Qwen API — интерфейс вызова моделей Tongyi Qianwen, который предоставляет Alibaba Cloud Bailian (Alibaba Cloud Model Studio). Разработчики часто называют этот сервис DashScope — так именуется уровень API и SDK. Названий три, но логика счёта одна: оплата по фактическому расходу, вход и выход считаются отдельно.

Конкретных ставок в статье нет: версии моделей, ступени контекста и акции меняются. Объясняем, куда уходят деньги, почему длинный контекст легко выводит за бюджет, как использовать кэш и Batch и как оценить месяц по реальным логам. Актуальные цены — на странице цены на модели и на официальной странице тарифов Alibaba Cloud Bailian.

Примечание: Qwen, Tongyi Qianwen, Alibaba Cloud, Bailian, Model Studio и DashScope — товарные знаки соответствующих правообладателей. Статья носит технический характер и не подразумевает аффилированность или агентские отношения с Alibaba Cloud. Правила тарификации и цены могут меняться; перед заказом сверяйтесь с официальной документацией.

1. Сначала о названиях: Bailian, Model Studio и DashScope

Эти три названия часто путают, но они относятся к разным уровням:

  • Alibaba Cloud Bailian: китайская консоль и продуктовое название; здесь открывают модели, создают API-ключи, смотрят расход и счета.
  • Alibaba Cloud Model Studio: англоязычное название для международного сайта; возможности соответствуют Bailian, но регион и валюта расчётов могут отличаться.
  • DashScope: название уровня API и SDK; встречается в Base URL, переменной окружения DASHSCOPE_API_KEY и старой документации.

При вызове нужно проверить три вещи: регион (например, Пекин или Сингапур), Base URL и ID модели. Если они не совпадают, типичная ошибка — не «недостаточно средств», а сбой аутентификации или отсутствие модели.

2. Класс модели определяет верхнюю границу затрат

Текстовые модели Qwen обычно делятся на три класса; в 2026 году типичные представители — Qwen-Max, Qwen-Plus и Qwen-Flash:

Класс Пример ID модели Позиционирование Подходящие задачи Уровень затрат
Max qwen3.8-max Сложные рассуждения и многошаговые задачи Код, агенты, глубокий анализ Высокий
Plus qwen3.7-plus Баланс возможностей, скорости и цены Поддержка, тексты, работа с документами Средний
Flash qwen3.8-flash Низкая задержка и низкая стоимость Классификация, извлечение, переписывание, маршрутизация Низкий

ID моделей обновляются, поэтому не стоит намертво запоминать названия при закупке. Надёжнее связать «тип задачи» и «класс»: простые задачи по умолчанию Flash, повседневные — Plus, и только при реальной потребности в многошаговом рассуждении переходить на Max. Использование Max на всём сайте не обязательно даёт лучший результат, но счёт точно будет больше.

3. Единицы тарификации: вход, выход и мультимодальность

Текстовые модели тарифицируются раздельно по входным и выходным токенам; официальная таблица обычно показывает цену за миллион токенов. Стоимость одного запроса можно записать так:

Стоимость запроса =
   входные токены без попадания в кэш × ставка входа
+ токены попадания в кэш × ставка кэша
+ выходные токены × ставка выхода

Мультимодальность смотрите отдельно: генерация изображений часто тарифицируется по числу успешных изображений, речь — по длительности аудио, модели Omni и Realtime — отдельно по тексту, изображениям и аудио. Если смешать эти расходы с текстовым бюджетом, в конце месяца цифры не сойдутся.

Кроме того, переводческие модели вроде Qwen-MT-Uni тарифицируются только по входным токенам; у некоторых моделей в режиме размышления выходные токены считаются иначе, чем в обычном ответе. Для конкретной модели смотрите столбец «единица тарификации» в таблице цен и не применяйте к ней цену другой модели.

4. Длинный контекст: ступень применяется ко всему запросу

Это самый недооценённый момент в тарификации Qwen. Официальная таблица делит запросы по общему числу входных токенов; типичные ступени:

  • 0 < токенов ≤ 32K
  • 32K < токенов ≤ 128K
  • 128K < токенов ≤ 256K
  • 256K < токенов ≤ 1M

Ключевое — «ко всему запросу»: в какую ступень попадает запрос, по такой ставке считаются все его токены, включая выходные, а не так, что первые 32K идут по низкой цене, а превышение — по высокой. То есть рост входа с 31K до 33K может означать не доплату за 2K, а перевод всего запроса в другую ценовую ступень.

Поэтому длинный контекст нужно применять точечно. Работая с договорами, статьями или кодовой базой, задайте три вопроса: действительно ли нужен весь объём сразу? Можно ли сначала выполнить поиск, а затем собрать контекст? Можно ли обработать частями и суммировать? Многие задачи решаются схемой «поиск + резюме» намного дешевле, чем вставкой всего корпуса. Если длинный контекст действительно нужен, выбирайте модель с поддержкой соответствующей ступени и проверьте счёт на реальном запросе.

5. Кэш и Batch: экономят, но не складываются

Кэширование контекста даёт скидку только на входные токены. Оно бывает явным и неявным: явный кэш требует вручную создать точку кэширования, само создание может тарифицироваться выше стандартного входа, а попадание — по скидочной ставке; неявный кэш платформа распознаёт автоматически по повторяющемуся префиксу, у части моделей он включён по умолчанию. В официальных примерах создание кэша — около 125% стандартной ставки входа, попадание — около 10%, но у разных моделей пропорции отличаются; ориентируйтесь на документацию по кэшированию.

