RFT ಗಾಗಿ ಬಿಲ್ಲಿಂಗ್ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ

ರೀಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ (RFT) ರೀಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಲರ್ನಿಂಗ್ ಬಳಸಿ OpenAI ಯ ರೀಜನಿಂಗ್ ಮಾಡೆಲ್‌ಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸಲು ನಿಮಗೆ ಅವಕಾಶ ನೀಡುತ್ತದೆ. ತರಬೇತಿ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿರುವ ಟೋಕನ್‌ಗಳ ಸಂಖ್ಯೆಯ ಆಧಾರದ ಮೇಲೆ ಬಿಲ್ ಮಾಡಲಾಗುವ ನಮ್ಮ ಮೇಲ್ವಿಚಾರಿತ ಅಥವಾ ಆದ್ಯತಾ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಸೇವೆಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ನಿಮ್ಮ ತರಬೇತಿ ರನ್ ಮುಖ್ಯ ಮಷಿನ್ ಲರ್ನಿಂಗ್ ಕೆಲಸವನ್ನು ನಿರ್ವಹಿಸಲು ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯದ ಆಧಾರದ ಮೇಲೆ RFT ಗೆ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ.

ಬೆಲೆ ನಿಗದಿ

• ಕಂಪ್ಯೂಟ್: o4-mini-2025-04-16ಗಾಗಿ ಮುಖ್ಯ ತರಬೇತಿ ಲೂಪ್‌ನಲ್ಲಿ ವ್ಯಯಿಸಿದ ಪ್ರತಿ ಗಂಟೆಯ ವಾಸ್ತವಿಕ ಸಮಯಕ್ಕೆ $100. ಶುಲ್ಕವನ್ನು ಪ್ರತಿ ಸೆಕೆಂಡ್‌ಗೆ ಅನುಪಾತದಂತೆ ಲೆಕ್ಕಹಾಕಲಾಗುತ್ತದೆ ಮತ್ತು ಇನ್‌ವಾಯ್ಸ್‌ನಲ್ಲಿ ಎರಡು ದಶಮಾಂಶ ಸ್ಥಾನಗಳಿಗೆ ಪೂರ್ಣಾಂಕಗೊಳಿಸಲಾಗುತ್ತದೆ (ಉದಾ., 2.55 ಗಂಟೆಗಳು).

• ಮಾಡೆಲ್ ಗ್ರೇಡರ್ ಬಳಕೆ: ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು "ಮೌಲ್ಯಮಾಪನ" ಮಾಡಲು OpenAI ಮಾಡೆಲ್ ಬಳಸಿದರೆ, ಆ ಗ್ರೇಡಿಂಗ್ ಕರೆಗಳು ಬಳಸುವ ಟೋಕನ್‌ಗಳಿಗೆ ತರಬೇತಿ ಪೂರ್ಣಗೊಂಡ ನಂತರ ನಮ್ಮ ಪ್ರಮಾಣಿತ API ದರಗಳಲ್ಲಿ ಪ್ರತ್ಯೇಕವಾಗಿ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ.

ನಿಮ್ಮ ಮಾಡೆಲ್ ಅನ್ನು ನಿಜವಾಗಿಯೂ ಅಪ್‌ಡೇಟ್ ಮಾಡುವ ತರಬೇತಿ ಕೆಲಸಕ್ಕೆ ಮಾತ್ರ ನಾವು ಶುಲ್ಕ ವಿಧಿಸುತ್ತೇವೆ. ಇದನ್ನು ನಾವು "ದಾಖಲಾದ ಮುನ್ನಡೆ" ಎಂದು ಕರೆಯುತ್ತೇವೆ.

ನಾವು ಯಾವುದಕ್ಕೆ ಬಿಲ್ ಮಾಡುತ್ತೇವೆ

ನಿಮ್ಮ ತರಬೇತಿ ವರ್ಕರ್ ನಿಮ್ಮ ಮಾಡೆಲ್ ಅನ್ನು ಸಕ್ರಿಯವಾಗಿ ತರಬೇತಿಗೊಳಿಸಲು ಕಳೆಯುವ ಸಮಯಕ್ಕೆ ನಾವು ಬಿಲ್ ಮಾಡುತ್ತೇವೆ, ವಿಶೇಷವಾಗಿ:

• ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಪ್ರಕ್ರಿಯೆಯ ವೇಳೆ ನಿಮ್ಮ ಮಾಡೆಲ್‌ನಿಂದ ಮಾದರಿಗಳನ್ನು ರಚಿಸುವುದು (“ರೋಲ್‌ಔಟ್‌ಗಳು” ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ)

• ಜಾಬ್‌ನಲ್ಲಿ ನೀವು ವ್ಯಾಖ್ಯಾನಿಸಿರುವ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಗ್ರೇಡರ್‌ಗಳೊಂದಿಗೆ ಆ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು (ಗ್ರೇಡರ್‌ಗಳ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು ತಿಳಿಯಿರಿ)

• ಗ್ರೇಡ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ವೇಟ್ ಅಪ್‌ಡೇಟ್‌ಗಳನ್ನು ಲೆಕ್ಕಿಸಿ ಅನ್ವಯಿಸುವುದು (ಬ್ಯಾಕ್‌ಪ್ರೊಪಗೇಶನ್).

• ನೀವು ಕಾನ್ಫಿಗರ್ ಮಾಡಿದ ಯಾವುದೇ ಮೌಲ್ಯೀಕರಣ (ಮೌಲ್ಯಮಾಪನ) ಹಂತಗಳನ್ನು ನಡೆಸುವುದು.

ಹೆಚ್ಚಿನ ಗ್ರೇಡರ್‌ಗಳನ್ನು ರನ್ ಮಾಡಲು “ಉಚಿತ” ಆಗಿರುತ್ತದೆ, ಅಂದರೆ ಕೋರ್ ತರಬೇತಿ ಲೂಪ್‌ಗೆ ಅವು ಕೊಡುಗೆ ನೀಡುವ ಸಮಯದ ಹೊರತಾಗಿ ಅವುಗಳ ಬಳಕೆಗೆ ನಾವು ಹೆಚ್ಚುವರಿ ಶುಲ್ಕ ವಿಧಿಸುವುದಿಲ್ಲ. ಇದಕ್ಕೆ ವಿನಾಯಿತಿ ಮಾಡೆಲ್ ಗ್ರೇಡರ್‌ಗಳಿಗೆ, ಅಲ್ಲಿ ಮೇಲಿನ ಚಟುವಟಿಕೆಗಳ ವೇಳೆ ಆ ಗ್ರೇಡರ್‌ಗಳು ಬಳಸುವ ಟೋಕನ್‌ಗಳನ್ನೂ ನಾವು ಲೆಕ್ಕ ಹಾಕುತ್ತೇವೆ. ಈ ಟೋಕನ್‌ಗಳು ನಿಮ್ಮ ಇನ್‌ವಾಯ್ಸ್‌ನಲ್ಲಿ ಪ್ರತ್ಯೇಕ ಸಾಲು ಐಟಂ ಆಗಿ ಕಾಣಿಸುತ್ತವೆ. ಮಾಡೆಲ್ ಗ್ರೇಡರ್‌ಗಳು ಬಳಸಿದ ಟೋಕನ್‌ಗಳಿಗೆ ಸಾಮಾನ್ಯ ಇನ್ಫರೆನ್ಸ್ ದರಗಳಲ್ಲಿ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ (OpenAI ಬೆಲೆ ನಿಗದಿ).

ನಾವು ಬಿಲ್ ಮಾಡದ ವಿಷಯಗಳು

ಕೆಳಗಿನ ವಿಷಯಗಳಿಗೆ ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯಕ್ಕೆ ನಾವು ಶುಲ್ಕ ವಸೂಲು ಮಾಡುವುದಿಲ್ಲ:

• ತರಬೇತಿ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು ನಿಮ್ಮ ಡೇಟಾಸೆಟ್ ಅನ್ನು ವ್ಯಾಲಿಡೇಟ್ ಅಥವಾ ಪರಿಶೀಲಿಸುವುದು.

• ನಿಮ್ಮ ಡೇಟಾಸೆಟ್ ಮೇಲಿನ ಸುರಕ್ಷತಾ ಪರಿಶೀಲನೆಗಳು.

• ಕಂಪ್ಯೂಟ್ ಸಂಪನ್ಮೂಲಗಳಿಗಾಗಿ ಸರದಿಯಲ್ಲಿ ಕಾಯುವುದು.

• ಮಾಡೆಲ್ weights ಅಥವಾ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡುವುದು.

