產品價目表
☑ 付費方案多元 ☑ 無需預付 ☑ 無終止費用
版次:20250425v1.0
經銷商招募中!
若有意願成為台智雲經銷商,請洽專人服務 sales@twsc.io。
若有意願成為台智雲經銷商,請洽專人服務 sales@twsc.io。
以秒計費
⁕ 試算範例
容器 c.super 使用時間為 11 小時 35 分 10 秒 = 41710 秒 = 11.5861 小時,隨需方案的定價為 58 元/時,則費用是 11.5861*58 = 671.9938,共 672 元 (四捨五入進位至元)。
注意事項
AFS 服務 (AI Foundry Service, AFS)
AFS ModelSpace
公用模式 Public Mode
| |||
基礎模型系列⁕ | 型號 (Input / Output) | 定價⁕⁕ (千 Token) | |
Llama3.3-FFM | AFS.MS.inp.Llama3.3-FFM-70B-32K | 0.030 | |
AFS.MS.otp.Llama3.3-FFM-70B-32K | |||
Llama3.2-FFM | AFS.MS.inp.Llama3.2-FFM-11B-V-32K⁕⁕⁕⁕ | 0.010 | |
AFS.MS.otp.Llama3.2-FFM-11B-V-32K | |||
Llama3.1-FFM | AFS.MS.inp.Llama3.1-FFM-70B-32K | 0.030 | |
AFS.MS.otp.Llama3.1-FFM-70B-32K | |||
AFS.MS.inp.Llama3.1-FFM-8B-32K | 0.005 | ||
AFS.MS.otp.Llama3.1-FFM-8B-32K | |||
FFM-embedding-v2.1 | AFS.MS.inp.FFM-embedding-v2.1⁕⁕⁕ | 0.002 | |
FFM-embedding-v2 | AFS.MS.inp.FFM-embedding-v2⁕⁕⁕ | 0.002 | |
TAIDE | AFS.MS.inp.TAIDE-LX-7B | 0.005 | |
AFS.MS.otp.TAIDE-LX-7B | |||
Meta-Llama3.3 | AFS.MS.inp.Meta-Llama3.3-70B-Inst-32K | 0.030 | |
AFS.MS.otp.Meta-Llama3.3-70B-Inst-32K | |||
Qwen2.5-coder | AFS.MS.inp.Qwen25-Coder-7B-32K | 0.005 | |
AFS.MS.otp.Qwen25-Coder-7B-32K | |||
Jina-embeddings-v2 | AFS.MS.inp.JINA-embeddings-v2-base-code⁕⁕⁕ | 0.002 | |
BAAI-bge-reranker | AFS.MS.inp.bge-reranker-v2-m3⁕⁕⁕ | 0.002 |
信息
⁕模型名中有 FFM 之模型代表具台灣繁中加強之模型新權重。
⁕⁕公用模式以使用 Token 數計價,計價單位為千 Token ,未滿 1 千 Token 時以 1 千 Token 計算。
⁕⁕⁕模型輸出入 token 使用量將合併於 input 商品計量計費。
⁕⁕⁕⁕視覺語言模型 input token 包含圖片檔轉換的token數,轉換公式與規則請見視覺語言模型 Token 計算方式。
⁕⁕公用模式以使用 Token 數計價,計價單位為千 Token ,未滿 1 千 Token 時以 1 千 Token 計算。
⁕⁕⁕模型輸出入 token 使用量將合併於 input 商品計量計費。
⁕⁕⁕⁕視覺語言模型 input token 包含圖片檔轉換的token數,轉換公式與規則請見視覺語言模型 Token 計算方式。
私有模式 Private Mode
基礎模型系列⁕ | 型號 | 定價⁕⁕ (小時) |
Llama3.3-FFM | AFS.MS.Llama3.3-FFM-70B-32K | 270.00 |
Llama3.1-FFM | AFS.MS.Llama3.1-FFM-70B-32K | 270.00 |
AFS.MS.Llama3.1-FFM-8B-32K | 58.00 | |
Llama3-FFM | AFS.MS.Llama3-FFM-70B | 270.00 |
AFS.MS.Llama3-FFM-8B | 58.00 | |
FFM-Mistral | AFS.MS.FFM-Mixtral-8x7B | 270.00 |
AFS.MS.FFM-Mistral-7B | 140.00 | |
