> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-zh/ru-men-zhi-nan/cost-calculator.md).

# 成本计算器

估算你在 Clore.ai 上的 AI 工作负载成本

估算您在 CLORE.AI 上的 AI 工作负载成本。

{% hint style="success" %}
价格为估算值。查看 [CLORE.AI 市场](https://clore.ai/marketplace) 以获取当前费率。
{% endhint %}

## 快速成本参考

### GPU 小时费率

| GPU              | 按需         | 现货（典型）     |
| ---------------- | ---------- | ---------- |
| RTX 3060 12GB    | $0.03-0.05 | $0.02-0.03 |
| RTX 3070 8GB     | $0.03-0.04 | $0.02-0.03 |
| RTX 3080 10GB    | $0.04-0.06 | $0.03-0.04 |
| RTX 3090 24GB    | $0.05-0.08 | $0.04-0.06 |
| RTX 4070 Ti 12GB | $0.05-0.07 | $0.03-0.05 |
| RTX 4080 16GB    | $0.07-0.10 | $0.05-0.07 |
| RTX 4090 24GB    | $0.10-0.15 | $0.07-0.10 |
| RTX 5090 32GB    | $0.15-0.20 | $0.10-0.15 |
| A100 40GB        | $0.15-0.22 | $0.12-0.17 |
| A100 80GB        | $0.22-0.35 | $0.18-0.25 |
| H100 80GB        | $0.45-0.70 | $0.35-0.50 |

***

## 按任务划分的成本

### 聊天/LLM 推理

**每生成 100 万个 token 的成本：**

| 模型大小    | GPU       | 速度（tok/s） | 成本/100 万 token |
| ------- | --------- | --------- | -------------- |
| 7B（Q4）  | RTX 3060  | 25        | $0.33          |
| 7B（Q4）  | RTX 3090  | 45        | $0.37          |
| 7B（Q4）  | RTX 4090  | 80        | $0.35          |
| 13B（Q4） | RTX 3090  | 30        | $0.56          |
| 13B（Q4） | RTX 4090  | 55        | $0.51          |
| 30B（Q4） | RTX 4090  | 25        | $1.11          |
| 70B（Q4） | A100 40GB | 25        | $1.89          |
| 70B（Q4） | A100 80GB | 35        | $1.98          |

**示例成本：**

* 聊天 1 小时（约 5 万 token）：$0.02-0.10
* 处理 100 份文档（100 万 token）：$0.33-2.00
* 运行聊天机器人 24 小时：$0.72-4.00

***

### 图像生成

**每 1000 张图片的成本：**

| 模型           | 分辨率       | GPU       | 每张图片时间 | 成本/1000 |
| ------------ | --------- | --------- | ------ | ------- |
| SD 1.5       | 512x512   | RTX 3060  | 4 秒    | $0.33   |
| SD 1.5       | 512x512   | RTX 3090  | 2 秒    | $0.28   |
| SD 1.5       | 512x512   | RTX 4090  | 1 秒    | $0.28   |
| SDXL         | 1024x1024 | RTX 3090  | 7 秒    | $0.97   |
| SDXL         | 1024x1024 | RTX 4090  | 3 秒    | $0.83   |
| FLUX schnell | 1024x1024 | RTX 4090  | 5 秒    | $1.39   |
| FLUX schnell | 1024x1024 | RTX 5090  | 3.5 秒  | $1.46   |
| FLUX dev     | 1024x1024 | RTX 4090  | 15 秒   | $4.17   |
| FLUX dev     | 1024x1024 | A100 40GB | 10 秒   | $4.72   |

**示例成本：**

* 生成 100 张 SDXL 图片：$0.08-0.10
* 生成 1000 张 SD 1.5 图片：$0.28-0.33
* 500 张 FLUX 图片批量：$0.70-2.40

***

### 视频生成

**每分钟视频的成本：**

| 模型          | 时长  | 分辨率      | GPU       | 时间     | 成本/分钟视频 |
| ----------- | --- | -------- | --------- | ------ | ------- |
| SVD         | 4 秒 | 576x1024 | RTX 4090  | 1.5 分钟 | $0.38   |
| SVD         | 4 秒 | 576x1024 | A100 40GB | 1 分钟   | $0.43   |
| AnimateDiff | 3 秒 | 512x512  | RTX 3090  | 2 分钟   | $0.53   |
| Wan2.1      | 5 秒 | 480p     | RTX 5090  | 2 分钟   | $0.80   |
| Wan2.1      | 5 秒 | 720p     | A100 40GB | 2 分钟   | $0.85   |
| Hunyuan     | 5 秒 | 720p     | A100 80GB | 5 分钟   | $3.13   |

