Planeje e defina o orçamento de um projeto na Platform
Associe cada etapa do ciclo de vida do seu projeto à Platform ou à sua própria infraestrutura e estime o custo mensal antes de gastar créditos.

Raramente os projetos de visão computacional fracassam por causa do modelo. Eles fracassam nas transições: uma correção de rótulo que nunca chega à cópia usada no treinamento, um ponto de verificação que ninguém consegue vincular aos dados, um endpoint sempre ativo que consome silenciosamente US$ 150 por mês. A Ultralytics Platform conecta essas transições em um único espaço de trabalho, e nesta lição você decidirá, antes de carregar qualquer coisa, quais etapas ela gerenciará no seu projeto e quanto custarão.
Prático
O ciclo conectado pela Platform#

Todo sistema de visão computacional em produção executa o mesmo ciclo, e a parte mais cara é a seta entre duas caixas, não a caixa em si:
O valor da Platform está em cada etapa registrar o que a próxima precisa. Use esta tabela como mapa; a última coluna indica a lição que ensina cada etapa:
| Etapa | Na Ultralytics Platform | O que fornece à próxima etapa | Lição |
|---|---|---|---|
| Dados | Carregue imagens, vídeos e arquivos (YOLO, COCO, NDJSON); importe uma URL ou projetos do Roboflow e do Label Studio; leia dados diretamente do Google Cloud Storage, do Amazon S3 ou do Azure Blob Storage (Pro); no local (Enterprise) | Um conjunto de dados com um tipo de tarefa e divisões | 2 |
| Anotar | Ferramentas manuais para todas as tarefas YOLO, exceto profundidade (importada como mapas pareados), SAM, anotação inteligente com SAM, YOLO e prompts de classe, Anotação em lote | Rótulos, além de uma versão salva antes de cada execução em lote | 3 |
| Organizar | Agrupamento, Encontrar imagens semelhantes, mesclar classes, ferramentas de divisão, versões numeradas | Uma versão imutável do conjunto de dados | 4 |
| Treino | 26 tipos de GPU na nuvem com estimativa de custo, ou execuções locais transmitidas para um projeto | Um modelo vinculado à versão do conjunto de dados, ao custo e ao comando | 5 |
| Comparar | Gráficos do projeto, visualização em tabela com Diff, insights de validação | A execução que vale a pena colocar em produção | 6 |
| Implantar | Endpoints dedicados em 42 regiões; substituir o modelo mantendo a mesma URL | Uma URL de endpoint vinculada ao modelo correspondente | 7 |
| Monitorar | Métricas de solicitações, erros e latência P95, logs, estatísticas de predição, Salvar no conjunto de dados | Imagens de produção de volta em um conjunto de dados | 8 |
Duas ferramentas abrangem todo o ciclo. Agents cria fluxos de trabalho visuais, como reunir detecções incertas em um conjunto de dados para revisão, e Ask AI pode treinar, comparar, anotar, exportar e implantar em uma conversa, usando os mesmos comandos ul cloud que você pode executar por conta própria.
Decida o que ainda fica sob sua responsabilidade#
A plataforma termina em alguns limites bem definidos. Designe uma pessoa responsável por cada um deles no seu plano:
- Extrair quadros de sistemas proprietários (arquivos DICOM, câmeras OEM, historiadores de planta): seu código os envia para um bucket ou faz o upload.
- Alertas. A plataforma mostra métricas do endpoint e publica eventos de tarefas no Slack, mas não alerta sobre limites de latência ou erros. Você vai criar essa verificação na lição 8.
- Precisão ao longo do tempo. Um conjunto de teste rotulado e seu histórico ficam sob sua responsabilidade (lição 8).
- Lógica da aplicação. A contagem, o rastreamento e as regras de zona ficam no seu serviço; o Ultralytics Solutions e Contagem, mapas de calor e estimativa de velocidade, em Ultralytics YOLO em produção, abordam estes temas.
- Roteamento de tráfego. Os endpoints têm URLs geradas e não oferecem domínios personalizados; por isso, canários, roteamento multirregional e nomes de host com sua marca exigem um gateway próprio.
A plataforma não é uma estrutura separada. Um modelo da Platform é baixado como um best.pt normal, que YOLO("best.pt") carrega, valida e exporta; já um model.train(..., project="username/my-project") local é transmitido para a Platform com uma chave de API definida. Alternar entre os dois nunca exige converter nada.
Exemplo prático: planeje o orçamento do projeto antes de começar#
Três itens consomem créditos: treinamento na nuvem (tarifa da GPU × tempo de uso), Anotação em lote e desfoque de rostos no conjunto de dados inteiro (US$ 1,00 por 1.000 imagens) e endpoints de tamanho personalizado (cobrados por hora de funcionamento). Todo o restante deste curso é gratuito. Esta calculadora usa as tarifas reais da Platform para um pequeno projeto de detecção:
# Monthly Platform budget for a small detection project (rates from the billing and deployment docs)
TRAIN_RUNS = 8 # experiments per month
COST_PER_RUN = 0.15 # dialog estimate: ~1,000 images, YOLO26n, 100 epochs, default RTX PRO 6000
BATCH_ANNOTATION_IMAGES = 3_000 # $1.00 per 1,000 images
HOURS_PER_MONTH = 730
# Custom endpoint sizes keep one warm instance; us-central1 rates are $0.000024/vCPU-s and $0.0000025/GiB-s
warm_endpoint_hourly = (2 * 0.000024 + 4 * 0.0000025) * 3600 # 2 vCPU, 4 GiB
lines = {
"cloud training": TRAIN_RUNS * COST_PER_RUN,
"batch annotation": BATCH_ANNOTATION_IMAGES / 1000 * 1.00,
"default endpoint (1 vCPU, 2 GiB, scales to zero)": 0.0,
"warm endpoint (2 vCPU, 4 GiB, always on)": warm_endpoint_hourly * HOURS_PER_MONTH,
}
for item, usd in lines.items():
print(f"{item:<50} ${usd:>7.2f}")
print(f"{'total with a warm endpoint':<50} ${sum(lines.values()):>7.2f}")cloud training $ 1.20
batch annotation $ 3.00
default endpoint (1 vCPU, 2 GiB, scales to zero) $ 0.00
warm endpoint (2 vCPU, 4 GiB, always on) $ 152.42
total with a warm endpoint $ 156.62Como interpretar o resultado:
COST_PER_RUNvem da estimativa da caixa de diálogo de treinamento, que considera o tamanho do conjunto de dados, o modelo, as épocas, o tamanho da imagem e a GPU. Substitui-a pela estimativa do teu próprio conjunto de dados (lição 5).- A linha do endpoint é a que mais pesa. Treinar e rotular um pequeno projeto custa alguns dólares; manter uma instância ativa por 730 horas por mês custa cerca de US$ 150 em Iowa (as tarifas variam por região, e a caixa de diálogo de implantação mostra o preço exato por hora).
- Regra de decisão: comece todos os endpoints com o tamanho padrão gratuito. Passe para um tamanho personalizado somente quando os usuários não puderem tolerar uma inicialização a frio de até um minuto e o tráfego for constante o bastante para justificar o custo de funcionamento.
Planos#

