-
模型定價
-
知識庫
-
防護機制
-
模型評估
-
資料自動化
-
智慧提示路由
-
提示最佳化
-
Web 搜尋
-
模型定價
-
模型定價
定價取決於形式、供應商和模型。請選取模型供應商以查看詳細定價。
Amazon Bedrock 支援多種方案，包括標準、Flex、Priority 和預留方案。按一下以進一步了解服務層級。
Amazon Bedrock 提供 Anthropic、Meta、Mistral AI 和 Amazon 等領先 AI 供應商提供的精選基礎模型 (FM)，相較於隨需推論定價，能夠以低一半的價格獲得批次推論。如需進一步了解批次，請按一下這裡。請參閱這裡的模型清單。
-
AI21 Labs
-
Amazon
-
Anthropic
-
Cohere
-
DeepSeek
-
Google
-
Luma AI
-
Meta
-
MiniMax AI
-
Mistral AI
-
Moonshot AI
-
NVIDIA
-
OpenAI
-
Qwen
-
Stability AI
-
TwelveLabs
-
Writer
-
xAI
-
Z AI
-
自訂模型匯入
-
AI21 Labs
-
AI21 Labs
隨需定價
-
Amazon
-
-
Amazon Nova
-
Amazon Titan
-
其他 Amazon
-
Amazon Nova
-
Amazon Nova
理解模型的定價
全球跨區域推論
地理跨區域推論與區域內
內建工具
創意內容生成模型的定價
語音理解和生成模型的定價
語音轉換語音基礎模型的隨需定價
注意：*文字詞元輸入與輸出定價適用於特定使用案例，例如語音轉文字轉錄、用於完成工作或知識錨定的工具呼叫、將對話歷史新增至工作階段等。
自訂 Nova 模型隨需推論的價格與基本 Nova 推論相同。
嵌入模型的定價
-
Amazon Titan
-
Amazon Titan
-
其他 Amazon
-
-
-
Anthropic
-
注意：自 2026 年 10 月 7 日起，Claude Sonnet 5.5 的快取讀取定價較先前費率調降 50%。
**非 GA 模型：Claude Mythos 5.1、Claude Mythos 5 與 Claude Mythos Preview 的存取受到限制，且須經核准。請聯絡 Anthropic 帳戶團隊請求 Bedrock 存取權。
Anthropic
隨需和批次定價
預留方案定價
佈建輸送量定價
如需佈建輸送量定價，請聯絡您的帳戶團隊。
-
Cohere
-
Cohere
隨需定價
Cohere 模型 每 1,000 次查詢的價格** Rerank 3.5 2.00 USD **您需要根據查詢個數付費，且一個查詢最多可以包含 100 個文件區塊。如果一次查詢包含超過 100 個文件區塊，則算作多個查詢。例如，如果一個請求包含 350 個文件，則它將被視為 4 個查詢。請注意，每個文件最多只能包含 500 個詞元 (查詢和文件的總詞元數)，如果詞元長度高於 512 個詞元，則會分解為多個文件。 *訓練詞元總數 = 訓練資料語料庫中的詞元數 x 週期數
佈建輸送量定價
Cohere 模型 每個模型每小時定價
，無承諾每個模型單元每小時定價，1 個月承諾 每個模型單元每小時定價，6 個月承諾
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 (英文) 7.12 USD 6.76 USD
6.41 USD Embed 3 (多語言) 7.12 USD 6.76 USD
6.41 USD 請聯絡您的 AWS 客戶或銷售團隊，以取得有關模型單位的更多詳細資訊。
-
DeepSeek
-
DeepSeek
隨需定價
-
標準
-
優先順序
-
Flex
-
標準
-
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
DeepSeek 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 DeepSeek v3.2 0.62 USD 1.85 USD 區域：亞太地區 (孟買)、 南美洲 (聖保羅)、 亞太區域 (雅加達)、亞太地區 (東京) 和歐洲 (斯德哥爾摩)
DeepSeek 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 DeepSeek v3.2 0.74 USD 2.22 USD 區域：亞太地區 (雪梨)
DeepSeek 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 DeepSeek v3.1 0.5974 USD 1.7304 USD DeepSeek v3.2 0.6386 USD 1.9055 USD -
優先順序
-
區域：亞太地區 (雪梨)
DeepSeek 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 DeepSeek v3.1 1.0455 USD 3.0282 USD -
Flex
-
區域：亞太地區 (雪梨)
DeepSeek 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 DeepSeek v3.1 0.2987 USD 0.8652 USD
-
-
Google
-
Google
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 4 31B 0.14 USD 0.40 USD Gemma 4 26B A4B 0.13 USD 0.40 USD Gemma 4 E2B 0.04 美元 0.08 USD Gemma 3 4B 0.04 USD 0.08 USD Gemma 3 12B 0.09 USD 0.29 USD Gemma 3 27B 0.23 USD 0.38 USD 區域：歐洲 (法蘭克福)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 4 31B 0.17 USD 0.48 USD Gemma 4 26B A4B 0.16 USD 0.48 USD Gemma 4 E2B 0.05 USD 0.10 USD 區域：亞太地區 (孟買)、歐洲 (愛爾蘭) 及歐洲 (米蘭)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 3 4B 0.05 USD 0.09 USD Gemma 3 12B 0.11 USD 0.34 USD Gemma 3 27B 0.27 USD 0.45 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 3 4B 0.05 USD 0.10 USD Gemma 3 12B 0.11 USD 0.35 USD Gemma 3 27B 0.28 USD 0.46 USD 區域：歐洲 (倫敦)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 3 4B 0.06 USD 0.12 USD Gemma 3 12B 0.14 USD 0.45 USD Gemma 3 27B 0.36 USD 0.59 USD 區域：亞太地區 (雪梨)
Google 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Gemma 3 4B 0.0412 USD 0.0824 USD Gemma 3 12B 0.0927 USD 0.2987 USD Gemma 3 27B 0.2369 USD 0.3914 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級定價較標準層級定價低 50% -
Luma AI
-
Luma AI
隨需定價
-
Meta
-
Meta
Llama 4
隨需和批次定價
Llama 3.3
隨需和批次定價
Llama 3.2
隨需和批次定價
模型自訂定價 (微調)
佈建輸送量定價
Llama 3.1
隨需和批次定價
模型自訂定價 (微調)
佈建輸送量定價
Llama 3
隨需定價
Llama 2
隨需定價
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
Meta 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Llama 2 Chat (130 億)
0.75 USD
1.00 USD
Llama 2 Chat (700 億) 1.95 USD
2.56 USD 模型自訂定價 (微調)
Meta 模型 訓練 1 百萬個詞元的定價 每月儲存每個自訂模型* 的定價 根據自訂模型每小時 1 個模型單元推斷的定價 (無承諾佈建輸送量定價) Llama 2 預先訓練 (130 億)
1.49 USD
1.95 USD
23.50 USD
Llama 2 預先訓練 (70B) 7.99 USD
1.95 USD 23.50 USD *自訂模型儲存 = 1.95 USD
佈建輸送量定價
Meta 模型 每個模型單元每小時定價，1 個月承諾 每個模型單元每小時定價，6 個月承諾 Llama 2 預先訓練及 Chat (130 億)
21.18 USD
13.08 USD
Llama 2 預先訓練 (700 億) 21.18 USD
13.08 USD *Llama 2 預先訓練模型僅在自訂後以佈建輸送量提供。
請聯絡您的 AWS 客戶或銷售團隊，以取得有關模型單位的更多詳細資訊。
-
MiniMax AI
-
MiniMax AI
