> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/deployment/hi/roboflow/serverless-api/model-pricing.md).

# मॉडल मूल्य निर्धारण

Serverless Cloud API द्वारा सर्व की जाने वाली मॉडल्स के लिए, प्रति 1,000 छवियों पर क्रेडिट कीमतें।

Serverless Cloud API में इमेज इन्फरेंस के लिए प्रति छवि क्रेडिट के आधार पर बिल किया जाता है। इस पृष्ठ पर हर कीमत मानक दर पर 1,000 छवियों के लिए क्रेडिट में है, जिसे चार दशमलव स्थानों तक गोल किया गया है। हर पंक्ति एक मॉडल आर्किटेक्चर है जिसकी कीमत उसके सबसे छोटे आकार से शुरू होती है, और हर अनुभाग में हर आकार दिखाने के लिए विस्तार किया जा सकता है।

मासिक उपयोग एक सीमा पार करते ही वॉल्यूम छूटें अपने आप लागू हो जाती हैं। [मूल्य निर्धारण](/deployment/hi/roboflow/serverless-api/pricing.md) इसमें बिलिंग कैसे काम करती है, यह शामिल है, जिसमें Workflow runs और कौन-से असफल अनुरोध बिल योग्य हैं। वीडियो की कीमत अलग से [Serverless Video Streaming](/deployment/hi/roboflow/serverless-api/serverless-video-streaming-api.md).

## वस्तु पहचान

इसे 1,000 छवियों पर क्रेडिट को COCO mAP 50:95 से भाग देकर, प्रत्येक आर्किटेक्चर के सबसे छोटे आकार का उपयोग करके, क्रमबद्ध किया गया है। सटीकता के आंकड़े [Roboflow मॉडल लीडरबोर्ड](https://leaderboard.roboflow.com/).

इस कार्य के लिए ये पाँच सबसे कुशल आर्किटेक्चर हैं।

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th><th>सर्वश्रेष्ठ COCO mAP 50:95</th></tr></thead><tbody><tr><td>RF-DETR</td><td>0.125</td><td>7</td><td>59.9%</td></tr><tr><td>YOLO26</td><td>0.125</td><td>5</td><td>56.3%</td></tr><tr><td>YOLOv12</td><td>0.125</td><td>5</td><td>54.0%</td></tr><tr><td>YOLOv11</td><td>0.125</td><td>5</td><td>53.6%</td></tr><tr><td>YOLOv10</td><td>0.125</td><td>6</td><td>53.6%</td></tr></tbody></table>

<details>

<summary>हर वस्तु पहचान मॉडल और आकार</summary>

* RF-DETR
  * नैनो: 0.125
  * छोटा, बेस, मध्यम, बड़ा: 0.1875
  * XL: 0.25
  * 2XL: 0.3125
* YOLO26
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv12
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv11
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv10
  * नैनो: 0.125
  * छोटा, मध्यम, संतुलित, बड़ा: 0.1875
  * XL: 0.25
* YOLOv8
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv9
  * टिनी: 0.125
  * छोटा, मध्यम, कॉम्पैक्ट: 0.1875
  * विस्तारित: 0.25
* YOLOv7
  * टिनी: 0.125
  * बेस: 0.1875
  * X: 0.25
* YOLOv5
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOLite
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLO-NAS
  * छोटा, मध्यम: 0.1875

</details>

## इंस्टेंस सेगमेंटेशन

सबसे कम कीमत के अनुसार, पहले सबसे कम।

इस कार्य के लिए ये पाँच सबसे कम कीमत वाले आर्किटेक्चर हैं।

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>RF-DETR Seg</td><td>0.1875</td><td>7</td></tr><tr><td>YOLO26 Seg</td><td>0.1875</td><td>5</td></tr><tr><td>YOLOv11 Seg</td><td>0.1875</td><td>5</td></tr><tr><td>YOLOv8 Seg</td><td>0.1875</td><td>5</td></tr><tr><td>YOLOv5 Seg</td><td>0.1875</td><td>5</td></tr></tbody></table>

