自定义DeepSeek-R1型号涉及几个成本组件，尤其是在Amazon Web Services(AWS)等平台上部署它们时。这是与自定义和部署DeepSeek-R1模型相关的成本的详细细分：
1。培训成本：与Chatgpt O1(例如O1)相比，DeepSeek-R1的初始培训成本明显降低。 DeepSeek-R1估计训练的成本在600万美元之间，比Chatgpt O1便宜16倍至33倍[3]。但是，这一成本是用于模型的初步开发和培训，而不是定制。
2。在AWS上进行自定义和部署：使用Amazon Bedrock的自定义模型导入功能自定义DeepSeek-R1模型时，需要考虑几项费用：
- 推理成本：这些基于活动模型副本的数量及其活动持续时间。每个自定义模型单元(CMU)的定价取决于架构和区域等因素。例如，每分钟每分钟的价格为0.0785美元[4]。
- 存储成本：每CMU每月存储成本，为$ 1.95 [4]。所需的CMU数量取决于模型的体系结构和上下文长度。
3。示例成本计算：对于需要2个CMU的DeepSeek-R1-Distill-Lalama-8b型号，如果该模型每天处于1个小时的活动状态，则每日推理成本约为9.42美元。一个月内，推理的总计为282.60美元，存储量为3.90美元，导致总估计每月成本为286.50美元[4]。
4。DeepSeek模型的按需定价：在AWS上，DeepSeek R-1(例如DeepSeek R-1)的按需定价为每1,000个输入令牌$ 0.00135，每1,000美元的输出代币$ 0.0054 [8]。该定价模型对于需要灵活使用而无需长期承诺的应用程序很有用。
总而言之，自定义DeepSeek-R1模型涉及与AWS等平台上的模型部署和用法相关的成本，并根据自定义模型单位进行了特定的推理和存储费用。该模型的初始培训成本明显低于可比模型，这使其成为AI应用程序的经济效率选择。
引用：
[1] https://api-docs.deepseek.com/quick_start/pricing
[2] https://www.together.ai/models/deepseek-r1
[3] https://www.creolestudios.com/deepseek-vs-chatgpt-cost-comparison/
[4] https://repost.aws/questions/QU-hcixrtFSaSoKH8GL-KogA/pricing-model-of-deepseek-r1-distilled-llama-models-with-amazon-bedrock-custom-model-import
[5] https://community.intel.com/t5/blogs/tech-innovation/Artaver--Intelligence-intelligence-ai/discover-the-power-the-power-the-power-of--deepseek-re-deepseek-r1-a-cost-cost-cost-cost-effeliced-eff--------------ai-model/post/1665557
[6] https://team-gpt.com/blog/deepseek-pricing/
[7] https://www.reddit.com/r/machinelearning/comments/1icfbll/d_deepseek_distillation_and_training_costs/
[8] https://aws.amazon.com/bedrock/pricing/