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2 0.30 USD 1.20 USD Minimax M2.1 0.30 USD 1.20 USD MiniMax M2.5 0.30 USD 1.20 USD 區域：亞太地區 (孟買)、歐洲 (愛爾蘭) 及歐洲 (米蘭)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2 0.35 USD 1.41 USD Minimax M2.1 0.36 USD 1.44 USD Minimax M2.5 0.36 USD 1.44 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2 0.36 USD 1.45 USD Minimax M2.1 0.36 USD 1.44 USD Minimax M2.5 0.36 USD 1.44 USD 區域：歐洲 (倫敦)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2 0.47 USD 1.86 USD Minimax M2.1 0.47 USD 1.86 USD Minimax M2.5 0.47 USD 1.86 USD 區域：歐洲 (法蘭克福)、歐洲 (斯德哥爾摩)、亞太區域 (雅加達)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2.1 0.36 USD 1.44 USD Minimax M2.5 0.36 USD 1.44 USD 區域：亞太地區 (雪梨)
Minimax 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Minimax M2 0.3090 USD 1.2360 USD Minimax M2.1 0.3090 USD 1.2360 USD Minimax M2.5 0.31 USD 1.24 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級定價較標準層級定價低 50% -
Mistral AI
-
Mistral AI
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.40 USD 2.00 USD Magistral Small 1.2 0.50 USD 1.50 USD Voxtral Mini 1.0 0.04 USD 0.04 USD Voxtral Small 1.0 0.10 USD 0.30 USD Ministral 3B 3.0 0.10 USD 0.10 USD Ministral 8B 3.0 0.15 USD 0.15 USD Ministral 14B 3.0 0.20 USD 0.20 USD Mistral Large 3 0.50 USD 1.50 USD 區域：亞太地區 (孟買)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.48 USD 2.40 USD Magistral Small 1.2 0.59 USD 1.76 USD Voxtral Mini 1.0 0.05 USD 0.05 USD Voxtral Small 1.0 0.12 USD 0.35 USD Ministral 3B 3.0 0.12 USD 0.12 USD Ministral 8B 3.0 0.18 USD 0.18 USD Ministral 14B 3.0 0.24 USD 0.24 USD Mistral Large 3 0.59 USD 1.76 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.48 USD 2.40 USD Magistral Small 1.2 0.61 USD 1.82 USD Voxtral Mini 1.0 0.05 USD 0.05 USD Voxtral Small 1.0 0.12 USD 0.36 USD Ministral 3B 3.0 0.12 USD 0.12 USD Ministral 8B 3.0 0.18 USD 0.18 USD Ministral 14B 3.0 0.24 USD 0.24 USD Mistral Large 3 0.61 USD 1.82 USD 區域：歐洲 (愛爾蘭) 及歐洲 (米蘭)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.48 USD 2.40 USD Magistral Small 1.2 0.59 USD 1.76 USD Voxtral Mini 1.0 0.05 USD 0.05 USD Voxtral Small 1.0 0.12 USD 0.35 USD Ministral 3B 3.0 0.12 USD 0.12 USD Ministral 8B 3.0 0.18 USD 0.18 USD Ministral 14B 3.0 0.24 USD 0.24 USD 區域：歐洲 (倫敦)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.62 USD 3.10 USD Magistral Small 1.2 0.78 USD 2.33 USD Voxtral Mini 1.0 0.06 USD 0.06 USD Voxtral Small 1.0 0.16 USD 0.47 USD Ministral 3B 3.0 0.16 USD 0.16 USD Ministral 8B 3.0 0.23 USD 0.23 USD Ministral 14B 3.0 0.31 USD 0.31 USD 區域：亞太地區 (雪梨)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.41 USD 2.06 USD Magistral Small 1.2 0.5150 USD 1.5450 USD Voxtral Mini 1.0 0.0412 USD 0.0412 USD Voxtral Small 1.0 0.1030 USD 0.3090 USD Ministral 3B 3.0 0.1030 USD 0.1030 USD Ministral 8B 3.0 0.1545 USD 0.1545 USD Ministral 14B 3.0 0.2060 USD 0.2060 USD Mistral Large 3 0.5150 USD 1.5450 USD 區域：亞太區域 (雅加達)、 歐洲 (法蘭克福)、 歐洲 (斯德哥爾摩)
Mistral 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Devstral 2 123B 0.48 USD 2.40 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級定價較標準層級定價低 50% -
Moonshot AI
-
Moonshot AI
隨需定價
-
Kimi K3.1 Pro - Highspeed
-
Kimi 3
-
Kimi 2
-
Kimi K3.1 Pro - Highspeed
-
Inference option Input Output Cache read Cache write (30 min) Global CRIS $4.00 $20.00 $0.20 $5.00 US CRIS $4.40 $22.00 $0.22 $5.50 IN CRIS $4.40 $22.00 $0.22 $5.50 All prices are per 1 million tokens. Pricing shown is for the Standard tier.
-
Kimi 3
-
推論選項 輸入 輸出 快取讀取 快取寫入 (30 分鐘) 全球 CRIS 3.00 USD 15.00 USD 0.30 USD 3.75 USD 美國 CRIS 3.30 USD 16.50 USD 0.33 美元 4.125 USD 所有價格均以每 100 萬個詞元為單位。顯示的定價為標準層級。
-
Kimi 2
-
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Kimi 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Kimi K2 Thinking 0.60 USD 2.50 USD Kimi K2.5 0.60 USD 3.00 USD 區域：亞太地區 (孟買)
Kimi 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Kimi K2 Thinking 0.71 USD 2.94 USD Kimi K2.5 0.72 USD 3.60 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
Kimi 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Kimi K2 Thinking 0.73 USD 3.03 USD Kimi K2.5 0.72 USD 3.60 USD 區域： 歐洲 (斯德哥爾摩)、 亞太區域 (雅加達)
Kimi 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Kimi K2.5 0.72 USD 3.60 USD 區域：亞太地區 (雪梨)
Kimi 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Kimi K2 Thinking 0.6180 USD 2.5750 USD Kimi K2.5 0.6180 USD 3.0900 USD
* 優先層級定價較標準層級定價高 75%
