Tarification d’Amazon SageMaker AI

Commencez gratuitement
Demander un devis

Présentation des tarifs

Amazon SageMaker AI aide les scientifiques des données et les développeurs à préparer, à créer, à entraîner et à déployer rapidement des modèles de machine learning (ML) de haute qualité, en réunissant un large éventail de fonctionnalités conçues spécialement pour le ML. SageMaker AI prend en charge les cadres, boîtes à outils et langages de programmation de machine learning majeurs.

Avec SageMaker AI, vous ne payez que ce que vous utilisez. Vous avez deux options de paiement : la tarification à la demande qui vous propose aucun frais minimum et aucun engagement initial et Amazon SageMaker Savings Plans qui vous offre un modèle de tarification flexible basé sur l’utilisation, en échange d’un engagement sur une quantité constante d’utilisation.

                                           

Offre gratuite SageMaker AI

Vous pouvez essayer SageMaker AI gratuitement. Vous pouvez commencer à utiliser SageMaker AI gratuitement. Votre offre gratuite de SageMaker AI commence à partir du premier mois où vous créez votre première ressource SageMaker AI.

Capacité d’Amazon SageMaker AI Utilisation mensuelle de l’offre gratuite pendant les 2 premiers mois
Blocs-notes Studio et instances de blocs-notes 250 heures d'utilisation des instances ml.t3.medium sur des blocs-notes Studio OU 250 heures d'utilisations des instances ml.t3.medium
Page-Illo_PricingCalculator_Wallet_1x

Calculateur de prix AWS

Calculez le coût de votre Amazon SageMaker et de votre architecture dans une seule estimation.

Créer votre estimation personnalisée maintenant »

Tarification à la demande

  • JupyterLab

  • Amazon SageMaker JupyterLab
    Lancez un JupyterLab entièrement géré en quelques secondes. Utilisez l'environnement de développement interactif basé sur le Web le plus récent pour les blocs-notes, le code et les données. Vous êtes facturé selon le type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • Traitement

  • Amazon SageMaker Processing
    Amazon SageMaker Processing permet d'exécuter simplement les charges de travail de prétraitement, de post-traitement et d'évaluation du modèle sur une infrastructure entièrement gérée. Vous êtes facturé selon le type d'instance que vous choisissez, en fonction de la durée d'utilisation.

  • Entraînement

  • Amazon SageMaker Training
    Amazon SageMaker facilite l’entraînement des modèles de machine learning (ML) en fournissant tout ce dont vous avez besoin pour former, ajuster et déboguer les modèles. La facturation est établie en fonction de l'utilisation du type d'instance que vous choisissez. Lorsque vous utilisez Amazon SageMaker Debugger pour déboguer des problèmes et surveiller les ressources pendant l’entraînement, vous pouvez utiliser les règles intégrées pour déboguer vos tâches d’entraînement ou rédiger vos propres règles personnalisées. L'utilisation des règles intégrées pour déboguer vos tâches d’entraînement est gratuite. Concernant les règles personnalisées, vous êtes facturé au type d'instance que vous choisissez et en fonction de la durée d'utilisation.

  • Inférence en temps réel

  • Hébergement Amazon SageMaker : inférence en temps réel
    Amazon SageMaker fournit une inférence en temps réel pour vos cas d'utilisation nécessitant des prédictions en temps réel. La facturation est établie en fonction de l'utilisation du type d'instance que vous choisissez. Lorsque vous utilisez Amazon SageMaker Model Monitor pour conserver des modèles très précis fournissant une inférence en temps réel, vous pouvez utiliser des règles intégrées pour surveiller vos modèles ou rédiger vos propres règles personnalisées. Quant aux règles intégrées, vous bénéficiez de 30 heures de surveillance gratuite. Les frais supplémentaires seront fixés en fonction de la durée d'utilisation. Vous êtes facturé séparément lorsque vous utilisez vos propres règles personnalisées.

