    Uno sviluppatore di applicazioni personalizza un modello Amazon Titan Image Generator utilizzando 1.000 coppie immagine-testo. Dopo l’addestramento, lo sviluppatore utilizza il throughput fornito dal modello personalizzato per un’ora allo scopo di valutare le prestazioni del modello. Il modello ottimizzato viene archiviato per un mese. Dopo la valutazione, lo sviluppatore utilizza il throughput fornito (durata dell’impegno di 1 mese) per ospitare il modello personalizzato.

    Il costo mensile sostenuto per l’ottimizzazione è: formazione sull’ottimizzazione (0,005 USD x 500 x 64), dove 0,005 USD è il prezzo per immagine visualizzata, 500 è il numero di passaggi e 64 è la dimensione del batch + archiviazione del modello personalizzato al mese (1,95 USD) + un’ora di inferenza del modello personalizzato (21 USD) = 160 USD + 1,95 USD + 21 = 182,95 USD

    Prezzi del throughput fornito

    Uno sviluppatore di applicazioni acquista due unità di modello di Amazon Titan Text Express con un vincolo di 1 mese per il suo caso d’uso di riepilogo di testo.

    Costo mensile totale sostenuto: 2 unità di modello x 18,40 USD/ora x 24 ore x 31 giorni = 27.379,20 USD

    Uno sviluppatore di applicazioni acquista un’unità di modello del modello Amazon Titan Image Generator base con un vincolo di 1 mese.

    Costo totale sostenuto = 1 unità di modello x 16,20 USD x 24 ore x 31 giorni = 12.052,80 USD

  • Esempio 1: chatbot per l’assistenza clienti
    Uno sviluppatore di applicazioni crea un chatbot per l’assistenza clienti e utilizza i filtri dei contenuti per bloccare i contenuti dannosi e gli argomenti negati per filtrare domande e risposte indesiderate.

    Il chatbot risponde a 1.000 richieste di utenti all’ora. Ogni richiesta utente ha una lunghezza media di input di 200 caratteri e riceve una risposta FM di 1.500 caratteri.

    Ogni richiesta utente di 200 caratteri corrisponde a 1 unità di testo.

    Ogni risposta FM di 1.500 caratteri corrisponde a 2 unità di testo.

    Unità di testo elaborate ogni ora = (1 + 2) x 1.000 query = 3.000 unità di testo

    Costo totale sostenuto all’ora per i filtri dei contenuti e l’argomento negato = 3000 x (0,15 USD + 0,15 USD)/1000 = 0,90 USD

     

    Esempio 2: riepilogo della trascrizione del call center
    Uno sviluppatore di applicazioni crea un’applicazione per riepilogare le trascrizioni delle chat tra utenti e agenti dell’assistenza. Utilizza un filtro per informazioni sensibili per oscurare le informazioni di identificazione personale (PII) nei riepiloghi generati per 10.000 conversazioni.

    Ogni riepilogo generato ha una media di 3.500 caratteri che corrispondono a 4 unità di testo.

    Costo totale sostenuto per riassumere 10.000 conversazioni = 10.000 x 4 x (0,1/1.000 USD) = 4 USD

     

    Esempio 3: Motore di verifica del protocollo medico
    Un’azienda di tecnologia sanitaria implementa controlli di ragionamento automatico nel proprio sistema di supporto alle decisioni cliniche per convalidare i suggerimenti terapeutici rispetto alle linee guida mediche.

    Il sistema elabora 5.000 casi di pazienti al mese. Ogni caso comporta:

    • Riepilogo dei dati del paziente: 500 caratteri (1 unità di testo)
    • Valutazione diagnostica: 2.000 caratteri (2 unità di testo)
    • Trattamento consigliato: 4.500 caratteri (5 unità di testo)

    Unità di testo elaborate al mese = (1 + 2 + 5) 5.000 casi = 40.000 unità di testo
    Costo totale sostenuto al mese per i controlli di ragionamento automatico = 40.000 (0,17 USD)/1000 = 6,80 USD

     

  • Esempio di prezzo 1 (riposizionamento utilizzando il modello Amazon Rerank 1.0)

    In un dato mese, effettui 2 milioni di richieste all’API Rerank utilizzando il modello Amazon Rerank 1.0: 1 milione di richieste contengono meno di 100 documenti ciascuna e quindi verrà addebitata una richiesta ciascuna. Il restante milione di richieste contiene 120-150 documenti e quindi ogni richiesta sarà addebitata per 2 richieste.

