要約

  • Colab の料金ページは、コンピューティングユニットの有効期限を90日とする。1ユニットで使える資源は、仮想マシンやGPU、TPUの構成に左右される。
  • 対象の Google AI 契約と Colab 契約は併用でき、別々の付与日に同じ残高へユニットが入る。残高の増加と、特定のGPUを使える日程の確保は別々に進む。

データが届くのは来週。実験条件を決める会議はその後。それでも、先に買った計算用の残高には時間が流れている。Colab では、研究の準備が整う前に計算枠の寿命を使ってしまうことがある。

Google の料金ページには、Pro は毎月100ユニット、Pro+ は合計600ユニットとある。どちらにも90日後の失効が記されている。さらに、1ユニットで得られる利用量は、仮想マシンの構成とGPUやTPUなどの専用アクセラレーターの利用によって変わる。

つまり、残高の数字を、そのままGPUの稼働時間として予算表に転記することはできない。購入したのは、一定の条件の下で計算を実行するための枠だ。それを実験結果に変える作業は、購入後も残っている。

有効期限と空き状況が同時に効く

Colab の公式FAQは、低価格でGPUへのアクセスを提供するため、利用制限やハードウェアの供給を動的に調整する必要があると説明する。有料プランでも資源の可用性は変わり、上位のGPUも空き状況に左右される。

この仕組みが便利な場面は多い。短い検証や学習用のノートブックなら、自分でマシンを用意して管理する手間を省ける。構成を変えても支障がない仕事は、共有資源の柔軟性を受け入れやすい。

一方、発表日が決まった研究では事情が変わる。たとえば、大きなGPUメモリーを必要とする実験で、入力データの完成が遅れたとする。残高が十分でも、実行したい日に必要な構成を予約済みとは限らない。別の構成に合わせて実験を分けたり、順序を変えたりすれば、人の作業時間と日程調整が費用に加わる。これは公開条件から導かれる計画上の問題だ。

90日の期限だけなら、購入時期を考えればよい。供給の変動だけなら、待てる仕事を回せばよい。二つが重なると、待つ間にも有効期限が近づく。利用者には、資金だけでなく、すぐに実行へ移せる準備が求められる。

残高が増えても、研究時間は増えない

Google は9月22日の発表で、対象の Google AI プランに Colab の上位機能を組み込んだ。既存の Colab 契約は維持され、両方の特典を重ねて使える。

FAQによれば、同じアカウントで Google AI と Colab Pro または Pro+ を併用できる。それぞれから付与されたユニットは同じ残高に加わるが、毎月の付与日は異なる場合がある。契約の管理も、それぞれ購入した場所で行う。

日常的に多くの実験を回す人には、追加の枠が役立つ。他のAI機能を目当てに契約した人には、使い道を決める前に残高が増えることもある。そこで増えたのは計算への支出余力であり、データを整える人手や結果を読む時間ではない。

一つの合計表示だけでは、各付与分の出所や期限を追いにくい。90日という条件は Colab の料金ページで確認できる。Google AI の個別特典については、そのプランの条件を別に確認する必要がある。合計残高に加えて、いつ、どの契約から来た枠なのかを残しておく価値がある。

期限が近いからという理由で、目的の弱い実験を増やすのは割に合わない。ユニットを使い切っても、結果の整理と検証には人の時間がかかる。消費率を上げるために研究計画を曲げれば、料金表が研究責任者の席に座ってしまう。

開始ボタンの先まで買えるか

Colab Pro+ は、十分なユニットがあれば最大24時間の連続コード実行に対応する。公式FAQは同時に、Pro、Pro+、Pay As You Go でユニットを使い切るとバックエンドが終了すると説明している。長く動かせる機能を利用するには、最後まで支える残高も必要になる。

重要なのは、実験を開始できた回数より、結果を保存して次の判断に使えた回数だ。時間当たりの消費が多い構成でも、価値のある実験を早く終えられるなら採用する理由がある。逆に、少しずつ消費する構成でも、研究者を長く待たせれば全体の費用は膨らむ。

付与日、失効、利用可能だった機材、有効な実験の完了を同じアカウントで結んだ記録が不足しており、その記録があれば未使用分と結果当たりの実費を算定できる。

購入側が今できるのは、実行可能な仕事を先に並べることだ。データ、必要な構成、予想消費、結果の保存方法をそろえる。残高を増やしてから用途を探す順序では、予定外の準備時間まで期限内に詰め込むことになる。

使い慣れた画面から別の機材へ

Google のローカルランタイムの案内では、Colab の画面を自分のハードウェアにつなげられる。ノートブックの共有に、ローカルの実行環境の共有は含まれない。画面を残しながら、計算資源を用意する責任を自分側へ移す選択肢だ。

その選択には、容量の確保、保守、環境を再現する手間が伴う。待てる実験なら共有サービスの便利さを選び、日程を動かせない仕事なら確実性に費用を払う。比較するべきなのは、必要な仕事を期日までに終える総費用である。

残高には安心感がある。ただし、研究室が必要としているのは、期限内に使い切った記録より、期限内に得られた答えだ。