Databricks Mosaic AI Gateway Pricing の解説(2026年最新)
.webp)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
Databricks Mosaic AI Gateway は、Databricks エコシステム内における AI モデル利用の管理、セキュリティ保護、およびモニタリングを統合して行うインターフェースとして位置付けられています。ETL やデータエンジニアリングですでに Databricks を活用している組織にとって、Mosaic AI の統合は統合されたガバナンス層を提供します。
しかし、Mosaic AI Gateway の価格設定は単純なアドオンではありません。コストは本質的に Databricks Unit (DBU) モデル、選択する特定のコンピュート層、および Unity Catalog のようなプラットフォームレベルの依存関係と結びついています。
本分析では、Databricks AI pricing を詳細に分解し、大規模なエンジニアリングチームが、より明確なユニットエコノミクスとアーキテクチャの独立性を実現するために、なぜ TrueFoundry のようなアンバンドルされた代替手段を検討するのかを解説します。
.webp)
Databricks Mosaic AI Gateway とは?
Databricks Mosaic AI Gateway は、AI モデルリクエストのルーティング、モニタリング、およびガバナンスのための集中型コントロールプレーンとして機能します。モデルが外部(OpenAI 経由の GPT-4o など)か、Mosaic AI Model Serving 経由で内部ホストされているかを問わず、アプリケーションロジックとモデルエンドポイントの間のプロキシとして機能します。
アーキテクチャ面では、このゲートウェイはプロンプトとレスポンスのログ記録、レイテンシ追跡、および利用統計の属性特定に必要なオブザーバビリティのフックを提供します。単体のバイナリではなく、Databricks Model Serving インフラストラクチャに統合された機能セットです。そのため、その運用上の可用性は、ベースとなる Databricks ワークスペースおよび Unity Catalog ガバナンス層の信頼性とスケーリング特性に依存します。
'DBU' 通貨:Databricks の実際の課金方法
Databricks は、従来の SaaS のような API リクエスト単位での課金を行いません。代わりに、消費量は Databricks Units (DBU) に標準化されます。2026年初頭の時点で、AI ワークロードの DBU レートは一般的に、ファウンデーションモデルサービングで 1 DBU あたり $0.07 から始まり、ログ分析に使用されるサーバーレス SQL オペレーションでは 1 DBU あたり $0.70 を超えることもあります。
DBU とは?
DBU は、1時間あたりの処理能力を表す独自のメトリクスです。プラットフォームチームにとって Databricks AI pricing の予測における課題となるのは、単一の AI リクエストに、ゲートウェイルーティング、ガードレール実行、Delta Tables へのログ取り込みなど、DBU を消費する複数のイベントが含まれる点です。DBU コストは、プラン(Standard、Premium、または Enterprise)およびクラウドプロバイダーによって異なります。
統合されたコンピュートの経済性
標準的な導入では、組織は2つのコストストリームを管理します。生の VM インスタンスに対するクラウドプロバイダー(AWS/Azure/GCP)への支払いと、DBU 管理手数料に対する Databricks への支払いです。Databricks Serverless は、これらのコストを単一のレートにバンドルします。これにより請求は単純化されますが、バンドルされたレートには通常、プラットフォーム管理とオーケストレーションをカバーするために、生のインフラストラクチャコストに上乗せされたプレミアムが含まれます。
Mosaic AI Gateway が Databricks の価格設定にどう影響するか
Mosaic AI Gateway のコストは、リクエストの処理に必要なコンピュートリソースを通じて発生します。ゲートウェイを通過するすべてのリクエストは、Model Serving エンドポイント上でコンピュート時間を消費します。
Databricks AI pricing の主なコスト要因には以下が含まれます。
- リクエスト処理: ルーティングおよびロードバランシングのためのゲートウェイロジックに関連する DBU 消費。
- オブザーバビリティのオーバーヘッド: リクエスト/レスポンスのペイロードを Inference Tables に書き込む際のコンピュートおよびストレージコスト。