    Prezzo per una richiesta = 0,001 USD
    Addebito totale = 1.000.000 USD x 0,001 USD + 1.000.000 x 2 x 0,001 USD = 3000 USD 

    Esempio di prezzo 2: (recupero di dati strutturati)

    Uno sviluppatore di applicazioni crea un chatbot di supporto che interroga i dati strutturati archiviati in Amazon Redshift. Lo sviluppatore crea una Knowledge Base Bedrock e si connette ad Amazon Redshift. Il chatbot risponde a 10000 query di utenti all’ora. Ogni query utente costerà 0,002 USD per GenerateQuery API per generare SQL dalla query utente.

    Costo totale sostenuto per la generazione di SQL all’ora = 0,002 USD*10000 = 20 USD.
    Costo totale sostenuto nel mese = 20 x 24 x 30 USD = 1.440 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock nella regione Stati Uniti occidentali (Oregon): una richiesta al modello Claude di Anthropic per riepilogare un input di 11.000 token di testo di input in un output di 4.000 token.

    Costo totale sostenuto= 11.000 token/1.000 x 0,008 USD + 4.000 token/1.000 x 0,024 USD = 0,088 USD + 0,096 USD = 0,184 USD

    Prezzi del throughput fornito

    Uno sviluppatore di applicazioni acquista un’unità di modello di Anthropic Claude Instant nella regione Stati Uniti occidentali (Oregon):

    Costo mensile totale sostenuto: 1 unità di modello x 39,60 USD x 24 ore x 31 giorni = 29.462,40 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Command di Cohere per riepilogare un input di 6.000 token di testo di input in un output di 2.000 token.

    Costo totale sostenuto = 6.000 token/1.000 x 0,0015 USD + 2.000 token/1.000 x 0,0020 USD = 0,013 USD

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Command-Light di Cohere per riepilogare un input di 6.000 token di testo di input in un output di 2.000 token.

    Costo totale sostenuto = 6.000 token/1.000 x 0,0003 USD + 2.000 token/1.000 x 0,0006 USD = 0,003 USD

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Embed inglese o multilingue di Cohere per generare integrazioni per 10.000 token di input.

    Costo totale sostenuto = 10.000 token/1.000 x 0,0001 USD = 0,001 USD

    Prezzi per la personalizzazione (ottimizzazione)

    Uno sviluppatore di applicazioni personalizza un modello Cohere Command utilizzando 1.000 token di dati. Dopo l’addestramento, utilizza il throughput fornito dal modello personalizzato per 1 ora per valutare le prestazioni del modello. Il modello ottimizzato viene archiviato per un mese. Dopo la valutazione, lo sviluppatore utilizza il throughput fornito (impegno di 1 mese) per ospitare il modello personalizzato.

    Costo mensile sostenuto per l’ottimizzazione: addestramento di ottimizzazione (0,004 USD x 1.000) + archiviazione del modello personalizzato al mese (1,95 USD) + un’ora di inferenza del modello personalizzato (49,50 USD) = 55,45 USD

    Costo mensile sostenuto per il throughput previsto (impegno di 1 mese) del modello personalizzato = 39,60 USD

    Prezzi del throughput fornito

    Uno sviluppatore di applicazioni acquista un’unità di modello di Cohere Command con un vincolo di 1 mese per il suo caso d’uso di riepilogo di testo.

    Costo mensile totale sostenuto: 1 unità di modello x 39,60 USD x 24 ore x 31 giorni = 29.462,40 USD

  • Esempio di prezzo: uno sviluppatore di applicazioni importa un modello di tipo Llama 3.1 personalizzato con una dimensione di 8B di parametri con una lunghezza di sequenza di 128K nella regione us-east-1 ed elimina il modello dopo 1 mese. Ciò richiede 2 unità di modello personalizzate. Il prezzo al minuto sarà, quindi, di 0,1570 USD perché sono necessarie 2 unità di modello personalizzate. I costi di archiviazione del modello per 2 unità di modello personalizzate sono 3,90 USD al mese.

