0 / 0
資料の 英語版 に戻る
watsonx.aiStudio ツールの請求詳細
最終更新: 2024年12月12日
watsonx.aiStudio ツールの請求詳細

watsonx.aiStudio のアクティブ環境ランタイムで消費される CUH(Capacity Unit Hours)を使用したコンピュート使用量の測定方法について説明します。 watsonx.aiStudio のプランは、消費したリソースに対する毎月の課金方法を管理します。

各プランに含まれている 1 カ月あたりのキャパシティー・ユニット
機能 ライト 専門家 標準 (レガシー) エンタープライズ (レガシー)
使用の処理中 10 CUH
無制限の CUH
で月単位の使用量に対して課金されます
10CUH/月 '
+ 追加料金
1 ヶ月当たり 5000 CUH
+ 追加料金

 

各プランに含まれている 1 カ月あたりのキャパシティー・ユニット
機能 ライト 専門家
使用の処理中 月10CUH 無制限の CUH
で月単位の使用量に対して課金されます

 

ノートPCの1時間当たりの容量

ノートブック
キャパシティー・タイプ 言語 1 時間当たりのキャパシティー・ユニット
1 vCPU および 4 GB RAM Python
R
0.5
2 vCPU および 8 GB RAM Python
R
1
4 vCPU および 16 GB RAM Python
R
2
8 vCPU および 32 GB RAM Python
R
4
16 vCPU および 64 GB RAM Python
R
8
ドライバー: 1 個の vCPU および 4 GB の RAM、1 個の実行プログラム: 1 個の vCPU および 4 GB の RAM Spark withPython'
Spark with R
1
CUH/追加 executor は 0.5 です
ドライバー: 1 個の vCPU および 4 GB の RAM、1 個の実行プログラム: 2 個の vCPU および 8 GB の RAM Spark withPython'
Spark with R
1.5
CUH/追加 executor は 1 です
ドライバー: 2 個の vCPU および 8 GB の RAM、1 個の実行プログラム: 1 個の vCPU および 4 GB の RAM Spark withPython'
Spark with R
1.5
CUH/追加 executor は 0.5 です
ドライバー: 2 個の vCPU および 8 GB の RAM、1 個の実行プログラム: 2 個の vCPU および 8 GB の RAM Spark withPython'
Spark with R
2
CUH/追加 executor は 1 です
ドライバドライバ:3vCPU、12 GB RAM:3vCPU、12 GB RAM; Spark withPython'
Spark with R
2
CUH/追加 executor は 1 です

 

使用された時間当たりのキャパシティー・ユニットのレートは、以下のように決定されます。

  • デフォルト Python または R 環境の場合、1 つ以上のランタイムを使用するプロジェクト内のユーザーの数とハードウェア・サイズによって決定されます。

    例えば、2 つの vCPU を持つ IBM Runtime 24.1 on Python 3.10 XS は、1 時間実行すると 1 CUH を消費します。 7 人のユーザーが 1 日 8 時間、週 5 日、すべて IBM Runtime 24.1 on Python 3.10 XS 環境を使用してノートブックで作業しているプロジェクトがあり、夕方になるとすべてのユーザーがランタイムをシャットダウンする場合、ランタイムの使用量は 5 x 7 x 8 = 280 CUH per weekになります。

    同じプロジェクトでノートブックを実行するために複数の環境が使用されていて、ユーザーが複数のアクティブなランタイムを使用し、そのすべてがそれぞれ CUH を使用している場合は、CUH の計算は複雑になります。 また、勤務時間外に実行されるようにスケジュールされたノートブックや長時間実行ジョブがあれば、これらも同様に CUH を使用します。

  • デフォルト Spark 環境の場合、ドライバーのハードウェア構成サイズ、および実行プログラムの数とそのサイズによって決定されます。

 

