GPU Cloud
Cloud GPU: sewa pelayan NVIDIA GPU mengikut jam
Sewa pelayan NVIDIA GPU untuk inferens LLM, fine-tuning dan penjanaan imej. Harga langsung, pengebilan per jam, templat PyTorch, vLLM dan ComfyUI, serta akses SSH.
- Inventori langsung, harga disahkan sebelum anda membuat pesanan
- Templat sedia ada untuk PyTorch, vLLM, Ollama dan ComfyUI
- Pelayan jam yang dihentikan hanya dicaj untuk cakera sahaja
Dengan Cloudj GPU Cloud, anda menyewa pelayan GPU daripada inventori langsung: pilih model GPU, VRAM dan cakera, mulakan daripada templat seperti PyTorch, vLLM, Ollama atau ComfyUI, kemudian sambung melalui SSH. Pelayan setiap jam dicaj daripada baki akaun anda, dan pelayan setiap jam yang dihentikan hanya dibilkan untuk cakeranya.
Harga sewa GPU dan ketersediaan langsung
Inventori langsung: ketersediaan dan harga berubah mengikut pasaran. Konsol mengesahkan harga akhir sebelum anda membuat pesanan.
| GPU | VRAM setiap GPU | Seni bina | Komputasi FP32 | Had kuasa | Daripada | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Butiran → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Butiran → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Butiran → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Butiran → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Butiran → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Butiran → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Butiran → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Butiran → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Butiran → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Butiran → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Butiran → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Butiran → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Butiran → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Butiran → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Butiran → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Butiran → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Butiran → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Butiran → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Butiran → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Butiran → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Butiran → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Butiran → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Butiran → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Butiran → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Butiran → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Butiran → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Butiran → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Butiran → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Butiran → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Butiran → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Butiran → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Butiran → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Butiran → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Butiran → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Butiran → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Butiran → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Butiran → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Butiran → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Butiran → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Butiran → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Butiran → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Butiran → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Butiran → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Butiran → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Butiran → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Butiran → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Butiran → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Butiran → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Butiran → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Butiran → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Butiran → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Butiran → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Butiran → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Butiran → |
Templat GPU untuk beban kerja AI, LLM dan rendering
Inferens LLM
vLLM, SGLang atau Ollama dengan Open WebUI untuk mengehos dan menguji model bahasa.
Penalaan halus (Fine-tuning)
Unsloth Studio untuk menala halus model bahasa menggunakan data anda sendiri.
Penjanaan imej dan video
ComfyUI untuk aliran kerja Flux, SDXL dan video.
Pembangunan PyTorch dan CUDA
Imej PyTorch dan Ubuntu 24.04 dengan NVIDIA CUDA, boleh diakses melalui SSH.
Desktop atau VM penuh
Desktop Ubuntu dalam pelayar, atau mesin maya KVM penuh apabila anda memerlukannya.
Cara sewa pelayan GPU dalam 4 langkah
- 01
Pilih templat dan saiz cakera
- 02
Pilih GPU yang serasi daripada inventori langsung
- 03
Sahkan harga dan lancarkan pelayan daripada baki akaun anda
- 04
Sambung melalui SSH atau terminal penyemak imbas
Harga dan pengebilan cloud GPU
- Setiap jam: GPU dicaj setiap jam semasa pelayan beroperasi. Pelayan setiap jam yang dihentikan hanya dicaj untuk cakeranya.
- Kitaran pengebilan: bulanan, suku tahunan, separuh tahun atau tahunan, dengan sebarang diskaun dipaparkan sebelum anda membayar.
- Storan cakera dicaj setiap GB bersama-sama harga GPU.
- Harga dalam USD; anda boleh memaparkannya dalam VND mengikut kadar pertukaran semasa.
Soalan Lazim Cloud GPU
Beban kerja yang sesuai dengan memori GPU: inferens dan fine-tuning LLM, penjanaan imej dan video, rendering dan pembangunan CUDA. Templat untuk PyTorch, vLLM, SGLang, Ollama, Unsloth dan ComfyUI memasang perisian untuk anda secara automatik.
Jadual di atas menyenaraikan konfigurasi yang tersedia pada masa ini, termasuk NVIDIA RTX 5090 dengan 32 GB VRAM apabila ada stok. Ketersediaan sentiasa berubah sepanjang hari.
Harga diperoleh daripada inventori GPU langsung dan boleh berubah. Konsol memaparkan harga yang disahkan sebelum anda membuat pesanan, dan pelayan anda dibilkan mengikut harga disahkan tersebut.
Ya. Selain pengebilan setiap jam, anda boleh memilih kitaran bulanan, suku tahunan, separuh tahunan atau tahunan, dengan sebarang diskaun dipaparkan sebelum bayaran dibuat. Storan cakera dicaj bagi setiap GB bersama harga GPU.
Dengan pengebilan setiap jam, pelayan yang dihentikan hanya dicaj untuk storan cakeranya. Padamkan pelayan apabila anda tidak lagi memerlukan datanya.
Melalui SSH menggunakan kunci anda, atau dengan terminal pelayar web dari konsol. Templat desktop dan VM turut menyediakan akses grafik.