# 価格

The [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
それ以外の場合:
   credits = max(x-processing-time, 100ms) / 500,000ms
```

ここで `x-processing-time` および `x-remote-processing-time` は HTTP Response ヘッダーで、float 形式（秒）です。こちらを参照してください [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 model](https://universe.roboflow.com/microsoft/coco/model/39) （RF-DETR Small、560x560）に対して推論を実行しています。Response headers には `x-processing-time` があり、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 になります。

```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
```

#### Cold start

同じリクエストを10分後に実行すると、model がアンロードされていてGPUに再度ロードする必要がある、つまり cold start が発生することがあります。Model 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
```

**Formula**: `credits = max(1106, 100)/500,000 = 0.0022` 、つまり **1000枚あたり2.2 credits** （cold start）画像です。

### Workflow run

Workflows では、model inference と一般的な Workflow processing を分離しています。つまり、Workflow 自体は（より安価な）CPUのみのマシン上で実行され、GPUマシンは model inference のみに使用されるため、よりコスト効率の高い処理になります。&#x20;

<figure><img src="https://3740591140-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>2つの object detection model、dynamic cropping、複数の visualizations、そしてOCR用の Gemini を使った 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` なので **0.0023 credits** は処理分で、Gemini API 呼び出し分としてごくわずかな量が加わります（トークン数に依存します。こちらを参照してください [roboflow.com/credits](https://roboflow.com/credits)).