* Flex 層級定價較標準層級定價低 50% -
-
NVIDIA
-
NVIDIA
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.06 USD 0.23 USD NVIDIA Nemotron Nano 2 VL 0.20 USD 0.60 USD NVIDIA Nemotron 3 Nano 30B A3B 0.06 USD 0.24 USD NVIDIA Nemotron 3 Super 120B A12B 0.15 USD 0.65 USD 區域： AWS GovCloud (美國東部與美國西部)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.072 USD 0.276 USD NVIDIA Nemotron Nano 2 VL 0.240 USD 0.720 USD NVIDIA Nemotron 3 Nano 30B A3B 0.072 USD 0.288 USD NVIDIA Nemotron 3 Super 120B A12B 0.180 USD 0.780 USD 區域：亞太地區 (孟買)、歐洲 (愛爾蘭) 及歐洲 (米蘭)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.07 USD 0.27 USD NVIDIA Nemotron Nano 2 VL 0.24 USD 0.71 USD NVIDIA Nemotron 3 Nano 30B A3B 0.07 USD 0.28 USD NVIDIA Nemotron 3 Super 120B A12B 0.18 USD 0.78 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.07 USD 0.28 USD NVIDIA Nemotron Nano 2 VL 0.24 USD 0.73 USD NVIDIA Nemotron 3 Nano 30B A3B 0.07 USD 0.29 USD NVIDIA Nemotron 3 Super 120B A12B 0.18 USD 0.78 USD 區域：歐洲 (倫敦)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.09 USD 0.36 USD NVIDIA Nemotron Nano 2 VL 0.31 USD 0.93 USD NVIDIA Nemotron 3 Nano 30B A3B 0.09 USD 0.37 USD NVIDIA Nemotron 3 Super 120B A12B 0.23 USD 1.01 USD 區域：亞太地區 (雪梨)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron Nano 2 0.0618 USD 0.2369 USD NVIDIA Nemotron Nano 2 VL 0.2060 USD 0.6180 USD NVIDIA Nemotron 3 Nano 30B A3B 0.0618 USD 0.2472 USD NVIDIA Nemotron 3 Super 120B A12B 0.15 USD 0.67 USD 區域：亞太區域 (雅加達)、 歐洲 (法蘭克福) 及 歐洲 (斯德哥爾摩)
NVIDIA 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 NVIDIA Nemotron 3 Super 120B A12B 0.18 USD 0.78 USD * 優先層級定價較標準層級定價溢價 75%
* Flex 層級與批次定價較標準層級定價折扣 50% -
OpenAI
-
OpenAI
-
尖端模型
-
gpt-oss-20b，120b
-
gpt-oss-safeguard 20b，120b
-
尖端模型
-
gpt-oss-20b，120b
-
-
標準
-
優先順序
-
Flex
-
批次
-
模型自訂
-
標準
-
區域：亞太地區 (雪梨)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 gpt-oss-20b 0.0721 USD 0.3090 USD gpt-oss-120b 0.1545 USD 0.6180 USD -
優先順序
-
區域：亞太地區 (雪梨)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 gpt-oss-20b 0.1262 USD 0.5408 USD gpt-oss-120b 0.2704 USD 1.0815 USD -
Flex
-
區域：亞太地區 (雪梨)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 gpt-oss-20b 0.0361 USD 0.1545 USD gpt-oss-120b 0.0773 USD 0.3090 USD -
批次
-
區域：亞太地區 (雪梨)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 gpt-oss-20b 0.0361 USD 0.1545 USD gpt-oss-120b 0.0773 USD 0.3090 USD -
模型自訂
-
模型自訂
強化微調定價
利用 Amazon Bedrock 的強化微調功能，您無需深度機器學習專業知識或大量的已標記資料，就能提高模型準確度。Amazon Bedrock 會將強化微調工作流程自動化：它會接收您的範例提示詞、產生模型回應，並使用您的獎勵函數為這些回應評分。然後，即可利用這些提示、回應和分數，透過迭代 RFT 工作流程來訓練您的模型。
整個訓練工作流程將按小時費率計費。訓練完成後，客戶可立即使用產生的微調模型進行隨需推論。隨需推論選項包括基於詞元的定價模型，該定價模型會根據推論期間處理的詞元數量收費。
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
OpenAI 模型 每訓練小時的價格 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 每月儲存每個已訓練模型的價格 gpt-oss-20b 80.00 USD 0.09 USD 0.39 USD 1.95 USD
-
-
gpt-oss-safeguard 20b，120b
-
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GPT OSS Safeguard 20B 0.07 USD 0.20 USD GPT OSS Safeguard 120B 0.15 USD 0.60 USD 區域：亞太地區 (孟買)、 南美洲 (聖保羅) 及亞太地區 (東京)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GPT OSS Safeguard 20B 0.08 USD 0.24 USD GPT OSS Safeguard 120B 0.18 USD 0.71 USD 區域：歐洲 (愛爾蘭) 及歐洲 (米蘭)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GPT OSS Safeguard 20B 0.08 USD 0.23 USD GPT OSS Safeguard 120B 0.18 USD 0.70 USD 區域：歐洲 (倫敦)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GPT OSS Safeguard 20B 0.11 USD 0.31 USD GPT OSS Safeguard 120B 0.23 USD 0.93 USD 區域：亞太地區 (雪梨)
OpenAI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GPT OSS Safeguard 20B 0.0721 USD 0.2060 USD GPT OSS Safeguard 120B 0.1545 USD 0.6180 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。
-
-
Qwen
-
Qwen
-
Qwen3 Coder，32B，235B
-
Qwen 3 Next，VL，Coder Next
-
Qwen3 Coder，32B，235B
-
-
標準
-
優先順序
-
Flex
-
批次
-
模型自訂
-
標準
-
區域：亞太地區 (雪梨)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Coder 30B A3B 0.1545 USD 0.6180 USD Qwen3 32B 0.1545 USD 0.6180 USD Qwen3 235B A22B 2507 0.2266 USD 0.9064 USD -
優先順序
-
區域：亞太地區 (雪梨)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Coder 30B A3B 0.2704 USD 1.0815 USD Qwen3 32B 0.2704 USD 1.0815 USD Qwen3 235B A22B 2507 0.3966 USD 1.5862 USD -
Flex
-
區域：亞太地區 (雪梨)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Coder 30B A3B 0.0773 USD 0.3090 USD Qwen3 32B 0.0773 USD 0.3090 USD Qwen3 235B A22B 2507 0.1133 USD 0.4532 USD -