• ನಿಮ್ಮ ಡೇಟಾಸೆಟ್ ಅನ್ನು ನಮ್ಮ ತರಬೇತಿ ಸ್ವರೂಪಕ್ಕೆ ಸಿದ್ಧಪಡಿಸುವುದು (ರೆಂಡರ್ ಮಾಡುವುದು).

• ನಿಮ್ಮ ಫೈನ್-ಟ್ಯೂನ್ ಮಾಡಿದ ಮಾಡೆಲ್‌ನ ತರಬೇತಿ ನಂತರದ ಸುರಕ್ಷತಾ ಮೌಲ್ಯಮಾಪನಗಳು.

ನಮ್ಮ ಕಡೆಗಿನ ದೋಷದಿಂದ ತರಬೇತಿ ಕೆಲಸ ಕಳೆದುಹೋದರೆ (ಉದಾಹರಣೆಗೆ, ವರ್ಕರ್ crash ಆಗಿ ಹಿಂದಿನ checkpoint ಗೆ roll back ಆಗಬೇಕಾದರೆ), ಕಳೆದುಹೋದ ಕಂಪ್ಯೂಟ್ ಸಮಯ ಅಥವಾ ಗ್ರೇಡರ್ ಟೋಕನ್‌ಗಳಿಗೆ ನಿಮ್ಮಿಂದ ಶುಲ್ಕ ವಸೂಲು ಮಾಡುವುದಿಲ್ಲ. ಇದರ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ವಿವರಗಳು ಮುಂದಿನ ವಿಭಾಗದಲ್ಲಿ ಇವೆ.

Captured forward progress ಮತ್ತು ಬಿಲ್ಲಿಂಗ್ ಘಟನೆಗಳು

ತರಬೇತಿ ನಿಮ್ಮ ಮಾಡೆಲ್‌ಗೆ ಅನೇಕ ಸಣ್ಣ ನವೀಕರಣಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಇವುಗಳಲ್ಲಿ ಎಷ್ಟು ನವೀಕರಣಗಳು ಯಶಸ್ವಿಯಾಗಿ ಪೂರ್ಣಗೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ನಾವು ಟ್ರ್ಯಾಕ್ ಮಾಡುತ್ತೇವೆ. ಶುಲ್ಕಗಳು ಈ ಯಶಸ್ವಿ ನವೀಕರಣಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕಂಪ್ಯೂಟ್ ಸಮಯ ಮತ್ತು ಗ್ರೇಡರ್ ಟೋಕನ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಇರುತ್ತವೆ.

ಕೆಳಗಿನ ಯಾವುದಾದರೂ "billing events" ಸಂಭವಿಸಿದಾಗ ನಾವು ಶುಲ್ಕ ವಿಧಿಸುತ್ತೇವೆ:

• ತರಬೇತಿ ಯಶಸ್ವಿಯಾಗಿ ಪೂರ್ಣಗೊಳ್ಳುತ್ತದೆ.

• ನೀವು ತರಬೇತಿಗೆ ವಿರಾಮ ನೀಡುತ್ತೀರಿ.

• ನೀವು ತರಬೇತಿಯನ್ನು ರದ್ದು ಮಾಡುತ್ತೀರಿ.

• ತರಬೇತಿ ವಿಫಲವಾಗುತ್ತದೆ.

ಪ್ರತಿ ಶುಲ್ಕವು ಹಿಂದಿನ ಶುಲ್ಕದ ನಂತರ ಮಾಡಿದ ಹೆಚ್ಚುವರಿ ಕೆಲಸವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ:

• ನೀವು ರನ್‌ಗೆ ವಿರಾಮ ನೀಡಿದರೆ, ನಾವು checkpoint ಅನ್ನು ಉಳಿಸಿ, ಹಿಂದಿನ ಶುಲ್ಕದ ನಂತರ ಬಳಸಿದ ಕಂಪ್ಯೂಟ್ ಸಮಯ ಮತ್ತು ಗ್ರೇಡರ್ ಟೋಕನ್‌ಗಳಿಗೆ ಶುಲ್ಕ ವಿಧಿಸುತ್ತೇವೆ.