- ガバナンスチェックポイント: モデル呼び出しごとに Unity Catalog 権限チェックによって加算されるレイテンシとコンピュートコスト。
.webp)
Mosaic AI Gateway Pricing の内訳
Databricks AI Gateway を使用する際の財政的影響は、トラフィックが外部プロバイダーにルーティングされるか、内部のホスト型モデルにルーティングされるかによって異なります。
外部モデルへのルーティング
ゲートウェイが OpenAI や Anthropic などの外部プロバイダーにトラフィックをルーティングする場合、組織はプロバイダーのトークン料金を直接支払います。さらに、Databricks AI pricing は DBU を通じてゲートウェイ機能(ルーティング、追跡、ログ記録)の料金を課金します。
- コストベクトル: ゲートウェイによって処理されるトラフィックは、スループットに基づいて DBU 消費が発生します。
- インフラストラクチャ要件: 外部ルーティングの場合でも、サービングエンドポイントは「Active」である必要があります。高コンカレンシー環境では、完全なスケールツーズロ(ゼロへのスケールダウン)を防ぐプロビジョニング済み容量が必要になる場合があります。
内部モデルサービング (Mosaic AI Model Serving)
Databricks 内でホストされるモデルの場合、コストは一般的に2つのモードに分かれます。
- Pay-Per-Token: 開発テストや間欠的なワークロードで頻繁に使用されます。商用モデルは、100万トークンあたりの特定の DBU レートで課金されます(例:特定のハイエンドモデルでは 1M トークンあたり ~$94)。
- Provisioned Throughput: 本番環境のパフォーマンスにおける標準です。このモードでは、多くの場合 1 DBU あたり $0.07 から始まる最小コンカレンシーコミットメントが必要であり、予約された容量に対して24/7で料金を支払います。このモデルは可用性を確保しますが、トラフィックが大きく変動する場合にアイドル容量コストが発生する可能性があります。
エコシステムに関連するその他のコスト
Databricks Mosaic AI Gateway 自体は、総所有コスト(TCO)の1つのコンポーネントに過ぎません。サポートするインフラストラクチャが、月額 Databricks コストの大部分を占めることがよくあります。
Unity Catalog への依存関係
Mosaic AI Gateway はガバナンスのために Unity Catalog に依存しています。推論ログは Delta Tables に保存され、以下が発生します。
- ストレージコスト: 標準的なクラウドオブジェクトストレージ料金。
- Inference Table の処理: ゲートウェイからログを取り込むバックグラウンドジョブのコンピュートコスト。
- 分析コスト: 監査や請求のためにこれらのログをクエリするには、Databricks SQL が必要です。Serverless SQL の場合、1 DBU あたり $0.70 となり、オブザーバビリティのクエリを頻繁に実行すると、プラットフォーム全体の支出が増加します。
ガードレールとデータスキャナー
PII マスキングや毒性フィルターなどの AI Guardrails を有効にすると、追加のコンピュートが必要になります。各ガードレールは、リクエスト/レスポンスのペイロードに対してモデルまたは正規表現スキャナーを実行します。
- レイテンシへの影響: 内部ベンチマークによると、ガードレールの複雑さに応じて P95 レイテンシが 50ms から 200ms 増加する可能性があります。
- コンピュートへの影響: ガードレールの実行には Model Serving コンピュートが使用され、標準レートで DBU を消費します。
チームが Databricks AI Pricing で直面する共通のコスト課題
- 変動する DBU 消費量: オートスケーリングのトリガーは反動的です。トラフィックの急激なスパイクによって、最低一定期間アクティブなままになる追加のコンピュートノードがプロビジョニングされ、短時間のスパイク時のコスト効率に影響を与える可能性があります。
- 帰属特定(アトリビューション)の複雑さ: DBU は多くの場合、ワークスペースレベルで集計されます。特定の Mosaic AI Gateway コストを広範なデータエンジニアリングワークロードから分離するには、通常、カスタムタグ付けとシステムテーブルの分析が必要になります。
- エコシステムへの依存: ゲートウェイを利用すると、ログ記録とガバナンスが Databricks アーキテクチャ(Unity Catalog、Delta Tables)に縛られます。後から別の推論スタックに移行する場合、これらのガバナンス層を再実装する必要があります。
.webp)
一部のチームが Databricks Mosaic AI Gateway 以外の選択肢を求める理由
