阿里云+智能ai+gpt

1.阿里 百度 腾讯分词 知识库。

阿里云(项目具体的费用预算展示,实际功能核算。)

向量智库

https://developer.aliyun.com/article/1234278?spm=5176.22133730.J_5253785160.2.79c57b5enFPauE

计费

https://help.aliyun.com/zh/open-search/vector-search-edition/billing-overview-of-vector-search-edition?spm=a2c4g.11186623.0.0.34f56495WL9Z0N
总费用 = 实例租用费用 + 查询节点费用 + 数据节点费用 + 单数据节点存储空间费用 + 索引存储费用 + 数据更新资源费用
0.58+0.000588+0.000415+0.67

实例租用费用 = 单价 * 小时

|------|------|
| 2核8G | 0.58 |

查询节点费用 = 单价 * 小时 * 查询节点个数
数据节点费用 = 单价 * 小时 * 数据节点个数
单数据节点存储空间费用 = (单数据节点存储总空间 - 单数据节点免费存储空间)* 单价 * 小时 * 数据节点个数
0.000588元/小时/GB
索引存储费用 = 单价 * 小时 * (索引大小 - 100)

|------------------------------------------|------|--------|----------|---------|
| 地域 | 计费项 | 免费存储额度 | 单价 | 单位 |
| 华东1(杭州)、华东2(上海)、华北2(北京)、华南1(深圳)、华北3(张家口) | 索引存储 | 100GB | 0.000415 | 元/小时/GB |

数据更新资源费用 = (总数据更新资源数量 - 免费数据更新资源数量) * 单价 * 小时

|------------------------------------------|--------|------|--------|
| 华东1(杭州)、华东2(上海)、华北2(北京)、华南1(深圳)、华北3(张家口) | 数据更新数量 | 0.67 | 元/小时/个 |

企业专属大模型

https://help.aliyun.com/zh/open-search/llm-intelligent-q-a-version/introduction-to-llm-intelligent-q-a-edition?spm=a2c4g.11186623.0.0.60a213ffBqGhxH

search

https://developer.aliyun.com/article/1247851?spm=5176.7946605.J_6302206100.2.34208651etsNJy

用户A购买了一个OpenSearch LLM智能问答版实例,购买时选择的存储容量为2GB。
在6-7时,用户A没有进行问答调用,没有消耗计算资源;
则6-7时的费用为:20.232 = 0.464元
在7-8时,用户A进行了100次调用,消耗计算资源10CU;
*则7-8时的费用为:2*0.232 + 10*0.53 = 5.764 元
在8-9时,用户A进行了1000次调用,消耗计算资源100CU;
*则8-9时的费用为:2*0.232 + 100*0.53 = 53.46 元

LLM智能问答版如何计费_智能开放搜索 OpenSearch(Open Search)-阿里云帮助中心
https://help.aliyun.com/zh/open-search/llm-intelligent-q-a-version/quick-start-1?spm=a2c4g.11186623.0.0.10cc13ffRkgT1T

腾讯云

不支持自定义知识库关联。

|------------|--------------|-------|
| 腾讯混元大模型标准版 | 每 1000 token | 0.01元 |
| 腾讯混元大模型高级版 | 每 1000 token | 0.10元 |

百度云

价格

1.输入输出的文字*模型价格 1000字*0.12
2.知识库 费用更低 计费方式相同

SparkAI

全开源源码4.5万

github

https://github.com/eosphoros-ai/DB-GPT/blob/main/README.zh.md db-gpt
本地配置要求较高,只能考虑云服务。

相关推荐
金木讲编程1 天前
用Function Calling让GPT查询数据库(含示例)
gpt·ai编程
Tech Synapse3 天前
打造企业级AI文案助手:GPT-J+Flask全栈开发实战
人工智能·gpt·flask
MonkeyKing_sunyuhua4 天前
2.2 主流大模型架构:GPT、DeepSeek、GLM、Claude、QwQ、Qwen2.5-Max等模型的比较与应用场景
gpt·架构
@PHARAOH5 天前
HOW - 如何模拟实现 gpt 展示答案的交互效果
gpt·交互
未来智慧谷6 天前
大模型工业化元年:GPT-5开启通用AI新纪元,中国技术如何破局?
人工智能·gpt
樱花穿过千岛湖6 天前
第六章:Multi-Backend Configuration
人工智能·python·gpt·学习·ai
量子位6 天前
北大团队引领 3D 生成与对齐革新:OctGPT 打破扩散模型垄断
人工智能·gpt·aigc
web守墓人8 天前
【gpt生成-其二】以go语言为例,详细讲解 并发模型:线程/协程/ Actor 实现
java·gpt·golang
剑客的茶馆8 天前
GPT,Genini, Claude Llama, DeepSeek,Qwen,Grok,选对LLM大模型真的可以事半功倍!
gpt·llm·llama·选择大模型