Batch подходит для офлайн-задач. Для поддерживаемых моделей при вызове через Batch ставки входа и выхода обычно считаются как 50% от цены онлайн-инференса; плата — более высокая задержка и необходимость оркестрации. Важно: скидка за кэш и скидка Batch обычно не действуют одновременно, не складывайте их в одной модели бюджета.

Попадание в кэш зависит от стабильности префикса. Если system prompt, описания инструментов и фрагменты базы знаний каждый раз идут в разном порядке, доля попаданий будет низкой. Стабильный контент — в начало, изменяемый — в конец; это базовая оптимизация.

6. Повторы, ошибки и скрытые затраты

Официальная страница тарификации указывает, что неудачные запросы не тарифицируются. Но «неудача» означает явный отказ сервера, а не новый запрос после клиентского тайм-аута. Повтор после тайм-аута, повторные нажатия пользователя и повторное чтение из очереди создают новые тарифицируемые запросы.

Повторы при ограничении частоты и ошибках 5xx должны быть сдержанными: повторяйте только ошибки, допускающие повтор, используйте экспоненциальную задержку, задавайте лимит попыток и делайте идемпотентность по request ID. Тарифицируется ли уже сгенерированная часть при обрыве потока — смотрите в счёте и официальных разъяснениях; не превращайте «неудача бесплатна» в повод для бесконечных повторов.

Есть и ещё одна часто забываемая статья: труд, вложенный в экономию на вызовах. Логи, мониторинг, оценка качества и ручная проверка — тоже затраты. Снижать стоимость нужно по совокупной величине, а не только по ставке.

7. Оценка месячного бюджета по реальным логам

Не оценивайте бюджет на глаз. Действуйте по порядку:

  1. Выгрузите из шлюза или панели Bailian логи запросов за последние 7 дней: как минимум ID модели, входные токены, выходные токены, попадание в кэш и признак Batch.
  2. Сгруппируйте по модели и ступени контекста, посчитайте число запросов и среднее число токенов в каждой группе.
  3. Подставьте текущие ставки со страницы цен; помните, что для длинного контекста ступень применяется ко всему запросу.
  4. Умножьте на 30 дней и добавьте 10–20% запаса на повторы и колебания.
  5. Раз в месяц пересматривайте оценку, а после обновления модели или промптов считайте заново.

Если команда использует несколько моделей, после регистрации в ZSQH AI Gateway можно смотреть баланс и расход в одном месте; конкретные ставки по-прежнему на странице цены на модели.

8. Порядок снижения затрат

По соотношению усилий и результата порядок обычно такой:

  1. Сначала измерьте: без логов на уровне запросов любая оптимизация — догадка.
  2. Выберите правильный класс: простые задачи переведите на Flash, не используйте Max для классификации.
  3. Сожмите вход: поиск, резюме и обрезка истории эффективнее смены модели.
  4. Ограничьте выход: задайте max_tokens, требуйте структурированный вывод.
  5. Стабилизируйте префикс: повышайте долю попаданий в кэш, но сначала уточните стоимость создания кэша.
  6. Офлайн — в Batch: разметка, суммирование и очистка не спешат, им подходит Batch.
  7. Контролируйте повторы: задержка, идемпотентность, дедупликация — не позволяйте одному сбою удвоить счёт.
  8. Настройте оповещения о бюджете: отдельные пороги по проекту, ключу и модели.

9. Частые вопросы

Как связаны Qwen API, Bailian и DashScope?

Bailian — платформа больших моделей Alibaba Cloud, Model Studio — её название на международном сайте, DashScope — название уровня API и SDK. Когда говорят «вызываю Qwen API», обычно имеют в виду вызов модели через совместимый с DashScope интерфейс Bailian или через интерфейс, совместимый с OpenAI.

Почему длинный контекст удорожает весь запрос?

Потому что ценовая ступень определяется общим числом входных токенов запроса; попав в высокую ступень, весь вход и выход считаются по её ставке, а не только превышение. Разбиение входа 33K на два запроса по 16K может оказаться дешевле одного запроса 33K, но сначала проверьте, не потеряется ли качество.

Можно ли использовать кэш и Batch одновременно?

Обычно скидки не складываются. Официальная страница цен указывает, что это взаимоисключающие варианты. Для офлайн-задач приоритет у Batch, для онлайн-задач с высокой частотой и стабильным префиксом — у кэша.

Тарифицируются ли неудачные запросы?

Официально указано, что неудачные запросы не тарифицируются. Но повтор после клиентского тайм-аута, повторная отправка и продолжение после обрыва потока могут создавать новые тарифицируемые запросы. Различайте «повтор» и «новый запрос» с помощью request ID и ключей идемпотентности.

Почему счёт в панели не совпадает с локальной оценкой?

Частые причины: не учтена ступень контекста, не учтена стоимость создания кэша, скидки Batch и кэша сложены, повторы не включены. Сверяйтесь по полю usage и request ID — обычно расхождение удаётся привязать к конкретному запросу.

Следующий шаг

Сначала выгрузите реальный расход за последнюю неделю, сгруппируйте по модели и ступени и подставьте текущие цены. Если нужны пополнение в юанях и единый обзор расхода нескольких моделей, зарегистрируйтесь в ZSQH AI Gateway; конкретные цены — на странице цены на модели.

Что читать дальше: