Schema:: ACCOUNT_USAGE

Ansicht CORTEX_AI_FUNCTIONS_USAGE_HISTORY¶

Diese Account Usage-Ansicht kann zur Abfrage des Nutzungsverlaufs von Cortex AI-Funktionen verwendet werden.

Die Ansicht enthält die Anzahl der Token und Credits, die jedes Mal verbraucht werden, wenn eine Cortex-Funktion aufgerufen wird, aggregiert in Ein-Stunden-Fenstern. Die Ansicht enthält auch relevante Metadaten, wie z. B. die Warehouse-ID, Start- und Endzeiten der Ausführung der Funktion sowie den Namen der Funktion und des Modells, falls angegeben. Jede Zeile steht für die Nutzung für einen einzelnen Funktionsaufruf.

Spalten¶

Spaltenname	Datentyp	Beschreibung
START_TIME	TIMESTAMP_LTZ	Beginn des Aggregationszeitraums für die Nutzung. Die Fensterauflösung beträgt 1 Stunde. Wenn beispielsweise eine Abfrage um 05:30 begonnen und um 08:30 abgeschlossen wurde, werden in der Nutzungsansicht vier Datensätze angezeigt, jeweils einer für die Aggregationsfenster 5:00, 6:00, 7:00 und 8:00.
END_TIME	TIMESTAMP_LTZ	Ende des Aggregationszeitraums für die Nutzung.
FUNCTION_NAME	VARCHAR	Der Name der aufgerufenen Cortex AI-Funktion. Der Nutzungsverlauf enthält eine Zeile für jede Funktion, die in einer Abfrage aufgerufen wird.
MODEL_NAME	VARCHAR	Modellbezeichnung. Leer für Cortex AI-Funktionen, bei denen kein Modell als Argument angegeben ist. Der Nutzungsverlauf enthält eine Zeile für jedes in einer Abfrage verwendete Modell.
QUERY_ID	VARCHAR	Die ID der Abfrage, in der die Funktion aufgerufen wurde.
WAREHOUSE_ID	NUMBER	Vom System generierter Bezeichner für das Warehouse, das von der Abfrage verwendet wird, die die Cortex AI-Funktion aufruft.
ROLE_NAMES	ARRAY	Rollen, die der Abfrage zugeordnet sind. Die Primärrolle ist das erste Element des Arrays.
QUERY_TAG	VARCHAR	Das Tag, falls vorhanden, das mit der Abfrage verknüpft ist, in der die Funktion aufgerufen wurde.
USER_ID	VARCHAR	Vom System generierter Bezeichner für den Benutzenden, der die Abfrage ausgeführt hat, die die Cortex AI-Funktion aufruft.
METRICS	ARRAY	Eine Aufschlüsselung der Nutzungsmetriken für die angegebene Funktion und das angegebene Modell für die Kombination von QUERY_ID,MODEL_NAME undWAREHOUSE_ID. Weitere Informationen finden Sie unten im Abschnitt zur Metriken-Spalte.
CREDITS	NUMBER	Anzahl der Credits, die für die Nutzung der Cortex-AI-Funktion basierend auf den Metriken für die angegebene Funktion und das Modell für die Kombination von QUERY_ID, MODEL_NAME und WAREHOUSE_ID in Rechnung gestellt wurden. Credits für Warehouse-Nutzung sind nicht enthalten.
IS_COMPLETED	BOOLEAN	Gibt an, ob die Abfrage in diesem Aggregationsfenster abgeschlossen wurde.

Metriken-Spalte¶

Die Metriken-Spalte enthält eine Aufschlüsselung der Nutzungsmetriken für die angegebene Funktion und das angegebene Modell für die Kombination von QUERY_ID,MODEL_NAME undWAREHOUSE_ID. Jedes Element enthält ein key-Objekt (mit dem metric-Typ und``unit``-Feldern) und einen value. Die Struktur variiert je nach Abrechnungsmethode wie folgt:

Token-basierte Abrechnung (die meisten AI-Funktionen): Abrechnungen nach Token-Anzahl, entweder als separate Eingabe- und Ausgabe-Token-Zählungen oder als Gesamt-Token-Anzahl, je nach Funktion.

Beispiel: [{"key":{"metric":"input","unit":"tokens"},"value":17},{"key":{"metric":"output","unit":"tokens"},"value":65}]`<br>`[{"key":{"metric":"total","unit":"tokens"},"value":527}]
Seitenbasierte Abrechnung (AI_PARSE_DOCUMENT ): Abrechnungen pro Seite.

Beispiel: [{"key":{"metric":"total","unit":"pages"},"value":3}]

Nutzungshinweise¶

Diese Ansicht enthält nur Nutzungen, die am oder nach dem 5. Januar 2026 stattgefunden haben.
Die Felder für Benutzer-ID-Attribution, Abfrage-Tag und Rollen stehen für Daten ab dem 16. Februar 2026 zur Verfügung.
Die Ansicht zeigt die aktuelle Credit-Nutzung für ein Konto innerhalb der letzten 365 Tage (1 Jahr).
Die Ansicht verfolgt sowohl abgeschlossene Funktionsaufrufe als auch Aufrufe, die sich noch in Ausführung befinden.
In Ausführung befindliche Abfragen werden alle 30 Minuten (nach bestem Ermessen) mit einem SLA von einer Stunde aktualisiert.
Die Credit-Nutzung wird auf der Grundlage der aufgerufenen Funktion, des verwendeten Modells und der verarbeiteten Token bestimmt, wie in der Snowflake Service Consumption Table dargelegt.