    L’importazione del modello è gratuita. La prima invocazione riuscita è alle 08:03, momento in cui inizia la misurazione. Le finestre di misurazione di 5 minuti sono dalle 08:03 alle 08:07; dalle 08:07 alle 08:11 e così via. Se viene effettuata almeno un’invocazione durante un periodo di 5 minuti, la finestra sarà considerata attiva per la fatturazione. Se viene effettuata un’invocazione alle 08:03 e non ci sono ulteriori invocazioni dopo le 08:07, la misurazione si interromperà alle 08:07. In questo caso, la fattura verrebbe calcolata come segue: 0,1570 USD × 5 minuti × 1 intervallo da cinque minuti = 0,785 USD.

  • Esempio di prezzi 1:
    Supponiamo che tu elabori un documento di 1.000 pagine utilizzando BDA Custom Output. Tutte le 1.000 pagine vengono elaborate utilizzando il blueprint 1 che ha 15 campi. Il prezzo per pagina per qualsiasi blueprint con 30 campi o meno è di 0,040 USD. Il costo totale sarebbe 40 USD.

    Totale pagine elaborate = 1.000
    Prezzo per pagina per i blueprint con meno di 30 campi = 0,040 USD
    Addebito totale = 1,000 USD x 0.040 = 40 USD

     

    Esempio di prezzi 2:
    Supponiamo che tu elabori 2 documenti utilizzando BDA Custom Output. Il documento 1 ha 40 pagine e viene elaborato utilizzando il blueprint 1 che ha 20 campi. Il documento 2 ha 10 pagine e viene elaborato utilizzando il blueprint 2, che ha 40 campi. Il prezzo per pagina del blueprint 1 è di 0,040 USD poiché contiene 30 campi o meno. Il prezzo per pagina del blueprint 2 è di 0,045 USD. Il costo di elaborazione del Documento 1 utilizzando il blueprint 1 è di 1,60 USD. Il costo di elaborazione del Documento 2 utilizzando il blueprint 2 è di 0,45 USD. Il costo totale di elaborazione di entrambi i documenti sarebbe di 2,05 USD.

    Totale pagine elaborate = 50
    Prezzo per pagina per Blueprint 1 con meno di 30 campi = 0,040 USD
    Prezzo per pagina per Blueprint 2 con 40 campi = 0,040 USD + (numero di campi aggiuntivi superiori a 30 x 0,0005 USD per campo)
    Numero di campi aggiuntivi superiori a 30 = 40 - 30 = 10
    Prezzo per pagina per Blueprint 2 con 40 campi = 0,040 USD + (10 x 0,0005 USD per campo) = 0,045 USD
    Addebito per Documento 1 utilizzando Blueprint 1 = 40 pagine x 0,040 USD per pagina = 1,6 USD
    Addebito per Documento 2 utilizzando Blueprint 2 = 10 pagine x 0,045 USD per pagina = 0,45 USD
    Costo totale = Addebito per Documento 1 + Addebito per Documento 2 = 1,6 USD + 0,45 USD = 2,05 USD

     

    Esempio di prezzi 3:
    Supponiamo di configurare Bedrock Knowledge Bases per utilizzare Bedrock Data Automation come parser, per poi importare un documento di 1.000 pagine. Le strutture dei costi differiscono in base alle opzioni di analisi di Knowledge Bases. BDA utilizza un sistema di tariffe per pagina, mentre i prezzi dei parser dei modelli di fondazione vengono calcolati in base ai token di input e output. Per contestualizzare, l’elaborazione di 1.000 pagine, di cui il 30% contiene tabelle e il 30% contiene cifre, richiede in genere 2.900 token di input e 750 token di output. Il consumo di token varia in base al tipo di contenuto, pertanto invitiamo i clienti a effettuare test utilizzando i propri dati per ottenere stime più accurate. L’integrazione tra Bedrock Knowledge Bases e Bedrock Data Automation utilizza l’output standard, il cui prezzo per pagina è di 0,010 USD. Il costo totale sarebbe 10 USD.

    Totale pagine elaborate = 1.000
    Prezzo per pagina per output standard = 0,010 USD
    Costo totale = 1.000 x 0,010 USD = 10 USD

     

    Esempio di prezzi 4:
    Supponiamo di elaborare un video di 60 minuti utilizzando l’output standard di BDA. Il prezzo al minuto per l’output video standard è di 0,050 USD. Il costo totale sarebbe 3.00 USD.