<details>

<summary>हर इंस्टेंस सेगमेंटेशन मॉडल और आकार</summary>

* RF-DETR Seg
  * नैनो: 0.1875
  * छोटा, मध्यम, बड़ा, पूर्वावलोकन: 0.25
  * XL, 2XL: 0.3125
* YOLO26 Seg
  * नैनो: 0.1875
  * छोटा, मध्यम, बड़ा: 0.25
  * XL: 0.3125
* YOLOv11 Seg
  * नैनो: 0.1875
  * छोटा, मध्यम, बड़ा: 0.25
  * XL: 0.3125
* YOLOv8 Seg
  * नैनो: 0.1875
  * छोटा, मध्यम, बड़ा: 0.25
  * XL: 0.3125
* YOLOv5 Seg
  * नैनो: 0.1875
  * छोटा, मध्यम, बड़ा: 0.25
  * XL: 0.3125
* YOLACT
  * ResNet-101: 0.25

</details>

## सिमैंटिक सेगमेंटेशन

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>YOLO26 Semantic Seg</td><td>0.25</td><td>5</td></tr><tr><td>DeepLabV3+</td><td>0.25</td><td>1</td></tr></tbody></table>

<details>

<summary>हर सिमैंटिक सेगमेंटेशन मॉडल और आकार</summary>

* YOLO26 Semantic Seg
  * नैनो, छोटा, मध्यम, बड़ा, XL: 0.25
* DeepLabV3+
  * MobileNetV2: 0.25

</details>

## मुख्यबिंदु पहचान

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>YOLO26 Pose</td><td>0.125</td><td>5</td></tr><tr><td>YOLOv11 Pose</td><td>0.125</td><td>5</td></tr><tr><td>YOLOv8 Pose</td><td>0.125</td><td>5</td></tr><tr><td>RF-DETR Keypoint</td><td>0.25</td><td>1</td></tr></tbody></table>

<details>

<summary>हर मुख्यबिंदु पहचान मॉडल और आकार</summary>

* YOLO26 Pose
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv11 Pose
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* YOLOv8 Pose
  * नैनो: 0.125
  * छोटा, मध्यम, बड़ा: 0.1875
  * XL: 0.25
* RF-DETR Keypoint
  * पूर्वावलोकन: 0.25

</details>

## वर्गीकरण

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>ViT</td><td>0.0625</td><td>1</td></tr><tr><td>ResNet</td><td>0.0625</td><td>4</td></tr><tr><td>DINOv3 Probe</td><td>0.0625</td><td>2</td></tr></tbody></table>

<details>

<summary>हर वर्गीकरण मॉडल और आकार</summary>

* ViT
  * B/16: 0.0625
* ResNet
  * 18, 34, 50, 101: 0.0625
* DINOv3 Probe
  * छोटा: 0.0625
  * बेस: 0.125

</details>

## ओपन-वोकैबुलरी डिटेक्शन

ये मॉडल बिना प्रशिक्षण के टेक्स्ट प्रॉम्प्ट से वस्तुओं का पता लगाते हैं।

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>YOLO-World</td><td>0.1875</td><td>8</td></tr><tr><td>Roboflow Instant</td><td>0.75</td><td>1</td></tr><tr><td>Grounding DINO</td><td>0.75</td><td>1</td></tr><tr><td>OWLv2</td><td>0.75</td><td>2</td></tr></tbody></table>

<details>

<summary>हर ओपन-वोकैबुलरी डिटेक्शन मॉडल और आकार</summary>

* YOLO-World
  * S, M, L, X, v2-S, v2-M, v2-L, v2-X: 0.1875
* Roboflow Instant
  * एकल आकार: 0.75
* Grounding DINO
  * Swin-T: 0.75
* OWLv2
  * बड़ा, बड़ा (fine-tuned): 0.75

</details>

## Segment Anything

प्रॉम्प्ट से संचालित किए जा सकने वाले सेगमेंटेशन फाउंडेशन मॉडल।

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>SAM 2</td><td>0.3125</td><td>4</td></tr><tr><td>SAM 3</td><td>0.5</td><td>2</td></tr><tr><td>SAM</td><td>0.5</td><td>1</td></tr></tbody></table>