Détails de l’instance

Informations sur le produit de l'instance Amazon SageMaker P6

Taille d’instance GPU Blackwell Mémoire de GPU (Go) Processeurs virtuels Mémoire système (Gio) Stockage d’instance (To) Bande passante du réseau (Gbit/s) Bande passante EBS (Gbit/s) Disponible dans les UltraServers
ml.p6-b200.48xlarge 8 1 440 HBM3e 192 2 048 8 x 3,84 8 x 400 100 Non

ml.p6e- gb200.36xlarge		 4 740 HBM3e 144 960 3 x 7,5 4 x 400 60 Oui

* Les instances P6e-GB200 ne sont disponibles que dans les UltraServers

Informations sur les UltraServers Amazon SageMaker

Les UltraServers proposent un ensemble d’instances interconnectées via un domaine réseau à haut débit. Par exemple, l’UltraServer P6e-GB200 connecte jusqu’à 18 instances p6e-gb200.36xlarge sous un seul domaine NVIDIA NVLink. Avec quatre GPU Blackwell NVIDIA par instance, chaque UltraServer P6e-GB200 prend donc en charge 72 GPU, ce qui vous permet d’exécuter vos charges de travail d’IA les plus importantes avec de hautes performances sur SageMaker.

Taille d’instance GPU Blackwell Mémoire de GPU (Go) Processeurs virtuels Mémoire système (Gio) Stockage d’UltraServer (To) Bande passante EFA agrégée (Gbit/s) Bande passante EBS (Gbit/s) Disponible dans les UltraServers
ml.u-p6e-gb200x72 72 13 320 2 529 17 280 405 28 800 1 080 Oui
ml.u-p6e-gb200x36 36 6 660 1 296 8 640 202,5 14 400 540 Oui

Informations sur le produit de l'instance Amazon SageMaker P5

Taille d’instance Processeurs virtuels Mémoire d'instance (TiB) Modèle GPU GPU Mémoire GPU totale (Go) Mémoire par GPU (Go) Bande passante du réseau (Gbit/s) GPUDirect RDMA Pair à pair GPU Stockage d'instance (To) Bande passante EBS (Gbit/s)
ml.p5.48xlarge 192 2 NVIDIA H100 8 640 HBM3 80 3200 EFAv2   Oui NVSwitch 900 Go/s   Disque SSD NVMe 8 x 3,84 80

Informations sur le produit de l'instance Amazon SageMaker P4d

Taille d’instance Processeurs virtuels Mémoire d'instance (Gio) Modèle GPU GPU Mémoire GPU totale (Go) Mémoire par GPU (Go) Bande passante du réseau (Gbit/s) GPUDirect RDMA Pair à pair GPU Stockage d'instance (Go) Bande passante EBS (Gbit/s)
ml.p4d.24xlarge 96 1 152 NVIDIA A100 8 320 HBM 2 40 400 ENA ET EFA Oui NVSwitch 600 Go/s Disque SSD NVMe 8 x 1000 19
ml.p4de.24xlarge 96 1 152 NVIDIA A100 8 640 HNM2e 80 400 ENA et EFA Oui NVSwitch 600 Go/s Disque SSD NVMe 8 x 1000 19

Informations sur le produit de l'instance Amazon SageMaker P3

Taille d’instance Processeurs virtuels Mémoire d'instance (Gio) Modèle GPU GPU Mémoire GPU totale (Go) Mémoire par GPU (Go) Bande passante du réseau (Gbit/s) Pair à pair GPU Stockage d'instance (Go) Bande passante EBS (Gbit/s)
ml.p3.2xlarge 8 61 NVIDIA V100 1 16 16 Jusqu'à 10 N/A EBS uniquement 1,5
ml.p3.8xlarge 32 244 NVIDIA V100 4 64 16 10 NVLink EBS uniquement 7
ml.p3.16xlarge 64 488 NVIDIA V100 8 128 16 25 NVLink EBS uniquement 14
ml.p3dn.24xlarge 96 768 NVIDIA V100 8 256 32 100 NVLink 2 disques SSD NVMe de 900 19