| Gratuito | Pro (US$ 29/usuário/mês) | Enterprise | |
|---|---|---|---|
| Créditos | US$ 5 ao se cadastrar, US$ 25 com um e-mail corporativo verificado | US$ 30/usuário/mês, sem transferência de saldo | Personalizado |
| Armazenamento / upload individual | 100 GB / 10 GB | 500 GB / 20 GB | Ilimitado / 50 GB |
| Modelos / treinamentos simultâneos | 100 / 3 | 500 / 10 | Ilimitados |
| Implantações dedicadas | 3 | 10 | Ilimitados |
| Tipos de GPU na nuvem | 24 | 26 (inclui B200, B300) | 26 |
| Conjuntos de dados e equipes no armazenamento em nuvem | — | Sim, até 5 membros | Sim, tamanho personalizado |
| No local, SSO, licença Enterprise | — | — | Sim |
Regra de decisão: fique no plano Free enquanto estiver aprendendo; passe para o Pro quando precisar de armazenamento em nuvem conectado, de uma equipe, de mais de três endpoints ou de mais de três treinamentos simultâneos. O crédito mensal de US$ 30 do Pro cobre os custos de treinamento e rotulagem do orçamento acima. A documentação de faturamento lista todas as tarifas.
Armadilhas#
Sintoma: um conjunto de dados com imagens de clientes aparece em Explore, e desconhecidos podem cloná-lo. Solução: nos planos Free e Pro, novos conjuntos de dados e projetos são definidos como Públicos por padrão. Altere a opção de visibilidade nas caixas de diálogo Novo conjunto de dados e Novo projeto todas as vezes; tornar privado um conjunto de dados depois não remove clones que já existem.
Sintoma: um cliente da UE solicita residência de dados na UE, mas seu espaço de trabalho armazena dados nos EUA. Solução: a região dos dados (US, EU ou AP) é escolhida durante a integração, e somente o suporte pode alterá-la. Decida com base nos seus contratos antes de se cadastrar (lição 9).
Sintoma: os créditos diminuem cerca de US$ 5 por dia sem tráfego. Solução: tamanhos personalizados são cobrados pelo tempo de atividade, esteja o endpoint ocioso ou não. Pare os endpoints que não estiver usando ou volte ao tamanho padrão, que reduz a escala a zero sem custo.
Mostrar solução
Plano detalhado para uma câmera de inspeção de comprimidos numa linha de produção. Dados: carregamento na Plataforma dos despejos de frames noturnos (responsável: Ana). Anotar: Anotação em lote com o ajuste fino mais recente e, em seguida, revisão (Ana). Curadoria, treinamento e comparação: Plataforma (Ravi). Implantação: um endpoint de tamanho padrão em europe-west1, porque o PLC da linha chama-o a cada 30 segundos, por isso raramente fica inativo o tempo suficiente para reduzir a escala a zero (Ravi). Monitorização: painéis da Plataforma, além de uma verificação de integridade cron e uma tarefa semanal com conjunto de validação isolado no CI da equipa (de prevenção). Orçamento: 10 execuções × $0.15 + 2,000 imagens × $0.001 = cerca de $3.50 por mês num endpoint gratuito, coberto pelo crédito de $30 do Pro. Região dos dados: EU, porque a fábrica fica na Alemanha; todos os conjuntos de dados são privados.
Comentários
Faça uma pergunta, compartilhe seus resultados ou ajude outra pessoa.