GPU Cloud
GPU Cloud untuk AI, LLM, dan rendering
Sewa server GPU NVIDIA per jam atau per siklus tagihan. Bandingkan konfigurasi dan harga secara langsung, mulai dari templat siap pakai, dan hubungkan melalui SSH atau terminal browser.
- Inventaris GPU langsung dengan harga terkini
- Templat untuk PyTorch, penyajian LLM, dan pembuatan gambar
- Akses SSH dan terminal di browser
Dengan Cloudj GPU Cloud, Anda dapat menyewa server GPU dari inventaris langsung: pilih model GPU, VRAM, dan disk, mulai dari templat seperti PyTorch, vLLM, Ollama, atau ComfyUI, lalu hubungkan melalui SSH. Server per jam didebit dari saldo akun Anda, dan server per jam yang dihentikan hanya ditagih untuk penggunaan disknya.
GPU yang tersedia dan harga saat ini
Inventaris langsung: ketersediaan dan harga berubah mengikuti pasar. Konsol akan mengonfirmasi harga akhir sebelum Anda memesan.
| GPU | VRAM per GPU | Arsitektur | Komputasi FP32 | Batas daya | |
|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | Detail → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | Detail → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | Detail → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | Detail → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | Detail → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | Detail → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | Detail → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | Detail → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | Detail → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | Detail → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | Detail → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | Detail → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | Detail → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | Detail → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | Detail → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | Detail → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | Detail → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | Detail → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | Detail → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | Detail → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | Detail → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | Detail → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | Detail → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | Detail → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | Detail → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | Detail → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | Detail → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | Detail → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | Detail → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | Detail → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | Detail → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | Detail → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | Detail → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | Detail → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | Detail → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | Detail → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | Detail → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | Detail → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | Detail → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | Detail → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | Detail → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | Detail → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | Detail → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | Detail → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | Detail → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | Detail → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | Detail → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | Detail → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | Detail → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | Detail → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | Detail → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | Detail → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | Detail → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | Detail → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | Detail → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | Detail → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | Detail → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | Detail → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | Detail → |
Templat siap pakai untuk beban kerja Anda
Inferensi LLM
vLLM, SGLang, atau Ollama dengan Open WebUI untuk menyajikan dan menguji model bahasa.
Fine-tuning
Unsloth Studio untuk melakukan fine-tuning pada model bahasa dengan data Anda sendiri.
Pembuatan gambar dan video
ComfyUI untuk alur kerja Flux, SDXL, dan video.
Pengembangan PyTorch dan CUDA
Image PyTorch dan Ubuntu 24.04 dengan NVIDIA CUDA, dapat diakses melalui SSH.
Desktop atau VM penuh
Desktop Ubuntu di browser, atau mesin virtual KVM penuh saat Anda membutuhkannya.
Cara menyewa GPU
- 01
Pilih templat dan ukuran disk
- 02
Pilih GPU yang kompatibel dari inventaris langsung
- 03
Konfirmasi harga dan buat server menggunakan saldo akun Anda
- 04
Hubungkan melalui SSH atau terminal peramban
Cara kerja tagihan GPU
- Per jam: GPU dikenakan biaya per jam selama server berjalan. Server per jam yang dihentikan hanya dikenakan biaya untuk disknya.
- Siklus tagihan: bulanan, triwulanan, semesteran, atau tahunan, dengan diskon yang ditampilkan sebelum Anda membayar.
- Penyimpanan disk dikenakan biaya per GB bersama dengan harga GPU.
- Harga dalam USD; Anda dapat menampilkannya dalam VND sesuai nilai tukar saat ini.
Pertanyaan yang sering diajukan
Beban kerja yang sesuai dengan kapasitas memori GPU: inferensi dan fine-tuning LLM, pembuatan gambar dan video, rendering, serta pengembangan CUDA. Templat untuk PyTorch, vLLM, SGLang, Ollama, Unsloth, dan ComfyUI akan menginstal perangkat lunaknya untuk Anda.
Melalui SSH dengan kunci Anda, atau melalui terminal di browser Anda dari konsol. Templat desktop dan VM juga menyediakan akses grafis.
Harga berasal dari inventaris GPU langsung dan dapat berubah. Konsol menampilkan harga yang dikonfirmasi sebelum Anda memesan, dan server Anda akan ditagih sesuai dengan harga yang telah dikonfirmasi tersebut.
Dengan tagihan per jam, server yang dihentikan hanya dikenakan biaya untuk disknya. Hapus server ketika Anda tidak lagi membutuhkan datanya.
Tabel di atas mencantumkan konfigurasi yang saat ini tersedia, termasuk NVIDIA RTX 5090 dengan 32 GB VRAM jika stok tersedia. Ketersediaan berubah sepanjang hari.