AFS.MS.FFM-Mistral-7B-4K | 58.00 | |
FFM-Llama2-v2 | AFS.MS.FFM-Llama2-v2-70B | 265.00 |
AFS.MS.FFM-Llama2-v2-13B | 85.00 | |
AFS.MS.FFM-Llama2-v2-7B | 55.00 | |
FFM-Llama2 | AFS.MS.FFM-Llama2-70B | 260.00 |
AFS.MS.FFM-Llama2-13B | 80.00 | |
AFS.MS.FFM-Llama2-7B | 50.00 | |
FFM-embedding-v2.1 | AFS.MS.FFM-embedding-v2.1 | 55.00 |
FFM-embedding-v2 | AFS.MS.FFM-embedding-v2 | 55.00 |
FFM-embedding | AFS.MS.FFM-embedding | 50.00 |
TAIDE | AFS.MS.TAIDE-LX-7B | 55.00 |
Meta-Llama3.3 | AFS.MS.Meta-Llama3.3-70B-Inst-32K | 270.00 |
Meta-Llama3.1 | AFS.MS.Meta-Llama3.1-70B-32K | 270.00 |
AFS.MS.Meta-Llama3.1-8B-32K | 58.00 | |
Meta-CodeLlama | AFS.MS.Meta-CodeLlama-34B-8K | 260.00 |
AFS.MS.Meta-CodeLlama-13B-8K | 160.00 | |
AFS.MS.Meta-CodeLlama-7B-8K | 100.00 | |
Meta-Llama2 | AFS.MS.Meta-Llama2-70B | 260.00 |
AFS.MS.Meta-Llama2-13B | 80.00 | |
AFS.MS.Meta-Llama2-7B | 50.00 | |
Qwen2.5-coder | AFS.MS.Qwen25-Coder-7B-32K | 50.00 |
Jina-embeddings-v2 | AFS.MS.JINA-embeddings-v2-base-code | 50.00 |
BAAI-bge-reranker | AFS.MS.bge-reranker-v2-m3 | 50.00 |
信息
⁕模型名中有 FFM 之模型為台灣繁中加強之模型新權重。
AFS Platform
| ||||
優化策略 | 基礎模型系列⁕ | 型號 | 優化效能⁕⁕⁕(百萬 Tokens/小時) | 定價 (小時) |
全參數優化 | Llama3.1-FFM | AFS.plt.Llama3.1-FFM-70B.2M | 2 | 20,000.00 |
AFS.plt.Llama3.1-FFM-8B.15M | 15 | 2,500.00 | ||
Llama3-FFM | AFS.plt.Llama3-FFM-70B.22M | 22 | 20,000.00 | |
AFS.plt.Llama3-FFM-8B.26M | 26 | 2,500.00 | ||
FFM-Mistral | AFS.plt.FFM-Mixtral-8x7B.19M | 19 | 20,000.00 | |
AFS.plt.FFM-Mistral-7B.26M | 26 | 2,500.00 | ||
FFM-Llama2-v2 | AFS.plt.FFM-Llama2-v2-70B.12M | 12 | 10,000.00 | |
AFS.plt.FFM-Llama2-v2-13B.21M | 21 | 5,000.00 | ||
AFS.plt.FFM-Llama2-v2-7B.24M | 24 | 2,500.00 | ||
FFM-Llama2⁕⁕ | AFS.plt.FFM-Llama2-70B.12M | 12 | 10,000.00 | |
AFS.plt.FFM-Llama2-13B.21M | 21 | 5,000.00 | ||
AFS.plt.FFM-Llama2-7B.24M | 24 | 2,500.00 | ||
Meta-Llama2⁕⁕ | AFS.plt.Meta-Llama2-70B.12M | 12 | 10,000.00 | |
AFS.plt.Meta-Llama2-13B.21M | 21 | 5,000.00 | ||
AFS.plt.Meta-Llama2-7B.24M | 24 | 2,500.00 | ||
