> 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/roboflow/roboflow-jp/deploy/serverless-hosted-api-v2/pricing.md).

# 価格

その [roboflow.com/credits](https://roboflow.com/credits) ページには、1クレジットが500秒の推論時間に相当すると記載されています。より正確な式は次のとおりです:

```matlab
x-remote-processing-time ヘッダーが設定されている場合:
   credits = (100ms + x-remote-processing-time) / 500,000ms
else:
   credits = max(x-processing-time, 100ms) / 500,000ms
```

ここで `x-processing-time` と `x-remote-processing-time` は HTTP レスポンスヘッダーで、float形式（秒）です。参照: [roboflow.com/pricing](https://roboflow.com/pricing) クレジット料金について。

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

以下の例では、 [coco/39 モデル](https://universe.roboflow.com/microsoft/coco/model/39) （RF-DETR Small、560x560）で推論を実行します。レスポンスヘッダーでは `x-processing-time` を確認でき、これは81msです。この場合、 `credits = max(81, 100) / 500,000 = 0.0002 credits` 、つまり1000画像あたり0.2 credits となります。

```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
```

#### コールドスタート

同じリクエストを10分後に実行すると、モデルがアンロードされていて、GPUに再度読み込む必要がある場合があります。これがコールドスタートです。モデルの読み込みには数秒かかることがあり、推論間の遅延と強く相関しています。

```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
```

**式**: `credits = max(1106, 100)/500,000 = 0.0022` 、または **2.2 credits / 1000** （コールドスタート）画像。

### Workflow の実行

Workflows では、モデル推論と一般的な Workflow 処理を分離しています。つまり、Workflow 自体は（より低コストな）CPU専用マシンで実行され、モデル推論にのみGPUマシンを使用するため、より費用対効果の高い処理が可能になります。

<figure><img src="/files/62bfda5f5b2f444406969a0e6cf21e0d1d357f59" alt=""><figcaption><p>2x object detection model、動的クロッピング、複数のビジュアライゼーション、OCR用の Gemini を備えたナンバープレート認識 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
```

**式**: `credits = (100ms + 1054ms)/500,000` なので、 **0.0023 credits** 処理用に加え、Gemini API 呼び出しにごくわずかな量（トークン数によって異なります。参照 [roboflow.com/credits](https://roboflow.com/credits)).


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.roboflow.com/roboflow/roboflow-jp/deploy/serverless-hosted-api-v2/pricing.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.