At køre DeepSeek-R1 på AWS og Azure involverer forskellige omkostningsstrukturer, primært fordi begge platforme tilbyder modellen gennem forskellige prismodeller.
AWS -prismodel:
- AWS giver brugerne mulighed for at få adgang til Deepseek-R1 ved at betale for de forbrugte computerressourcer snarere end pr. Token. Denne tilgang er i overensstemmelse med, hvordan open source AI-modeller typisk er prissat på AWS. Brugere kan tilpasse deres dybseek -implementering ved hjælp af Hugging Face -platformen, som giver fleksibilitet til virksomheder, der har brug for skala og tilpasning.
- Omkostningerne ved at køre DeepSeek-R1 på AWS afhænger af de specifikke serverkonfigurationer og brugsmønstre. For eksempel opkræver AWS op til $ 124 per time for en AI-optimeret server, som kan oversættes til betydelige månedlige omkostninger, hvis de bruges kontinuerligt.
Azure Prisfastsættelsesmodel:
- Azure giver også adgang til DeepSeek-R1 ved at opkræve den underliggende computerkraft, der er anvendt. Imidlertid kræver Azure ikke at leje dedikerede servere til DeepSeek, hvilket kan føre til variabel prisfastsættelse baseret på, hvor effektivt modellen køres.
- Fra de nylige opdateringer er Azures prisfastsættelse for DeepSeek-R1 ikke eksplicit anført i standardpriseregner, og brugerne rådes til at kontakte salgs- eller supportteamet for detaljerede prisoplysninger.
- Nogle rapporter antyder, at API-adgang til DeepSeek-R1 kan starte til en lav pris, såsom $ 0,14 pr. Million tokens, skønt dette muligvis ikke afspejler den standardprisstruktur for Azures computerressourcer.
Nøgleforskelle:
- Prisstruktur: Både AWS og Azure-opladning baseret på computerressourcer snarere end pr. Token for DeepSeek-R1. Imidlertid er specifikke pr. Token prisfastsættelse ikke standard på disse platforme, i modsætning til nogle andre udbydere.
- Tilpasning og fleksibilitet: AWS tilbyder mere fleksibilitet gennem integration med omfavnet ansigt til tilpasning, som muligvis appellerer til virksomheder, der har brug for skræddersyede AI -løsninger.
-Omkostningseffektivitet: DeepSeek-R1 er generelt placeret som et omkostningseffektivt alternativ til proprietære modeller, men de faktiske omkostninger på AWS og Azure afhænger stærkt af, hvor effektivt brugerne administrerer deres skyressourcer.
Sammenfattende, mens både AWS og Azure tilbyder DeepSeek-R1 med fokus på omkostningseffektivitet, afhænger de faktiske omkostningsforskelle stort set af, hvordan brugere administrerer deres skyressourcer og de specifikke serverkonfigurationer, de vælger.
Citater:
[1] https://prompt.16x.engineer/blog/deepseek-r1-cost-pricing-hastighed
[2] https://learn.microsoft.com/en-us/answers/questions/2152620/price-for-usage-of-deepseek-r1
)
)
[5] https://artificialanalysis.ai/models/deepseek-r1
[6] https://www.reddit.com/r/localllama/comments/1id5179/r1_is_now_on_azure_ai_serverless_great_news_if/
)
[8] https://www.byteplus.com/en/topic/385527
[9] https://iot-analytics.com/winners-losers-generative-i-value-chain/