LoRA 優化 | Llama3.1-FFM | AFS.plt.Llama3.1-FFM-LoRA-70B.2M | 2 | 20,000.00 |
AFS.plt.Llama3.1-FFM-LoRA-8B.15M | 15 | 2,500.00 | ||
Llama3-FFM | AFS.plt.Llama3-FFM-LoRA-70B.10M | 10 | 10,000.00 | |
AFS.plt.Llama3-FFM-LoRA-8B.23M | 23 | 2,500.00 | ||
FFM-Mistral | AFS.plt.FFM-Mixtral-LoRA-8x7B.30M | 30 | 20,000.00 | |
AFS.plt.FFM-Mistral-LoRA-7B.35M | 35 | 2,500.00 | ||
FFM-Llama2-v2 | AFS.plt.FFM-Llama2-v2-LoRA-70B.16M | 16 | 10,000.00 | |
AFS.plt.FFM-Llama2-v2-LoRA-13B.29M | 29 | 5,000.00 | ||
AFS.plt.FFM-Llama2-v2-LoRA-7B.31M | 31 | 2,500.00 | ||
FFM-Llama2 | AFS.plt.FFM-Llama2-LoRA-70B.16M | 16 | 10,000.00 | |
AFS.plt.FFM-Llama2-LoRA-13B.29M | 29 | 5,000.00 | ||
AFS.plt.FFM-Llama2-LoRA-7B.31M | 31 | 2,500.00 | ||
Meta-Llama2 | AFS.plt.Meta-Llama2-LoRA-70B.16M | 16 | 10,000.00 | |
AFS.plt.Meta-Llama2-LoRA-13B.29M | 29 | 5,000.00 | ||
AFS.plt.Meta-Llama2-LoRA-7B.31M | 31 | 2,500.00 |
信息
⁕模型名中有 FFM 之模型為台灣繁中加強後之新權重版本。
⁕⁕Token 數量依模型類別有差異。Meta-Llama2 系列與 FFM-Llama2 系列模型提升表現為 1 個中文字約 2 個 token,其他模型為 1 個中文字約 1 個 token。
⁕⁕⁕效能以完成 2 個 epoch 為計算基準。
⁕⁕⁕⁕AFS Platform 執行訓練任務時,會產生暫存檔並儲存於高速檔案系統 (HFS),訓練完成後該暫存檔會自動刪除。 當暫存檔大於 100G 時可能產生費用,高速檔案系統收費方式請參考價目表。
⁕⁕Token 數量依模型類別有差異。Meta-Llama2 系列與 FFM-Llama2 系列模型提升表現為 1 個中文字約 2 個 token,其他模型為 1 個中文字約 1 個 token。
⁕⁕⁕效能以完成 2 個 epoch 為計算基準。
⁕⁕⁕⁕AFS Platform 執行訓練任務時,會產生暫存檔並儲存於高速檔案系統 (HFS),訓練完成後該暫存檔會自動刪除。 當暫存檔大於 100G 時可能產生費用,高速檔案系統收費方式請參考價目表。
AFS Cloud
| ||
基礎模型系列⁕ | 型號 | 定價 (小時) |
Llama3.1-FFM | AFS.cld.Llama3-FFM-70B.ft | 270.00 |
AFS.cld.Llama3.1-FFM-8B.ft | 58.00 | |
Llama3-FFM | AFS.cld.Llama3-FFM-70B.ft | 270.00 |
AFS.cld.Llama3-FFM-8B.ft | 58.00 | |
FFM-Mistral | AFS.cld.FFM-Mixtral-8x7B.ft | 270.00 |
AFS.cld.FFM-Mistral-7B.ft | 140.00 | |
FFM-Llama2-v2 | AFS.cld.FFM-Llama2-v2-70B.ft | 265.00 |
AFS.cld.FFM-Llama2-v2-13B.ft | 85.00 | |
AFS.cld.FFM-Llama2-v2-7B.ft | 55.00 | |
FFM-Llama2 | AFS.cld.FFM-Llama2-70B.ft | 260.00 |
AFS.cld.FFM-Llama2-13B.ft | 80.00 | |
AFS.cld.FFM-Llama2-7B.ft | 50.00 | |
Meta-Llama2 | AFS.cld.Meta-Llama2-70B.ft | 260.00 |
AFS.cld.Meta-Llama2-13B.ft | 80.00 | |