• ನೀವು ಪುನರಾರಂಭಿಸಿದಾಗ, checkpoint ಇಂದ ತರಬೇತಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಮುಂದಿನ ಶುಲ್ಕವು (ಪೂರ್ಣಗೊಂಡಾಗ, ಮತ್ತೊಂದು ವಿರಾಮ, ರದ್ದುಗೊಳಿಸುವಿಕೆ, ಅಥವಾ ವೈಫಲ್ಯ ಸಂದರ್ಭದಲ್ಲಿ) ಪುನರಾರಂಭದ ನಂತರ ಮಾಡಿದ ಹೆಚ್ಚುವರಿ ಕೆಲಸವನ್ನಷ್ಟೇ ಒಳಗೊಂಡಿರುತ್ತದೆ.

• ನೀವು ರನ್ ಅನ್ನು ರದ್ದು ಮಾಡಿದರೆ, ರದ್ದುಗೊಳಿಸುವವರೆಗಿನ ಕೆಲಸಕ್ಕೆ ನಾವು ಶುಲ್ಕ ವಿಧಿಸುತ್ತೇವೆ.

• ತರಬೇತಿ ವಿಫಲವಾಗಿ ಹಿಂದಿನ ಶುಲ್ಕದ ನಂತರದ ಕೆಲಸ ಕಳೆದುಹೋದರೆ, ಕಳೆದುಹೋದ ಭಾಗಕ್ಕೆ ನಿಮಗೆ ಬಿಲ್ ಮಾಡಲಾಗುವುದಿಲ್ಲ.

ಈ "captured forward progress" ವಿಧಾನವು ನಿಮ್ಮ ಮಾಡೆಲ್‌ನಲ್ಲಿ ಉಳಿಯುವ ಅಥವಾ ನೀವು ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ತ್ಯಜಿಸುವ ಕೆಲಸಕ್ಕೆ ಮಾತ್ರ ನೀವು ಪಾವತಿಸುವಂತೆ ಖಚಿತಪಡಿಸುತ್ತದೆ.

ಜಾಬ್‌ನ ಪ್ರಗತಿಯನ್ನು ವೀಕ್ಷಿಸುವುದು

RFT ಜಾಬ್‌ಗಳಲ್ಲಿ usage_metrics ಎಂಬ ಫೀಲ್ಡ್ ಇರುತ್ತದೆ. ಇದು ಪ್ರಸ್ತುತ ಹಂತದವರೆಗಿನ ಜಾಬ್‌ನ ಒಟ್ಟು ಬಳಕೆಯನ್ನು ದಾಖಲಿಸುತ್ತದೆ. ಇದರಲ್ಲಿ ತರಬೇತಿಗೆ ವ್ಯಯಿಸಿದ ಸಮಯ ಮತ್ತು ಜಾಬ್‌ನಲ್ಲಿರುವ ಎಲ್ಲ ಮಾಡೆಲ್ ಗ್ರೇಡರ್‌ಗಳು ಬಳಸಿದ ಎಲ್ಲಾ ಟೋಕನ್‌ಗಳು ಸೇರಿವೆ. ಈ ಫೀಲ್ಡ್ ಅನ್ನು API (GET /v1/fine_tuning/jobs/{job_id}) ಮೂಲಕ ಅಥವಾ ಫೈನ್-ಟ್ಯೂನಿಂಗ್ ಡ್ಯಾಶ್‌ಬೋರ್ಡ್ ಮೂಲಕ ಪರಿಶೀಲಿಸಬಹುದು.

ತರಬೇತಿ ಸಮಯದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುವ ಅಂಶಗಳು

ಬಿಲ್ಲಿಂಗ್ ಸಮಯವನ್ನು ಆಧರಿಸಿರುವುದರಿಂದ, ನಿಮ್ಮ ಕಾನ್ಫಿಗರೇಶನ್ ಆಯ್ಕೆಗಳು ವೆಚ್ಚದ ಮೇಲೆ ನೇರ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ. ಪ್ರಮುಖ ಅಂಶಗಳು ಇವು:

• ಸಮಸ್ಯೆಯ ಕಠಿಣತೆ: ನಿಮ್ಮ ಡೇಟಾಸೆಟ್‌ನಲ್ಲಿ ಕಠಿಣ ಸಮಸ್ಯೆಗಳಿದ್ದರೆ, ಮಾಡೆಲ್ ಪ್ರತಿ ಸಮಸ್ಯೆಯ ಕುರಿತು ರೀಜನಿಂಗ್ ಮಾಡಲು ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿದೆ. ಇದರಿಂದ ಪ್ರತಿ ಮಾದರಿಯನ್ನು ರಚಿಸಲು ಬೇಕಾಗುವ ಸಮಯ ಹೆಚ್ಚುತ್ತದೆ.

