独占算力部署提供独占吞吐（DTU）与模型单元（MU）两种方案，以独占 GPU 资源为指定模型提供性能和吞吐保障。DTU 面向新发布模型（按输入/输出 TPM×时长计费），MU 用于已有模型（按模型单元数量×时长计费）。本文介绍两种方案的功能、计费方式、使用流程与支持模型。
概述
独占算力部署为指定模型提供独占 GPU 资源与性能保障，支持基础模型与自定义模型部署。百炼提供两种独占算力方案：
- DTU（Dedicated Throughput Unit，独占吞吐）：按 Input/Output TPM 售卖，提供更直接的吞吐保障。全托管推理服务，底层独占 GPU 资源由平台运维。
- 模型单元（MU，Model Unit）：按使用时长与模型单元数量配置算力，资源独占。支持自定义性能指标、PD 分离计算模式。计费粒度为模型单元数量×时长。
DTU 与 MU 按模型适用区分：新发布模型采用 DTU（按输入/输出 TPM 计量），已有模型沿用 MU（按模型单元数量计量）。两者均提供独占算力、资源隔离与微调模型部署能力。新购部署时若模型支持 DTU 则优先选择 DTU。
两种方案共有的能力：
- 独占 GPU 资源，推理环境与其他用户物理隔离。
- 支持基础模型和自定义模型（百炼微调模型或用户上传模型）部署。
- 平台负责底层运维，无需管理 GPU。
- 不主动设 RPM/TPM 上限，流量受实际承载力限制。
方案选型
百炼为推理调用提供多种容量与计费方案。DTU 适用于需要独占部署、微调模型部署、低延迟高并发或数据隔离的场景。各方案的对比如下表所示。
Token 按量、PTU 等全部计费方式的完整对比详见模型部署主表。
对比维度 | DTU | PTU | Token 按量 | PAI/灵骏 |
|---|---|---|---|---|
特点 | 独占算力 + 微调模型 | 吞吐保障 + 低延迟 | 弹性灵活、零门槛 | 自定义运行时 |
资源隔离 | 物理隔离 | 逻辑隔离 | 共享公池 | 物理隔离 |
微调模型 | 全参 + LoRA | 不支持 | LoRA | 支持 |
自定义框架 | 不支持 | 不支持 | 不支持 | 支持 |
计费模式 | TPM 额度 × 时长 | TPM 额度 × 时长 | Token 用量 | GPU × 时长 |
计费规则
DTU 计费
DTU 按输入 TPM 和输出 TPM 分别计费，采用预付费（按月）模式。各模型有固定的输入/输出基准 TPM（见下表），购买时需为基准 TPM 的整数倍。输入和输出各至少购买基准 TPM（1 倍），生产环境建议各购买 2 倍以上。
费用由后端根据模型、输入/输出 TPM、服务区域和购买时长计算。各模型的价格如下表所示，起售和扩容价格均为输入输出各 1 倍基准 TPM 的总价，微调模型的价格与对应基础模型相同，具体以控制台实际展示为准。
MU 计费
费用 = 使用时长（小时）× 模型单元数量 × 模型单元单价
"模型单元单价"在后付费场景下取下表"小时单价"列；预付费按月计费时，公式改为 包月数 × 模型单元数量 × 月单价。
- 预付费购买的首月，如在首月内提前退订，日单价（≈ 月单价 / 30）将按 1.2 倍计费（不满一天按一天计费）
说明模型单元-后付费方式的算力资源先买到先得。如购买不成功会全额退款。
MU 与 DTU 均为预付费模式，提前退订已使用部分按 1.2 倍系数结算退费，详见降配退款规则说明。
支持模型与价格
DTU 价格表与性能基准
华北-北京2
模型 | 规格 | 基准输入（TPM） | 基准输出（TPM） | 起售价格(元/月) | 扩容价格(元/月) |
|---|---|---|---|---|---|
qwen3.7-plus-2026-05-26 | Fast | 1,372,000 | 170,000 | 556,466 | 556,466 |
qwen3.6-27b | Standard | 273,000 | 34,000 | 49,118 | 49,118 |
qwen3.5-397b-a17b | Standard | 896,000 | 112,000 | 1,107,904 | 1,107,904 |
qwen3.5-122b-a10b | Fast | 7,288,000 | 904,000 | 2,226,984 | 2,226,984 |
qwen3.5-35b-a3b | Standard | 656,000 | 82,000 | 109,962 | 109,962 |
qwen3.5-27b | Standard | 2,432,000 | 304,000 | 1,108,688 | 1,108,688 |
Efficient | 291,000 | 36,000 | 48,996 | 48,996 | |
qwen3.5-4b | Standard | 1,072,000 | 134,000 | 109,478 | 109,478 |
glm-5.2 | Fast | 1,004,000 | 120,000 | 1,895,260 | 1,895,260 |
