GPU Cloud
GPU cloud: изнајмување на NVIDIA GPU сервери на час
Изнајмете NVIDIA GPU сервери за LLM инференција, fine-tuning и генерирање слики. Цени во живо, наплата на час, готови шаблони за PyTorch, vLLM и ComfyUI, пристап преку SSH.
- Достапност во живо, потврдена цена пред да нарачате
- Шаблони за PyTorch, vLLM, Ollama и ComfyUI
- Кај запрените сервери на час се наплаќа само дискот
Со Cloudj GPU Cloud изнајмувате GPU сервер од залихата во живо: изберете модел на GPU, VRAM и диск, започнете со шаблон како PyTorch, vLLM, Ollama или ComfyUI, а потоа поврзете се преку SSH. Серверите со наплата на час се наплаќаат од салдото на вашата сметка, а за запрен сервер на час се наплаќа само неговиот диск.
Цени за изнајмување GPU и достапност во живо
Достапност во живо: залихите и цените се менуваат според пазарот. Конзолата ја потврдува конечната цена пред да нарачате.
| GPU | VRAM по GPU | Архитектура | FP32 перформанси | Лимит на моќност | Од | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Детали → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Детали → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Детали → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Детали → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Детали → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Детали → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Детали → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Детали → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Детали → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Детали → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Детали → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Детали → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Детали → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Детали → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Детали → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Детали → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Детали → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Детали → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Детали → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Детали → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Детали → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Детали → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Детали → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Детали → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Детали → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Детали → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Детали → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Детали → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Детали → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Детали → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Детали → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Детали → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Детали → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Детали → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Детали → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Детали → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Детали → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Детали → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Детали → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Детали → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Детали → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Детали → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Детали → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Детали → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Детали → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Детали → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Детали → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Детали → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Детали → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Детали → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Детали → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Детали → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Детали → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Детали → |
GPU шаблони за AI, LLM и рендерирање
Инференција на LLM
vLLM, SGLang или Ollama со Open WebUI за хостирање и тестирање јазични модели.
Fine-tuning
Unsloth Studio за fine-tuning на јазични модели со сопствени податоци.
Генерирање слики и видеа
ComfyUI за Flux, SDXL и работни процеси за видео.
Развој со PyTorch и CUDA
PyTorch и Ubuntu 24.04 имиџи со NVIDIA CUDA, достапни преку SSH.
Десктоп или целосна виртуелна машина
Ubuntu десктоп во прелистувачот или целосна KVM виртуелна машина секогаш кога ви е потребна.
Како да изнајмите GPU сервер во 4 чекори
- 01
Изберете шаблон и големина на дискот
- 02
Изберете компатибилен GPU од залихата во живо
- 03
Потврдете ја цената и креирајте го серверот од салдото на вашата сметка
- 04
Поврзете се преку SSH или прелистувачки терминал
Цени и наплата за GPU cloud
- На час: GPU се наплаќа по час додека серверот работи. За запрен сервер на час се наплаќа само дискот.
- Периоди на наплата: месечно, квартално, полугодишно или годишно, со прикажан попуст пред да платите.
- Диск просторот се наплаќа по GB заедно со цената за GPU.
- Цените се во USD; можете да ги прикажете во VND според тековниот курс.
ЧПП за GPU cloud
Сите работни процеси што ги поддржува GPU меморијата: LLM инференција и fine-tuning, генерирање слики и видеа, рендерирање и CUDA развој. Шаблоните за PyTorch, vLLM, SGLang, Ollama, Unsloth и ComfyUI автоматски го инсталираат соодветниот софтвер.
Во табелата погоре се прикажани моментално достапните конфигурации, вклучувајќи ја и NVIDIA RTX 5090 со 32 GB VRAM кога е на залиха. Достапноста се менува во текот на денот.
Цените се преземаат од моменталната достапност на GPU серверите и може да се променат. Конзолата ја прикажува потврдената цена пред да нарачате, а вашиот сервер се фактурира точно по таа потврдена цена.
Да. Покрај наплатата на час, можете да изберете месечен, тримесечен, полугодишен или годишен период, при што попустот се прикажува пред плаќањето. Просторот на дискот се наплаќа по GB заедно со цената за GPU.
При наплата на час, за запрен сервер се наплаќа единствено просторот на дискот. Избришете го серверот штом неговите податоци повеќе не ви се потребни.
Преку SSH со вашиот клуч, или преку терминалот во вашиот прелистувач директно од конзолата. Шаблоните за Desktop и VM обезбедуваат и графички пристап.