# Pricing

The [roboflow.com/credits](https://roboflow.com/credits) पृष्ठ में उल्लेख है कि 1 credit 500 सेकंड के inference time के बराबर है। अधिक सटीक formula निम्नलिखित है:

```matlab
यदि x-remote-processing-time header सेट है:
   credits = (100ms + x-remote-processing-time) / 500,000ms
अन्यथा:
   credits = max(x-processing-time, 100ms) / 500,000ms
```

जहाँ `x-processing-time` और `x-remote-processing-time` HTTP Response headers हैं, float format (seconds) में। देखें [roboflow.com/pricing](https://roboflow.com/pricing) credit pricing के लिए।

### <sub>Model Inference</sub>

नीचे दिए गए उदाहरण में, हम [coco/39 model](https://universe.roboflow.com/microsoft/coco/model/39) (RF-DETR Small, 560x560) पर inference चलाते हैं। Response headers में हमें `x-processing-time` मिल सकता है, जो 81ms है। इस मामले में, हमारे पास होगा `credits = max(81, 100) / 500,000 = 0.0002 credits` या 1000 images पर 0.2 credits।

```shellscript
curl -X POST "https://serverless.roboflow.com/coco/39?api_key=API_KEY&image=https://media.roboflow.com/notebooks/examples/dog.jpeg" -I
HTTP/2 200 
content-type: application/json
content-length: 995
x-model-cold-start: false
x-model-id: coco/39
x-processing-time: 0.08100700378417969
x-workspace-id: my-workspace-id
```

#### Cold start

यदि आप वही request 10 मिनट बाद चलाते हैं, तो ऐसा हो सकता है कि model unload हो चुका हो और उसे GPU पर फिर से load करने की आवश्यकता हो - एक cold start। Model loading में कुछ सेकंड तक लग सकते हैं, और यह inferences के बीच की देरी से बहुत अधिक संबंधित होता है।

```bash
curl -X POST "https://serverless.roboflow.com/coco/39?api_key=API_KEY&image=https://media.roboflow.com/notebooks/examples/dog.jpeg" -I
HTTP/2 200 
content-type: application/json
content-length: 995
x-model-cold-start: true
x-model-id: coco/39
x-model-load-details: [{"m": "coco/39", "t": 0.7791134570725262}]
x-model-load-time: 0.5791134570725262
x-processing-time: 1.1060344696044922
x-workspace-id: my-workspace-id
```

**Formula**: `credits = max(1106, 100)/500,000 = 0.0022` या **1000** (cold start) images के लिए 2.2 credits।

### Workflow run

Workflows के लिए, हम model inference को general Workflow processing से अलग करते हैं। इसका मतलब है कि Workflow स्वयं (सस्ते) CPU-only machines पर execute होगा, और model inference के लिए केवल GPU machines का उपयोग करेगा, जिससे processing अधिक cost-effective होगी।&#x20;

<figure><img src="https://2698615118-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2F-M6S9nPJhEX9FYH6clfW%2Fuploads%2FXQbvps5GpzFdJBX665lz%2Fworkflow.png?alt=media&#x26;token=47ae4df5-e35b-4470-a383-bffa6f8627d9" alt=""><figcaption><p>2x object detection model, dynamic cropping, multiple visualizations, और Gemini for OCR के साथ License plate recognition Workflow</p></figcaption></figure>

```bash
curl --location 'https://serverless.roboflow.com/my-workspace-id/workflows/lpr-workflow' -i \
--header 'Content-Type: application/json' \
--data '{
    "api_key": "API_KEY",
    "inputs": {
        "image": {"type": "url", "value": "https://storage.googleapis.com/com-roboflow-marketing/docs/cars-highway.png"}
    }
}'

HTTP/2 200 
content-type: application/json
content-length: 2277416
x-model-cold-start: false
x-processing-time: 6.334797143936157
x-remote-processing-time: 1.0542614459991455
x-remote-processing-times: [{"m": "vehicle-detection-bz0yu/4", "t": 1.0091230869293213}, {"m": "license-plate-w8chc/1", "t": 0.017786026000976562}, {"m": "license-plate-w8chc/1", "t": 0.01506495475769043}, {"m": "license-plate-w8chc/1", "t": 0.012287378311157227}]
x-workspace-id: my-workspace-id
```

**Formula**: `credits = (100ms + 1054ms)/500,000` तो **0.0023 credits** processing के लिए, और Gemini API call के लिए थोड़ी-सी छोटी राशि (token count पर निर्भर करती है, देखें [roboflow.com/credits](https://roboflow.com/credits)).