Informations sur le produit de l'instance Amazon SageMaker G4

Taille d’instance Processeurs virtuels Mémoire d'instance (Gio) Modèle GPU GPU Mémoire GPU totale (Go) Mémoire par GPU (Go) Bande passante du réseau (Gbit/s) Stockage d'instance (Go) Bande passante EBS (Gbit/s)
ml.g4dn.xlarge 4 16 NVIDIA T4 1 16 16 Jusqu'à 25 1 disque SSD NVMe 125 Jusqu'à 3,5
ml.g4dn.2xlarge 8 32 NVIDIA T4 1 16 16 Jusqu'à 25 1 disque SSD NVMe 125 Jusqu'à 3,5
ml.g4dn.4xlarge 16 64 NVIDIA T4 1 16 16 Jusqu'à 25 1 disque SSD NVMe 125 4,75
ml.g4dn.8xlarge 32 128 NVIDIA T4 1 16 16 50 1 disque SSD NVMe 900 9,5
ml.g4dn.16xlarge 64 256 NVIDIA T4 1 16 16 50 1 disque SSD NVMe 900 9,5
ml.g4dn.12xlarge 48 192 NVIDIA T4 4 64 16 50 1 disque SSD NVMe 900 9,5

Informations sur le produit de l'instance Amazon SageMaker G5

Taille d’instance Processeurs virtuels Mémoire d'instance (Gio) Modèle GPU GPU Mémoire GPU totale (Go) Mémoire par GPU (Go) Bande passante du réseau (Gbit/s) Bande passante EBS (Gbit/s) Stockage d'instance (Go)
ml.g5n.xlarge 4 16 NVIDIA A10G 1 24 24 Jusqu'à 10 Jusqu'à 3,5 1 x 250
ml.g5.2xlarge 8 32 NVIDIA A10G 1 24 24 Jusqu'à 10 Jusqu'à 3,5 1 x 450
ml.g5.4xlarge 16 64 NVIDIA A10G 1 24 24 Jusqu'à 25 8 1 x 600
ml.g5.8xlarge 32 128 NVIDIA A10G 1 24 24 25 16 1x900
ml.g5.16xlarge 64 256 NVIDIA A10G 1 24 24 25 16 1x1900
ml.g5.12xlarge 48 192 NVIDIA A10G 4 96 24 40 16 1x3800
ml.g5.24xlarge 96 384 NVIDIA A10G 4 96 24 50 19 1x3800
ml.g5.48xlarge 192 768 NVIDIA A10G 8 192 24 100 19 2 x 3 800

Informations sur le produit de l'instance Amazon SageMaker Trn1

Taille d’instance Processeurs virtuels Mémoire (Gio) Accélérateurs Trainium Mémoire totale de l'accélérateur (Go) Mémoire par accélérateur (Go) Stockage d'instance (Go) Bande passante du réseau (Gbit/s) Bande passante EBS (Gbit/s)
ml.trn 1,2 x large 8 32 1 32 32 1 disque SSD NVMe 500 Jusqu'à 12,5 Jusqu'à 20
ml.trn1.32xlarge 128 512 16 512 32 4 disques SSD NVMe 2000 800 80

Informations sur le produit de l'instance Amazon SageMaker Inf1

Taille d’instance Processeurs virtuels Mémoire (Gio) Accélérateurs Inferentia Mémoire totale de l'accélérateur (Go) Mémoire par accélérateur (Go) Stockage d’instance Interconnexion inter-accélérateur Bande passante du réseau (Gbit/s) Bande passante EBS (Gbit/s)
ml.inf1.xlarge 4 8 1 8 8 EBS uniquement N/A Jusqu'à 25 Jusqu'à 4,75
ml.inf1.2xlarge 8 16 1 8 8 EBS uniquement N/A Jusqu'à 25 Jusqu'à 4,75
ml.inf1.6xlarge 24 48 4 32 8 EBS uniquement Oui 25 4,75
ml.inf1.24xlarge 96 192 16 128 8 EBS uniquement oui 100 19