• ಕಂಪ್ಯೂಟ್ ತೀವ್ರತೆ: ಪ್ರತಿ ತರಬೇತಿ ಹಂತದಲ್ಲಿ ಎಷ್ಟು ಗಣನೆ ನಡೆಸಬೇಕು ಎಂಬುದನ್ನು compute_multiplier ಹೈಪರ್‌ಪ್ಯಾರಾಮೀಟರ್ ನಿಯಂತ್ರಿಸುತ್ತದೆ. ಹೆಚ್ಚಿನ ಮೌಲ್ಯಗಳು ಪ್ರತಿ ಡೇಟಾ ಪಾಯಿಂಟ್ ಕುರಿತು ಹೆಚ್ಚು ವಿವರವಾಗಿ ರೀಜನಿಂಗ್ ಮಾಡಲು ಮಾಡೆಲ್ ಅನ್ನು ಪ್ರೇರೇಪಿಸುತ್ತವೆ. ಇದರಿಂದ ಪ್ರತಿ ಹಂತವು ನಿಧಾನವಾಗಿ ನಡೆಯುತ್ತದೆ.

• ಮೌಲ್ಯೀಕರಣ ಸೆಟ್ಟಿಂಗ್‌ಗಳು:

• ಗ್ರೇಡರ್ ಕಾರ್ಯಕ್ಷಮತೆ:

• ದೊಡ್ಡ ಅಥವಾ ಹೆಚ್ಚು ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾಡೆಲ್ ಗ್ರೇಡರ್‌ಗಳು ಚಿಕ್ಕ ಗ್ರೇಡರ್‌ಗಳಿಗಿಂತ ಗ್ರೇಡ್ ನೀಡಲು ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ರೀಜನಿಂಗ್ ಮಾಡೆಲ್‌ನಿಂದ ಗ್ರೇಡ್ ನೀಡುವುದು ರೀಜನಿಂಗ್ ಮಾಡದ ಮಾಡೆಲ್‌ನಿಂದ ಗ್ರೇಡ್ ನೀಡುವುದಕ್ಕಿಂತ 10 ಪಟ್ಟು ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳಬಹುದು.

• ಸಂಕೀರ್ಣ Python ಗ್ರೇಡಿಂಗ್ ಫಂಕ್ಷನ್‌ಗಳು ಸರಳ ಫಂಕ್ಷನ್‌ಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ.

ಈ ಸೆಟ್ಟಿಂಗ್‌ಗಳ ಮೂಲಕ ವೆಚ್ಚ, ವೇಗ ಮತ್ತು ಮಾಡೆಲ್ ಗುಣಮಟ್ಟದ ನಡುವೆ ಸಮತೋಲನ ಸಾಧಿಸಬಹುದು. ಉದಾಹರಣೆಗೆ, ಆಗಾಗ್ಗೆ ಮೌಲ್ಯೀಕರಣ ನಡೆಸುವುದರಿಂದ ಸಮಸ್ಯೆಗಳನ್ನು ಬೇಗ ಪತ್ತೆಹಚ್ಚಬಹುದು, ಆದರೆ ವೆಚ್ಚ ಹೆಚ್ಚುತ್ತದೆ. ಹೆಚ್ಚು ಸುಧಾರಿತ ಮಾಡೆಲ್‌ನಿಂದ ಗ್ರೇಡ್ ನೀಡುವುದರಿಂದ ಗ್ರೇಡಿಂಗ್ ನಿಖರತೆಯನ್ನು ಗಣನೀಯವಾಗಿ ಸುಧಾರಿಸಬಹುದು. ಆದರೆ ಇದು ಪ್ರತಿ ಗ್ರೇಡಿಂಗ್ ಹಂತವನ್ನು ನಿಧಾನಗೊಳಿಸಿ ಜಾಬ್‌ಗಳ ವೆಚ್ಚವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.

ವೆಚ್ಚ ನಿರ್ವಹಣೆ

ನಿಮ್ಮ ವೆಚ್ಚವನ್ನು ನಿಯಂತ್ರಿಸಲು:

• ನಿಮ್ಮ ಕಾನ್ಫಿಗರೇಶನ್ ಸಮಯದ ಮೇಲೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಡಿಮೆ ಅವಧಿಯ ರನ್‌ಗಳಿಂದ ಪ್ರಾರಂಭಿಸಿ.