<details>

<summary>Segment Anything में हर मॉडल और आकार</summary>

* SAM 2
  * Hiera Tiny, Hiera Small: 0.3125
  * Hiera Base+, Hiera Large: 0.5
* SAM 3
  * बेस, बड़ा: 0.5
* SAM
  * ViT-H: 0.5

</details>

## OCR

PP-OCR के लिए प्रति रन बिल किया जाता है, प्रति चरण नहीं। टेक्स्ट डिटेक्शन बंद करके किए गए कॉल केवल पहचान दर पर बिल किए जाते हैं, और डिटेक्शन चालू होने पर हर संयोजन OCR दर पर बिल किया जाता है।

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>PP-OCR (केवल पहचान)</td><td>0.125</td><td>3</td></tr><tr><td>TrOCR</td><td>0.3125</td><td>1</td></tr><tr><td>PP-OCR (डिटेक्शन + पहचान)</td><td>0.375</td><td>3</td></tr><tr><td>DocTR</td><td>0.375</td><td>1</td></tr><tr><td>EasyOCR</td><td>0.375</td><td>1</td></tr></tbody></table>

<details>

<summary>OCR में हर मॉडल और आकार</summary>

* PP-OCR (केवल पहचान)
  * टिनी, छोटा, मध्यम: 0.125
* TrOCR
  * एकल आकार: 0.3125
* PP-OCR (डिटेक्शन + पहचान)
  * टिनी, छोटा, मध्यम: 0.375
* DocTR
  * एकल आकार: 0.375
* EasyOCR
  * एकल आकार: 0.375

</details>

## एम्बेडिंग्स

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>CLIP</td><td>0.125</td><td>3</td></tr><tr><td>Perception Encoder</td><td>0.3125</td><td>1</td></tr></tbody></table>

<details>

<summary>हर एम्बेडिंग्स मॉडल और आकार</summary>

* CLIP
  * ViT-B/16, ViT-B/32: 0.125
  * ViT-L/14: 0.1875
* Perception Encoder
  * एकल आकार: 0.3125

</details>

## गहराई अनुमान

<table data-search="false"><thead><tr><th>मॉडल</th><th>1,000 छवियों पर क्रेडिट</th><th>आकार</th></tr></thead><tbody><tr><td>Depth Anything V3</td><td>0.3125</td><td>2</td></tr><tr><td>Depth Anything V2</td><td>0.3125</td><td>1</td></tr></tbody></table>

<details>

<summary>हर गहराई अनुमान मॉडल और आकार</summary>

* Depth Anything V3
  * छोटा: 0.3125
  * बेस: 0.75
* Depth Anything V2
  * छोटा: 0.3125

</details>

## निष्पादन समय मूल्य निर्धारण

कस्टम Python ब्लॉक और विज़न लैंग्वेज मॉडल्स के लिए उनके चलने के समय के आधार पर बिल किया जाता है, प्रति छवि नहीं। एक क्रेडिट से 500 निष्पादन सेकंड मिलते हैं।

<table data-search="false"><thead><tr><th>कार्यभार</th><th>प्रति क्रेडिट निष्पादन सेकंड</th><th>प्रति सेकंड क्रेडिट</th><th>प्रति घंटा क्रेडिट</th></tr></thead><tbody><tr><td>कस्टम Python ब्लॉक</td><td>500</td><td>0.002</td><td>7.2</td></tr><tr><td>विज़न लैंग्वेज मॉडल्स</td><td>500</td><td>0.002</td><td>7.2</td></tr></tbody></table>

### विज़न लैंग्वेज मॉडल्स

हर विज़न लैंग्वेज मॉडल के निष्पादन समय के लिए ऊपर दी गई दर पर बिल किया जाता है, चाहे प्रॉम्प्ट कुछ भी हो या आउटपुट टोकन की संख्या कितनी भी हो।