Informations sur le produit de l'instance Amazon SageMaker Inf2

Taille d’instance Processeurs virtuels Mémoire (Gio) Accélérateurs Inferentia Mémoire totale de l'accélérateur (Go) Mémoire par accélérateur (Go) Stockage d’instance Interconnexion inter-accélérateur Bande passante du réseau (Gbit/s) Bande passante EBS (Gbit/s)
ml.inf2.x large 4 16 1 32 32 EBS uniquement N/A Jusqu'à 25 Jusqu'à 10
ml.inf2.8 x large 32 128 1 32 32 EBS uniquement N/A Jusqu'à 25 10
ml.inf 2,24 x large 96 384 6 196 32 EBS uniquement Oui 50 30
ml.inf 2,48 x large 192 768 12 384 32 EBS uniquement Oui 100 60

Amazon SageMaker Studio

Amazon SageMaker Studio est une interface Web unique pour le développement complet de machine learning, offrant un choix d'environnements de développement intégrés (IDE) entièrement gérés et d'outils spécifiques. Vous pouvez accéder à SageMaker Studio gratuitement. Vous êtes uniquement facturé pour le calcul et le stockage sous-jacents que vous utilisez pour différents IDE et outils de machine learning au sein de SageMaker Studio.

Vous pouvez utiliser de nombreux services de SageMaker Studio, AWS SDK for Python (Boto3) ou d’AWS Command Line Interface (AWS CLI), notamment les suivants :

  • Des IDE sur SageMaker Studio pour réaliser un développement ML complet avec un large éventail d’IDE entièrement gérés, notamment JupyterLab, un éditeur de code basé sur Code-OSS (Visual Studio Code – Open Source) et RStudio
  • SageMaker Pipelines pour l’automatisation et la gestion des flux de travail de ML
  • SageMaker Autopilot pour créer automatiquement des modèles de ML avec une visibilité totale
  • SageMaker Experiments pour organiser et suivre vos versions et vos tâches d’entraînement
  • SageMaker Debugger pour déboguer les anomalies survenues pendant l’entraînement
  • SageMaker Model Monitor pour garantir des modèles toujours performants et fiables
  • SageMaker Clarify pour mieux expliquer vos modèles de ML et détecter les biais
  • SageMaker JumpStart pour déployer facilement des solutions de ML pour de nombreux cas d’utilisation Des frais peuvent vous être facturés à partir des autres services AWS utilisés dans la solution pour les appels d'API sous-jacents effectués par Amazon SageMaker en votre nom.
  • SageMaker Inference Recommender pour obtenir des recommandations sur la configuration appropriée des points de terminaison

Vous ne payez que les ressources de calcul et de stockage sous-jacentes dans SageMaker ou d’autres services AWS, en fonction de votre utilisation.

Pour utiliser Amazon Q Developer Free Tier sur Jupyter Lab et Code Editor, suivez les instructions ici. Pour utiliser Amazon Q Developer Pro sur Jupyter Lab, vous devez vous abonner à Amazon Q Developer. La tarification Amazon Q Developer est disponible ici.

Coût total de possession (TCO) avec Amazon SageMaker

Par rapport à d'autres solutions autogérées basées sur le cloud, Amazon SageMaker permet de réduire d'au moins 54 % le coût total de possession (TCO) sur trois ans. En savoir plus sur l'analyse complète du TCO sur Amazon SageMaker.

Exemples de tarification

  • En tant que spécialiste des données, vous passez 20 jours à utiliser JupyterLab pour expérimenter rapidement sur des blocs-notes, du code et des données pendant 6 heures par jour sur une instance ml.g4dn.xlarge. Vous créez puis exécutez un espace JupyterLab pour accéder à l'IDE JupyterLab. Le calcul n’est facturé que pour l’instance utilisée lorsque l’espace JupyterLab est en cours d’exécution. Les frais de stockage d’un espace JupyterLab s’accumulent jusqu’à sa suppression.