• ಸಮಂಜಸ ಸಂಖ್ಯೆಯ ಮೌಲ್ಯೀಕರಣ ಉದಾಹರಣೆಗಳು ಮತ್ತು eval_samples ಬಳಸಿ. ಅಗತ್ಯಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಮೌಲ್ಯೀಕರಣ ನಡೆಸಬೇಡಿ.

• ನಿಮ್ಮ ಗುಣಮಟ್ಟದ ಅವಶ್ಯಕತೆಗಳನ್ನು ಪೂರೈಸುವ ಅತ್ಯಂತ ಚಿಕ್ಕ ಗ್ರೇಡರ್ ಮಾಡೆಲ್ ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ.

• ಕಸ್ಟಮ್ Python ಗ್ರೇಡರ್‌ಗಳನ್ನು ದಕ್ಷವಾಗಿರಿಸಿ.

• ಒಮ್ಮುಖಗೊಳ್ಳುವ ವೇಗ ಮತ್ತು ವೆಚ್ಚವನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು compute_multiplier ಅನ್ನು ಹೊಂದಿಸಿ.

• ಡ್ಯಾಶ್‌ಬೋರ್ಡ್‌ನಲ್ಲಿ ಅಥವಾ API ಮೂಲಕ ನಿಮ್ಮ ರನ್ ಅನ್ನು ಮೇಲ್ವಿಚಾರಣೆ ಮಾಡಿ. ನೀವು ಯಾವುದೇ ಸಮಯದಲ್ಲಿ ವಿರಾಮಗೊಳಿಸಬಹುದು ಅಥವಾ ರದ್ದುಗೊಳಿಸಬಹುದು.

ಉದಾಹರಣೆಗಳು

ಯಶಸ್ವಿ ತರಬೇತಿ ರನ್

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಒಟ್ಟು ಕಳೆದ ಸಮಯ 6 ಗಂಟೆಗಳು, ಆದರೆ ಕೇವಲ 4 ಗಂಟೆಗಳು ಮಾತ್ರ ಬಿಲ್ ಮಾಡಬಹುದಾಗಿದೆ. ವೆಚ್ಚವು 4 ಗಂಟೆಗಳು × $100/ಗಂಟೆ = $400 ಆಗಿರುತ್ತದೆ.

ವಿಫಲವಾದ ಜಾಬ್ ಉದಾಹರಣೆ

ಈ ಉದಾಹರಣೆಯಲ್ಲಿ, ರನ್ 2 ಗಂಟೆಗಳವರೆಗೆ ತರಬೇತಿಗೊಳಿಸುತ್ತದೆ, ಒಂದು ಚೆಕ್‌ಪಾಯಿಂಟ್ ಬರೆಯುತ್ತದೆ, ಇನ್ನೂ 1 ಗಂಟೆ ತರಬೇತಿಗೊಳಿಸುತ್ತದೆ, ಆದರೆ ನಂತರ ವಿಫಲವಾಗುತ್ತದೆ. ಚೆಕ್‌ಪಾಯಿಂಟ್ ವರೆಗೆ ನಡೆದ 2 ಗಂಟೆಗಳ ತರಬೇತಿ ಮಾತ್ರ ಬಿಲ್ ಮಾಡಬಹುದಾಗಿದೆ.

ಒಟ್ಟಾರೆ 3 ಗಂಟೆಗಳು ತರಬೇತಿಗೆ ಕಳೆದಿದ್ದರೂ, ಬಳಕೆ ಮಾಡಬಹುದಾದ ಚೆಕ್‌ಪಾಯಿಂಟ್‌ನಲ್ಲಿ ಕೇವಲ 2 ಗಂಟೆಗಳು “ಸೆರೆಹಿಡಿಯಲ್ಪಟ್ಟಿವೆ” ಮತ್ತು ಅವುಗಳಿಗೆ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ. ವಿಫಲತೆಯಿಂದ ಕಳೆದುಹೋದ ಒಂದು ಗಂಟೆಯ ತರಬೇತಿ ಕೆಲಸ ನಿಮ್ಮ ಹೊಣೆ ಅಲ್ಲ. ವೆಚ್ಚವು 2 ಗಂಟೆಗಳು × $100/ಗಂಟೆ = $200 ಆಗಿರುತ್ತದೆ.