<table data-search="false"><thead><tr><th>मॉडल</th><th>प्रति क्रेडिट निष्पादन सेकंड</th></tr></thead><tbody><tr><td>PaliGemma 2</td><td>500</td></tr><tr><td>Florence 2</td><td>500</td></tr><tr><td>Qwen2.5 VL</td><td>500</td></tr><tr><td>Qwen3 VL</td><td>500</td></tr><tr><td>Qwen3.5</td><td>500</td></tr><tr><td>SmolVLM</td><td>500</td></tr><tr><td>Cosmos 3 (Edge) VLM</td><td>500</td></tr><tr><td>Moondream</td><td>500</td></tr><tr><td>Gemma 4</td><td>500</td></tr><tr><td>Mage-VL</td><td>500</td></tr><tr><td>GLM-OCR</td><td>500</td></tr></tbody></table>

एक चरण जो 10,000 छवियों पर प्रति छवि 2.5 सेकंड के लिए एक विज़न लैंग्वेज मॉडल चलाता है, 25,000 निष्पादन सेकंड, या 50 क्रेडिट का उपयोग करता है।

## वॉल्यूम छूटें

वॉल्यूम छूटें क्रमिक हैं: हर दर केवल उस बैंड में आने वाली छवियों पर लागू होती है, और सीमा से नीचे की छवियाँ अपने बैंड की दर बनाए रखती हैं। बैंड कैलेंडर माह के लिए सभी मॉडल्स में एक वर्कस्पेस का कुल गिनता है। उस बैंड पर लागू दरें देखने के लिए एक बैंड चुनें।

{% tabs %}
{% tab title="पहले 250K" %}
मानक दरें, जो हर महीने की पहली 250,000 छवियों पर लगाई जाती हैं।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.0625</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.125</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.1875</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.25</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.3125</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.375</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.5</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.75</td></tr></tbody></table>
{% endtab %}

{% tab title="250K–500K" %}
25% छूट।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.0469</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.0938</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.1406</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.1875</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.2344</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.2813</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.375</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.5625</td></tr></tbody></table>
{% endtab %}

{% tab title="500K–1M" %}
50% छूट।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.0313</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.0625</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.0938</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.125</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.1563</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.1875</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.25</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.375</td></tr></tbody></table>
{% endtab %}

{% tab title="1M–2M" %}
60% छूट।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.025</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.05</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.075</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.1</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.125</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.15</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.2</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.3</td></tr></tbody></table>
{% endtab %}

{% tab title="2M–5M" %}
70% छूट।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.0188</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.0375</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.0563</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.075</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.0938</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.1125</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.15</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.225</td></tr></tbody></table>
{% endtab %}

{% tab title="5M से अधिक" %}
80% छूट।

<table data-search="false"><thead><tr><th>मानक दर</th><th>इस दर पर मॉडल</th><th>इस बैंड में दर</th></tr></thead><tbody><tr><td>0.0625</td><td>वर्गीकरण मॉडल</td><td>0.0125</td></tr><tr><td>0.125</td><td>नैनो डिटेक्शन, CLIP, PP-OCR केवल पहचान</td><td>0.025</td></tr><tr><td>0.1875</td><td>छोटा–बड़ा डिटेक्शन, नैनो सेगमेंटेशन</td><td>0.0375</td></tr><tr><td>0.25</td><td>XL डिटेक्शन, छोटा–बड़ा सेगमेंटेशन</td><td>0.05</td></tr><tr><td>0.3125</td><td>XL सेगमेंटेशन, SAM 2 टिनी/छोटा</td><td>0.0625</td></tr><tr><td>0.375</td><td>OCR पाइपलाइन</td><td>0.075</td></tr><tr><td>0.5</td><td>Segment Anything</td><td>0.1</td></tr><tr><td>0.75</td><td>ओपन-वोकैबुलरी डिटेक्शन, Depth Anything V3 Base</td><td>0.15</td></tr></tbody></table>
{% endtab %}
{% endtabs %}

उदाहरण के लिए, एक महीने में RF-DETR Small के माध्यम से 600,000 छवियाँ 0.1875 पर 250,000, फिर 0.1406 पर 250,000, फिर 0.0938 पर 100,000 के रूप में बिल होती हैं, कुल 91.41 क्रेडिट।

## अन्यत्र मूल्यांकित मॉडल

वीडियो ट्रैकर SAM 2 Video और SAM 3 Video Serverless Video पर चलते हैं और इसमें कीमत तय होती है [Serverless Video Streaming](/deployment/hi/roboflow/serverless-api/serverless-video-streaming-api.md).