**示例成本：**

* 1 分钟 SVD 片段：$0.38-0.50
* 5 分钟 AnimateDiff：$2.65
* 1 分钟 Hunyuan 视频：$3.00-4.00

***

### 音频处理

**每小时音频成本：**

| 任务   | 模型               | GPU      | 处理时间  | 音频成本/小时 |
| ---- | ---------------- | -------- | ----- | ------- |
| 转录   | Whisper large-v3 | RTX 3060 | 10分钟  | $0.05   |
| 转录   | Whisper large-v3 | RTX 4090 | 3 分钟  | $0.05   |
| TTS  | Bark             | RTX 3090 | 实时    | $0.06   |
| TTS  | XTTS             | RTX 3090 | 实时    | $0.06   |
| 音乐生成 | Stable Audio     | RTX 3090 | 2 倍实时 | $0.12   |

**示例成本：**

* 转录 10 小时播客：$0.50
* 生成 1 小时 TTS：$0.06
* 创建 30 分钟音乐：$0.06

***

### 模型训练

**常见训练任务的成本估算：**

| 任务           | 数据集     | GPU       | 时间       | 总成本        |
| ------------ | ------- | --------- | -------- | ---------- |
| LoRA 微调（7B）  | 1 万样本   | RTX 4090  | 2-4 小时   | $0.20-0.50 |
| LoRA 微调（13B） | 1 万样本   | A100 40GB | 3-6 小时   | $0.50-1.00 |
| 完整微调（7B）     | 5 万样本   | A100 80GB | 24-48 小时 | $5-12      |
| SD LoRA      | 100 张图片 | RTX 3090  | 1-2 小时   | $0.05-0.12 |
| DreamBooth   | 20 张图片  | RTX 4090  | 30-60 分钟 | $0.05-0.10 |

***

## 成本计算器

### LLM 推理计算器

```
要生成的 token 数：________
模型大小：7B / 13B / 30B / 70B
GPU 选择：________

公式：
时间（小时）= Token ÷（每秒 token 数 × 3600）
成本 = 时间 × 每小时费率

示例：A100 40GB 上 70B 的 100 万 token
时间 = 1,000,000 ÷（25 × 3600）= 11.1 小时
成本 = 11.1 × $0.17 = $1.89
```

### 图像生成计算器

```
图片数量：________
模型：SD 1.5 / SDXL / FLUX
GPU 选择：________

公式：
时间（小时）= 图片数 × 每张图片秒数 ÷ 3600
成本 = 时间 × 每小时费率

示例：RTX 4090 上生成 1000 张 SDXL 图片
时间 = 1000 × 3 ÷ 3600 = 0.83 小时
成本 = 0.83 × $0.10 = $0.083
```

### 视频生成计算器

```
视频长度（秒）：________
模型：SVD / AnimateDiff / Wan2.1
GPU 选择：________

公式：
所需片段数 = 总秒数 ÷ 片段长度
时间（小时）= 片段数 × 生成时间 ÷ 60
成本 = 时间 × 每小时费率

示例：RTX 4090 上使用 SVD（4 秒片段）生成 60 秒视频
片段数 = 60 ÷ 4 = 15 个片段
时间 = 15 × 1.5 ÷ 60 = 0.375 小时
成本 = 0.375 × $0.10 = $0.04
```

***

## 预算规划

### 小型项目（约 $5）

你可以做什么：

* 生成 5000+ 张 SD 1.5 图片
* 生成 500+ 张 SDXL 图片
* 处理 100+ 小时音频转录
* 运行 7B 聊天机器人 100+ 小时
* 训练 5+ 个 LoRA 模型

### 中型项目（约 $25）

你可以做什么：

* 生成 25,000+ 张 SDXL 图片
* 生成 5000+ 张 FLUX 图片
* 处理 500+ 小时音频
* 运行 70B 模型 100+ 小时
* 训练多个自定义模型
* 生成 30+ 分钟视频

