AI機能の料金請求

AI Functions では、組み込みのFabricホスト型大規模言語モデル (LLM) エンドポイントを使用して、個別のエンドポイント設定なしでデータを変換および強化します。 この記事では、その組み込みエンドポイントの課金メーター、消費率、使用状況の監視オプションについて説明します。

課金メーター

組み込みのFabric LLM エンドポイントを介した AI 関数呼び出しは、Copilotと AI メーターでFabric容量に課金されます。 Microsoft Fabric容量メトリック アプリでは、使用状況が AI Functions 操作として表示されます。

コストと支出を表示する

容量メトリック アプリを使用して、AI Functions の支出と容量への影響を監視します。

1. Microsoft Fabric 容量メトリック アプリを開きます。
2. AI Functions ワークロードを実行した容量、ワークスペース、時間範囲にフィルターを適用します。
3. 操作レベルのビューでは、Copilot and AI メーターの下にある AI機能 を探してください。
4. AI Functions 操作と Spark、Dataflow Gen2、またはウェアハウス操作を比較し、ワークロードを調整したコンピューティングからモデル呼び出しの消費量を分離します。

ランタイムの使用状況を監視する

開発中は、パイプラインをスケーリングする前に、実行時の使用状況統計を使用して消費量を見積もり、検証します。

pandas ノートブックと PySpark ノートブックでは、AI 関数の結果に ai.stats アクセスして、実行とトークンの使用状況の詳細を表示します。これには、次のものが含まれます。

• num_successful、num_exceptions、num_unevaluated、num_harmful。
• cached_tokens、input_tokens、output_tokens、reasoning_tokens。
• client_type、 input_types、および model。

# This code uses AI. Always review output for mistakes.

df["summary"] = df["text"].ai.summarize()
display(df["summary"].ai.stats)
display(df.ai.stats)

# This code uses AI. Always review output for mistakes.

results = df.ai.summarize(input_col="text", output_col="summary")
display(results.ai.stats)

出力は次の表のようになります。

pandas ノートブックで、関数の実行中にリアルタイムのトークンと容量ユニットの見積もりを表示するように progress_bar_mode="stats" を設定します。

import synapse.ml.aifunc as aifunc

aifunc.default_conf.progress_bar_mode = "stats"

進行状況バーには、ライブおよび投影されたキャッシュされた入力、入力、出力、容量ユニットの見積もりが表示され、操作が完了したときに最終的な値が表示されます。 PySpark を使用した 進行状況バー モード と AI 関数のカスタマイズを参照してください。

消費率

別のモデルを設定しない限り、pandas と PySpark 向けの Python AI Functions は、gpt-5-mini が reasoning_effort に設定された状態で、既定では low を使用します。 使用量はトークンの使用量に基づきます。 入力、キャッシュされた入力、および出力トークンには、異なるレートを設定できます。

言語モデル

モデルの埋め込み

従量課金レートは変更される場合があります。 完全な従量課金率の一覧とレート変更ポリシーについては、Fabricの Foundry Tools の従量課金レートを参照してください。

モデル移行ガイダンス

より高度な変換を行うには、 gpt-5.1 を構成したり、より多くのコンピューティングを使用して高品質の結果を得るために reasoning_effort を調整したりできます。 セットアップの詳細については、「 Pandas を使用して AI 関数をカスタマイズする 」および 「PySpark を使用して AI 関数をカスタマイズする」を参照してください。

関連するコンテンツ

• AI Functions を使用してデータを変換および強化します。
• AI Functions でマルチモーダル入力を使用します。
• pandas を使用して AI 関数をカスタマイズします。
• PySpark を使用して AI 関数をカスタマイズします。
• Fabric の Foundry Tools。