Hub documentation
定价与计费
定价与计费
Hugging Face Jobs 允许您在 Hugging Face 基础设施上运行计算任务,而无需自行管理基础设施。您只需定义一条命令、一个 Docker 镜像,并在多种 CPU 和 GPU 选项中选择一种硬件规格即可。
任何拥有正数信用额度的用户或组织均可使用 Jobs。包含在 PRO、Team 或 Enterprise 订阅中的每月计算信用额度会计入该余额,并可用于消耗 Jobs。
Jobs 的计费基于硬件使用情况,并按分钟计算:Jobs 在请求的硬件上运行的每一分钟都会产生费用。
在 Job 的生命周期中,仅在 Job 处于 Starting 或 Running 状态时才会计费。这意味着构建阶段不产生任何费用。
如果正在运行的 Job 开始失败,它将被自动暂停,并且计费将停止。
定价
作业按分钟计费,具体费用取决于所使用的硬件。例如,在 a10g-small 上运行 10 个计费分钟,硬件费用约为 0.17 美元。
CPU
| 硬件 | CPU | 内存 | 临时存储 | 每小时价格 |
|---|---|---|---|---|
| CPU 基础 | 2 个 vCPU | 16 GB | 50 GB | $0.01 |
| CPU 升级 | 8 个 vCPU | 32 GB | 50 GB | $0.03 |
| CPU XL | 16 个 vCPU | 124 GB | 1000 GB | $1.00 |
| CPU 性能 | 32 个 vCPU | 256 GB | 1024 GB | $1.90 |
GPU
| 硬件 | CPU | 内存 | GPU 内存 | 临时存储 | 每小时价格 |
|---|---|---|---|---|---|
| Nvidia T4 - 小型 | 4 个 vCPU | 15 GB | 16 GB | 50 GB | $0.40 |
| Nvidia T4 - 中等 | 8 个 vCPU | 30 GB | 16 GB | 100 GB | $0.60 |
| 1x Nvidia L4 | 8 个 vCPU | 30 GB | 24 GB | 400 GB | $0.80 |
| 4x Nvidia L4 | 48 个 vCPU | 186 GB | 96 GB | 3200 GB | $3.80 |
| 1x Nvidia L40S | 8 个 vCPU | 62 GB | 48 GB | 380 GB | $1.80 |
| 4x Nvidia L40S | 48 个 vCPU | 382 GB | 192 GB | 3200 GB | $8.30 |
| 8x Nvidia L40S | 192 vCPU | 1534 GB | 384 GB | 6500 GB | $23.50 |
| Nvidia A10G - 小型 | 4 个 vCPU | 15 GB | 24 GB | 110 GB | $1.00 |
| Nvidia A10G - 大型 | 12 个 vCPU | 46 GB | 24 GB | 200 GB | $1.50 |
| 2x Nvidia A10G - 大型 | 24 个 vCPU | 92 GB | 48 GB | 1000 GB | $3.00 |
| 4x Nvidia A10G - 大型 | 48 个 vCPU | 184 GB | 96 GB | 2000 GB | $5.00 |
| Nvidia A100 - 大型 | 12 个 vCPU | 142 GB | 80 GB | 1000 GB | $2.50 |
| 4x Nvidia A100 - 大型 | 48 个 vCPU | 568 GB | 320 GB | 4000 GB | $10.00 |
| 8x Nvidia A100 - 大型 | 96 vCPU | 1136 GB | 640 GB | 8000 GB | $20.00 |
| Nvidia H200 | 23 个 vCPU | 256 GB | 141 GB | 3000 GB | $5.00 |
| 2x Nvidia H200 | 46 个 vCPU | 512 GB | 282 GB | 6000 GB | $10.00 |
| 4x Nvidia H200 | 92 vCPU | 1024 GB | 564 GB | 12000 GB | $20.00 |
| 8x Nvidia H200 | 184 个 vCPU | 2048 GB | 1128 GB | 24000 GB | $40.00 |
| Nvidia RTX PRO 6000 | 23 个 vCPU | 256 GB | 96 GB | 475 GB | $2.75 |
| 2x Nvidia RTX PRO 6000 | 46 个 vCPU | 512 GB | 192 GB | 950 GB | $5.50 |
| 4x Nvidia RTX PRO 6000 | 92 vCPU | 1024 GB | 384 GB | 1900 GB | $11.00 |
| 8x Nvidia RTX PRO 6000 | 184 个 vCPU | 2048 GB | 768 GB | 3800 GB | $22.00 |
您还可以通过 GET /api/jobs/hardware 处的 API 或 CLI 以编程方式获取可用的硬件和定价:
>>> hf jobs hardware暴露的端口
Job 可以暴露一个或多个端口,以便在 Job 运行期间从外部访问这些端口。暴露一个或多个端口将按每个 Job 的固定费率计费,此外还需支付硬件费用:
| 产品 | 每小时价格 |
|---|---|
| 暴露的端口 | $0.01 |
与硬件类似,仅在任务处于 Starting 或 Running 状态时按分钟计费。
管理账单
向您的组织开具账单
默认情况下,账单会记到用户的命名空间,但你可以通过指定正确的 namespace 将账单记到你的组织:
hf jobs run --namespace my-org-name ...在这种情况下,该 Job 在组织账户下运行,您可以在组织的 Jobs 页面(组织页面 > 设置 > Jobs)中查看它。
在企业版及以上套餐中,组织管理员可以通过细粒度功能访问设置,限制谁可以运行和查看由组织付费的 Jobs——仅限组织管理员,或仅限所选资源组的成员。
将费用计入资源组
此功能包含在 Enterprise 套餐及以上版本中。
如果您的组织已设置 Resource Groups,您可以将作业成本归因到特定的资源组。操作方法如下:
- 您必须是资源组的成员。
- 将拥有该资源组的组织作为
namespace传入,并将资源组的 ID 作为resource_group_id传入。两者均为必填项:资源组仅在其所属组织的 Jobs 计费时才会被纳入考虑。
您可以在组织的资源组设置页面中找到资源组的 ID。
hf jobs run --namespace my-org-name --resource-group-id <resource-group-id> ...在 Python 中:
>>> from huggingface_hub import run_job
>>> run_job(
... image="python:3.12",
... command=["python", "-c", "print('Hello!')"],
... namespace="my-org-name",
... resource_group_id="<resource-group-id>",
... )Organization 和 Resource Group 管理员可以为按组计费的 Jobs 设置每月支出限额。
查看当前计算资源使用情况
您可以在 Billing 页面的“Compute Usage”部分查看 Jobs 的当前账单信息:

有关账单的更多信息,请参阅Hub 专用文档。
建议
设置超时限制
在创建 Job 时设置 timeout,以确保其运行时间不会超过特定时长。
达到 timeout 时长的 Job 运行会自动停止,计费也随之停止。
以下是使用 CLI 设置超时的方法:
hf jobs run --timeout 3h ...请注意,默认超时时间设置为 30 分钟。 因此,如果您的 Job 需要更长的运行时间,您必须指定更长的超时时间。
取消无关的 Jobs
如果正在运行的 Job 不再相关,您可以提前取消它以停止计费,可以通过 Job 页面或 CLI 操作:
hf jobs cancel <job-id>