AFS.cld.Meta-Llama2-7B.ft | 50.00 |
信息
⁕模型名中有 FFM 之模型為台灣繁中加強後之該模型新權重版本。
企業大腦算力優惠方案
| ||||
方案名稱 | 約期 | 優惠總價 (萬) | 年繳費用 (萬) | 可抵用總算力金額 (萬) |
企業大腦 95 方案 | 一年 | 95 | 95 | 109 |
三年 | 285 | 95 | 342 | |
企業大腦 150 方案 | 一年 | 150 | 150 | 180 |
三年 | 450 | 150 | 570 | |
企業大腦 250 方案 | 一年 | 250 | 250 | 330 |
三年 | 750 | 250 | 1050 |
人工智慧:OneAI
類型 | OneAI型號 | 規格 | 單位 | 定價 | |||
訂閱 | oai.subscription | 按周期計價 | 每月 | ⁕1000.00 | |||
儲存 | oai.storage | 標準儲存 | 每GB月 | 1.20 | |||
服務 | oai.annot | 標準標註服務 | 每小時 | 7.00 | |||
服務 | oai.ibs.cstd | 標準映像檔產生器服務-CPU | 每小時 | 8.35 | |||
服務 | oai.ibs.gstd | 標準映像檔產生器服務-GPU | 每小時 | 20.00 | |||
類型 | OneAI型號 | GPU V100 (張) | CPU | 記憶體 (GB) | 共享記憶體 (GB) | 定價 (小時) | |
訓練 | oai.train1v | 1 | 4 | 90 | - | 58.00 | |
oai.train2v | 2 | 8 | 180 | - | 116.00 | ||
oai.train4v | 4 | 16 | 360 | - | 232.00 | ||
oai.train8v | 8 | 32 | 720 | - | 464.00 | ||
oai.mtrain1v | 1 | 4 | 60 | 30 | 58.00 | ||
oai.mtrain2v | 2 | 8 | 120 | 60 | 116.00 | ||
oai.mtrain4v | 4 | 16 | 240 | 120 | 232.00 | ||
oai.mtrain8v | 8 | 32 | 480 | 240 | 464.00 | ||
oai.m1train8v | 8 | 32 | 360 | 360 | 464.00 | ||
類型 | OneAI型號 | GPU T4 (張) | vCPU | 記憶體 (GB) | 定價 (小時) | ||
計算 (通用) | oai.comp.c2m4 | - | 2 | 4 | 2.05 | ||
oai.comp.c4m8 | - | 4 | 8 | 4.10 | |||
oai.comp.c8m16 | - | 8 | 16 | 8.20 | |||
oai.comp.c4m16 | - | 4 | 16 | 5.00 | |||
oai.comp.c8m32 | - | 8 | 32 | 10.00 | |||
oai.comp.c16m64 | - | 16 | 64 | 20.00 | |||
oai.comp.c4m64gt1 | 1 | 4 | 64 | 16.00 | |||
oai.comp.c8m64gt1 | 1 | 8 | 64 | 21.00 | |||
oai.comp.c8m128gt2 | 2 | 8 | 128 | 30.00 |
信息
⁕ 訂閱費用豁免至 2023/12/31 止。
資料信任服務 (T-Proof)
| |||
服務類別 | 型號 | 規格 | 定價 (每次) |
存證服務 (Notarization) | tpf.notarize.std | 標準 | 5.00 |
驗證服務 (Verification) | tpf.verify.std | 標準 | 0.00⁕ |
取證服務 (Retrieval) | tpf.retrieve.std | 標準 | 0.00⁕ |
信息
⁕驗證、取證服務優惠價格至 2024/12/31 止。
運算服務
虛擬運算服務 (Virtual Compute Service, VCS)
| ||||||||||
CPU 個體系列 | 個體型號 | GPU (張) | vCPU | 記憶體 (GB) | HDD (GB) | (小時) | ||||
Linux⁕ | Windows Server♣ | SQL Server Web♥ | ||||||||
v系列 | v.super | - | 2 | 16 | 100 | 3.00 | 4.70 | 6.88 | ||