glm-5.1 | Standard | 256,000 | 32,000 | 504,704 | 504,704 |
deepseek-v4-flash | Standard | 2,240,000 | 280,000 | 1,107,400 | 1,107,400 |
deepseek-v4-flash-0731 | Fast | 1,676,000 | 213,000 | 277,984 | 277,984 |
各模型在标准工况下的性能参考数据如下表所示，以控制台实际展示为准。
以下性能参考数据均在缓存命中率为 0% 的条件下测得。实际使用中，随着缓存命中率提升，模型性能也会相应提高。
模型 | 规格 | 输入长度 | 输出长度 | 缓存命中率 | 首字延迟(ms) | 每token延迟(ms) |
|---|---|---|---|---|---|---|
qwen3.7-plus-2026-05-26 | Fast | 16,000 | 2,000 | 0 | 2,418 | 15 |
qwen3.6-27b | Standard | 4,000 | 500 | 0 | 1,292 | 19 |
qwen3.5-397b-a17b | Standard | 4,000 | 500 | 0 | 996 | 27 |
qwen3.5-122b-a10b | Fast | 16,000 | 2,000 | 0 | 568 | 8 |
qwen3.5-35b-a3b | Standard | 4,000 | 500 | 0 | 471 | 10 |
qwen3.5-27b | Standard | 4,000 | 500 | 0 | 703 | 14 |
Efficient | 4,000 | 500 | 0 | 1,448 | 23 | |
qwen3.5-4b | Standard | 4,000 | 500 | 0 | 552 | 6 |
glm-5.2 | Fast | 16,000 | 2,000 | 0 | 1,558 | 15 |
glm-5.1 | Standard | 4,000 | 500 | 0 | 769 | 27 |
deepseek-v4-flash | Standard | 4,000 | 500 | 0 | 651 | 19 |
deepseek-v4-flash-0731 | Fast | 16,000 | 2,000 | 0 | 1,079 | 13 |
MU 价格表
文本生成
千问
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
千问3.8-27B | qwen3.8-27b | MU9 x 4 | ¥204 | ¥98,400 |
千问3.7-Plus-2026-05-26 | qwen3.7-plus-2026-05-26 | MU2 x 8 | ¥504 | ¥240,288 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3.6-35B-A3B | qwen3.6-35b-a3b | MU1 x 8 | ¥432 | ¥208,944 |
MU2 x 8 | ¥504 | ¥240,288 | ||
MU3 x 8 | ¥1,096 | ¥527,752 | ||
MU8 x 1 | ¥47 | ¥22,400 | ||
MU9 x 1 | ¥51 | ¥24,600 | ||
千问3.6-27B | qwen3.6-27b | MU9 x 1 | ¥51 | ¥24,600 |
千问3.6-Flash-2026-04-16 | qwen3.6-flash-2026-04-16 | MU1 x 2 | ¥108 | ¥52,236 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3.6-Plus-2026-04-02 | qwen3.6-plus-2026-04-02 | MU1 x 8 MU1 x 16（PD分离模式） | ¥432 PD分离模式：¥864 | ¥208,944 PD分离模式：¥417,888 |
MU2 x 8 | ¥504 | ¥240,288 | ||
千问3.5-397B-A17B | qwen3.5-397b-a17b | MU3 x 8 MU3 x 16（PD分离模式） | ¥1,096 PD分离模式：¥2,192 | ¥527,752 PD分离模式：¥1,055,504 |
MU6 x 16 | ¥400 | ¥193,424 | ||
千问3.5-122B-A10B | qwen3.5-122b-a10b | MU1 x 4 | ¥216 | ¥104,472 |
MU6 x 16 | ¥400 | ¥193,424 | ||
千问3.5-35B-A3B | qwen3.5-35b-a3b | MU1 x 2 | ¥108 | ¥52,236 |
MU2 x 8 | ¥504 | ¥240,288 | ||
MU3 x 8 | ¥1,096 | ¥527,752 | ||
MU9 x 1 | ¥51 | ¥24,600 | ||