ಪದೇ ಪದೇ ಕೇಳಲಾಗುವ ಪ್ರಶ್ನೆಗಳು

ನನ್ನಿಂದ ಯಾವಾಗ ಶುಲ್ಕ ವಿಧಿಸಲಾಗುತ್ತದೆ?

ನಿಮ್ಮ ರನ್ ಪೂರ್ಣಗೊಂಡಾಗ, ವಿರಾಮಗೊಳಿಸಿದಾಗ, ರದ್ದುಗೊಳಿಸಿದಾಗ ಅಥವಾ ವಿಫಲವಾದಾಗ ನಾವು ಬಿಲ್ ಮಾಡುತ್ತೇವೆ. ಪ್ರತಿ ಬಿಲ್ ಹಿಂದಿನ ಬಿಲ್‌ನ ನಂತರ ಮಾಡಿದ ಕೆಲಸವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ರನ್ ವಿಫಲವಾದರೆ ನಾನು ಪಾವತಿಸಬೇಕೇ?

ನಮ್ಮ ದೋಷದಿಂದ ರನ್ ವಿಫಲವಾಗಿ ಇತ್ತೀಚಿನ ಯಾವುದೇ ತರಬೇತಿ ಕೆಲಸ ಕಳೆದುಹೋದರೆ, ಕಳೆದುಹೋದ ಭಾಗಕ್ಕೆ ನಿಮಗೆ ಶುಲ್ಕ ವಿಧಿಸಲಾಗುವುದಿಲ್ಲ. ನೀವು ರನ್ ಅನ್ನು ರದ್ದುಗೊಳಿಸಿದರೆ, ರದ್ದುಗೊಳಿಸುವವರೆಗೆ ನಡೆದ ಕೆಲಸಕ್ಕೆ ನಿಮಗೆ ಶುಲ್ಕ ವಿಧಿಸಲಾಗುತ್ತದೆ.

ಗ್ರೇಡರ್ ಮಾಡೆಲ್ ಟೋಕನ್‌ಗಳಿಗೆ ಹೇಗೆ ಬಿಲ್ ಮಾಡಲಾಗುತ್ತದೆ?

ನೀವು ಕಾನ್ಫಿಗರ್ ಮಾಡುವ ಯಾವುದೇ ಮಾಡೆಲ್ ಗ್ರೇಡರ್‌ಗಳು ಬಳಸಿದ ಟೋಕನ್‌ಗಳನ್ನು ನಾವು ಎಣಿಸುತ್ತೇವೆ. ತರಬೇತಿ ಮುಗಿದ ನಂತರ, ಆ ಟೋಕನ್‌ಗಳಿಗೆ ನಮ್ಮ ಪ್ರಮಾಣಿತ ಪ್ರತಿ-ಟೋಕನ್ ದರಗಳಲ್ಲಿ ನಾವು ಬಿಲ್ ಮಾಡುತ್ತೇವೆ.

ನಾನು ರನ್ ಅನ್ನು ವಿರಾಮಗೊಳಿಸಿ ಪುನರಾರಂಭಿಸಬಹುದೇ?

ಹೌದು. ನೀವು ವಿರಾಮಗೊಳಿಸಿದಾಗ, ನಾವು ಒಂದು ಚೆಕ್‌ಪಾಯಿಂಟ್ ಉಳಿಸಿ, ಇಲ್ಲಿವರೆಗೆ ಮಾಡಿದ ಕೆಲಸಕ್ಕೆ ಶುಲ್ಕ ವಿಧಿಸುತ್ತೇವೆ. ನೀವು ಪುನರಾರಂಭಿಸಿದಾಗ, ಪುನರಾರಂಭಿಸಿದ ನಂತರ ಮಾಡಿದ ಹೆಚ್ಚುವರಿ ಕೆಲಸಕ್ಕೆ ಮಾತ್ರ ನಿಮಗೆ ಶುಲ್ಕ ವಿಧಿಸಲಾಗುತ್ತದೆ.

Reinforcement Fine‑Tuning ಬಿಲ್ಲಿಂಗ್ ಬಗ್ಗೆ ನಿಮಗೆ ಬೇರೆ ಪ್ರಶ್ನೆಗಳಿದ್ದರೆ, ನಮ್ಮ ಬೆಂಬಲ ತಂಡವನ್ನು ಸಂಪರ್ಕಿಸಿ.