v.xsuper | - | 4 | 32 | 6.00 | 7.85 | 13.75 | ||||
v.2xsuper | - | 8 | 64 | 12.00 | 15.70 | 27.50 | ||||
v.4xsuper | - | 16 | 128 | 24.00 | 31.40 | 55.00 | ||||
v.8xsuper | - | 32 | 256 | 48.00 | 62.80 | 110.00 | ||||
v.12xsuper | - | 48 | 320 | 100 | 61.68 | |||||
v.ws.12xsuper⁕ | - | 48 | 320 | 100 | 68.26 | |||||
vgv.xsuper⁕ | 1 | 8 | 90 | 100 | 85(NCHC) | |||||
vgv.2xsuper⁕ | 2 | 16 | 180 | 100 | 167(NCHC) | |||||
vgv.4xsuper⁕ | 4 | 32 | 360 | 100 | 331(NCHC) | |||||
vgv.8xsuper⁕ | 8 | 64 | 720 | 100 | 659(NCHC) | |||||
v1系列 | v1.super | 2 | 2 | 100 | 1.90 | 3.05 | 5.06 | |||
v1.xsuper | 4 | 4 | 3.80 | 6.10 | 10.12 | |||||
v1.2xsuper | 8 | 8 | 7.60 | 12.20 | 20.24 | |||||
v1.4xsuper | 16 | 16 | 15.20 | 24.40 | 40.48 | |||||
v1.8xsuper | 32 | 32 | 30.40 | 48.80 | 80.96 | |||||
v2系列 | v2.super | 2 | 4 | 100 | 2.05 | 3.22 | 5.28 | |||
v2.xsuper | 4 | 8 | 4.10 | 6.33 | 10.56 | |||||
v2.2xsuper | 8 | 16 | 8.20 | 12.65 | 21.12 | |||||
v2.4xsuper | 16 | 32 | 16.40 | 25.30 | 42.24 | |||||
v2.8xsuper | 32 | 64 | 32.80 | 50.60 | 84.48 | |||||
v4系列 | v4.super | 2 | 8 | 100 | 2.40 | 3.52 | 5.67 | |||
v4.xsuper | 4 | 16 | 4.80 | 7.05 | 11.33 | |||||
v4.2xsuper | 8 | 32 | 9.60 | 14.10 | 22.66 | |||||
v4.4xsuper | 16 | 64 | 19.20 | 28.20 | 45.32 | |||||
v4.8xsuper | 32 | 128 | 38.40 | 56.40 | 90.64 | |||||
GPU 個體系列 | 個體型號 | GPU (張) | GPU 型號 | vCPU | 記憶體 (GB) | (小時) | ||||
Linux⁕ | Windows Server♣ | |||||||||
vgv系列 | vgv.xsuper | 1 | NVIDIA Tesla V100/32GB | 8 | 90 | 70.00 | 73.00 | |||
vgv.2xsuper | 2 | 16 | 180 | 140.00 | 146.00 | |||||
vgv.4xsuper | 4 | 32 | 360 | 280.00 | 292.00 | |||||
vgv.8xsuper | 8 | 64 | 720 | 560.00 | 584.00 | |||||
vgt系列(特供)♠ | vgt.xsuper | 1 | NVIDIA T4/16GB | 8 | 90 | 20.00 | 23.00 | |||
vgt.2xsuper | 2 | 16 | 180 | 40.00 | 46.00 | |||||
vgt.4xsuper | 4 | 32 | 360 | 80.00 | 92.00 | |||||
vgt.8xsuper | 8 | 64 | 720 | 160.00 | 184.00 | |||||
vgah系列(特供)♠ | vgah.xsuper | 1 | NVIDIA A100/40GB SXM | 30 | 120 | 97.00 | N/A | |||
