Databricks Mosaic AI Gateway Pricing Uitgelegd (2026)

Databricks Mosaic AI Gateway is gepositioneerd als een geïntegreerde interface voor het beheren, beveiligen en monitoren van het gebruik van AI-modellen binnen het Databricks-ecosysteem. Voor organisaties die al gebruikmaken van Databricks voor ETL en data engineering, biedt de integratie van Mosaic AI een geconsolideerde governance-laag.

De pricing van Mosaic AI Gateway is echter geen eenvoudige add-on. De kosten zijn fundamenteel gekoppeld aan het Databricks Unit (DBU)-model, specifieke keuzes in compute-tiers en afhankelijkheden op platformniveau zoals Unity Catalog.

Deze analyse ontleed de Databricks AI pricing en legt uit waarom grootschalige engineeringteams vaak ongebundelde alternatieven zoals TrueFoundry evalueren om een duidelijkere unit economics en architecturale onafhankelijkheid te bereiken.

Wat is Databricks Mosaic AI Gateway?

De Databricks Mosaic AI Gateway fungeert als het gecentraliseerde control plane voor het routen, monitoren en beheren van AI-modelverzoeken. Het werkt als een proxy tussen applicatielogica en model-endpoints, ongeacht of die modellen extern zijn (bijv. GPT-4o via OpenAI) of intern worden gehost via Mosaic AI Model Serving.

Architecturaal gezien biedt de gateway de benodigde observability-functies voor het loggen van prompts en responses, het bijhouden van latency en het toewijzen van gebruik. Het is geen geïsoleerd binair bestand, maar een functionaliteit die is geïntegreerd in de Databricks Model Serving-infrastructuur. De operationele beschikbaarheid is daardoor gekoppeld aan de betrouwbaarheid en schaalbaarheid van de onderliggende Databricks-workspace en de Unity Catalog-governancelaag.

De 'DBU'-valuta: Hoe Databricks Daadwerkelijk Factureert

Databricks factureert niet per API-verzoek in de traditionele SaaS-zin. In plaats daarvan wordt het verbruik genormaliseerd in Databricks Units (DBU's). Vanaf begin 2026 beginnen de DBU-tarieven voor AI-workloads over het algemeen bij $0,07 per DBU voor het serven van foundation-modellen en kunnen ze de $0,70 per DBU overschrijden voor serverless SQL-operaties die worden gebruikt om logs te analyseren.

Wat is een DBU?

Een DBU is een eigen maatstaf die verwerkingskracht per uur vertegenwoordigt. De uitdaging voor platformteams ligt in het voorspellen van Databricks AI pricing: een enkel AI-verzoek kan meerdere DBU-verbruikende gebeurtenissen omvatten, waaronder gateway-routing, guardrail-uitvoering en log-ingestie in Delta Tables. DBU-kosten variëren per plan (Standard, Premium of Enterprise) en cloudprovider.

Geïntegreerde Compute-Economie

Bij standaardimplementaties beheren organisaties twee kostenstromen: de betaling aan de cloudprovider (AWS/Azure/GCP) voor de ruwe VM-instanties en de betaling aan Databricks voor de DBU-beheerkosten. Databricks Serverless bundelt deze kosten in één tarief. Hoewel dit de facturering vereenvoudigt, bevat het gebundelde tarief doorgaans een toeslag op de ruwe infrastructuurkosten om platformbeheer en orkestratie te dekken.

Waar Mosaic AI Gateway Past in Databricks Pricing

Kosten voor Mosaic AI Gateway worden gerealiseerd via de compute-bronnen die nodig zijn om verzoeken te verwerken. Elk verzoek dat via de gateway gaat, verbruikt compute-tijd op een Model Serving-endpoint.

De belangrijkste kostenfactoren voor Databricks AI pricing zijn onder meer:

• Verzoekverwerking: Het DBU-verbruik dat gekoppeld is aan de logica van de gateway voor routing en load balancing.
• Observability-overhead: De compute- en opslagkosten voor het schrijven van verzoek-/response-payloads naar Inference Tables.
• Governance Checkpoint: De latency- en compute-kosten die worden toegevoegd door Unity Catalog-rechtencontroles voor elke modelaanroep.

