微调训练计费

​

文本生成模型

训练费用 = 训练数据 Token 总数 × 循环次数 × 训练单价（最小计费单位：1 Token）

​

视觉理解模型

训练费用 = 训练数据 Token 总数 × 循环次数 × 训练单价（最小计费单位：1 Token）

图像 Token = h_bar × w_bar / token_pixels + 2

​

图像生成模型

​

Wan 系列

训练费用 = 训练 Token 总量 × 训练单价（计费单位：每千 Token）
训练 Token 总量 ≈ max_steps × Lstep

• max_steps：最大训练步数（创建微调任务时配置的超参数）
• Lstep：每步的 Token 消耗量，近似等于 Lmax，由 max_token_length 和 generation_type 共同决定。

• 查表得 Lmax = 12,800（t2i，1k），Lstep ≈ Lmax = 12,800
• 训练 Token 总量 ≈ 200 × 12,800 = 2,560,000 = 2,560 千 Token
• 训练费用 ≈ 2,560 × 0.08 = ¥204.8

​

千问系列

训练费用 = 训练 Token 总量 × 训练单价（计费单位：每千 Token）
训练 Token 总量 = n_epochs × N × (max_pixels / 压缩率) × GPU系数

• n_epochs：循环次数（创建微调任务时配置的超参数）
• N：训练集中的图片总数
• max_pixels：图片的最大像素数（创建微调任务时配置的超参数），取值为 1k（即 1024×1024）或 2k（即 2048×2048）
• 压缩率：VAE 固定压缩比例，值为 1024（即 32×32）
• GPU系数：资源调度系数，根据任务调度情况动态调整

• 单张图片的 Token 量 = max_pixels / 压缩率 = 1024 × 1024 / 1024 = 1024
• 训练 Token 总量 = 1000 × 1 × 1024 × 8 = 8,192,000 = 8,192 千 Token
• 训练费用 = 8,192 × 0.02 = ¥163.84

​

视频生成模型

训练费用 = 训练 Token 总量 × 训练单价（计费单位：每千 Token）
训练 Token 总量 = ( Σ 视频计费时长 ) × ( max_pixels / 1024 ) × n_epochs

• Σ 视频计费时长：训练集中所有视频的计费时长之和（秒）
• max_pixels：视频最大像素数（创建微调任务时配置的超参数）
• n_epochs：循环次数（创建微调任务时配置的超参数）
  • n_epochs 与 steps 的换算关系：steps = n_epochs × ⌈数据集大小 / batch_size⌉。当数据集仅含 1 条数据且 batch_size = 1 时，n_epochs = steps，建议总步数 ≥ 800。
• 单个视频计费时长：先将原始时长（秒）四舍五入取整，再按模型上限取值。
  • wan2.7、wan2.5 模型：计费时长 = min(10, 四舍五入后时长)，单条最多按 10 秒。
  • wan2.2 模型：计费时长 = min(5, 四舍五入后时长)，单条最多按 5 秒。

• 视频 1：3.4 → 四舍五入 3 秒 → min(5, 3) = 3 秒
• 视频 2：6.5 → 四舍五入 7 秒 → min(5, 7) = 5 秒
• 总计费时长 = 3 + 5 = 8 秒
• 训练 Token 总量 = 8 × (262144 / 1024) × 400 = 819,200 = 819.2 千 Token
• 训练费用 = 819.2 × 0.06 = ¥49.15

• 训练 Token 总量 = 10 × (36864 / 1024) × 800 = 288,000 = 288 千 Token
• 训练费用 = 288 × 2 = ¥576

​

下一步

• 微调概览 -- 训练方式、训练模式与支持模型总览
• 创建微调任务 -- 在工作台创建训练任务
• 超参数参考 -- max_steps、n_epochs、max_pixels 等参数说明