批次
-
區域：亞太地區 (雪梨)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Coder 30B A3B 0.0773 USD 0.3090 USD Qwen3 32B 0.0773 USD 0.3090 USD Qwen3 235B A22B 2507 0.1133 USD 0.4532 USD -
模型自訂
-
模型自訂
強化微調定價
利用 Amazon Bedrock 的強化微調功能，您無需深度機器學習專業知識或大量的已標記資料，就能提高模型準確度。Amazon Bedrock 會將強化微調工作流程自動化：它會接收您的範例提示詞、產生模型回應，並使用您的獎勵函數為這些回應評分。然後，即可利用這些提示、回應和分數，透過迭代 RFT 工作流程來訓練您的模型。
整個訓練工作流程將按小時費率計費。訓練完成後，客戶可立即使用產生的微調模型進行隨需推論。隨需推論選項包括基於詞元的定價模型，該定價模型會根據推論期間處理的詞元數量收費。
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
Qwen 模型 每訓練小時的價格 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 每月儲存每個已訓練模型的價格 Qwen3 32B 80.00 USD 0.20 USD 0.78 USD 1.95 USD
-
-
Qwen 3 Next，VL，Coder Next
-
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Next 80B A3B 0.15 USD 1.20 USD Qwen3 VL 235B A22B 0.53 USD 2.66 USD Qwen3 Coder Next 0.50 USD 1.20 USD 區域：亞太地區 (孟買)、歐洲 (愛爾蘭) 及歐洲 (米蘭)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Next 80B A3B 0.18 USD 1.41 USD Qwen3 VL 235B A22B 0.62 USD 3.13 USD Qwen3 Coder Next 0.60 USD 1.44 USD 區域：南美洲 (聖保羅) 及亞太地區 (東京)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Next 80B A3B 0.18 USD 1.45 USD Qwen3 VL 235B A22B 0.64 USD 3.22 USD Qwen3 Coder Next 0.60 USD 1.44 USD 區域：歐洲 (倫敦)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Next 80B A3B 0.23 USD 1.86 USD Qwen3 VL 235B A22B 0.82 USD 4.12 USD Qwen3 Coder Next 0.78 USD 1.86 USD 區域： 歐洲 (法蘭克福) 及 亞太地區 (雅加達)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Coder Next 0.60 USD 1.44 USD 區域：亞太地區 (雪梨)
Qwen 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Qwen3 Next 80B A3B 0.1545 USD 1.2360 USD Qwen3 VL 235B A22B 0.5459 USD 2.7398 USD Qwen3 Coder Next 0.5150 USD 1.2360 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。
-
-
Stability AI
-
Stability AI
隨需定價
Stability AI 提供的上一代影像模型依影像定價，具體取決於步驟數和影像解析度。
區域：奧勒岡州、維吉尼亞北部、俄亥俄州
Stability AI 影像服務 每個模型每次生成的價格 Stable Image 移除背景 0.07 USD Stable Image 消除物件 0.07 USD Stable Image 控制結構 0.07 USD Stable Image 控制草圖 0.07 USD Stable Image 樣式指南 0.07 USD Stable Image 搜尋與替換 0.07 USD Stable Image 影像修復 0.07 USD Stable Image 搜尋與重新著色 0.07 USD Stable Image 風格移轉 0.08 USD Stable Image 保守型影像放大 0.40 USD Stable Image 創意型升頻 0.60 USD Stable Image 快速升頻 0.03 美元 Stable Image 畫布擴繪 0.06 USD -
TwelveLabs
-
TwelveLabs
隨需定價
-
全球跨區域推論
-
地理與區域內跨區域推論
-
全球跨區域推論
-
-
地理與區域內跨區域推論
-
-
-
Writer
-
Writer
隨需定價
Writer 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 Palmyra X4 2.50 USD 10.00 USD Palmyra X5 0.60 USD 6.00 USD Palmyra Vision 7B 0.15 美元 0.60 USD -
xAI
-
Z AI
-
Z AI
-
GLM 5.3
-
GLM 5
-
GLM 4.7
-
GLM 4.7 Flash
-
GLM 5.3
-
隨需定價
推論選項 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 快取讀取 快取寫入 – 30 分鐘 全球 CRIS 1.68 USD 5.28 USD 0.312 USD 2.10 USD 美國 CRIS 1.848 USD 5.808 USD 0.3432 USD 2.31 USD 所有價格均以每 100 萬個詞元為單位。顯示的定價為標準層級。
* 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。 -
GLM 5
-
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 5 1.00 USD 3.20 USD 區域：亞太區域 (雅加達)、亞太地區 (孟買)、 亞太地區 (東京)、南美洲 (聖保羅) 及歐洲 (斯德哥爾摩)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 5 1.20 USD 3.84 USD 區域：歐洲 (倫敦)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 5 1.55 USD 4.96 USD 區域：亞太地區 (雪梨)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 5 1.03 USD 3.30 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。 -
GLM 4.7
-
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 0.60 USD 2.20 USD 區域：亞太區域 (雅加達)、亞太地區 (孟買)、 亞太地區 (東京)、南美洲 (聖保羅) 及歐洲 (斯德哥爾摩)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 0.72 USD 2.64 USD 區域：亞太地區 (雪梨)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 0.6180 USD 2.2660 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。 -
GLM 4.7 Flash
-
隨需定價
區域：美國東部 (維吉尼亞北部)、 美國東部 (俄亥俄) 及美國西部 (奧勒岡)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 Flash 0.07 USD 0.40 USD GLM 5 1.00 USD 3.20 USD 區域：亞太區域 (雅加達)、亞太地區 (孟買)、亞太地區 (東京)、 歐洲 (法蘭克福)、 歐洲 (愛爾蘭)、歐洲 (米蘭)、歐洲 (斯德哥爾摩) 及南美洲 (聖保羅)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 Flash 0.08 USD 0.48 USD 區域：亞太區域 (雅加達)、亞太地區 (孟買)、亞太地區 (東京)、 歐洲 (法蘭克福)、歐洲 (斯德哥爾摩) 和南美洲 (聖保羅)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 5 1.20 USD 3.84 USD 區域：歐洲 (倫敦)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 Flash 0.11 USD 0.62 USD GLM 5 1.55 USD 4.96 USD 區域：亞太地區 (雪梨)
Z AI 模型 每 1 百萬個輸入詞元的定價 每 1 百萬個輸出詞元的定價 GLM 4.7 Flash 0.0721 USD 0.4120 USD GLM 5 1.03 USD 3.30 USD * 優先層級定價較標準層級定價高 75%