vgah.2xsuper | 2 | 60 | 240 | 194.00 | N/A | |||||
vgah.4xsuper | 4 | 120 | 480 | 388.00 | N/A | |||||
vgah.8xsuper | 8 | 240 | 960 | 776.00 | N/A | |||||
vga1系列♦ | vga1.8xsuper | 8 | NVIDIA A100/40GB SXM | 240 | 960 | 1010.00 | N/A |
:::info⁕GPU 加速運算個體:提供專門處理圖形任務的 GPU 核心,能快速完成大量運算。
如何取得 GPU 資源? 請參考 FAQ-資源監控與配置-Q4 之說明。 :::
信息
⁕ 提供 Ubuntu、CentOS、Rocky Linux 作業系統。
♣ 附帶微軟 Windows Server 標準版授權。
♥ 附帶微軟 Windows Server 標準版以及 SQL Server Web 版授權。
♦ vga1 系列配備隨機 11TB SSD 空間,且非隨需供應商品。如有需求請洽 sales@twsc.io。
♠ vgt/vgah 系列為特別供應商品,如欲使用,請洽 sales@twsc.io 申請。
♣ 附帶微軟 Windows Server 標準版授權。
♥ 附帶微軟 Windows Server 標準版以及 SQL Server Web 版授權。
♦ vga1 系列配備隨機 11TB SSD 空間,且非隨需供應商品。如有需求請洽 sales@twsc.io。
♠ vgt/vgah 系列為特別供應商品,如欲使用,請洽 sales@twsc.io 申請。
虛擬 K8s 服務 (Virtual K8s Service, VKS)
| ||
運算資源 | 型號 | 定價 (小時) |
叢集服務 | VKS.base.std | 2.60 |
v系列 | VKS.v系列 | 同 VCS v系列 |
v1系列 | VKS.v1系列 | 同VCS v1系列 |
v2系列 | VKS.v2系列 | 同VCS v2系列 |
v4系列 | VKS.v4系列 | 同VCS v4系列 |
vgv系列 | VKS.vgv系列 | 同VCS vgv系列 |
聯網與資安 | 型號 | 定價 |
Network Flow (NFL) | NetFlow_CHF_out | 3.00 /GB |
Elastic IP (EIP) | sip.renstatic | 100.00 /IP-month |
sip.entstatic | 100.00 /IP-month | |
負載平衡 | 型號 | 定價 (小時) |
Virtual K8s Service(VKS) | VKS.lbs.basic | 0.60 |
儲存資源 | 型號 | 定價 |
Virtual K8s Service(VKS) | VKS.hdd.std | 1.20 /GB-month |
Virtual K8s Service(VKS) | VKS.ssd.std | 2.60 /GB-month |
信息
運算節點提供 Ubuntu 作業系統。
雲端電腦 (Cloud PC, CPC)
| |||||
個體系列 | 個體型號 | vCPU | 記憶體 (GB) | 定價 (小時) | |
cpc 系列 | cpc.c2m4 | 2 | 4 | 2.5 |
容器運算服務 (Container Compute Service, CCS)
| |||||||
容器類別 | 容器型號 | GPU (張) | CPU (實體核心) | 記憶體 (GB)⁕ | 共享記憶體 (GB)⁕ | 定價 (小時) | |
標準AI容器 | c.super | 1 | 4 | 90 | - | 58.00 | |
c.xsuper | 2 | 8 | 180 | - | 116.00 | ||
c.2xsuper | 4 | 16 | 360 | - | 232.00 | ||
c.4xsuper | 8 | 32 | 720 | - | 464.00 | ||
c.8xsuper | 16 | 64 | 1440 | - | 928.00 | ||
記憶體優化容器 | cm.super | 1 | 4 | 60 | 30 | 58.00 | |
cm.xsuper | 2 | 8 | 120 | 60 | 116.00 | ||
cm.2xsuper | 4 | 16 | 240 | 120 | 232.00 | ||
cm.4xsuper | 8 | 32 | 480 | 240 | 464.00 | ||
cm1.4xsuper | 8 | 32 | 360 | 360 | 464.00 |
信息