    Minuti totali elaborati = 60
    Prezzo al minuto per output video standard = 0,050 USD
    Addebito totale = 60 x 0,050 USD = 3,00 USD

     

    Esempio di prezzi 5:
    Supponiamo di elaborare 2.000 immagini utilizzando l’output personalizzato di BDA. Le prime 1.000 immagini vengono elaborate utilizzando il blueprint 1, che ha 10 campi. Le ultime 1.000 pagine vengono elaborate utilizzando il blueprint 2, che ha 40 campi. Il prezzo per immagine del blueprint 1 è di 0,005 USD, poiché contiene 30 campi o meno. Il prezzo per immagine del blueprint 2 è di 0,01 USD. Il costo di elaborazione per le prime 1.000 immagini utilizzando il blueprint 1 è di 5,00 USD. Il costo di elaborazione per le seconde 1.000 immagini utilizzando il blueprint 2 è di 10,00 USD. Il costo totale di elaborazione di tutte le 2.000 immagini sarebbe di 15 USD

    Costo per le prime 1.000 immagini = 1.000 immagini x 0,005 USD per immagine = 5,00 USD
    Costo per le seconde 1.000 immagini = 1.000 immagini x (0,005 USD + (numero di campi aggiuntivi superiori a 30 x 0,0005 USD per campo))
    = 1.000 x (0,005 USD + ((40-30) x 0,0005 USD))
    = 1.000 x (0,005 USD + (10 x 0,0005 USD)) = 10,00 USD
    Costo totale = 5,00 USD + 10,00 USD = 15,00 USD

     

    Esempio di prezzi 6:
    Supponiamo di utilizzare l’output standard di Bedrock Data Automation per elaborare 15.000 minuti di registrazioni audio di riunioni nella propria organizzazione. Il costo totale di elaborazione di tutti i 15.000 minuti audio sarebbe di 90 USD.

    Minuti totali elaborati = 15.000 minuti
    Costo totale = 15.000 min × 0,006 USD = 90 USD

     

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock su base oraria: una richiesta al modello DeepSeek-R1 per riassumere un input di 2.000 token di testo di input in un output di 1.000 token (inclusi i token di ragionamento):

    Costo orario totale sostenuto = 2.000 token/1.000 x 0,00135 USD + 1.000 token/1.000 x 0,0054 USD = 0,0081 USD

  • Esempio: riepilogo delle notizie
    Uno sviluppatore di applicazioni crea un flusso per automatizzare il riepilogo delle notizie per i trader. Il flusso include un nodo di input che memorizza una posizione S3 e un nodo di recupero S3 che recupera 10 file che includono articoli di 10 importanti agenzie di stampa in S3 (transizioni a 2 nodi). Quindi utilizza un nodo iteratore per richiamare un modello con un nodo prompt per riepilogare ogni file (+ 10 file x 2 transizioni di nodi). Inoltre, raccoglie tutti i risultati utilizzando un nodo di raccolta, scrive i risultati su S3 utilizzando il nodo di archiviazione S3 e completa in quello di output (+ 3 transizioni di nodo). Eseguono questo flusso ogni mezz’ora di ogni giorno della settimana.

    Il numero di transizioni di nodo per esecuzione di flusso è: 2 + 1 + 10 x 2 + 3 = 25 transizioni di nodo per esecuzione del flusso

    Il numero di esecuzioni di flusso al mese è: 24 ore × 2 × 5 giorni × 4 settimane = 960 esecuzioni di flusso al mese.

    La fattura mensile totale è: 25 × 960 × 0,035/1000 USD = 0,84 USD

    Costi aggiuntivi
    La fattura includerà anche costi aggiuntivi per i servizi AWS utilizzati nell’esecuzione del flusso di lavoro, inclusi gli utilizzi di Amazon S3 nei nodi di recupero e archiviazione e l’utilizzo del modello di fondazione Amazon Bedrock nel nodo prompt.

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Llama 2 Chat (13B) di Meta per riepilogare un input di 2.000 token di testo di input in un output di 500 token.