* Flex 層級與批次定價較標準層級定價低 50%。
-
-
自訂模型匯入
-
自訂模型匯入
-
Llama
-
多模態 Llama
-
Mistral
-
Mixtral
-
Flan
-
Qwen
-
OpenAI
-
Llama
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
-
多模態 Llama
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
-
Mistral
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
-
Mixtral
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
-
Flan
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
隨需推論定價：
從第一次成功調用開始，模型副本處於作用中期間，系統會以 5 分鐘時段計費。每個模型副本的最大輸送量和並行限制取決於輸入/輸出詞元組合、硬體類型、模型大小、架構、推論最佳化等因素，並在模型匯入工作流程期間確定。Bedrock 會視您的用量模式自動調整模型副本數目。如果在 5 分鐘期間內沒有調用，Bedrock 會縮減規模至零，並在您調用模型時重新擴展。重新擴展備份時，視模型大小，您可能會遇到冷啟動持續時間 (數十秒)。如果您的推論量持續超過單一模型副本的並行限制，Bedrock 也會擴展模型副本數目。注意：每個帳戶每個匯入模型預設最多有 3 個模型副本，此上限可透過 Service Quotas 提高。
-
Qwen
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.05718 USD 每自訂模型單位每月儲存成本 1.95 USD 區域：歐洲 (法蘭克福)
自訂模型單位版本 v1.0 每自訂模型單位每分鐘價格* 0.07144 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
隨需推論定價：
從第一次成功調用開始，模型副本處於作用中期間，系統會以 5 分鐘時段計費。每個模型副本的最大輸送量和並行限制取決於輸入/輸出詞元組合、硬體類型、模型大小、架構、推論最佳化等因素，並在模型匯入工作流程期間確定。Bedrock 會視您的用量模式自動調整模型副本數目。如果在 5 分鐘期間內沒有調用，Bedrock 會縮減規模至零，並在您調用模型時重新擴展。重新擴展備份時，視模型大小，您可能會遇到冷啟動持續時間 (數十秒)。如果您的推論量持續超過單一模型副本的並行限制，Bedrock 也會擴展模型副本數目。注意：每個帳戶每個匯入模型預設最多有 3 個模型副本，此上限可透過 Service Quotas 提高。
-
OpenAI
-
區域：美國東部 (維吉尼亞北部) 及美國西部 (奧勒岡)
自訂模型單位版本 版本 2.0 每自訂模型單位每分鐘價格* 0.1433 USD 每自訂模型單位每月儲存成本 1.95 USD 注意： 託管模型所需的自訂模型單元取決於多種因素，尤其是模型架構、模型參數計數和上下文長度。所需自訂模型單元的準確數量將在匯入時確定。做為參考，Llama 3.1 8B 128K 模型需要 2 個自訂模型單元，Llama 3.1 70B 128k 模型需要 8 個自訂模型單元。
*以 5 分鐘視窗計費
隨需推論定價：
從第一次成功調用開始，模型副本處於作用中期間，系統會以 5 分鐘時段計費。每個模型副本的最大輸送量和並行限制取決於輸入/輸出詞元組合、硬體類型、模型大小、架構、推論最佳化等因素，並在模型匯入工作流程期間確定。Bedrock 會視您的用量模式自動調整模型副本數目。如果在 5 分鐘期間內沒有調用，Bedrock 會縮減規模至零，並在您調用模型時重新擴展。重新擴展備份時，視模型大小，您可能會遇到冷啟動持續時間 (數十秒)。如果您的推論量持續超過單一模型副本的並行限制，Bedrock 也會擴展模型副本數目。注意：每個帳戶每個匯入模型預設最多有 3 個模型副本，此上限可透過 Service Quotas 提高。
-
-
-
知識庫
-
-
託管式知識庫
-
自我管理知識庫
-
託管式知識庫
-
Amazon Bedrock 託管式知識庫
藉助 Amazon Bedrock 託管式知識庫，無需管理任何基礎結構，代理程式能夠從您的文件、影像、音訊及影片中查找、推理及擷取適當的資訊。該知識庫與 Amazon Bedrock AgentCore 無縫整合，能夠處理各種 AI 工作負載。無論您是經驗豐富的開發人員，還是建置您的首個 AI 代理程式，託管式知識庫都能自動處理資料擷取、多模態解析、向量儲存，以及智慧擷取。只需依存放與擷取的內容付費。
無須額外付費的內含項目：
- 使用託管式解析器進行多模態文件解析
- 使用託管式模型生成嵌入項目
- 使用託管式重新排名工具進行重新排名
注意：若透過 AgentCore 閘道調用託管式知識庫，則須支付標準閘道工具調用費用。若啟用可觀測性，則適用標準 CloudWatch 費率。
功能 描述 價格 索引儲存
透過原生連接器執行受管搜尋索引，可同步 S3、SharePoint、Confluence 等平台中的資料。 每 GB 原始資料每月 5.00 USD
多模態文件解析 (託管式解析器)
解析文字、PDF、影像、資料表、音訊及影片為可搜尋內容。
0 USD 嵌入項目生成 (託管式模型)
使用內建模型轉換內容為可搜尋向量。
0 USD 標準擷取 (擷取 API)
混合搜索結合索引內容的語義與關鍵字搜尋。
每 1,000 次 API 呼叫 1.00 USD
重新排名 (託管式重新排名工具)*
依相關性對擷取段落重新排序。
0 USD 代理式擷取 – 受管 LLM 規劃**
使用內建 LLM 進行查詢規劃以便進行多躍點擷取。
每 1,000 次代理式擷取 API 呼叫 4.00 USD + 每 1,000 次基礎擷取 API 呼叫 1.00 USD * 若選用自選模型來產生嵌入向量或進行重新排名，則須支付額外費用。請參閱模型提供者區段以了解定價。
** 使用自選 LLM 進行代理式擷取時，每 1,000 次基礎擷取 API 呼叫須支付 1.00 USD，另須加上用於查詢規劃之 LLM 的模型提供者定價。
-
自我管理知識庫
-
結構化資料擷取 (SQL 生成)
結構化資料擷取對產生 SQL 查詢的每個請求收費。產生的 SQL 查詢用於從結構化資料存放區中擷取資料。
重新排名模型
重新排序模型旨在提高檢索增強生成 (RAG) 應用程式中回應的相關性和準確性。這些模型按查詢數量收費。
**您需要根據查詢個數付費，且一個查詢最多可以包含 100 個文件區塊。如果一次查詢包含超過 100 個文件區塊，則算作多個查詢。例如，如果一個請求包含 350 個文件，則它將被視為 4 個查詢。請注意，每個文件最多只能包含 512 個詞元 (查詢和文件的總詞元數)，如果詞元長度高於 512 個詞元，則會分解為多個文件。一個查詢相當於一個搜尋單位。
-
-
防護機制
-
Amazon Bedrock 防護機制
Amazon Bedrock 防護機制的定價取決於防護機制中使用篩選條件所產生的費用。標準層級與經典層級的定價相同。
Bedrock 防護機制安全防護/篩選條件*
價格
標準方案和經典方案 (文字內容) 的內容篩選條件 每 1,000 個文字單元 0.15 USD
內容篩選條件 (影像內容)
每處理一個影像 0.00075 USD
標準方案和經典方案的拒絕主題
每 1,000 個文字單元 0.15 USD
敏感資訊篩選條件
每 1,000 個文字單元 0.10 USD
敏感資訊篩選條件 (正規表達式)
免費
單詞篩選器
免費
情境依據檢查**
每 1,000 個文字單元 0.10 USD
自動推理檢查
根據自動推理政策，每 1,000 個文字單元 0.17 USD
下面的資料表列示了搭配 InvokeGuardrailChecks API 使用時的 Bedrock 防護機制定價。
Bedrock 防護機制安全防護/篩選條件*
價格
內容篩選條件 (僅限文字內容) 每 1,000 個文字單元 0.07 USD
提示攻擊 (僅限文字內容) ***
每 1,000 個文字單元 0.08 USD
敏感資訊篩選條件
每 1,000 個文字單元 0.10 USD
隨需定價
* 每個防護機制篩選條件皆為選用，可依您的應用程式需求啟用。依據所用保障產生費用。例如，若您使用內容篩選條件與敏感資訊篩選條件，則會收取這兩個篩選條件的費用，而不會收取任何其他篩選條件的相關費用。
** 情境依據檢查會使用參考來源與查詢，判斷模型回應是否以來源為依據，並與查詢相關。計費的文字單元總數，是將來源、查詢及模型回應中的所有字元合併計算而得。
*** 透過 InvokeGuardrailChecks API，您可以在內容篩選條件之外單獨使用提示攻擊篩選條件。此分離功能僅適用於此 API。
注意： 一個文字單元最多可包含 1000 個字元。如果文字輸入超過 1000 個字元，則會視為多個文字單元處理，每個單元將包含至多 1000 個字元。例如，若文字輸入包含 5600 個字元，則會收取 6 個文字單元的費用。 -
模型評估
-
模型評估
透過您選擇的模型進行推論需要收取模型評估費用。自動生成的演算法分數為免費提供。對於您自帶工作團隊的人工評估，您需要支付評估中的模型推論費用，以及每完成一項人工任務 0.21 USD 的費用。
如果您在模型評估中使用 RAG 評估或 LLM 即評審，評審模型所使用的詞元將依隨需的標準方案價格計費。評審提示會計入您的詞元用量並收費，且相關內容可在公開文件中查閱。在 Bedrock 知識庫上進行 RAG 評估，也會產生 Bedrock 知識庫的一般用量費用。
模型
每 1,000 個輸入詞元的定價
每 1,000 個輸出詞元的定價
每項人工任務的價格
