GPU cloud: ເຊົ່າ NVIDIA GPU server ແບບລາຍຊົ່ວໂມງ
ເຊົ່າ NVIDIA GPU server ສໍາລັບ LLM inference, fine-tuning ແລະ ການສ້າງຮູບພາບ. ອັບເດດລາຄາຮຽວທາມ, ຄິດໄລ່ເງິນລາຍຊົ່ວໂມງ, ພ້ອມ template ສໍາລັບ PyTorch, vLLM ແລະ ComfyUI, ເຊື່ອມຕໍ່ຜ່ານ SSH ໄດ້ທັນທີ.
- ເຊັກສະຕັອກຮຽວທາມ, ຢືນຢັນລາຄາຊັດເຈນກ່ອນກົດສັ່ງຊື້
- ມີ template ພ້ອມໃຊ້ສໍາລັບ PyTorch, vLLM, Ollama ແລະ ComfyUI
- ເມື່ອປິດພັກ server ລາຍຊົ່ວໂມງ ຈະຄິດໄລ່ເງິນສະເພາະຄ່າ disk ເທົ່ານັ້ນ
ດ້ວຍ Cloudj GPU Cloud ທ່ານສາມາດເຊົ່າ GPU server ຈາກລາຍການເຄື່ອງທີ່ພ້ອມໃຊ້ງານ: ເລືອກລຸ້ນ GPU, VRAM ແລະ ດິສກ໌, ເລີ່ມຕົ້ນຈາກ template ເຊັ່ນ PyTorch, vLLM, Ollama ຫຼື ComfyUI, ແລ້ວເຊື່ອມຕໍ່ຜ່ານ SSH. Server ແບບລາຍຊົ່ວໂມງຈະຖືກຫັກຈາກຍອດເງິນໃນບັນຊີຂອງທ່ານ, ແລະ ເມື່ອປິດ server ລາຍຊົ່ວໂມງ ຈະຄິດໄລ່ສະເພາະຄ່າດິສກ໌ເທົ່ານັ້ນ.
ລາຄາເຊົ່າ GPU ແລະ ສະຖານະພ້ອມໃຊ້ງານແບບຮຽວທາມ
ສະຖານະເຄື່ອງພ້ອມໃຊ້ງານແບບສົດ: ຈຳນວນເຄື່ອງ ແລະ ລາຄາປ່ຽນແປງຕາມຕະຫຼາດ. ລະບົບ console ຈະຢືນຢັນລາຄາສຸດທ້າຍກ່ອນທີ່ທ່ານຈະສັ່ງຊື້.
| GPU | VRAM ຕໍ່ GPU | ສະຖາປັດຕະຍະກຳ | ພະລັງປະມວນຜົນ FP32 | ຂີດຈຳກັດພະລັງງານ | ເລີ່ມຕົ້ນ | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | ລາຍລະອຽດ → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | ລາຍລະອຽດ → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | ລາຍລະອຽດ → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | ລາຍລະອຽດ → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | ລາຍລະອຽດ → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | ລາຍລະອຽດ → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | ລາຍລະອຽດ → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | ລາຍລະອຽດ → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | ລາຍລະອຽດ → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | ລາຍລະອຽດ → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | ລາຍລະອຽດ → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | ລາຍລະອຽດ → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | ລາຍລະອຽດ → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | ລາຍລະອຽດ → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | ລາຍລະອຽດ → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | ລາຍລະອຽດ → |
GPU template ສໍາລັບວຽກ AI, LLM ແລະ rendering
LLM inference
vLLM, SGLang ຫຼື Ollama ພ້ອມ Open WebUI ສຳລັບເປີດໃຫ້ບໍລິການ ແລະ ທົດສອບໂມເດວພາສາ.
Fine-tuning
Unsloth Studio ສຳລັບ fine-tuning ໂມເດວພາສາກັບຂໍ້ມູນຂອງທ່ານເອງ.
ການສ້າງຮູບພາບ ແລະ ວິດີໂອ
ComfyUI ສຳລັບ Flux, SDXL ແລະ workflow ການສ້າງວິດີໂອ.
ການພັດທະນາ PyTorch ແລະ CUDA
ອິເມຈ PyTorch ແລະ Ubuntu 24.04 ພ້ອມ NVIDIA CUDA, ເຊື່ອມຕໍ່ຜ່ານ SSH ໄດ້ທັນທີ.
Desktop ຫຼື VM ເຕັມຮູບແບບ
ໜ້າຈໍ Desktop ຂອງ Ubuntu ເທິງບຣາວເຊີ ຫຼື KVM virtual machine ເຕັມຮູບແບບເມື່ອທ່ານຕ້ອງການ.
ວິທີເຊົ່າ GPU server ງ່າຍໆ ໃນ 4 ຂັ້ນຕອນ
- 01
ເລືອກ template ແລະ ຂະໜາດດິສກ໌
- 02
ເລືອກ GPU ທີ່ຮອງຮັບຈາກລາຍການເຄື່ອງທີ່ພ້ອມໃຊ້ງານ
- 03
ຢືນຢັນລາຄາ ແລະ ສ້າງ server ຈາກຍອດເງິນໃນບັນຊີຂອງທ່ານ
- 04
ເຊື່ອມຕໍ່ຜ່ານ SSH ຫຼື terminal ເທິງບຣາວເຊີ
ລາຄາ ແລະ ຮູບແບບການຄິດໄລ່ເງິນ GPU cloud
- ລາຍຊົ່ວໂມງ: ຄິດໄລ່ຄ່າ GPU ເປັນລາຍຊົ່ວໂມງໃນຂະນະທີ່ server ເຮັດວຽກ. ຖ້າ server ແບບລາຍຊົ່ວໂມງຖືກປິດ (stop), ຈະຄິດໄລ່ສະເພາະຄ່າດິສກ໌ເທົ່ານັ້ນ.
- ຮອບບິນ: ລາຍເດືອນ, ລາຍໄຕຣມາດ, ທຸກ 6 ເດືອນ ຫຼື ລາຍປີ, ພ້ອມສ່ວນຫຼຸດທີ່ສະແດງໃຫ້ເຫັນກ່ອນທີ່ທ່ານຈະຊຳລະເງິນ.
- ພື້ນທີ່ຈັດເກັບຂໍ້ມູນດິສກ໌ ຄິດໄລ່ຕາມຈຳນວນ GB ຮ່ວມກັບລາຄາ GPU.
- ລາຄາເປັນສະກຸນເງິນ USD; ທ່ານສາມາດເລືອກສະແດງເປັນ VND ຕາມອັດຕາແລກປ່ຽນປັດຈຸບັນໄດ້.