千问3.5-27B | qwen3.5-27b | MU2 x 8 | ¥504 | ¥240,288 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
MU8 x 1 | ¥47 | ¥22,400 | ||
MU9 x 1 | ¥51 | ¥24,600 | ||
千问3.5-9B | qwen3.5-9b | MU1 x 2 | ¥108 | ¥52,236 |
MU2 x 8 | ¥504 | ¥240,288 | ||
千问3.5-Flash-2026-02-23 | qwen3.5-flash-2026-02-23 | MU1 x 2 | ¥108 | ¥52,236 |
千问3.5-Plus-2026-02-15 | qwen3.5-plus-2026-02-15 | MU1 x 8 MU1 x 16（PD分离模式） | ¥432 PD分离模式：¥864 | ¥208,944 PD分离模式：¥417,888 |
MU2 x 8 | ¥504 | ¥240,288 | ||
MU3 x 8 MU3 x 16（PD分离模式） | ¥1,096 PD分离模式：¥2,192 | ¥527,752 PD分离模式：¥1,055,504 | ||
千问3-235B-A22B-Instruct-2507 | qwen3-235b-a22b-instruct-2507 | MU1 x 4 | ¥216 | ¥104,472 |
MU2 x 8 | ¥504 | ¥240,288 | ||
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3-32B | qwen3-32b | MU6 x 16 | ¥400 | ¥193,424 |
千问3-30B-A3B-Thinking-2507 | qwen3-30b-a3b-thinking-2507 | MU1 x 2 | ¥108 | ¥52,236 |
千问3-4B | qwen3-4b | MU1 x 2 | ¥108 | ¥52,236 |
MU5 x 1 | ¥21 | ¥10,139 | ||
千问3-Embedding-0.6B | qwen3-embedding-0.6b | MU5 x 1 | ¥21 | ¥10,139 |
MU6 x 1 | ¥25 | ¥12,089 | ||
千问3-MoE-Rerank-0.6B | qwen3-moe-rerank-0.6b | MU5 x 1 | ¥21 | ¥10,139 |
千问3-Rerank-0.6B | qwen3-rerank-0.6b | MU5 x 1 | ¥21 | ¥10,139 |
MU6 x 1 | ¥25 | ¥12,089 | ||
千问3-Max-2025-09-23 | qwen3-max-2025-09-23 | MU2 x 8 | ¥504 | ¥240,288 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3-Rerank | qwen3-rerank | MU5 x 1 | ¥21 | ¥10,139 |
千问2.5-开源版-72B | qwen2.5-72b-instruct | MU1 x 8 | ¥432 | ¥208,944 |
千问2.5-开源版-14B | qwen2.5-14b-instruct | MU1 x 2 | ¥108 | ¥52,236 |
千问2.5-开源版-7B | qwen2.5-7b-instruct | MU1 x 2 | ¥108 | ¥52,236 |
MU5 x 1 | ¥21 | ¥10,139 | ||
千问-Plus-2025-07-28 | qwen-plus-2025-07-28 | MU1 x 4 MU1 x 16（PD分离模式） | ¥216 PD分离模式：¥864 | ¥104,472 PD分离模式：¥417,888 |
千问-Plus-2025-12-01 | qwen-plus-2025-12-01 | MU1 x 4 | ¥216 | ¥104,472 |
Qwen-Plus-Character-2025-11-06 | qwen-plus-character-2025-11-06 | MU1 x 4 | ¥216 | ¥104,472 |
GLM
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
GLM-5.1 | glm-5.1 | MU2 x 8 | ¥504 | ¥240,288 |
MU3 x 16（PD分离模式） | PD分离模式：¥2,192 | PD分离模式：¥1,055,504 | ||
MU6 x 16 | ¥400 | ¥193,424 | ||
GLM-5 | glm-5 | MU3 x 16（PD分离模式） | PD分离模式：¥2,192 | PD分离模式：¥1,055,504 |
