大模型训练租用算力的价格

准备训模型的团队去问租卡报价，常拿到一堆计费名词：按卡时、按整机、按小时、包周包月，还有存储和带宽单算，报出来的数字看着不一样，其实口径不同。这篇不讲哪家便宜，只把租算力这笔账拆开：钱花在哪几块、哪些环节最容易白花钱、报价单上要问哪几个问题，让四五人的小团队也能自己算一遍。

准备训模型的团队去问租卡报价，常拿到一堆名词：按卡时、按整机、按小时、包周包月，还有存储和带宽单算。报出来的数字看着差很多，其实多数是口径不同，不是谁真的贵一倍。这篇不讲哪家便宜，只把租算力这笔账拆开：钱花在哪几块、哪些环节最容易白花钱、报价单上要问哪几个问题，让四五人的小团队也能自己算一遍。

看报价之前先记住一件事：租算力的价格不是一个数，是一组数。算力本体只是其中一块，存储、带宽、排队、返工、调试期占卡都在往里加钱。你最后付的总成本，往往比当初看到的单价高出一截，差距就出在这些没被写进海报的地方。想先看行业里各家当前挂出来的口径，到站内价格追踪页面核对当时的数字即可。

先分清计费单位：卡时、整机与时长档

第一件要确认的事，是对方按什么单位收钱。按卡时算，只计单张卡的占用时间；按整机算，会把那台机器上的 CPU、内存、本地盘、机内互联一起打包。同一批卡，这两种口径报出来的单价能差出一截，别直接横向比。

把总成本拆成四块，心里就有底了：算力本体、存储与数据搬运、网络与互联、软件与环境。前一块最显眼，后三块最容易被低估。很多团队预算只算了第一块，结果后三块加起来把总账推翻。

存储这块最容易失控。checkpoint 越写越频繁，盘上留的副本越积越多，写盘本身还要占训练时间。带宽则是多机训练的分水岭：机间带宽不够，卡越多等待越久，你付了卡钱却没拿到对应的吞吐。具体各家怎么标存储和流量的价，到站内价格追踪页面看当时的数字。

空转就是卡在转、钱在走、模型没进步。判断标准很简单：这段时间的卡占用，有没有换回对应的训练步数。换不回来，就是浪费。下面几个环节最常见，按顺序排查。

调试期别占贵卡先把数据管道、环境、并行配置在小卡或按量短租上跑通，确认能稳定出步数，再切到贵卡做正式训练；验证方式是看调试任务有没有把显存打满、步数有没有正常增长。
拉长 checkpoint 间隔按步数拉开写盘间隔，而不是按固定短时间写；验证方式是统计一次写盘耗时占总训练时长的比例，比例偏高就继续拉长。
核对并行度配比加卡之后盯住每秒步数有没有跟着涨，涨不动说明并行策略、批大小或通信没配好；验证方式是固定数据做一次小幅扩容对比。
提前确认排队与抢占正式开跑前问清排队策略、是否会被抢占、被抢占后能否续跑；验证方式是看有没有断点续训机制，以及被中断一次的重新启动成本。

这四条里，调试期占贵卡和多机并行度没配对，是四五人小团队最常踩的。前者浪费在开头，后者浪费在整段训练里。判断要不要优化，看一个指标：实际拿到的吞吐，跟你按卡数估算的吞吐差多少。

问报价不是砍价，是先把规则问清楚，避免结账时才发现多出几项。下面五个问题按顺序问，对方答得越具体，这笔账越可算。答得含糊的，不一定有问题，但你得把不确定性标出来。

按卡时算，是不是卡越多越划算？

不一定。卡时单价不变时，总价只跟占用时长挂钩，卡多加的是并行度不是折扣。真正要看的是吞吐有没有随卡数同步涨，涨不上去就是白付。建议先用小规模试出扩展曲线，再决定加不加卡。

训练任务断断续续，适合包周还是按时租？

看你的任务能不能连续跑满。能连续占用、且时长超过一个计费档，包时长通常比逐时便宜；如果是调试、断续验证、等数据的状态，按时或按分钟更省。判断标准是平均利用率，长期低于半开的占用，包时长基本亏。

除了卡本身，还有哪些隐藏成本要预留？

存储、跨区流量、公网出口、快照备份这几项在多数平台是单列的。训练越久、checkpoint 越多，存储费占比越高。做法是先看平台的计费说明页，把这几项按你的数据量和保存频率估一遍，别只按卡时报预算。