AI の導入が概念実証(PoC)から大規模な本番環境へと移行するにつれて、すべてのトークンにかかる DBU ベースの Databricks AI pricing モデルはユニットエコノミクスに影響を与える可能性があります。エンジニアリングチームは、Databricks プラットフォームの包括的な性質がデータウェアハウスには効果的である一方、アプリケーション側の単純な AI ルーティングにとってはアーキテクチャ上の重荷となることに気づくことがよくあります。
さらに、Databricks コントロールプレーン内での運用が義務付けられているため、TCO を削減できる専用ハードウェア(AWS Trainium/Inferentia など)や代替のデプロイ戦略(オンプレミスの Kubernetes など)の採用が制限される場合があります。
TrueFoundry による AI インフラストラクチャへのアプローチ
TrueFoundry は、Databricks AI pricing の複雑さよりもコストの透明性とインフラストラクチャの制御を優先するエンジニアリングチーム向けに設計された代替アーキテクチャを提供します。
- Kubernetes ネイティブ: TrueFoundry は顧客のクラウドアカウント(AWS、Azure、GCP)に直接デプロイされます。生のインスタンスコストに上乗せされる「管理 DBU」はありません。
- ダイレクトルーティング: プラットフォームにバンドルされたゲートウェイとは異なり、TrueFoundry は外部ルーティングに対してトークン単位のマージンを課金しません。
- インフラストラクチャの最適化: プラットフォームは、推論用の Spot インスタンスと詳細なスケールツーズロ設定をサポートしています。多くの本番シナリオにおいて、このアプローチは Provisioned Throughput モデルと比較してアイドル状態のコンピュートコストを削減します。
表 1: Databricks Mosaic AI Gateway と TrueFoundry: コスト構造の比較
図 1: アーキテクチャとコストフローの比較
.webp)
AI スタックをアンバンドルする準備はできていますか?
Databricks Mosaic AI Gateway は、すでに Lakehouse に組み込まれているチームに統合のメリットを提供しますが、DBU ベースの Databricks AI pricing モデルは、規模の拡大に伴って変動コストを引き起こす可能性があります。TrueFoundry は、エンジニアがプラットフォームのプレミアム料金を支払うことなく自身のインフラストラクチャを所有できるようにする、高性能でコスト透明性の高い代替手段を提供します。
個人識別情報やクレジットカード番号などの機密情報を管理するチームにとって、TrueFoundry は AI ゲートウェイデータを管理下に置きながら、コスト管理を最適化することを保証します。機械学習の支出に合わせて調整された AI ゲートウェイダッシュボードの例で、削減額を確認できます。
アーキテクチャの独立性を実現し、DBU のマークアップを排除する方法を確認するには、今すぐ当社のチームとの デモを予約してください。
よくある質問(FAQ)
Databricks の月額費用はどのくらいですか?
月額費用は非常に変動しやすく、消費量に依存します。小規模なチームでのエントリーレベルの使用は軽微であることが多いですが、継続的な可用性要件と広範なガバナンスログ記録によって推進されるエンタープライズ規模の本番ワークロードでは、DBU 消費がスループットに伴って線形に拡大するため、かなりの月間運用支出が発生する可能性があります。
Databricks Mosaic AI pricing の仕組みは?
Databricks Unit (DBU) モデルを通じた従量課金制です。Model Serving エンドポイントのコンピュート時間、Delta Tables での推論ログのストレージ、および Databricks SQL 経由でそれらのログを分析するために必要なコンピュートリソースに対して課金されます。
TrueFoundry は Databricks Mosaic AI よりもどのように費用対効果が高いのですか?
TrueFoundry は Bring-Your-Own-Cloud(自社クラウド持ち込み)モデルで動作し、バンドルされたプラットフォームに見られる DBU 管理プレミアムを排除します。自社の Kubernetes クラスタに直接デプロイし、Spot インスタンスや詳細なスケールツーズロなどの積極的な最適化戦略を有効にすることで、サービングコストを生のインフラストラクチャ価格に直接一致させます。
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.














.webp)





.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)






