سرور ابری GPU: اجاره ساعتی سرورهای NVIDIA GPU
اجاره سرورهای NVIDIA GPU برای استنتاج LLM، تیونینگ مدل (Fine-tuning) و تولید تصویر. قیمتهای لحظهای، پرداخت ساعتی، تمپلیتهای آماده PyTorch، vLLM و ComfyUI با دسترسی کامل SSH.
- موجودی لحظهای و تایید نهایی قیمت پیش از ثبت سفارش
- تمپلیتهای آماده برای PyTorch، vLLM، Ollama و ComfyUI
- در سرورهای ساعتی خاموش، فقط هزینه دیسک محاسبه میشود
با سرور ابری Cloudj GPU Cloud، سرور مورد نظر خود را از موجودی لحظهای اجاره کنید: مدل پردازنده، میزان VRAM و فضای دیسک را تعیین کنید، با محیطهای آماده مانند PyTorch، vLLM، Ollama یا ComfyUI استارت بزنید و بلافاصله از طریق SSH متصل شوید. هزینه سرویسهای ساعتی از موجودی کیف پول شما کسر میشود و با خاموش کردن سرور، فقط هزینه نگهداری دیسک پرداخت میکنید.
قیمت اجاره سرور GPU و موجودی لحظهای
موجودی لحظهای: موجودی و قیمتها مطابق با بازار تغییر میکنند. قیمت نهایی قبل از ثبت سفارش در پنل کاربری تایید میشود.
| مدل GPU | حافظه VRAM هر کارت | معماری پردازنده | توان پردازش FP32 | حداکثر مصرف برق (TDP) | از | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | مشاهده جزئیات → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | مشاهده جزئیات → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | مشاهده جزئیات → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | مشاهده جزئیات → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | مشاهده جزئیات → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | مشاهده جزئیات → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | مشاهده جزئیات → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | مشاهده جزئیات → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | مشاهده جزئیات → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | مشاهده جزئیات → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | مشاهده جزئیات → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | مشاهده جزئیات → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | مشاهده جزئیات → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | مشاهده جزئیات → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | مشاهده جزئیات → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | مشاهده جزئیات → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | مشاهده جزئیات → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | مشاهده جزئیات → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | مشاهده جزئیات → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | مشاهده جزئیات → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | مشاهده جزئیات → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | مشاهده جزئیات → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | مشاهده جزئیات → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | مشاهده جزئیات → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | مشاهده جزئیات → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | مشاهده جزئیات → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | مشاهده جزئیات → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | مشاهده جزئیات → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | مشاهده جزئیات → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | مشاهده جزئیات → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | مشاهده جزئیات → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | مشاهده جزئیات → |
تمپلیتهای آماده GPU برای هوش مصنوعی، LLM و رندرینگ
استنتاج و اجرای مدلهای زبانی (LLM Inference)
استفاده از vLLM، SGLang یا Ollama به همراه رابط Open WebUI برای سرویسدهی و تست مدلهای زبانی بزرگ.
تنظیم دقیق و بازآموزی مدلها (Fine-tuning)
بهرهگیری از Unsloth Studio جهت فاینتیون سریع و بهینه مدلهای زبانی بر روی دادههای اختصاصی شما.
تولید تصویر و ویدیو با هوش مصنوعی
پشتیبانی کامل از ComfyUI جهت اجرای پایپلاینهای ساخت ویدیو، Flux و SDXL.
توسعه و برنامهنویسی با PyTorch و CUDA
ایمیجهای آماده PyTorch و Ubuntu 24.04 مجهز به NVIDIA CUDA با دسترسی مستقیم از طریق SSH.
محیط دسکتاپ یا ماشین مجازی کامل
دسکتاپ اوبونتو داخل مرورگر، یا ماشین مجازی اختصاصی بر پایه KVM در صورت نیاز.
مراحل اجاره سرور GPU در ۴ قدم
- 01
قالب آماده (تمپلیت) و فضای دیسک مورد نیاز را انتخاب کنید
- 02
مدل GPU سازگار را از موجودی لحظهای برگزینید
- 03
قیمت را تایید کرده و سرور را با استفاده از موجودی حساب خود بسازید
- 04
از طریق SSH یا ترمینال آنلاین مرورگر متصل شوید
قیمتگذاری و روشهای پرداخت کلود GPU
- صورتحساب ساعتی: هزینه GPU تنها تا زمان روشن بودن سرور محاسبه میشود؛ در زمان خاموش بودن سرور، فقط هزینه فضای دیسک کسر خواهد شد.
- دورههای پرداخت: ماهانه، سهماهه، ششماهه یا سالانه، به همراه نمایش تخفیف پیش از پرداخت.
- هزینه فضای ذخیرهسازی دیسک به ازای هر گیگابایت، همراه با هزینه سرور GPU محاسبه میگردد.
- قیمتها به دلار (USD) درج شدهاند و امکان نمایش آنها به دونگ ویتنام (VND) بر اساس نرخ لحظهای وجود دارد.