選擇用於評估的模型
根據選擇的模型
根據選擇的模型
0.21 美元
-
資料自動化
-
資料自動化
Amazon Bedrock 資料自動化會將非結構化的多模態內容轉換為結構化資料格式，適用於智慧型文件處理、影片分析和 RAG 等使用案例。Bedrock 資料自動化可以使用預先定義的預設項目來生成「標準輸出」內容，這些預設項目為模態特定的項目，例如影片的逐段場景描述、音訊轉錄或自動文件分析。客戶還能夠根據自有資料結構描述，在藍圖中指定其輸出需求來建立「自訂輸出」，然後輕鬆將其載入現有資料庫或資料倉儲。透過與知識庫整合，Bedrock 資料自動化也可以用於剖析 RAG 應用程式的內容，從而透過包括嵌入影像和文字中的資訊來提高結果的準確性和相關性。
Amazon Bedrock 知識庫 提供 Bedrock 資料自動化整合，可為多模態資料提供更相關、更準確的回應。設定知識庫時，您可以選取 Bedrock 資料自動化作為解析方法，從影像或文件 (其中可能包含圖形、表格和圖表) 中分析和擷取有意義的資訊。在處理過程中，Bedrock 資料自動化從擷取的文件和影像中擷取有意義的資訊，然後在後續知識庫步驟中用於分塊、嵌入和儲存。當與知識庫整合時，Bedrock 資料自動化提供標準化輸出並收費。
-
智慧提示路由
-
價格點 定價維度 定價方案 智慧提示路由 每 1,000 個請求 1 USD 隨需 智慧提示路由
智慧提示路由可讓您使用同一模型系列的基礎模型 (FM) 組合，以協助最佳化品質和成本。例如，透過 Anthropic 的 Claude 模型系列，Amazon Bedrock 可依提示詞的複雜度，在 Claude 3.5 Sonnet 與 Claude 3 Haiku 之間智慧路由請求。同樣地，Amazon Bedrock 可在 Meta Llama 3.3 70B 與 3.18B，以及 Nova Pro 與 Nova Lite 之間路由請求。提示路由器會預測哪種模型將為每個請求提供最佳效能，同時協助最佳化回應品質和成本。這對於客戶服務助理等應用程式尤其有用，這可透過更小、更快捷和更經濟高效的模型來處理簡單的查詢，而複雜的查詢則會路由至更具能力的模型。智慧提示路由可以在不影響精確性的情況下降低高達 30% 的成本。
-
提示最佳化
-
針對 Amazon Bedrock 的提示最佳化
Amazon Bedrock 提供兩種提示最佳化工具。
簡單提示最佳化工具
在試驗場與提示管理器中點按一下，即可使用簡化提示最佳化工具。還可透過 OptimizePrompt API 來使用。只需依輸入提示詞元總數與產生的最佳化提示付費。價格為每 1,000 個詞元 0.03 USD進階提示最佳化工具
Bedrock 的進階提示最佳化功能可在 Bedrock 主控台的「進階提示最佳化」區段與 CreateAdvancedPromptOptimizationJob API 中使用。依最佳化中所用隨需標準方案詞元付費。若要估算用量，請留意下列事項：提示最佳化工具使用 LLM 作為改寫器與評估器，在推論、評估與改寫之間反覆循環運作。請使用下面的等式來估算您的費用，其中 N = 每個提示範本的評估資料集中的資料集記錄數，P = 提示範本中的輸入詞元數，O = 估算目標模型輸出詞元數，G = 真實值參考回應詞元數。Lambda 函式評估器： 若您選擇使用 Lambda 函式作為評估器，可使用下列公式估算每個提示範本的總詞元數與成本：
每個提示範本的 Lambda 調用次數 = 16*N。
目標模型總詞元數 = 16*N*(P+O)。
最佳化工具 LLM 輸入詞元數 (目前為 Anthropic Claude Sonnet 4.6) = 101 * (3700+0.35P)。LLM 即評審評估器： 若您選擇 LLM 即評審或自然語言導引條件選項，可使用下列公式估算每個提示範本的總詞元數 目標模型總詞元數 = 16*N*(P+O)。
最佳化工具 LLM 輸入詞元數 (目前為 Anthropic Claude Sonnet 4.6) = 101 * (3700+0.35P)。
LLMJudge 詞元數 = 16*N*(P+O+G + 評審提示)注意：這是一項生成式 AI 功能；在執行時期之前，確切的輸出詞元數未知，且會因提示設計的目標輸出內容而異。
-
Web 搜尋
-
Web 搜尋
Web 搜尋可讓您的模型和代理程式從 Web 擷取最新資訊，以便讓回應以最新內容為依據。 費用依呼叫次數計算，其中一次呼叫代表單一 Web 搜尋請求。
定價範例
-
AI21 Labs
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：要求 AI21 的 Jurassic-2 Mid 模型將 10000 個詞元的輸入文字，總結為 2000 個詞元的輸出結果。
產生的總成本 = 10000 個詞元/1000 * 0.0125 USD + 2000 個詞元/1000 * 0.0125 USD = 0.15 USD
-
Amazon
隨需定價
應用程式開發人員針對 Amazon Bedrock 每小時發出下列 API 呼叫：要求 Amazon Titan Text 精簡版模型將 2000 個詞元的輸入文字，總結為 1000 個詞元的輸出結果。
每小時產生的總成本 = 2000 個詞元/1000 * 0.0003 USD + 1000 個詞元/1000 * 0.0004 USD = 0.001 USD。
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：要求 Amazon Titan 圖像生成器基礎模型產生 1000 個 1024 x 1024 大小的標準品質影像。
產生的總成本 = 1000 個影像 * 每個影像 0.01 USD = 10 USD
自訂 (微調和持續預先訓練) 定價
應用程式開發人員使用 1000 個影像/文字配對自訂 Amazon Titan 圖像生成器模型。訓練後，開發人員會使用自訂模型佈建輸送量 1 小時來評估模型的效能。微調的模型會儲存 1 個月。評估後，開發人員會使用佈建輸送量 (1 個月承諾期) 來託管自訂模型。
每月微調成本為：微調訓練 (0.005 * 500 * 64 USD)，其中 0.005 USD 是每張看到之影像的定價，500 是步驟數，64 是批次大小 + 每月自訂模型儲存 (1.95 USD) + 1 小時自訂模型推論 (21 USD) = 160 + 1.95 + 21 USD = 182.95 USD
佈建輸送量定價
應用程式開發人員購買兩個 Amazon Titan Text 快捷版模型單元，承諾使用期限為 1 個月，以用於其文字摘要使用案例。
每月產生的總成本 = 2 個模型單元 * 18.40 USD/小時 * 24 小時 * 31 天 = 27,379.20 USD
應用程式開發人員購買一個基礎 Amazon Titan 圖像生成器模型的模型單元，承諾使用期限為 1 個月。
產生的總成本 = 1 個模型單元 * 16.20 USD * 24 小時 * 31 天 = 12,052.80 USD
-
Amazon Bedrock 防護機制
範例 1：客戶支援聊天機器人
一名應用程式開發人員建立了一個客戶支援聊天機器人，並使用內容篩選條件封鎖有害內容，以及使用拒絕主題篩選不想要的查詢和回應。
聊天機器人每小時處理 1000 個用戶查詢。每個使用者查詢的平均輸入長度為 200 個字元，並接收 1500 個字元的 FM 回應。
每個 200 個字元的使用者查詢對應於 1 個文字單元。
每個 1500 個字元的 FM 回應對應於 2 個文字單元。
每小時處理的文字單位 = (1 + 2) * 1000 筆查詢 = 3000 個文字單位
內容篩選條件與拒絕主題每小時產生的總費用 = 3000 * (0.15 USD + 0.15 USD) / 1000 = 0.90 USD範例 2：客服中心通話記錄摘要
一名應用程式開發人員建立了一個應用程式，以彙總使用者與客服人員之間的聊天記錄。它使用敏感資訊篩選條件遮蔽 10,000 個對話的生成摘要中的個人身分識別資訊 (PII)。
每個生成的摘要平均有 3500 個字元，對應於 4 個文字單元。
總結 10,000 次對話所產生的總成本 = 10000 * 4 * (0.1/1000 USD) = 4 USD範例 3：醫療處理規範驗證引擎
一家醫療科技公司在其臨床決策支援系統中導入自動推理檢查功能，用於驗證治療建議是否符合醫療準則。該系統每月處理 5,000 個病患個案。每個個案包含：
- 病患資料摘要：500 個字元 (1 個文字單元)
- 診斷評估：2,000 個字元 (2 個文字單元)
- 治療建議：4,500 個字元 (5 個文字單元)
每月處理的文字單位 = (1 + 2 + 5) 5,000 個案例 = 40,000 個文字單位
每月自動推理檢查所產生的總成本 = 40,000 (0.17 USD) / 1000 = 6.80 USD -
Amazon Bedrock 知識庫
定價範例
範例 1：客戶支援聊天機器人 (使用標準擷取)
您可透過 SharePoint 網站，將 50 GB 的內容建立索引，約 100,000 個文件，包括 PDF、簡報、Word 檔案及影像。代理程式每月處理 100,000 項標準擷取查詢。
明細項目 計算 費用 索引儲存
50 GB × 5.00 USD
250.00 USD
多模態文件解析 (託管式解析器)
包含
0 USD 嵌入項目生成 (託管式模型)
包含
0 USD 標準擷取
100,000 ÷ 1,000 × 1.00 USD
100.00 USD
重新排名 (託管式重新排名工具)
包含
0 USD 每月總計 350.00 USD 範例 2：企業研究助理 (使用代理式擷取)
您可透過 SharePoint 網站，將 50 GB 的內容建立索引，約 100,000 個文件，包括 PDF、簡報、Word 檔案及影像。代理程式每月可處理 100,000 次代理式擷取 API 呼叫。平均而言，每個代理式呼叫會執行 2 次基礎擷取 API 呼叫。