GLM-4.7 | glm-4.7 | MU6 x 32（PD分离模式） | PD分离模式：¥800 | PD分离模式：¥386,848 |
DeepSeek
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
DeepSeek-v4-Flash | deepseek-v4-flash | MU1 x 8 | ¥432 | ¥208,944 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
DeepSeek-v3.2 | deepseek-v3.2 | MU2 x 16（PD分离模式） | PD分离模式：¥1,008 | PD分离模式：¥480,576 |
更多模型
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
Kimi-K2.5 | kimi-k2.5 | MU2 x 8 | ¥504 | ¥240,288 |
模型类型：
- Instruct - 模型部署后以非思考模式进行推理。
- Thinking - 模型部署后以思考模式进行推理。
模型部署类型：
-
PD 分离模式 - 降低首 Token 延迟、提高吞吐。
该部署模式部署的模型在进行模型推理时，将首 Token 计算（Prefill）和后续 Token 计算（Decode）两个计算阶段，拆到不同的计算节点执行。
多模态
千问VL
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
千问3-VL-235B-A22B-Thinking | qwen3-vl-235b-a22b-thinking | MU1 x 8 | ¥432 | ¥208,944 |
MU2 x 8 | ¥504 | ¥240,288 | ||
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3-VL-32B-Instruct | qwen3-vl-32b-instruct | MU2 x 8 | ¥504 | ¥240,288 |
MU3 x 8 | ¥1,096 | ¥527,752 | ||
千问3-VL-8B-Instruct | qwen3-vl-8b-instruct | MU1 x 2 | ¥108 | ¥52,236 |
MU5 x 1 | ¥21 | ¥10,139 | ||
千问3-VL-4B-Instruct | qwen3-vl-4b-instruct | MU1 x 2 | ¥108 | ¥52,236 |
千问3-VL-2B-Instruct | qwen3-vl-2b-instruct | MU5 x 1 | ¥21 | ¥10,139 |
千问3-VL-Embedding-2B | qwen3-vl-embedding-2b | MU5 x 1 | ¥21 | ¥10,139 |
千问3-VL-Flash-2025-10-15 | qwen3-vl-flash-2025-10-15 | MU1 x 4 | ¥216 | ¥104,472 |
千问3-VL-Plus-2025-09-23 | qwen3-vl-plus-2025-09-23 | MU1 x 4 | ¥216 | ¥104,472 |
千问VL-Max-2025-08-13 | qwen-vl-max-2025-08-13 | MU6 x 4 | ¥100 | ¥48,356 |
千问 Omni
模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） 最小计费：分钟 | 包月单价（元） 最小计费：天 |
|---|---|---|---|---|
千问3.5-Omni-Flash | qwen3.5-omni-flash | MU8 x 1 | ¥47 | ¥22,400 |
MU9 x 1 | ¥51 | ¥24,600 |
模型类型：
- Instruct - 模型部署后以非思考模式进行推理。
- Thinking - 模型部署后以思考模式进行推理。
- Instruct/Thinking - 可在模型部署时选择是否开启思考模式。
语音合成
CosyVoice模型名称 | 模型代码 | 模型单元规格 | 小时单价（元） | 包月单价（元） |
|---|---|---|---|---|
cosyvoice-v3-flash | cosyvoice-v3-flash | MU5 | ¥21 | ¥10,139 |
部署创建
DTU 创建部署
使用 DTU 前需在控制台开通 DTU 功能并申请资源额度。开通后在百炼控制台专属部署页面选择目标模型，计费方式选择 DTU 即可创建部署。
警告DTU 部署暂不支持通过 API 创建与管理，请在百炼控制台完成开通、创建、扩缩容与续费等操作。
通用模型部署的基础流程详见专属部署概述。
创建部署的表单字段如下表所示。
参数 | 说明 | 是否必填 | 取值说明 |
|---|---|---|---|
服务名称 | 部署服务的名称 | 是 | 自定义 |
模型 | 部署的目标模型 | 是 | 下拉选择 |
