Стоимость обучения
Стоимость обучения
Ограничение: Функция тонкой настройки моделей требует работающего inference-бэкенда. В текущей версии бэкенд недоступен — форма видна, но обучение не запускается.
Тонкая настройка моделей тарифицируется повременно — вы платите за часы использования GPU-инстанса, на котором выполняется обучение. Стоимость зависит от типа GPU и длительности обучения.
Все цены указаны в российских рублях (₽) и являются ориентировочными — финальная стоимость может варьироваться в зависимости от загрузки кластеров и конкретной конфигурации слота.
Ставки GPU-инстансов
Ниже приведены типовые конфигурации GPU-инстансов, доступные для задач обучения, и их ориентировочная стоимость:
| Тип GPU | VRAM | Для каких задач |
|---|---|---|
| NVIDIA A100 80G | 80 ГБ | Крупные LLM (30B+), обучение со смешанной точностью |
| NVIDIA A100 40G | 40 ГБ | Средние LLM (7B–13B), изображения высокого разрешения |
| NVIDIA V100 32G | 32 ГБ | Малые LLM (до 7B), изображения стандартного разрешения |
| NVIDIA A10 | 24 ГБ | Экономичное обучение малых моделей и LoRA |
Цены зависят от конкретного GPU-кластера (поставщика) и актуальной загрузки. Актуальная ставка всегда отображается в интерфейсе при создании задачи обучения.
Примеры оценки времени обучения
Точную стоимость обучения рассчитывает система при создании задачи — она зависит от выбранного GPU, объёма данных и текущих ставок поставщиков. Ниже приведены типичные сценарии для оценки времени, которое может потребоваться:
Пример 1: Обучение текстовой модели на 100 примерах
- Модель: Qwen3.5-27B (fine-tuning)
- GPU: NVIDIA A100 40G
- Данные: 100 диалогов в формате JSONL
- Ожидаемое время: ~2 часа
Пример 2: Обучение текстовой модели на 500 примерах
- Модель: DeepSeek-V3.1 (fine-tuning с LoRA)
- GPU: NVIDIA A100 80G
- Данные: 500 диалогов
- Ожидаемое время: ~4 часа
Пример 3: Стилевое обучение модели изображений
- Модель: FLUX.1-dev (fine-tuning)
- GPU: NVIDIA A100 40G
- Данные: 30 изображений + подписи
- Ожидаемое время: ~1.5 часа (1500 шагов)
От чего зависит стоимость
- Размер модели: чем больше параметров у базовой модели, тем больше GPU-памяти нужно и тем дольше обучение.
- Объём данных: больше примеров — дольше обучение.
- Количество эпох: каждая дополнительная эпоха увеличивает время пропорционально.
- Выбранный GPU: модели A100 дороже, но обучают быстрее, чем A10. Иногда быстрый и дорогой GPU оказывается экономичнее медленного и дешёвого (меньше часов).
- Метод обучения: LoRA (Low-Rank Adaptation) требует меньше памяти и времени, чем полный fine-tuning.
Как оплатить обучение
Обучение оплачивается из баланса вашего кошелька Arka AI. Перед запуском обучения убедитесь, что на балансе достаточно средств. Если баланс исчерпается во время обучения, задача может быть остановлена.
Подробнее о пополнении кошелька и управлении бюджетом читайте в разделе Биллинг.
Цены ориентировочные и могут изменяться. Следите за обновлениями платформы.