明細項目 計算 費用 索引儲存
50 GB × 5.00 USD
250.00 USD
多模態文件解析 (託管式解析器)
包含 0 USD 嵌入項目生成 (託管式模型)
包含 0 USD 代理式擷取 API 呼叫
100,000 ÷ 1,000 × 4.00 USD
400.00 USD
基礎擷取 API 呼叫
(100,000 × 2) ÷ 1,000 × 1.00 USD
200.00 USD
重新排名 (託管式重新排名工具)
包含 0 USD 每月總計 850.00 USD -
Anthropic
隨需定價
應用程式開發人員針對美國西部 (奧勒岡) 地區的 Amazon Bedrock 發出下列 API 呼叫：要求 Anthropic 的 Claude 模型將 11000 個詞元的輸入文字，總結為 4000 個詞元的輸出結果。
產生的總成本 = 11000 個詞元/1000 * 0.008 USD + 4000 個詞元/1000 * 0.024 USD = 0.088 USD + 0.096 USD = 0.184 USD
佈建輸送量定價
應用程式開發人員在美國西部 (奧勒岡) 地區購買一個 Anthropic Claude Instant 的模型單元：
每月產生的總成本 = 1 個模型單元 * 39.60 USD * 24 小時 * 31 天 = 29,462.40 USD
-
Cohere
隨需定價
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：要求 Cohere 的 Command 模型將 6000 個詞元的輸入文字，總結為 2000 個詞元的輸出結果。
產生的總成本 = 6000 個詞元/1000 * 0.0015 USD + 2000 個詞元/1000 * 0.0020 USD = 0.013 USD
應用程式開發人員會對 Amazon Bedrock 進行下列 API 呼叫：向 Cohere 的 Command – Light 模型提出請求，將 6000 詞元的輸入文字，總結為 2000 詞元的輸出結果。
產生的總成本 = 6000 個詞元/1000 * 0.0003 USD + 2000 個詞元/1000 * 0.0006 USD = 0.003 USD
應用程式開發人員會對 Amazon Bedrock 進行下列 API 呼叫：向 Cohere 的 Embed English 或 Embed Multilingual 模型提出請求，為 10K 詞元的輸入產生嵌入向量。
產生的總成本 = 10K 個詞元/1000 * 0.0001 USD = 0.001 USD
自訂 (微調) 定價
應用程式開發人員使用 1000 個資料詞元自訂 Cohere Command 模型。訓練後，使用自訂模型佈建輸送量 1 小時來評估模型的效能。微調的模型會儲存 1 個月。評估後，開發人員會使用佈建輸送量 (1 個月使用期) 來託管自訂模型。
微調每月產生的成本為：微調訓練 (0.004 USD * 1000) + 每月自訂模型儲存 (1.95 USD) + 1 小時自訂模型推論 (49.50 USD) = 55.45 USD
自訂模型的佈建輸送量 (1 個月使用期) 產生的每月成本 = 39.60 USD
佈建輸送量定價
應用程式開發人員購買一個 Cohere Command 模型單元，用於文字摘要使用案例，並承諾使用 1 個月。
每月產生的總成本 = 1 個模型單元 * 39.60 USD * 24 小時 * 31 天 = 29,462.40 USD
-
自訂模型匯入
定價範例：應用程式開發人員在 us-east-1 區域匯入自訂的 Llama 3.1 類型模型，該模型參數規模為 8B、序列長度為 128K，並在 1 個月後刪除該模型。這需要 2 個自訂模型單元。因此，每分鐘價格將為 0.1570 USD，因為需要 2 個自訂模型單元。2 個自訂模型單元的模型儲存成本為每月 3.90 USD。
匯入模型無需費用。第一次成功調用為上午 8:03，此時計量開始。5 分鐘計量時段為上午 8:03 至上午 8:07；上午 8:07 至上午 8:11 等。如果在任何 5 分鐘期間至少有一次調用，該時段將視為作用中進行計費。如果在上午 8:03 調用，而在上午 8:07 後沒有進一步調用，則計量將於上午 8:07 停止。在此情況下，費用計算如下：0.1570 USD * 5 分鐘 * 1 個五分鐘視窗 = 0.785 USD。
-
資料自動化
定價範例 1：
假設您使用 BDA 自訂輸出處理一個 1,000 頁的文件。這 1,000 頁均使用具有 15 個欄位的藍圖 1 進行處理。任何包含不超過 30 個欄位的藍圖的每頁定價為 0.040 USD。總費用為 40 USD。
已處理總頁數 = 1,000
欄位少於 30 個的藍圖每頁價格 = 0.040 USD
總費用 = 1,000 * 0.040 USD = 40 USD定價範例 2︰
假設您使用 BDA 自訂輸出處理 2 個文件。文件 1 有 40 頁，使用具有 20 個欄位的藍圖 1 進行處理。文件 2 有 10 頁，使用具有 40 個欄位的藍圖 2 進行處理。藍圖 1 的每頁定價為 0.040 USD，因為它包含的欄位不超過 30 個。藍圖 2 的每頁定價為 0.045 USD。使用藍圖 1 處理的文件 1 的處理費用為 1.60 USD。使用藍圖 2 處理的文件 2 的處理費用為 0.45 USD。處理這兩份文件的總費用為 2.05 USD。
已處理總頁數 = 50
欄位少於 30 個的藍圖 1 每頁價格 = 0.040 USD
欄位為 40 個的藍圖 2 每頁價格 = 0.040 USD + (超過 30 個的額外欄位數 * 每欄位 0.0005 USD)
超過 30 個的額外欄位數 = 40 - 30 = 10
欄位為 40 個的藍圖 2 每頁價格 = 0.040 USD + (10 * 每欄位 0.0005 USD) = 0.045 USD
使用藍圖 1 的文件 1 費用 = 40 頁 x 每頁 0.040 USD = 1.6 USD
使用藍圖 2 的文件 2 費用 = 10 頁 x 每頁 0.045 USD = 0.45 USD
總費用 = 文件 1 費用 + 文件 2 費用 = 1.6 USD + 0.45 USD = 2.05 USD定價範例 3：
假設您設定 Bedrock 知識庫以使用 Bedrock 資料自動化作為解析器，然後擷取一個 1,000 頁的文件。請注意，「知識庫」剖析選項之間的成本結構有所差異。BDA 使用每頁定價，而基礎模型解析器則依據輸入和輸出詞元計費。對於內容，處理 1,000 頁 (其中 30% 包含表格，30% 包含圖形) 通常需要 2,900 個輸入詞元和 750 個輸出詞元。詞元取用因內容類型而異，因此鼓勵客戶使用自己的資料進行測試，以獲得更準確的估算。Bedrock 知識庫和 Bedrock 資料自動化整合使用標準輸出，每頁價格為 0.010 USD。總費用為 10 USD。已處理總頁數 = 1,000
標準輸出的每頁價格 = 0.010 USD
總費用 = 1,000 * 0.010 USD = 10 USD定價範例 4：
假設您使用 BDA 標準輸出處理 60 分鐘的影片。影片標準輸出每分鐘的定價為 0.050 USD。總費用為 3.00 USD。
已處理總分鐘數 = 60
影片標準輸出的每分鐘價格 = 0.050 USD
總費用 = 60 * 0.050 = 3.00 USD定價範例 5：
假設您使用 BDA 自訂輸出處理 2,000 張影像。前 1,000 張影像使用藍圖 1 進行處理，該藍圖有 10 個欄位。後 1,000 張使用藍圖 2 進行處理，該藍圖有 40 個欄位。藍圖 1 處理每張影像的定價為 0.005 USD，因為它包含的欄位不超過 30 個。藍圖 2 處理每張影像的定價為 0.01 USD。使用藍圖 1 處理前 1,000 張影像的處理費用為 5.00 USD。使用藍圖 2 處理後 1,000 張影像的處理費用為 10.00 USD。處理全部 2,000 張影像的總成本會是 15.00 USD
前 1000 張影像的成本 = 1,000 張影像 * 每張影像 0.005 USD = 5.00 USD
後 1,000 張影像的成本 = 1,000 張影像 * (0.005 USD + (超過 30 個的額外欄位數 * 每欄位 0.0005 USD))
= 1,000 * (0.005 USD + ((40-30)*0.0005 USD))
= 1,000 * (0.005 USD + (10*0.0005 USD)) = 10.00 USD
總成本 = 5.00 USD + 10.00 USD = 15.00 USD定價範例 6：
假設您想要使用 Bedrock 資料自動化標準輸出來處理貴組織 15,000 分鐘的會議錄音。處理這 15,000 分鐘音訊的總費用為 90 USD。
已處理總分鐘數 = 15,000 分鐘
總費用 = 15,000 分鐘 × 0.006 USD = 90 USD -
DeepSeek
隨需定價
應用程式開發人員針對 Amazon Bedrock 每小時發出下列 API 呼叫：請求 DeepSeek-R1 模型將 2000 個詞元的輸入文字，總結為 1000 個詞元的輸出結果 (包括推理詞元)：
每小時產生的總成本 = 2000 個詞元/1000 * 0.00135 USD + 1000 個詞元/1000 * 0.0054 USD = 0.0081 USD
-
流程
範例：新聞摘要