部署模版 | 部署架构 | 否 | 下拉选择，默认选第一个 |
付费类型 | 计费方式 | 是 | 预付费（按月） |
输入吞吐额度 | 购买的输入 TPM 容量 | 是 | 基准输入 TPM 的整数倍（kTPM） |
输出吞吐额度 | 购买的输出 TPM 容量 | 是 | 基准输出 TPM 的整数倍（kTPM） |
购买时长 | 购买周期 | 是 | 1-12（整数，月） |
自动续费 | 到期自动续费 | 否 | 开/关 |
单次续费时长 | 开启自动续费时必填 | 是 | 1-12（整数，月） |
MU 部署配置
配置内容 | 配置详情 |
|---|---|
服务名称 | 自定义部署服务的名称。 |
选择模型 | 选择要部署的模型，包括平台预置模型和已调优的模型。 |
模型单元类型 | 选择部署规格，不同规格对应不同的算力和性能。 |
部署副本数 | 设置初始部署副本数量，影响服务的并发处理能力。 |
部署模版 | 选择部署模版（如"单机部署"），不同模版对应不同的资源配置方案。仅在模型单元计费模式下可用。 |
配置模型推理模式 | 部分模型在以模型单元方式部署时，可配置推理模式、最长上下文等。
|
最长上下文 | 部分模型的模型单元部署模式支持该设置。最长上下文长度基于模型类型。 |
服务限流 | 部分模型的模型单元部署模式支持该设置，可限制模型调用的 RPM、TPM。 |
容量规划
DTU 按输入/输出 TPM 售卖，所购 TPM 即每分钟可处理的最大 token 量。容量规划的目标是：依据业务峰值 token 需求推算需购买的倍数，再通过压测验证实际可承载的并发与延迟是否达标。各模型的基准输入/输出 TPM 与标准工况性能参考见上方表格。
建议使用 evalscope 等压测工具，按真实业务场景（输入/输出长度、并发数、延迟要求）压测，再对照定价表确定购买倍数。
容量规划方法
- 梳理业务峰值指标：典型请求的输入/输出 token 长度、目标并发数，以及对首字延迟（TTFT）和每 token 生成延迟（TPOT）的要求。
- 估算峰值吞吐需求：峰值输入 TPM ≈ 并发数 × 单请求输入长度 ÷ 单请求处理时长（分钟）；峰值输出 TPM ≈ 并发数 × 单请求输出长度 ÷ 单请求生成时长（分钟）。
- 计算购买倍数：输入倍数 = ⌈峰值输入 TPM ÷ 基准输入 TPM⌉，输出倍数 = ⌈峰值输出 TPM ÷ 基准输出 TPM⌉；DTU 输入与输出需同增同减，取两者较大值作为最终倍数。
- 压测验证：按计算倍数购买后，用 evalscope 在目标工况下复测，确认实际吞吐与延迟满足业务要求。若延迟偏高，可在 TPM 余量内提高并发以提升有效吞吐。
如对延迟要求不严格，可在不超过所购 TPM 上限的前提下，通过提高并发数提升实际吞吐量。
业务测算示例：
某模型基准输入 656K TPM、基准输出 82K TPM。经业务峰值梳理，峰值输入约 1,300K TPM、峰值输出约 160K TPM。计算倍数：输入 ⌈1300÷656⌉=2、输出 ⌈160÷82⌉=2，取较大值 2 倍，购买输入 1,312K TPM（656K×2）+ 输出 164K TPM（82K×2）；随后用 evalscope 在峰值工况压测，确认延迟达标。若业务量翻倍，峰值输入约 2,600K、输出约 320K，则输入 ⌈2600÷656⌉=4、输出 ⌈320÷82⌉=4，需购买 4 倍：输入 2,624K TPM（656K×4）+ 输出 328K TPM（82K×4），并复测。
测算公式：
购买倍数 = max(⌈峰值输入 TPM ÷ 基准输入 TPM⌉, ⌈峰值输出 TPM ÷ 基准输出 TPM⌉)
扩缩容与续费退订
DTU 扩缩容与续费退订
部署列表展示已购买的输入/输出 TPM 额度，详情页展示 TPM 容量详情。
扩缩容：在部署列表中点击「扩缩容」修改输入/输出 TPM 容量。扩容显示需补交金额，缩容显示预计退款金额。输入和输出需同增或同减，不能一增一减。仅运行中的部署可操作。
续费：预付费包月到期可续费，详情页续费按钮进入续费流程，支持自动续费开关与单次续费时长。
退订：预付费包月支持提前退订，已使用部分按 1.2 倍系数结算退费，详见降配退款规则说明。退订不可恢复，退订后独占资源释放、服务停止。
MU 扩缩容与续费
- 模型单元（按时长）：点击扩缩容按钮，自助、手动调节实例数量（副本数）。还可通过操作列的伸缩配置按钮，配置自动伸缩策略（包括伸缩阈值、最小/最大副本数、定时伸缩等）。
- 续费：预付费包月服务可续费延长服务时间，支持自动续费。
- 退订：预付费购买的首月内提前退订，日单价按 1.2 倍计费；详见降配退款规则说明。
常见问题
DTU 部署和 Token 按量计费有什么区别？Token 按量计费在共享资源池上按 token 用量计费；DTU 为独占 GPU 资源，按输入/输出 TPM 计费，适合需要稳定吞吐和独占部署的场景。
DTU 部署支持哪些计费方式？仅支持预付费（按月）计费。
如何查看已购 TPM 的使用情况？在百炼控制台专属部署的部署列表和详情页可查看已购的输入/输出 TPM 额度，详见专属部署概述。