ענן GPU: השכרת שרתי NVIDIA GPU לפי שעה
השכרת שרתי NVIDIA GPU להסקת LLM, ביצוע Fine-tuning ויצירת תמונות. מחירים בזמן אמת, תשלום לפי שעה, תבניות מוכנות עבור PyTorch, vLLM ו-ComfyUI, וגישת SSH מלאה.
- מלאי בזמן אמת, מחיר סופי מאושר לפני ביצוע ההזמנה
- תבניות מוגדרות מראש עבור PyTorch, vLLM, Ollama ו-ComfyUI
- שרתים שעוצרים בתמחור שעתי מחויבים על שטח הדיסק בלבד
באמצעות Cloudj GPU Cloud שוכרים שרתי GPU ישירות מהמלאי בזמן אמת: בוחרים את דגם ה-GPU, נפח ה-VRAM והדיסק, מתחילים מתבנית ייעודית כגון PyTorch, vLLM, Ollama או ComfyUI, ומתחברים מיידית דרך SSH. שרתים שעתיים מחויבים מיתרת החשבון, ושרת שעתי מושבת מחויב עבור הדיסק בלבד.
מחירי השכרת GPU וזמינות בזמן אמת
מלאי בזמן אמת: הזמינות והמחירים משתנים בהתאם לשוק. לוח הבקרה מאשר את המחיר הסופי לפני ההזמנה.
| GPU | VRAM לכל GPU | ארכיטקטורה | ביצועי חישוב FP32 | מגבלת הספק | החל מ- | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | לפרטים → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | לפרטים → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | לפרטים → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | לפרטים → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | לפרטים → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | לפרטים → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | לפרטים → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | לפרטים → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | לפרטים → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | לפרטים → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | לפרטים → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | לפרטים → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | לפרטים → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | לפרטים → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | לפרטים → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | לפרטים → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | לפרטים → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | לפרטים → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | לפרטים → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | לפרטים → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | לפרטים → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | לפרטים → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | לפרטים → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | לפרטים → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | לפרטים → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | לפרטים → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | לפרטים → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | לפרטים → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | לפרטים → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | לפרטים → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | לפרטים → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | לפרטים → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | לפרטים → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | לפרטים → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | לפרטים → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | לפרטים → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | לפרטים → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | לפרטים → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | לפרטים → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | לפרטים → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | לפרטים → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | לפרטים → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | לפרטים → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | לפרטים → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | לפרטים → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | לפרטים → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | לפרטים → |
תבניות GPU לעומסי עבודה של AI, מודלי שפה (LLM) ורינדור
הסקה של מודלי שפה (LLM Inference)
vLLM, SGLang או Ollama יחד עם Open WebUI להרצה ובדיקה של מודלי שפה.
אימון והתאמה אישית (Fine-tuning)
Unsloth Studio לביצוע Fine-tuning של מודלי שפה על המידע שלכם.
יצירת תמונות ווידאו
ComfyUI עבור תהליכי עבודה עם Flux, SDXL ווידאו.
פיתוח ב-PyTorch ו-CUDA
אימג'ים של PyTorch ו-Ubuntu 24.04 עם NVIDIA CUDA, נגישים ב-SSH.
שולחן עבודה או מכונת VM מלאה
דסקטופ Ubuntu ישירות בדפדפן, או מכונה וירטואלית מבוססת KVM מלאה לכל צורך.
איך שוכרים שרת GPU ב-4 שלבים
- 01
בוחרים תבנית ונפח דיסק
- 02
בוחרים GPU תואם מתוך המלאי בזמן אמת
- 03
מאשרים את המחיר ומקימים את השרת מיתרת החשבון
- 04
מתחברים באמצעות SSH או מסוף הדפדפן
תמחור וחיוב ענן GPU
- חיוב שעתי: ה-GPU מחויב לפי שעה בזמן שהשרת פועל. שרת שעתי מושבת יחויב עבור נפח הדיסק בלבד.
- מחזורי חיוב: חודשי, רבעוני, חצי-שנתי או שנתי, כאשר כל הנחה מוצגת לפני התשלום.
- אחסון דיסק מחויב לפי GB יחד עם מחיר ה-GPU.
- המחירים נקובים ב-USD; ניתן להציגם ב-VND לפי שער החליפין העדכני.