什么是竞价实例？低价但有条件，别再混淆了

在 AI 算力市场，同样一张显卡有一种租法能便宜一大截，条件是平台随时可能把机器收回去。这就是竞价实例：你出价租用闲置算力，价格随供需浮动，便宜是便宜，但要接受「说没就没」的可能性。

低价背后的交换条件

便宜的原因不难理解：数据中心总有富余机器，与其闲着，不如低价租给能接受中断的人；一旦有按量或预留用户需要资源，平台有权收回。类比机票的超售舱位——航班没坐满就低价卖，坐满了就请自愿改签的乘客下机。交换条件只有一个：中断风险由租用方自己兜底。

哪些活适合交给它

判断标准就一条：任务能不能随时中断、断了能不能续上。批量跑评测、夜间跑数据清洗、下载开源模型做格式转换，这类离线活天然适合。比如在 ModelScope 上挑选几个开源模型做批量评测，或者给 DeepSeek 蒸馏版跑一轮效果验证，中途被回收了重新排队就是。反过来，在线对话服务绝不能放在竞价实例上裸奔——用户聊到一半服务消失，体验直接崩掉。

手上的活按「能不能断、断了能不能续」过一遍：

被回收了怎么办

应对办法核心是两个字：存档。任务定期把进度写到外部存储，好比游戏打关卡存档，被回收后重新租一台机器，从最近的存档继续，损失的是时间不是成果。配合自动化脚本，机器被收、任务自动重排队，全程不需要人守着。回收前平台一般会提前几分钟通知，脚本要能响应这个信号。

三种计费摆在一起看

预留求稳、按量求灵活、竞价求便宜，三者按任务性质分工：常年在线的基线用预留，峰谷波动用按量，可中断的离线活用竞价。线上服务健康度靠监控指标盯着，基线怎么算见预留与按量，机器闲着跑竞价任务正合适，闲置问题参考算力空转，开箱即用的整机方案则可以看模型商店一键部署的路子。

想把竞价实例用稳，还有几个进阶做法。一是混部：把在线服务的低峰时段让给竞价任务，同一批机器白天跑服务、夜里跑批处理，利用率上去了，总价下来了。二是多区域备份队列：一个区域的竞价资源紧张被回收，任务自动调度到另一个区域重新起跑，中断时间从小时级压到分钟级。三是容量上限控制：给竞价任务设资源上限，避免它挤占同机在线服务的余量。

选型时也算一笔时间账：任务被回收一次，重跑要花多少时间？如果任务跑一趟八小时、被回收两次等于白干一天，那这份便宜就未必便宜。评估时把历史回收率和任务时长相乘，估算期望损耗，再和折扣省下的钱比一比，答案自然清楚。预算充足、任务紧急的，老老实实用预留；能等、能重跑的，竞价是真香。

竞价实例速查表

• 一句话本质：用中断风险换价格折扣
• 适合任务：能存档、可重跑的离线批任务
• 核心动作：定期存档进度，响应回收通知
• 红线：在线交互服务不要直接放上去

带走一句：竞价实例是给「断了也不心疼」的活准备的，心疼的活别凑这个热闹。

最后提示一个常见误会：竞价实例的价格低，不等于性能低。同一型号的显卡，跑起来的速度和预留实例没有区别，差别只在「会不会被收回去」。按这个思路选型，把竞价当作打折的临时工，而不是缩水的主力，就不会用错地方。

竞价实例快问快答三则

• 被回收的频率高吗？：随供需波动，不同区域、不同机型差别很大，租用前可以查平台公布的历史回收率。
• 价格会一路浮动到很贵吗？：竞价价有上限封顶，超过上限实例会被释放，不会出现无限涨价的情况。
• 能和预留实例混着用吗？：可以，基线放预留、离线活放竞价是常见组合，两边互不影响。