Docs
...
Billing details for watsonx.ai Studio tools

Dettagli di fatturazione per gli strumenti di watsonx.ai Studio

Ultimo aggiornamento: 12 dic 2024
Dettagli di fatturazione per gli strumenti di watsonx.ai Studio

Scoprite come l'utilizzo del calcolo viene misurato utilizzando le unità di capacità oraria (CUH) consumate da un ambiente runtime attivo in watsonx.ai Studio. i piani di watsonx.ai Studio regolano le modalità di fatturazione mensile delle risorse consumate.

Unità di capacità incluse in ogni piano al mese
Funzione Leggero Professionista Standard (legacy) Impresa (legacy)
Utilizzo dell'elaborazione 10 CUH
al mese		 CUH
illimitato fatturato per l'utilizzo al mese		 10 CUH al mese '
+ pagare per di più		 5000 CUH al mese '
+ pagare per di più

 

Unità di capacità incluse in ogni piano al mese
Funzione Leggero Professionista
Utilizzo dell'elaborazione 10 CUH al mese CUH
illimitato fatturato per l'utilizzo al mese

 

Unità di capacità all'ora per i notebook

Notebook
Tipo di capacità Lingua Unità di capacità all'ora
1 vCPU e 4 GB di RAM Python
R		 0.5
2 vCPU e 8 GB di RAM Python
R		 1
4 vCPU e 16 GB di RAM Python
R		 2
8 vCPU e 32 GB di RAM Python
R		 4
16 vCPU e 64 GB di RAM Python
R		 8
Driver: 1 vCPU e 4 GB di RAM; 1 Executor: 1 vCPU e 4 GB di RAM Spark con Python '
Spark con R		 1 CUH "
per esecutore aggiuntivo è 0.5
Driver: 1 vCPU e 4 GB di RAM; 1 Executor: 2 vCPU e 8 GB di RAM Spark con Python '
Spark con R		 1.1.5 '
CUH per esecutore aggiuntivo è 1
Driver: 2 vCPU e 8 GB di RAM; 1 Executor: 1 vCPU e 4 GB di RAM; Spark con Python '
Spark con R		 1.1.5 '
CUH per esecutore aggiuntivo è 0.5
Driver: 2 vCPU e 8 GB di RAM; 1 Executor: 2 vCPU e 8 GB di RAM; Spark con Python '
Spark con R		 2 CUH "
per esecutore aggiuntivo è 1
Driver: 3 vCPU e 12 GB di RAM; 1 Executor: 3 vCPU e 12 GB di RAM; Spark con Python '
Spark con R		 2 CUH "
per esecutore aggiuntivo è 1

 

Il tasso di unità di capacità per ora consumata è determinato per:

  • Ambienti Python o R predefiniti in base alle dimensioni dell'hardware e al numero di utenti in un progetto che utilizza uno o più runtime

    Ad esempio: Il 'IBM Runtime 24.1 on Python 3.10 XS con 2 vCPUs consumerà 1 CUH se funziona per un'ora. Se si ha un progetto con 7 utenti che lavorano su notebook 8 ore al giorno, 5 giorni alla settimana, tutti utilizzando l'ambiente 'IBM Runtime 24.1 on Python 3.10 XS, e tutti chiudono i loro runtime quando escono la sera, il consumo di runtime è '5 x 7 x 8 = 280 CUH per week.

    Il calcolo del CUH diventa più complesso quando si utilizzano ambienti diversi per eseguire i notebook nello stesso progetto e se gli utenti hanno più runtime attivi, che consumano tutti il proprio CUH. Inoltre, potrebbero esserci notebook, che sono programmati per essere eseguiti durante le ore libere, e lavori di lunga durata, che consumano anch'essi CUH.

  • Ambienti predefiniti di Spark in base alla dimensione della configurazione hardware del driver e al numero di esecutori e alla loro dimensione.

 

Unità di capacità all'ora per notebook con Decision Optimization

Il tasso di unità di capacità per ora consumate è determinato dalle dimensioni dell'hardware e dal prezzo dell'Decision Optimization.

Quaderni di Decision Optimization
Tipo di capacità Lingua Unità di capacità all'ora
1 vCPU e 4 GB di RAM Python + Decision Optimization 0.0.5 + 5 = 5.5
2 vCPU e 8 GB di RAM Python + Decision Optimization 1 + 5 = 6
4 vCPU e 16 GB di RAM Python + Decision Optimization 2 + 5 = 7
8 vCPU e 32 GB di RAM Python + Decision Optimization 4 + 5 = 9
16 vCPU e 64 GB di RAM Python + Decision Optimization 8 + 5 = 13

 

Unità di capacità all'ora per i notebook con Watson Natural Language Processing

Il tasso di unità di capacità per ora consumate è determinato dalle dimensioni dell'hardware e dal prezzo di Watson Natural Language Processing.

Quaderni di elaborazione del linguaggio naturale Watson
Tipo di capacità Lingua Unità di capacità all'ora
1 vCPU e 4 GB di RAM Python + elaborazione del linguaggio naturale Watson 0.0.5 + 5 = 5.5
2 vCPU e 8 GB di RAM Python + elaborazione del linguaggio naturale Watson 1 + 5 = 6
4 vCPU e 16 GB di RAM Python + elaborazione del linguaggio naturale Watson 2 + 5 = 7
8 vCPU e 32 GB di RAM Python + elaborazione del linguaggio naturale Watson 4 + 5 = 9
16 vCPU e 64 GB di RAM Python + elaborazione del linguaggio naturale Watson 8 + 5 = 13

 

Unità di capacità all'ora per il Synthetic Data Generator

Tipo di capacità Unità di capacità all'ora
2 vCPU e 8 GB di RAM 7

Unità di capacità all'ora per i flussi di SPSS Modeler

Flussi SPSS Modeler
Nome Tipo di capacità Unità di capacità all'ora
Default SPSS Modeler S 2 vCPU e 8 GB di RAM 1
Default SPSS Modeler M 4 vCPU e 16 GB di RAM 2
Default SPSS Modeler L 6 vCPU e 24 GB di RAM 3

 

Unità di capacità oraria per la Data Refinery e i flussi di Data Refinery

Data Refinery e flussi di Data Refinery
Nome Tipo di capacità Unità di capacità all'ora
Runtime predefinito di Data Refinery XS 3 vCPU e 12 GB di RAM 1.5
Predefinito Spark 3.4 & R 4.2 2 Esecutori ciascuno: 1 vCPU e 4 GB di RAM; Driver: 1 vCPU e 4 GB di RAM 1.5

 

Unità di capacità all'ora per RStudio

RStudio
Nome Tipo di capacità Unità di capacità all'ora
RStudio XS predefinito 2 vCPU e 8 GB di RAM 1
RStudio predefinito M 8 vCPU e 32 GB di RAM 4
RStudio predefinito L 16 vCPU e 64 GB di RAM 8

 

Unità di capacità all'ora per ambienti GPU

Ambienti GPU
Tipo di capacità GPU Lingua Unità di capacità all'ora
1 x NVIDIA Tesla V100 1 Python con GPU 68
2 x NVIDIA Tesla V100 2 Python con GPU 136

Utilizzo delle risorse per il Prompt Lab

Prompt Lab non consuma risorse di calcolo. L'utilizzo del Prompt Lab è misurato dal numero di token elaborati. Vedere Dettagli di fatturazione per le attività di IA generativa.

Ulteriori informazioni

Argomento principale: piani di studiowatsonx.ai