GPU Cloud
GPU cloud: наем на NVIDIA GPU сървъри на час
Наемете NVIDIA GPU сървъри за LLM инференция, fine-tuning и генериране на изображения. Актуални цени, почасово таксуване, готови шаблони за PyTorch, vLLM и ComfyUI, пълен SSH достъп.
- Наличност в реално време, потвърдена цена преди поръчка
- Шаблони за PyTorch, vLLM, Ollama и ComfyUI
- При спрени почасови сървъри се таксува само дискът
С Cloudj GPU Cloud наемате GPU сървър от наличностите в реално време: избирате модел на GPU, VRAM и диск, стартирате от готов шаблон като PyTorch, vLLM, Ollama или ComfyUI и се свързвате през SSH. Почасовите сървъри се заплащат от баланса на профила ви, а при спрян почасов сървър се таксува само дисковото пространство.
Цени за наем на GPU и наличност в реално време
Наличности в реално време: наличността и цените се променят според пазара. Конзолата потвърждава крайната цена преди поръчка.
| GPU | VRAM на GPU | Архитектура | FP32 изчисления | Лимит на мощността (TDP) | От | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Детайли → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Детайли → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Детайли → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Детайли → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Детайли → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Детайли → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Детайли → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Детайли → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Детайли → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Детайли → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Детайли → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Детайли → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Детайли → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Детайли → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Детайли → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Детайли → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Детайли → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Детайли → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Детайли → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Детайли → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Детайли → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Детайли → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Детайли → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Детайли → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Детайли → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Детайли → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Детайли → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Детайли → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Детайли → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Детайли → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Детайли → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Детайли → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Детайли → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Детайли → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Детайли → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Детайли → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Детайли → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Детайли → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Детайли → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Детайли → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Детайли → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Детайли → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Детайли → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Детайли → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Детайли → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Детайли → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Детайли → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Детайли → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Детайли → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Детайли → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Детайли → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Детайли → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Детайли → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Детайли → |
GPU шаблони за AI, LLM и задачи за рендериране
Инференс на LLM
vLLM, SGLang или Ollama с Open WebUI за хостване и тестване на езикови модели.
Fine-tuning
Unsloth Studio за fine-tuning на езикови модели с ваши собствени данни.
Генериране на изображения и видео
ComfyUI за Flux, SDXL и работни процеси за видео.
Разработка с PyTorch и CUDA
Имиджи с PyTorch и Ubuntu 24.04 с NVIDIA CUDA, достъпни през SSH.
Десктоп или пълна виртуална машина
Ubuntu десктоп в браузъра или пълноценна KVM виртуална машина, когато ви е необходима.
Как да наемете GPU сървър в 4 стъпки
- 01
Изберете шаблон и размер на диска
- 02
Изберете съвместима GPU от наличностите в реално време
- 03
Потвърдете цената и създайте сървъра от баланса на профила си
- 04
Свържете се през SSH или уеб терминала в браузъра
Цени и таксуване за GPU cloud
- Почасово: GPU се таксува на час, докато сървърът работи. При спрян почасов сървър се заплаща само дисковото пространство.
- Периоди на таксуване: месечно, тримесечно, шестмесечно или годишно, като всяка отстъпка се показва преди плащане.
- Дисковото пространство се таксува на GB заедно с цената за GPU.
- Цените са в USD; можете да ги прегледате във VND по текущия обменен курс.
Често задавани въпроси за GPU cloud
Всякакви изчислителни натоварвания, съвместими с паметта на видеокартата: LLM инференция и fine-tuning, генериране на изображения и видео, рендериране и CUDA разработка. Готовите шаблони за PyTorch, vLLM, SGLang, Ollama, Unsloth и ComfyUI инсталират необходимия софтуер автоматично.
В таблицата по-горе са изброени актуално наличните конфигурации, включително NVIDIA RTX 5090 с 32 GB VRAM при наличие на склад. Наличностите се обновяват динамично през целия ден.
Цените зависят от текущата наличност на GPU мощности и могат да се променят. Конзолата показва финалната потвърдена цена преди да поръчате, а сървърът се таксува по нея.
Да. Наред с почасовото таксуване можете да изберете месечен, тримесечен, шестмесечен или годишен абонамент, като всички отстъпки се начисляват преди плащане. Дисковото пространство се заплаща на GB заедно с цената за GPU.
При почасово таксуване за спрян сървър се заплаща само дисковото пространство. Изтрийте сървъра, когато вече не се нуждаете от данните на него.
През SSH с ваш ключ или през браузърния терминал в конзолата. Шаблоните с графична среда и VM шаблоните поддържат и графичен отдалечен достъп.