    Costo totale sostenuto = 2.000 token/1.000 x 0,00075 USD + 500 token/1.000 x 0,001 USD = 0,002 USD

    Prezzi per la personalizzazione (ottimizzazione)

    Uno sviluppatore di applicazioni personalizza il modello Llama 2 pre-addestrato (70B) utilizzando 1.000 token di dati. Dopo l’addestramento, utilizza il throughput fornito dal modello personalizzato per 1 ora per valutare le prestazioni del modello. Il modello ottimizzato viene archiviato per un mese. Dopo la valutazione, lo sviluppatore utilizza il throughput fornito (impegno di 1 mese) per ospitare il modello personalizzato.

    Costo mensile sostenuto per l’ottimizzazione: addestramento di ottimizzazione (0,00799 USD x 1.000) + archiviazione del modello personalizzato al mese (1,95 USD) + un’ora di inferenza del modello personalizzato (23,50 USD) = 33,44 USD

    Costo mensile sostenuto per il throughput fornito (impegno di 1 mese) del modello personalizzato = 21,18 USD

    Prezzi del throughput fornito

    Uno sviluppatore di applicazioni acquista un’unità di modello di Meta Llama 2 con un impegno di 1 mese per il suo caso d’uso di riepilogo di testo.

    Costo mensile totale sostenuto: 1 unità di modello x 21,18 USD x 24 ore x 31 giorni = 15.757,92 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock su base oraria: una richiesta al modello Mistral 7B per riepilogare un input di 2.000 token di testo di input in un output di 1.000 token.

    Costo orario totale sostenuto = 2.000 token/1.000 x 0,00015 USD + 1.000 token/1.000 x 0,0002 USD = 0,0005 USD

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock su base oraria: una richiesta al modello Mixtral 8x7B per riepilogare un input di 2.000 token di testo di input in un output di 1.000 token.

    Costo orario totale sostenuto = 2.000 token/1.000 x 0,00045 USD + 1.000 token/1.000 x 0,0007 USD = 0,0016 USD

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock su base oraria: una richiesta al modello Mistral Large per riepilogare un input di 2.000 token di testo di input in un output di 1.000 token. 

    Costo orario totale sostenuto = 2.000 token/1.000 x 0,008 USD + 1.000 token/1.000 x 0,024 USD = 0,04 USD

  • Esempio di valutazione del modello 1:

    Prezzi on demand
    Uno sviluppatore di applicazioni invia un set di dati per la valutazione del modello basato sull’uomo utilizzando Anthropic Claude 2.1 e Anthropic Claude Instant nella Regione AWS Stati Uniti orientali (Virginia settentrionale).

    Il set di dati contiene 50 prompt e lo sviluppatore richiede 1 worker per valutare ogni set di prompt e risposte (configurabile nella creazione del lavoro di valutazione come parametro "worker per prompt").

    Ci saranno 50 attività in questo processo di valutazione (1 attività per ogni coppia prompt-risposta per ogni worker). I 50 prompt si combinano in 5.000 token di input e le risposte associate si combinano in 15.000 token per Anthropic Claude Instant e 20.000 token per Anthropic Claude 2.1.

    Per questo lavoro di valutazione del modello sono previsti i seguenti costi:

    Elemento Numero di token di input Prezzo per 1.000 token di input Costo dell’input Numero di token di uscita Prezzo per 1.000 token di output Costo dell’output Numero di attività umane Prezzo per attività umana Costo delle attività umane Totale
    Inferenza istantanea di Claude 5.000 0,0008 USD 0,004 USD 15.000 0,0024 USD 0,036 USD       0,04 USD
    Inferenza Claude 2.1 5.000 0,008 USD 0,04 USD 20.000 0,024 USD 0,48 USD       0,52 USD
    Attività umane             50 0,21 USD 10,50 USD 10,50 USD
    Totale                   11,06 USD

    Esempio di valutazione del modello 2:

    Prezzi on demand
    Uno sviluppatore di applicazioni invia un set di dati per la valutazione del modello basato sull’uomo utilizzando Anthropic Claude 2.1 e Anthropic Claude Instant nella Regione AWS Stati Uniti orientali (Virginia settentrionale).

    Il set di dati contiene 50 prompt e lo sviluppatore richiede 2 worker per valutare ogni set di prompt e risposte (configurabile nella creazione del lavoro di valutazione come parametro "worker per prompt"). Ci saranno 100 attività in questo lavoro di valutazione (1 attività per ogni coppia prompt-risposta per ogni worker: 2 worker x 50 set di risposta rapida = 100 attività umane).