高速運算服務 (High-performance Computing, HPC)
| |||||||
服務類型 | 任務型號 | GPU (張) | CPU (實體核心) | 記憶體 (GB) | 定價 (小時) | ||
高速運算任務 | h.super | 1 | 4 | 90 | 58.00 | ||
h.xsuper | 2 | 8 | 180 | 116.00 | |||
h.2xsuper | 4 | 16 | 360 | 232.00 | |||
h.4xsuper | 8 | 32 | 720 | 464.00 | |||
台灣杉二號 (命令列介面) | hpc_cli | - | - | - | 58.00 (每GPU小時) |
信息
⁕可彈性自訂 GPU 數量,其餘資源按 1 GPU : 4 CPU : 90 GB 記憶體之比例分配
例:指定使用 18 個 GPU,可以取得 18 GPU:72 CPU:1620 GB 記憶體,並以每小時 1,044(58.00*18) 元計費。
⁕可用記憶體容量若以 GiB (1 GiB = 230 bytes) 為計算單位,以 h.super 為例,則可用記憶體容量為 84 GiB,請參考記憶體容量換算了解更多。
例:指定使用 18 個 GPU,可以取得 18 GPU:72 CPU:1620 GB 記憶體,並以每小時 1,044(58.00*18) 元計費。
⁕可用記憶體容量若以 GiB (1 GiB = 230 bytes) 為計算單位,以 h.super 為例,則可用記憶體容量為 84 GiB,請參考記憶體容量換算了解更多。
儲存服務
雲端物件儲存 (Cloud Object Storage, COS)
| ||||||||
規格 | 定價 (GB-月) | |||||||
標準物件儲存 | 0.60 |
虛擬磁碟服務 (Virtual Disk Service, VDS)
| ||||||||
硬碟類型 | 規格 | 定價 (GB-月) | ||||||
固態硬碟 (SSD) | 標準 | 2.60 | ||||||
硬碟 (HDD) | 標準 | 1.20 | ||||||
映像檔靜態儲存⁕⁕ | 基本 | 0.60 |
信息
⁕ 系統磁碟提供 100 GB 不計費優惠。
⁕⁕ VCS 映像檔靜態儲存商品項目。(工作區使用「硬碟 HDD」項目)
⁕⁕ VCS 映像檔靜態儲存商品項目。(工作區使用「硬碟 HDD」項目)
高速檔案系統 (Hyper File System, HFS)
| |||||||
儲存空間 | 定價 (GB) | ||||||
標準 | 4.00 |
雲端檔案服務 (Cloud File Service, CFS)
| |||||
類型 | 項目 | 型號 | 規格 | 單位 | 定價 |
儲存 | 熱儲存 | cfs.store.hot | 熱區儲存費用 | GB-月 | 0.60 |
資料轉移 | 冷區轉移至熱區 | cfs.data.2hot | 冷區至熱區資料轉移費用 | GB | 0.20 |
聯網與資安
負載平衡服務 (Load Balancing Service, LBS)
| ||||
規格 | 定價 (小時) | |||
基礎型 | 0.60 (自2022/7/7起開始收費) |
彈性 IP (Elastic IP, EIP)
| |||||
類型 | 型號 | 規格 | 單位 | 定價 | |
訂閱 | sip.entstatic | 商用網路靜態 IP 使用費 | 每IP-月 | 100.00 | |
sip.renstatic | 學研網路靜態 IP 維護費 | 100.00 |
信息
⁕ 例:11/26 15:00 訂閱,11/30 21:00 取消訂閱。計費期間為:11/26 15:00:00 ~ 11/30 24:00:00。
⁕⁕ 例:11/26 15:00 訂閱,11/26 21:00 取消訂閱。計費期間為:11/26 15:00:00 ~ 11/26 21:00:00。
⁕⁕ 例:11/26 15:00 訂閱,11/26 21:00 取消訂閱。計費期間為:11/26 15:00:00 ~ 11/26 21:00:00。
頻寬流量:虛擬運算服務 (NetFlow)
| ||||||||
流量方向 | 定價 (GB) | |||||||
傳入 TWSC VCS | 免費使用 | |||||||
自 TWSC VCS 傳出 | 3.00 | |||||||
TWSC VCS 間互傳 | 免費使用 |
進階虛擬防火牆 (Advanced Virtual Firewall, VFW)
| ||
型號 | 規格 | 定價 (小時) |
pa_byol | 標準 | 8.20 |