Overzicht van Mosaic AI Gateway Pricing

De financiële impact van het gebruik van de Databricks AI Gateway hangt af van het feit of het verkeer naar externe providers of intern gehoste modellen wordt geleid.

Externe Model Routing

Wanneer de gateway verkeer routeert naar externe providers zoals OpenAI of Anthropic, betalen organisaties de tokenkosten rechtstreeks aan de provider. Daarnaast rekent Databricks AI pricing DBU's voor de gateway-functies (routing, tracking en logging).

• Kostenvector: Verkeer dat door de gateway wordt verwerkt, leidt tot DBU-verbruik op basis van throughput.
• Infrastructuureis: Zelfs voor externe routing moet een serving-endpoint "actief" zijn. In omgevingen met een hoge mate van concurrency kan dit gereserveerde capaciteit vereisen, wat schalen naar nul verhindert.

Interne Model Serving (Mosaic AI Model Serving)

Voor modellen die binnen Databricks worden gehost, worden de kosten over het algemeen verdeeld over twee modi:

• Pay-Per-Token: Veel gebruikt voor ontwikkelingstesten of incidentele workloads. Eigen modellen worden gefactureerd tegen specifieke DBU-tarieven per 1M tokens (bijv. ~$94 per 1M tokens voor bepaalde high-tier modellen).
• Provisioned Throughput: De standaard voor productieprestaties. Deze modus vereist een minimale concurrency-toezegging, vaak vanaf $0,07 per DBU, waarbij u 24/7 betaalt voor gereserveerde capaciteit. Dit model garandeert beschikbaarheid, maar kan leiden tot kosten voor ongebruikte capaciteit als het verkeer sterk fluctueert.

Geassocieerde Ecosysteemkosten

De Databricks Mosaic AI Gateway zelf is één onderdeel van de totale eigendomskosten (TCO). De ondersteunende infrastructuur bepaalt vaak een aanzienlijk deel van de maandelijkse Databricks-kosten.

Afhankelijkheid van Unity Catalog

Mosaic AI Gateway is afhankelijk van Unity Catalog voor governance. Inference logs worden opgeslagen in Delta Tables, wat de volgende kosten met zich meebrengt:

• Opslagkosten: Standaardkosten voor cloud-objectopslag.
• Inference Table Processing: Compute-kosten voor de achtergrondtaken die logs vanuit de gateway verwerken.
• Analyse-kosten: Het bevragen van deze logs voor audit- of facturatiedoeleinden vereist Databricks SQL. Bij $0,70 per DBU voor Serverless SQL draagt het uitvoeren van frequente observability-queries bij aan de totale platformuitgaven.

Guardrails en Datascanners

Het inschakelen van AI Guardrails—zoals PII-maskering of toxiciteitsfilters—vereist extra compute. Elke guardrail voert een model of regex-scanner uit op de verzoek-/response-payload.

• Impact op Latency: Interne benchmarks tonen aan dat de P95-latency kan toenemen met 50ms tot 200ms, afhankelijk van de complexiteit van de guardrail.
• Impact op Compute: De uitvoering van guardrails maakt gebruik van de Model Serving-compute, wat DBU's verbruikt tegen het standaardtarief.

Veelvoorkomende Kostenuitdagingen bij Databricks AI Pricing

• Variabel DBU-verbruik: Auto-scaling triggers zijn reactief. Plotse piekbelastingen in het verkeer kunnen extra compute-nodes inschakelen die gedurende een minimale duur actief blijven, wat de kostenefficiëntie tijdens korte pieken beïnvloedt.
• Complexiteit van Toewijzing: DBU's worden vaak geaggregeerd op workspace-niveau. Het isoleren van specifieke Mosaic AI Gateway-kosten van bredere data engineering-workloads vereist meestal aangepaste tagging en analyse van systeemtabellen.
• Afhankelijkheden in het Ecosysteem: Het gebruik van de gateway bindt logging en governance aan de Databricks-architectuur (Unity Catalog, Delta Tables). Een latere migratie naar een andere inference-stack vereist dat deze governance-lagen opnieuw moeten worden geïmplementeerd.