應用程式開發人員建立一項流程，為交易者自動化新聞摘要。該流程涉及一個接收 S3 位置的輸入節點和一個 S3 擷取節點，後者從 S3 中擷取 10 個檔案，其中包含 10 個主要新聞機構的文章 (2 次節點轉換)。然後，它使用疊代器節點透過提示節點調用模型來彙總每個檔案 (+ 10 個檔案 x 2 次節點轉換)。然後使用收集器節點來收集所有結果，使用 S3 儲存節點將結果寫入 S3，然後在輸出節點中完成 (+ 3 次節點轉換)。每個平日每半個小時執行一次此流程。每個流程執行的節點轉換次數為：2 + 1 + 10 * 2 + 3 = 25 次節點轉換/流程執行
每月流程執行次數為：24 小時 * 2* 5 天 * 4 週 = 960 次流程執行/月。
每月總帳單為：25 * 960 * 0.035 USD/1000 = 0.84 USD
額外費用
帳單也會包含工作流程執行期間使用之 AWS 服務的額外費用，包括擷取與儲存節點中的 Amazon S3 用量，以及提示節點中的 Amazon Bedrock 基礎模型用量。 -
Meta
隨需定價
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：要求 Meta 的 Llama 2 Chat (130 億) 模型將 2000 個詞元的輸入文字，總結為 500 個詞元的輸出結果。
產生的總成本 = 2000 個詞元/1000 * 0.00075 USD + 500 個詞元/1000 * 0.001 USD = 0.002 USD
自訂 (微調) 定價
應用程式開發人員使用 1000 個資料詞元自訂 Llama 2 預先訓練 (700 億) 模型。訓練後，使用自訂模型佈建輸送量 1 小時來評估模型的效能。微調的模型會儲存 1 個月。評估後，開發人員會使用佈建輸送量 (1 個月使用期) 來託管自訂模型。
微調每月產生的成本為：微調訓練 (0.00799 USD * 1000) + 每月自訂模型儲存 (1.95 USD) + 1 小時自訂模型推論 (23.50 USD) = 33.44 USD
自訂模型的佈建輸送量 (1 個月使用期) 產生的每月成本 = 21.18 USD
佈建輸送量定價
應用程式開發人員為其文字摘要使用案例購買一個 Meta Llama 2 模型單位，承諾使用期限為 1 個月。
每月產生的總成本為 1 個模型單元 * 21.18 USD * 24 小時 * 31 天 = 15,757.92 USD
-
Mistral AI
隨需定價
應用程式開發人員針對 Amazon Bedrock 每小時發出下列 API 呼叫：要求 Mistral 7B 模型將 2000 個詞元的輸入文字，總結為 1000 個詞元的輸出結果。
每小時產生的總成本 = 2000 個詞元/1000 * 0.00015 USD + 1000 個詞元/1000 * 0.0002 USD = 0.0005 USD
應用程式開發人員針對 Amazon Bedrock 每小時發出下列 API 呼叫：要求 Mixtral 8x7B 模型將 2000 個詞元的輸入文字，總結為 1000 個詞元的輸出結果。
每小時產生的總成本 = 2000 個詞元/1000 * 0.00045 USD + 1000 個詞元/1000 * 0.0007 USD = 0.0016 USD
應用程式開發人員每小時對 Amazon Bedrock 發出下列 API 呼叫：要求 Mistral Large 模型將 2000 個詞元的輸入文字，總結為 1000 個詞元的輸出結果。
每小時產生的總成本 = 2000 個詞元/1000 * 0.008 USD + 1000 個詞元/1000 * 0.024 USD = 0.04 USD
-
模型評估
模型評估範例 1︰
隨需定價
應用程式開發人員在美國東部 (維吉尼亞北部) AWS 區域使用 Anthropic Claude 2.1 和 Anthropic Claude Instant，提交資料集進行人工模型評估。資料集包含 50 個提示，開發人員需要一名工作者對每個提示回應集進行評分 (可在建立評估任務時設定為「每個提示的工作者」參數)。
此評估任務中將有 50 項任務 (每位工作者每個提示回應組為一項任務)。50 個提示共計為 5000 個輸入詞元，相關的回應共計 15000 個詞元 (使用 Anthropic Claude Instant) 和 20000 個詞元 (使用 Anthropic Claude 2.1)。
此模型評估任務會產生下列費用：項目 輸入詞元數 每 1000 個輸入詞元的定價 輸入成本 輸出詞元數 每 1000 個輸出詞元的定價 輸出成本 人工任務數目 每項人工任務的價格 人工任務的成本 總計 Claude Instant 推論 5000 0.0008 USD 0.004 USD 15000 0.0024 USD 0.036 USD 0.04 美元 Claude 2.1 推論 5000 0.008 USD 0.04 美元 20000 0.024 USD 0.48 USD 0.52 USD 人工任務 50 0.21 美元 10.50 USD 10.50 USD 總計 11.06 USD 模型評估範例 2︰
隨需定價
應用程式開發人員在美國東部 (維吉尼亞北部) AWS 區域使用 Anthropic Claude 2.1 和 Anthropic Claude Instant，提交資料集進行人工模型評估。
資料集包含 50 個提示，開發人員需要兩名工作者對每個提示回應集進行評分 (可在建立評估任務時設定為「每個提示的工作者」參數)。此評估任務中將有 100 項任務 (每位工作者每個提示回應組為 1 項任務：2 個工作者 x 50 個提示回應集 = 100 個人工任務)。
50 個提示共計為 5000 個輸入詞元，相關的回應共計 15000 個詞元 (使用 Anthropic Claude Instant) 和 20000 個詞元 (使用 Anthropic Claude 2.1)。
此模型評估任務會產生下列費用：項目 輸入詞元數 每 1000 個輸入詞元的定價 輸入成本 輸出詞元數 每 1000 個輸出詞元的定價 輸出成本 人工任務數目 每項人工任務的價格 人工任務的成本 總計 Claude Instant 推論 5000 0.0008 USD 0.0040 USD 15000 0.0024 USD 0.036 USD 0.04 美元 Claude 2.1 推論 5000 0.008 USD 0.0400 USD 20000 0.024 USD 0.48 USD 0.52 USD 人工任務 100 0.21 美元 21.00 USD 21.00 USD 總計 21.56 USD -
提示最佳化
範例：新聞摘要
應用程式開發人員使用 Claude 3.5 建立提示來為交易者總結新聞。原始提示包括 429 個詞元。最佳化的提示具有 511 個詞元，並包括更具體的說明和範例，以從 FM 產生更簡潔的答案。他使用具有 511 個詞元的最佳化提示作為提示最佳化工具的輸入，並為 Claude 3.7 和 Nova Pro 建立了 2 個新變體，分別具有 582 個和 579 個詞元。提示詞最佳化的輸入與輸出詞元總數：429 + 511 + 511 + 582 + 511 + 579 = 3,123
每月總帳單為：3,123 / 1000 * 0.03 USD = 0.09 USD
-
Stability AI
隨需定價
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：要求 SDXL 模型產生 512 x 512 大小、步長為 70 的影像 (高品質)。
產生的總成本 = 1 個影像 * 每個影像 0.036 USD = 0.036 USD
應用程式開發人員會對 Amazon Bedrock 進行下列 API 呼叫：向 SDXL 1.0 模型提出請求，以步長 70 (高級品質) 產生 1024 x 1024 的影像。
產生的總成本 = 1 個影像 * 每個影像 0.08 USD = 0.08 USD
佈建輸送量定價
應用程式開發人員購買一個 SDXL 1.0 模型單元，且承諾使用 1 個月。
產生的總成本 = 1 * 49.86 USD * 24 小時 * 31 天 = 37,095.84 USD
-
TwelveLabs
隨需定價
應用程式開發人員向 Amazon Bedrock 發出下列 API 呼叫：向 Pegasus 1.2 模型提出請求，以描述片長 10 秒的影片內容，並產生 2,000 個詞元的輸出。
產生的成本總計 = 10 秒 * 0.00049 USD + 2000 個詞元/1000 * 0.0075 USD = 0.0199 USD
應用程式開發人員向 Amazon Bedrock 發出下列 API 呼叫：向 Marengo Embed [3.0 or 2.7] 模型提出請求，以嵌入 10 部影片，總片長為 100 分鐘。產生的成本總計 = 100 分鐘 (即 6000 秒) * 0.00070 USD = 4.2 USD
應用程式開發人員向 Amazon Bedrock 發出下列 API 呼叫：向 Marengo Embed 3.0 模型提出請求，同時提供文字和影像，以產生嵌入，讓他們能在依上述範例建立的嵌入儲存庫中，找出含有指定影像所示包包的片段。產生的成本總計 = 1 個文字請求 * 0.00007 USD + 1 個影像請求 * 0.0001 USD = 0.00017 USD
應用程式開發人員向 Amazon Bedrock 發出下列 API 呼叫：向 Marengo Embed [3.0 or 2.7] 模型提出請求，提供文字以產生嵌入，讓他們能在依上述範例建立的嵌入儲存庫中找出相符的片段。產生的成本總計 = 1 個文字請求 * 0.00007 USD = 0.00007 USD
-
Writer
應用程式開發人員針對 Amazon Bedrock 發出下列 API 呼叫：請求 Writer 的 Palmyra X5 模型將 10000 個詞元的輸入文字，總結為 2000 個詞元的輸出結果。
產生的總成本 = 10000 個詞元/1000 * 0.003 USD + 2000 個詞元/1000 * 0.015 USD = 0.06 USD