runwhere CLI
价格与用量
查询 GPU 报价、推荐资源方案，并查看组织用量。
RunWhere 的价格和用量文档分两部分：提交前看资源价格，提交后看组织用量。
价格概览
runwhere price summary用于快速了解当前可用 GPU 的价格区间和数据更新时间。
示例：
GPU 型号 显存 最低价 最高价 厂商 SKU 竞价
NVIDIA A10 24 GB ¥10.10 ¥16.20 3 9 yes
NVIDIA A100-80GB 80 GB ¥34.70 ¥48.00 4 18 yes
NVIDIA H100-80GB 80 GB ¥58.00 ¥88.00 2 6 no查询具体 GPU
runwhere price list --gpu-type a100-80g可选筛选：
runwhere price list --gpu-type a100-80g --provider aliyun
runwhere price list --gpu-type a100-80g --billing-model on_demand参数：
| 参数 | 说明 |
|---|---|
--gpu-type <type> | GPU 型号，例如 a100-80g。 |
--provider <name> | 按厂商筛选。 |
--billing-model <model> | 按计费模式筛选，常见值为 on_demand 或 spot。 |
输出中最重要的是 SKU Key。把它复制到 YAML 的 resources.gpuSkuKey 后，提交时会直接使用该 Offer。
runwhere price list/runwhere price recommend的输出里这个字段标的是OFFER KEY（如下方示例的aliyun/cn-hangzhou/cn-hangzhou-i/on_demand/ecs.gn7e），复制这一行的值填进resources.gpuSkuKey即可。runwhere describe job --json的输出里还会看到另一个更短的sku_key（如ecs.gn7i.2xlarge，只是实例规格本身）——它和这里的OFFER KEY/offer_key（完整链路 key）是两个不同字段，别混淆。
推荐方案
runwhere price recommend -f train.yaml --top 3推荐结果会结合 YAML 中的资源、任务类型和可用报价。选择稳定方案后，可以把返回的 gpuSkuKey 写回 YAML，避免每次提交重新自动选择。
参数：
| 参数 | 说明 |
|---|---|
-f, --file <yaml> | 从 YAML 读取 GPU 型号、数量和任务类型。 |
--spot / --no-spot | 是否允许竞价实例，默认允许。 |
--max-price <price> | 最高预算，单位元/小时。 |
--top <n> | 推荐数量，默认 5。 |
示例：
推荐 #1 [低价优先] 评分 92
aliyun cn-hangzhou | ¥34.70/hr | on_demand
OFFER KEY: aliyun/cn-hangzhou/cn-hangzhou-i/on_demand/ecs.gn7e
理由：价格低，库存稳定查看用量
runwhere get usage按日期范围查询：
runwhere get usage --from 2026-07-01 --to 2026-07-31输出内容只包含平台自己记录的事实：
- 配额使用：各资源类型（推理 / Notebook / 训练）的在用数与套餐上限。
- 资源用量：分 GPU 型号的 GPU·小时（超额计费的依据）。
- 平台账单：RunWhere 实际向您收取的费用（订阅摊销 + 超额）。
GPU、存储等云资源费用由您的云账户直接结算，RunWhere 不经手也不估算——折扣、代金券、竞价波动等只有云厂商账单才准确，请前往云厂商费用中心查看。
示例：
2026-07-01 ~ 2026-07-31 用量
配额使用（team 套餐）
推理服务: 1 / 5
Notebook: 2 / 10
训练作业: 0 / 5
资源用量：GPU·小时 1,240.0 hr
A100-80G: 820.0 h
L40S: 420.0 h
平台账单（RunWhere 出账）
订阅已摊销: ¥3,000.00
超额预估: ¥999.00
本期平台账单: ¥3,999.00
GPU、存储等云资源费用由您的云账户直接结算，请前往云厂商费用中心查看控制成本的习惯
- 提交前先
price recommend。 - 调试时先跑短任务或低成本 compute 冒烟。
- 任务完成后确认状态进入终态。
- Notebook 和 Inference 不用时及时 stop。
- 给训练脚本写 checkpoint，避免中断后从零重跑。
推荐工作流
runwhere price summary
runwhere price recommend -f train.yaml --top 3选定方案后，把 OFFER KEY 写回 YAML：
resources:
gpuNum: 1
gpuSkuKey: aliyun/cn-hangzhou/cn-hangzhou-i/on_demand/ecs.gn7e然后同步并提交：
runwhere sync -f train.yaml
runwhere submit -f train.yaml