竞价实例和预留实例有什么区别？一篇讲清

先给结论：大模型算力里，能承受随时被打断、任务可拆可续的负载，用竞价实例，折扣深；要求不间断、长期在线的服务，用预留实例，稳定有承诺。竞价实例和预留实例的区别，核心在「回收风险」和「折扣幅度」这一进一出。

先把概念立住。竞价实例是供应商把闲置算力折价出售，价格随供需浮动，代价是资源紧张时可能被提前回收；预留实例是承诺一段使用时长换取稳定折扣，资源归你独占到承诺期结束。DeepSeek 这类模型的微调任务为什么常听说用竞价跑？就是因为训练任务可断点续跑，扛得住回收。

先给结论：谁的活适合竞价

三类活适合竞价：批处理任务，跑完就撤，被打断重跑也不心疼；可断点的训练与微调，定期存档进度，回收后接着跑；有状态的容错服务，多副本部署，丢一个副本流量自动挪走。三类活不适合竞价：对外服务的常驻实例、单点无副本的任务、无法断点续跑的长流程——这些场景一旦被回收，用户体验或进度直接受损，省下的折扣填不平损失。

被回收的风险怎么理解

竞价实例的回收不是随机捣乱，而是有规则的：当其他客户愿意出正常价租用这些资源时，供应商会按约定提前通知并收回竞价实例。通知窗口通常以分钟计，短到不可能人工响应，所以工程上必须自动化应对——监听回收通知、自动保存状态、把任务迁移到别的实例。风险的本质是「你用的是别人的余量」，余量消失时，价格优势随之中断。ModelScope 社区里不少自部署教程都会强调断点保存机制，就是冲着这个风险去的。

预留实例换来了什么

预留换来的是确定性和折扣的平衡：资源独占、不回收，价格比按量低、比竞价高。它适合构成服务的「底盘」——常驻的推理实例、数据库、消息队列这类退场就出事故的组件。海螺AI 等托管服务对外承诺的稳定响应，背后正是这类确定性资源在支撑。选预留的判断依据和「预留与按量」的对比逻辑一致：长期稳定的负载才值得承诺。

两种买法的资源来源、价格和中断风险并排看，差别就清楚了。

怎么组合着用

成熟的算力组合是三层结构：预留实例垫底，承载不可中断的基线服务；按量实例补日常波动；竞价实例吃掉可中断的批任务和实验负载，把成本再压一档。分配比例按负载性质定——批任务占比高的团队，竞价能省下一大块；服务型负载为主的团队，竞价比例就该压低。每季度回看各类实例的实际利用率，把错配的挪回正确的层。

竞价与预留对照表

• 价格：竞价折扣最深但可被回收，预留折扣适中且独占
• 风险：竞价要自动化应对回收，预留怕为闲置付费
• 适合：可断点任务用竞价，常驻服务用预留
• 组合：预留垫底、按量补波动、竞价吃批任务

组合方案落地时，还有相邻问题要一并想。预留和按量的基础对比，见预留和按量有什么区别？一张表分清；发布切换走哪条路，参考蓝绿和灰度有什么区别？边界一次说清；私有化部署的资源形态，看私有化和混合部署有什么区别？各自的适合场景；边缘侧的算力取舍，在边缘和云端推理有什么区别？选型不再纠结。

聊聊竞价实例的常见疑问

• 竞价被回收后数据会丢吗？：本地盘数据随实例消失，挂载的独立存储和提前存档的进度不受影响，所以关键状态绝不留在实例本地。
• 价格波动怎么应对？：设出价上限，超过就自动换区域或退回按量，把预算封顶写进自动化脚本。
• 测试环境适合竞价吗？：非常适合，测试负载天然可中断、时间碎片化，是竞价最典型的受益场景。