Waarom Sommig Teams Verder Kijken dan Databricks Mosaic AI Gateway

Wanneer AI-implementaties schalen van proof-of-concept naar grootschalige productie, kan het op DBU gebaseerde Databricks AI pricing-model op elke token de unit economics negatief beïnvloeden. Engineeringteams merken vaak dat het alomvattende karakter van het Databricks-platform—hoewel effectief voor data warehousing—architecturale ballast toevoegt voor eenvoudige AI-routing aan de applicatiezijde.

Bovendien kan de verplichting om binnen het Databricks control plane te werken de adoptie van gespecialiseerde hardware (bijv. AWS Trainium/Inferentia) of alternatieve implementatiestrategieën (bijv. on-premise Kubernetes) beperken die de TCO kunnen verlagen.

Hoe TrueFoundry AI-Infrastructuur Benadert

TrueFoundry biedt een alternatieve architectuur die is ontworpen voor engineeringteams die de voorkeur geven aan kostentransparantie en infrastructuurcontrole boven de complexiteit van Databricks AI pricing.

• Kubernetes-Native: TrueFoundry wordt rechtstreeks geïmplementeerd in het cloud-account van de klant (AWS, Azure, GCP). Er is geen "beheers-DBU" toegevoegd bovenop de ruwe instantiekosten.
• Directe Routing: In tegenstelling tot in het platform gebundelde gateways rekent TrueFoundry geen opslag per token voor externe routing.
• Infrastructuuroptimalisatie: Het platform ondersteunt Spot-instanties voor inference en granulaire schaal-naar-nul configuraties. In veel productiescenario's vermindert deze aanpak de kosten voor ongebruikte compute in vergelijking met provisioned throughput-modellen.

Tabel 1: Databricks Mosaic AI Gateway vs TrueFoundry: Vergelijking van Kostenstructuur

Fig 1: Vergelijking van Architectuur en Kostenstroom

Klaar om Uw AI-Stack te Ontbundelen?

Hoewel Databricks Mosaic AI Gateway integratievoordelen biedt voor teams die al in het Lakehouse werken, kan het op DBU gebaseerde Databricks AI pricing-model leiden tot variabele kosten op schaal. TrueFoundry biedt een prestatiegericht, kostentransparant alternatief waarmee engineers hun eigen infrastructuur beheren zonder de platformtoeslag.

Voor teams die gevoelige informatie verwerken, zoals persoonlijk identificeerbare informatie of creditcardnummers, zorgt TrueFoundry ervoor dat de AI gateway-gegevens onder uw controle blijven terwijl het kostenbeheer wordt geoptimaliseerd. U kunt uw besparingen bekijken op een voorbeeld van een AI gateway-dashboard dat is afgestemd op uw uitgaven voor machine learning.

Om te zien hoe u architecturale onafhankelijkheid kunt bereiken en DBU-opslagen kunt elimineren, boekt u vandaag nog een demo met ons team.

Veelgestelde Vragen

Hoeveel kost Databricks per maand?

Maandelijkse kosten zijn zeer variabel en afhankelijk van het verbruik. Hoewel het gebruik op instapniveau vaak marginaal is voor kleine teams, kunnen productieworkloads op ondernemingsschaal—gedreven door continue beschikbaarheidseisen en uitgebreide governance-logging—leiden tot aanzienlijke maandelijkse operationele uitgaven naarmate het DBU-verbruik lineair schaalt met de throughput.

Hoe werkt Databricks Mosaic AI pricing?

Het is op verbruik gebaseerd via het Databricks Unit (DBU)-model. U wordt gefactureerd voor de compute-tijd van het Model Serving-endpoint, de opslag van inference logs in Delta Tables en de compute-bronnen die nodig zijn om die logs te analyseren via Databricks SQL.

Hoe is TrueFoundry voordeliger dan Databricks Mosaic AI?

TrueFoundry werkt op basis van een bring-your-own-cloud-model, wat de DBU-beheertoeslag van gebundelde platformen elimineert. Door rechtstreeks in uw Kubernetes-clusters te implementeren en agressieve optimalisatiestrategieën zoals Spot-instanties en granulaire schaal-naar-nul in te schakelen, worden de serving-kosten rechtstreeks afgestemd op de ruwe infrastructuurprijzen.