GPU Cloud
GPU cloud: óradíjas NVIDIA GPU szerver bérlés
Bérelj NVIDIA GPU szervereket LLM inferenciához, finomhangoláshoz és képgeneráláshoz. Élő árak, óradíjas elszámolás, PyTorch, vLLM és ComfyUI sablonok, SSH hozzáférés.
- Valós idejű készlet, megerősített ár megrendelés előtt
- Kész sablonok PyTorch, vLLM, Ollama és ComfyUI környezetekhez
- Leállított óradíjas szervereknél csak a tárhely kerül felszámításra
A Cloudj GPU Cloud segítségével az aktuális készletből bérelhetsz GPU szervert: válaszd ki a GPU modellt, a VRAM-ot és a lemezméretet, indulj olyan előre telepített sablonokból, mint a PyTorch, vLLM, Ollama vagy ComfyUI, majd csatlakozz egyszerűen SSH-n. Az óradíjas szerverek díja az egyenlegedből kerül levonásra, és a leállított óradíjas szerverek után csak a lemezterület kerül kiszámlázásra.
GPU bérlési árak és élő elérhetőség
Valós idejű készlet: az elérhetőség és az árak a piac szerint változnak. A vezérlőpulton ellenőrizheted a végleges árat a megrendelés előtt.
| GPU | VRAM GPU-nként | Architektúra | FP32 számítási teljesítmény | Teljesítménykorlát | Kezdőár | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Részletek → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Részletek → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Részletek → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Részletek → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Részletek → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Részletek → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Részletek → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Részletek → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Részletek → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Részletek → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Részletek → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Részletek → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Részletek → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Részletek → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Részletek → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Részletek → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Részletek → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Részletek → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Részletek → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Részletek → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Részletek → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Részletek → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Részletek → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Részletek → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Részletek → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Részletek → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Részletek → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Részletek → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Részletek → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Részletek → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Részletek → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Részletek → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Részletek → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Részletek → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Részletek → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Részletek → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Részletek → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Részletek → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Részletek → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Részletek → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Részletek → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Részletek → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Részletek → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Részletek → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Részletek → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Részletek → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Részletek → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Részletek → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Részletek → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Részletek → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Részletek → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Részletek → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Részletek → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Részletek → |
GPU sablonok AI, LLM és renderelési munkafolyamatokhoz
LLM inferencia
vLLM, SGLang vagy Ollama Open WebUI-val nyelvi modellek futtatásához és teszteléséhez.
Finomhangolás (Fine-tuning)
Unsloth Studio nagy nyelvi modellek finomhangolásához saját adatokon.
Kép- és videógenerálás
ComfyUI Flux, SDXL és videós munkafolyamatokhoz.
PyTorch- és CUDA-fejlesztés
PyTorch és Ubuntu 24.04 lemezképek NVIDIA CUDA támogatással, SSH-hozzáféréssel.
Desktop vagy teljes VM
Ubuntu asztali környezet közvetlenül a böngészőben, vagy teljes KVM virtuális gép, amikor szükséged van rá.
GPU szerver bérlés 4 egyszerű lépésben
- 01
Válassz sablont és lemezméretet
- 02
Válassz egy kompatibilis GPU-t az élő készletből
- 03
Hagyd jóvá az árat, és indítsd el a szervert az egyenleged terhére
- 04
Csatlakozz SSH-n vagy közvetlenül a böngészős terminálból
GPU cloud árazás és számlázás
- Óradíjas elszámolás: a GPU díja óránként kerül felszámításra a szerver futása közben. A leállított óradíjas szervereknél kizárólag a lemezterület fizetendő.
- Számlázási ciklusok: havi, negyedéves, féléves vagy éves – az esetleges kedvezményeket fizetés előtt látni fogod.
- A lemeztárhely díja GB-onként, a GPU árával együtt kerül felszámításra.
- Az árak USD-ben vannak megadva; az aktuális árfolyamon VND pénznemben is megjeleníthetők.
GPU cloud GYIK
Minden olyan feladatot, amely elfér a GPU memóriájában: LLM inferencia és finomhangolás, kép- és videógenerálás, renderelés, valamint CUDA fejlesztés. A PyTorch, vLLM, SGLang, Ollama, Unsloth és ComfyUI sablonok automatikusan telepítik a szükséges szoftvereket.
A fenti táblázat a jelenleg elérhető konfigurációkat sorolja fel, beleértve a 32 GB VRAM-mal rendelkező NVIDIA RTX 5090 kártyát is, amikor készleten van. Az elérhetőség a nap folyamán folyamatosan változik.
Az árak az élő GPU készlet alapján alakulnak, így változhatnak. A vezérlőpult a megrendelés előtt megjeleníti a végleges árat, és a szervered számlázása is pontosan ezen a megerősített áron történik.
Igen. Az óradíjas elszámolás mellett választhatsz havi, negyedéves, féléves vagy éves számlázási ciklust is; az esetleges kedvezményeket még a fizetés előtt feltüntetjük. A lemezes tárhely GB alapon, a GPU árával együtt kerül felszámításra.
Óradíjas elszámolás esetén a leállított szerverért kizárólag a lemeztárhely díját számítjuk fel. Ha már nincs szükséged az adatokra, egyszerűen töröld a szervert.
SSH-n keresztül a saját kulcsoddal, vagy közvetlenül a böngészőből, a vezérlőpult termináljával. A Desktop és VM sablonok grafikus felületű hozzáférést is biztosítanak.