### 大型项目（约 $100）

你可以做什么：

* 完整微调 7B 模型
* 生成 100,000+ 张图片
* 运行生产级 LLM API 一周
* 生成数小时视频内容
* 训练多个 DreamBooth 模型

***

## 成本优化技巧

### 1. 使用现货订单

在大约三分之一的服务器上，现货价格优于按需价格，中位数约便宜 13%：

* 非常适合批量任务
* 经常保存工作
* 避免用于时间敏感任务

### 2. 选择合适的 GPU 规格

不要为未使用的性能多付钱：

| 如果你需要……   | 不要使用     | 改用       |
| --------- | -------- | -------- |
| 7B 聊天     | A100     | RTX 3060 |
| SD 1.5 图片 | RTX 4090 | RTX 3060 |
| SDXL 图片   | A100     | RTX 3090 |
| 快速测试      | A100     | RTX 3060 |

### 3. 使用量化

降低 GPU 要求：

* Q4：显存减少 4 倍，质量略降
* Q8：显存减少 2 倍，质量损失极小
* AWQ/GPTQ：为推理优化

### 4. 批处理

用更少时间处理更多内容：

* 批量 API 请求
* 使用更大的批量大小
* 运行过夜任务

### 5. 预先下载模型

避免在下载时付费：

* 使用预加载模型的 Docker 镜像
* 将模型缓存到持久存储中
* 在开始付费订单前下载

***

## 对比：CLORE.AI vs 替代方案

### 对比云服务商（AWS、GCP、Azure）

| 因素           | CLORE.AI   | 云服务商        |
| ------------ | ---------- | ----------- |
| RTX 4090 每小时 | $0.14–0.42 | $1.50–3+    |
| 设置时间         | 分钟         | 小时          |
| 最低承诺         | 无          | 通常按小时       |
| 现货节省         | 提供时约 13%   | 60-90%，但很复杂 |

**CLORE.AI 的优势：** 对大多数 AI 工作负载来说便宜 10-20 倍。

### 对比 RunPod、Vast.ai

| 因素     | CLORE.AI | 其他 |
| ------ | -------- | -- |
| 价格     | 有竞争力     | 相似 |
| GPU 种类 | 丰富       | 丰富 |
| 现货订单   | 是        | 是  |
| 加密货币支付 | 是（原生支持）  | 有限 |

### 对比本地硬件

| 因素          | CLORE.AI | 本地 RTX 4090 |
| ----------- | -------- | ----------- |
| 前期成本        | $0       | $1,600+     |
| 每月（每天 8 小时） | \~$24    | \~$15（电费）   |
| 盈亏平衡        | -        | \~3 个月      |
| 灵活性         | 任何 GPU   | 一块 GPU      |
| 维护          | 无        | 你           |

**何时租用：** 测试、负载变化大、需要高端 GPU **何时购买：** 每天稳定使用，连续 3+ 个月每天 4+ 小时

***

## 真实世界示例

### 初创公司：AI 聊天机器人

**需求：** 70B 模型，每天 8 小时，30 天

```
GPU：A100 40GB
小时数：8 × 30 = 240 小时
成本：240 × $0.17 = $40.80/月

使用现货：约 $28/月
```

### 创作者：图像生成

**需求：** 每天 1000 张 SDXL 图片，30 天

```
GPU：RTX 4090
每天时间：1000 × 3 秒 = 50 分钟
每月小时：25 小时
成本：25 × $0.10 = $2.50/月
```

### 研究人员：模型训练

**需求：** 在 10 万样本上微调 13B 模型

```
GPU：A100 80GB
预计时间：48 小时
成本：48 × $0.25 = $12.00

使用现货：约 $8.00
```

### 代理机构：视频制作

**需求：** 每周 10 分钟 AI 视频

```
GPU：A100 40GB
每分钟耗时：约 5 分钟生成
每周：10 × 5 = 50 分钟
每月：200 分钟 = 3.3 小时
成本：3.3 × $0.17 = $0.56/周 = $2.24/月
```

***

## 下一步

* [GPU 对比](/guides/guides_v2-zh/ru-men-zhi-nan/gpu-comparison.md) - 详细 GPU 规格
* [模型兼容性](/guides/guides_v2-zh/ru-men-zhi-nan/model-compatibility.md) - 显存需求
* [快速入门指南](/guides/guides_v2-zh/quickstart.md) - 立即开始


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-zh/ru-men-zhi-nan/cost-calculator.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.