SchlüsselarbeitDokumentationerreichbar
Microsoft, Manage fine-tuning costs in Microsoft Foundry
learn.microsoft.com (externe Seite)
Microsofts Anleitung zur Kostenseite des Fine-Tunings. Sie trennt den einmaligen Trainingspreis von den laufenden Kosten und rechnet einen Monat für einen abgestimmten o4-mini durch: 720 Stunden Bereitstellung, 20 Millionen Token hinein, 40 Millionen hinaus. Seit dem 08.10.2026 rechnet sie mit Platzhaltern statt mit Beträgen, die stehen in der Preisliste. Sie nennt außerdem Kapazität und Grafikkarten als Posten, die auch ohne Anfragen laufen. Stand 05.11.2026 (Seite zuletzt geändert 29.10.2026) trennt sie zwei Wege des Trainings. Managed Training: überwachtes Fine-Tuning und Präferenzen nach Token mal Durchläufe, Reinforcement Fine-Tuning nach Trainingszeit mit gesondert berechnetem Bewertungsmodell und einer Kostengrenze je Lauf. Programmed Training (Vorschau, in der früheren Fassung dieses Eintrags interaktives Training genannt): vier Token-Arten über den ganzen Lauf, nämlich Prefill, Cached Prefill, Sampling und Training, ohne die Stundenformel und ohne die Kostengrenze des Managed Training. Für die Bereitstellung stehen Serverless, Fireworks on Foundry und Managed Compute (Vorschau) nebeneinander; beide Trainingswege nutzen dieselben Bereitstellungsarten.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 09.10.2026:
Fine-tuning in Microsoft Foundry involves training costs and ongoing hosting and inference costs.
bestätigt 10.11.2026Suppose a fine-tuned o4-mini chatbot handles 10,000 conversations and remains deployed for a 30-day month.
bestätigt 10.11.2026They have no availability or data-residency guarantees and are removed after 24 hours, regardless of usage.
bestätigt 10.11.2026PTU charges depend on allocated capacity and deployment time, rather than the number of requests you send.
bestätigt 10.11.2026Allocated GPU capacity incurs charges while the deployment runs, even when you aren't sending inference requests.
bestätigt 10.11.2026You aren't charged for time spent in queue, failed jobs, jobs canceled prior to training beginning, or data safety checks.
bestätigt 10.11.2026