    Calculer

    Instance Durée Jours Durée totale Prix par heure Total
    ml.r6i.4xlarge 6 heures 20 6 * 20 = 120 heures 1,440 € 172,80 €

    Stockage

    Vous utiliserez un stockage SSD à usage général pendant 480 heures (24 heures * 20 jours). Dans une région qui facture 0,1211 € par Go par mois :
    0,1211 € par Go par mois * 5 Go * 480/(24 heures/jour * 30 jours par mois) = 0,4037 €

  • Amazon SageMaker Processing ne facture que les instances utilisées pendant l'exécution de vos tâches. Lorsque vous fournissez les données d'entrées à traiter dans Simple Storage Service (Amazon S3), Amazon SageMaker télécharge les données à partir de Simple Storage Service (Amazon S3) sur un stockage de fichiers local au démarrage d'une tâche de traitement.

    L'analyste de données exécute une tâche de traitement pour pré-traiter et valider les données sur deux instances ml.m5.4xlarge pour une durée de 10 minutes. Elle charge un ensemble de données de 100 Go dans S3 comme entrée pour la tâche de traitement, et les données générées (avec à peu près la même taille) sont à nouveau stockées dans S3.

    Heures  Instances de traitement Prix par heure Total
    1 * 2 * 0,167 = 0,334 ml.c6i.2xlarge 0,459481 € 0,150460 €
    Stockage (Go) polyvalent (SSD) Prix par heure Total
    100 Go * 2 = 200 0,14 € 0,0032 €

    Le sous-total de la tâche Amazon SageMaker Processing = 0,15046 €
    Supposons que le sous-total pour 200 Go de stockage SSD à usage général soit 0,0032 €
    Dans cet exemple, le prix total serait de 0,15366 €.

  • Dans cet exemple, les frais totaux pour l'entraînement et le débogage s'élèvent à 24,077292 €. Les instances de calcul et les volumes de stockage polyvalents utilisés par les règles intégrées d'Amazon SageMaker Debugger n'engendrent pas de frais supplémentaires.

      Stockage polyvalent (SSD) pour l'entraînement (Go) Stockage polyvalent (SSD) pour les règles Debugger intégrées (Go) Stockage polyvalent (SSD) pour les règles Debugger personnalisées (Go) Coût par Go/mois Sous-total
    Capacité utilisée 3 2 1    
    Coût 0 € Aucun frais supplémentaire pour les volumes de stockage de règle intégrée 0 € 0,10 € 0 €

     

    Heures Instance d'entraînement Instance de débogage Prix par heure Sous-total
    4 x 0,5 = 2,00 ml.c6i.2xlarge n/a 0,459481 € 0,91896 €
    4 * 0,5 * 2 = 4 n/a Aucun frais supplémentaire pour les instances de règle intégrée 0 € 0 €
    4 * 0,5 = 2 ml. C7i.48 x large n/a 11,579165 € 23,1583 €
            -------
            24,07729 €

    Une spécialiste des données a travaillé pendant une semaine sur un modèle afin de donner forme à une nouvelle idée. Elle entraîne le modèle 4 fois sur un ml.m4.4xlarge pendant 30 minutes par cycle d'entraînement avec Amazon SageMaker Debugger activé à l'aide de 2 règles intégrées et d'une règle personnalisée qu'elle a rédigée. Pour la règle personnalisée, elle a spécifié une instance ml.m5.xlarge. Elle entraîne le modèle en utilisant 3 Go de données d'entraînement dans Simple Storage Service (Amazon S3) et envoie 1 Go de données générées dans Simple Storage Service (Amazon S3). SageMaker crée des volumes SSD polyvalents (gp2) pour chaque instance d'entraînement. SageMaker crée également des volumes SSD polyvalents (gp2) pour chaque règle spécifiée. Dans cet exemple, un total de quatre volumes SSD polyvalents (gp2) seront créés. SageMaker Debugger émet 1 Go de données de débogage vers le compartiment Simple Storage Service (Amazon S3) du client.