    I 50 prompt si combinano in 5.000 token di input e le risposte associate si combinano in 15.000 token per Anthropic Claude Instant e 20.000 token per Anthropic Claude 2.1.

    Per questo lavoro di valutazione del modello sono previsti i seguenti costi:

    Elemento Numero di token di input Prezzo per 1.000 token di input Costo dell’input Numero di token di uscita Prezzo per 1.000 token di output Costo dell’output Numero di attività umane Prezzo per attività umana Costo delle attività umane Totale
    Inferenza istantanea di Claude 5.000 0,0008 USD 0,0040 USD 15.000 0,0024 USD 0,036 USD       0,04 USD
    Inferenza Claude 2.1 5.000 0,008 USD 0,0400 USD 20.000 0,024 USD 0,48 USD       0,52 USD
    Attività umane             100 0,21 USD 21,00 USD 21,00 USD
    Totale                   21,56 USD

  • Esempio: riepilogo delle notizie
    Uno sviluppatore di applicazioni crea un prompt per riassumere le notizie per i trader che utilizzano Claude 3.5. Il prompt originale comprende 429 token. Il prompt ottimizzato ha 511 token e comprende istruzioni ed esempi più specifici per generare risposte più concise dai modelli di fondazione. Utilizza il prompt ottimizzato con 511 token come input per l’ottimizzatore di prompt e crea 2 nuove varianti per Claude 3.7 e Nova Pro con 582 e 579 token.

    Il numero totale di token di input e output per l’ottimizzazione di prompt: 429 + 511 + 511 + 582 + 511 + 579 = 3.123

    La fattura mensile totale ammonta a: 3.123 / 1.000 × 0,03 USD = 0,09 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello SDXL per generare un’immagine di 512 x 512 con dimensione del passo di 70 (qualità eccellente).

    Costo totale sostenuto = 1 immagine x 0,036 USD per immagine = 0,036 USD

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello SDXL 1.0 per generare un’immagine di 1024 x 1024 con dimensione del passo di 70 (qualità eccellente).

    Costo totale sostenuto = 1 immagine x 0,08 USD per immagine = 0,08 USD

    Prezzi del throughput fornito

    Uno sviluppatore di applicazioni acquista un’unità di modello di SDXL 1.0 con un impegno di 1 mese.

    Costo totale sostenuto = 1 x 49,86 USD x 24 ore x 31 giorni = 37.095,84 USD

  • Prezzi on demand

    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Pegasus 1.2 per descrivere il contenuto di un video della durata di 10 secondi, ottenendo un output di 2.000 token.

    Costo totale sostenuto = 10 secondi x 0,00049 USD + 2.000 token/1000 x 0,0075 USD = 0,0199 USD


    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Marengo Embed [3.0 o 2.7] per incorporare 10 video dalla durata totale di 100 minuti.

    Costo totale sostenuto = 100 minuti (ovvero 6000 secondi) * 0,00070 USD = 4,2 USD


    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Marengo Embed 3.0, fornendo un testo e un’immagine da utilizzare insieme per generare un embedding da impiegare nella ricerca della clip contenente il sacchetto mostrato nell’immagine fornita, mediante il repository di embedding che il modello avrebbe creato tramite l’esempio precedente. 

    Costo totale sostenuto = 1 richiesta di testo * 0,00007 USD +1 richiesta di immagine * 0,0001 USD = 0,00017 USD


    Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Marengo Embed [3.0 o 2.7] fornendo un testo per generare un embedding che il modello potrebbe utilizzare per trovare le clip corrispondenti da un repository di embedding che avrebbe creato tramite l’esempio precedente. 

    Costo totale sostenuto = 1 richiesta di testo * 0,00007USD = 0,00007USD

  • Uno sviluppatore di applicazioni effettua le seguenti chiamate API ad Amazon Bedrock: una richiesta al modello Palmyra X5 di Writer per riepilogare un input di 10.000 token di testo di input in un output di 2.000 token.

    Costo totale sostenuto = 10.000 token/1.000 x 0,003 USD + 2.000 token/1.000 x 0,015 USD = 0,06 USD