GPU Cloud
GPU-cloud: Lej NVIDIA GPU-servere på timebasis
Lej NVIDIA GPU-servere til LLM-inferens, finjustering og billedgenerering. Live-priser, timeafregning, skabeloner til PyTorch, vLLM og ComfyUI samt SSH-adgang.
- Live lagerstatus, bekræftet pris før du bestiller
- Skabeloner til PyTorch, vLLM, Ollama og ComfyUI
- Pausede timebaserede servere faktureres kun for diskplads
Med Cloudj GPU Cloud lejer du en GPU-server direkte fra det aktuelle lager: vælg GPU-model, VRAM og disk, start ud fra en skabelon som PyTorch, vLLM, Ollama eller ComfyUI, og opret forbindelse via SSH. Timeafregnede servere betales via din kontosaldo, og en stoppet server på timebasis koster kun for disken.
Priser på GPU-leje og live tilgængelighed
Lagerstatus i realtid: tilgængelighed og priser tilpasser sig markedet. Kontrolpanelet bekræfter den endelige pris, før du bestiller.
| GPU | VRAM pr. GPU | Arkitektur | FP32-ydelse | Effektgrænse | Fra | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Se detaljer → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Se detaljer → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Se detaljer → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Se detaljer → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Se detaljer → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Se detaljer → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Se detaljer → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Se detaljer → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Se detaljer → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Se detaljer → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Se detaljer → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Se detaljer → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Se detaljer → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Se detaljer → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Se detaljer → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Se detaljer → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Se detaljer → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Se detaljer → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Se detaljer → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Se detaljer → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Se detaljer → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Se detaljer → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Se detaljer → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Se detaljer → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Se detaljer → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Se detaljer → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Se detaljer → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Se detaljer → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Se detaljer → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Se detaljer → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Se detaljer → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Se detaljer → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Se detaljer → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Se detaljer → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Se detaljer → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Se detaljer → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Se detaljer → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Se detaljer → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Se detaljer → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Se detaljer → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Se detaljer → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Se detaljer → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Se detaljer → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Se detaljer → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Se detaljer → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Se detaljer → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Se detaljer → |
GPU-skabeloner til AI-, LLM- og renderings-workloads
LLM-inferens
vLLM, SGLang eller Ollama med Open WebUI til at afvikle og teste sprogmodeller.
Fine-tuning
Unsloth Studio til finjustering (fine-tuning) af sprogmodeller på dine egne data.
Generering af billeder og video
ComfyUI til Flux, SDXL og workflows til videogenerering.
PyTorch- og CUDA-udvikling
PyTorch- og Ubuntu 24.04-images med NVIDIA CUDA, tilgængelige via SSH.
Skrivebord eller fuld VM
Et Ubuntu-skrivebord direkte i browseren eller en fuld virtuel KVM-maskine, når du har brug for det.
Sådan lejer du en GPU-server i 4 trin
- 01
Vælg en skabelon og diskstørrelse
- 02
Vælg en kompatibel GPU fra det aktuelle lager
- 03
Bekræft prisen, og opret serveren fra din kontosaldo
- 04
Opret forbindelse via SSH eller direkte i browserterminalen
GPU-cloud: priser og afregning
- Timebasis: GPU'en afregnes pr. time, så længe serveren kører. For en stoppet timeafregnet server betaler du kun for disken.
- Faktureringsperioder: månedlig, kvartalsvis, halvårlig eller årlig med eventuelle rabatter vist før betaling.
- Disklagring afregnes pr. GB sammen med GPU-prisen.
- Priserne er i USD; du kan få dem vist i VND baseret på den aktuelle valutakurs.
GPU-cloud FAQ
Workloads, der passer i GPU-hukommelsen: LLM-inferens og finjustering, billed- og videogenerering, rendering og CUDA-udvikling. Skabeloner til PyTorch, vLLM, SGLang, Ollama, Unsloth og ComfyUI installerer softwaren for dig.
Tabellen ovenfor viser de konfigurationer, der aktuelt er tilgængelige, herunder NVIDIA RTX 5090 med 32 GB VRAM, når den er på lager. Tilgængeligheden ændrer sig i løbet af dagen.
Priserne stammer fra den aktuelle GPU-lagerstatus og kan ændre sig. Kontrolpanelet viser den bekræftede pris, før du bestiller, og din server afregnes til netop denne bekræftede pris.
Ja. Udover timeafregning kan du vælge en månedlig, kvartalsvis, halvårlig eller årlig betalingsperiode, hvor eventuelle rabatter vises, før du betaler. Disklagring afregnes pr. GB sammen med GPU-prisen.
Ved timeafregning betaler du kun for diskpladsen, når en server er stoppet. Slet serveren, når du ikke længere har brug for dataene.
Via SSH med din nøgle eller direkte i browserterminalen fra kontrolpanelet. Skabeloner til skrivebord og virtuelle maskiner giver også grafisk adgang.