Decision Optimization でのノートブックの 1 時間当たりのキャパシティー・ユニット

使用された時間当たりのキャパシティー・ユニットのレートは、ハードウェア・サイズおよび Decision Optimization の料金によって決まります。

Decision Optimization ノートブック
キャパシティー・タイプ 言語 1 時間当たりのキャパシティー・ユニット
1 vCPU および 4 GB RAM Python + Decision Optimization 0.5 + 5 = 5.5
2 vCPU および 8 GB RAM Python + Decision Optimization 1 + 5 = 6
4 vCPU および 16 GB RAM Python + Decision Optimization 2 + 5 = 7
8 vCPU および 32 GB RAM Python + Decision Optimization 4 + 5 = 9
16 vCPU および 64 GB RAM Python + Decision Optimization 8 + 5 = 13

 

Watson Natural Language Processing を使用するノートブックの 1 時間当たりのキャパシティー・ユニット数です

消費される 1 時間当たりのキャパシティー・ユニットのレートは、ハードウェア・サイズと Watson Natural Language Processing の料金によって決まります。

Watson自然言語処理ノートブック
キャパシティー・タイプ 言語 1 時間当たりのキャパシティー・ユニット
1 vCPU および 4 GB RAM Python + Watson 自然言語処理 0.5 + 5 = 5.5
2 vCPU および 8 GB RAM Python + Watson 自然言語処理 1 + 5 = 6
4 vCPU および 16 GB RAM Python + Watson 自然言語処理 2 + 5 = 7
8 vCPU および 32 GB RAM Python + Watson 自然言語処理 4 + 5 = 9
16 vCPU および 64 GB RAM Python + Watson 自然言語処理 8 + 5 = 13

 

Synthetic Data Generatorの 1時間当たりの容量単位

キャパシティー・タイプ 1 時間当たりのキャパシティー・ユニット
2 vCPU および 8 GB RAM 7

SPSS Modeler フローの 1 時間当たりのキャパシティー・ユニット

SPSS Modeler フロー
名前 キャパシティー・タイプ 1 時間当たりのキャパシティー・ユニット
Default SPSS Modeler S 2 vCPU および 8 GB RAM 1
Default SPSS Modeler M 4 vCPU および 16 GB RAM 2
Default SPSS Modeler L 6vCPU、24 GB RAM 3

 

Data Refinery および Data Refinery フローの 1 時間当たりのキャパシティー・ユニット

Data Refinery および Data Refinery フロー
名前 キャパシティー・タイプ 1 時間当たりのキャパシティー・ユニット
デフォルト Data Refinery XS ランタイム 3 個の vCPU および 12 GB の RAM 1.5
デフォルト Spark3.4& R4.2 2 個の実行プログラム: それぞれに 1 個の vCPU および 4 GB の RAM、ドライバー: 1 個の vCPU および 4 GB の RAM 1.5

 

RStudio の 1 時間当たりのキャパシティー・ユニット

RStudio
名前 キャパシティー・タイプ 1 時間当たりのキャパシティー・ユニット
デフォルト RStudio XS 2 vCPU および 8 GB RAM 1
デフォルト RStudio M 8 vCPU および 32 GB RAM 4
デフォルト RStudio L 16 vCPU および 64 GB RAM 8

 

GPU 環境の 1 時間当たりのキャパシティー・ユニット

GPU 環境
キャパシティー・タイプ GPU 言語 1 時間当たりのキャパシティー・ユニット
1 xNVIDIATeslaV100 1 GPU 付き Python 68
2 xNVIDIATeslaV100 2 GPU 付き Python 136

Prompt Labのリソース使用状況

Prompt Labは計算リソースを消費しません。 Prompt Labの使用率は、処理されたトークンの数で測定される。 ジェネレーティブAIアセットに関する請求の詳細をご覧ください。

詳細情報

親トピック: watsonx.aiスタジオプラン

生成 AI の検索と回答
これらの回答は、製品資料の内容に基づいて、 watsonx.ai のラージ言語モデルによって生成されます。 詳細