GPU Cloud
GPU-sky: lei NVIDIA GPU-servere på timebasis
Lei NVIDIA GPU-servere for LLM-inferens, finjustering og bildegenerering. Sanntidspriser, timebasert fakturering, maler for PyTorch, vLLM og ComfyUI, og SSH-tilgang.
- Sanntidslager, bekreftet pris før du bestiller
- Maler for PyTorch, vLLM, Ollama og ComfyUI
- Stoppede timeservere faktureres kun for lagring
Med Cloudj GPU Cloud leier du en GPU-server fra sanntidslageret: velg GPU-modell, VRAM og disk, start fra en mal som PyTorch, vLLM, Ollama eller ComfyUI, og koble deretter til via SSH. Timebaserte servere belastes fra kontosaldoen din, og en stoppet timebasert server faktureres kun for disken.
Priser på GPU-leie og tilgjengelighet i sanntid
Sanntidslager: tilgjengelighet og priser endres med markedet. Konsollen bekrefter endelig pris før du bestiller.
| GPU | VRAM per GPU | Arkitektur | FP32-ytelse | Effektgrense (TDP) | Fra | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Detaljer → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Detaljer → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Detaljer → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Detaljer → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Detaljer → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Detaljer → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Detaljer → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Detaljer → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Detaljer → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Detaljer → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Detaljer → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Detaljer → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Detaljer → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Detaljer → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Detaljer → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Detaljer → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Detaljer → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Detaljer → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Detaljer → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Detaljer → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Detaljer → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Detaljer → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Detaljer → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Detaljer → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Detaljer → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Detaljer → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Detaljer → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Detaljer → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Detaljer → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Detaljer → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Detaljer → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Detaljer → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Detaljer → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Detaljer → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Detaljer → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Detaljer → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Detaljer → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Detaljer → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Detaljer → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Detaljer → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Detaljer → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Detaljer → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Detaljer → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Detaljer → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Detaljer → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Detaljer → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Detaljer → |
GPU-maler for AI-, LLM- og renderingsarbeidslaster
LLM-inferens
vLLM, SGLang eller Ollama med Open WebUI for å kjøre og teste språkmodeller.
Finjustering
Unsloth Studio for finjustering av språkmodeller på dine egne data.
Bilde- og videogenerering
ComfyUI for Flux, SDXL og arbeidsflyter for video.
PyTorch- og CUDA-utvikling
PyTorch- og Ubuntu 24.04-imager med NVIDIA CUDA, tilgjengelig via SSH.
Skrivebord eller full VM
Et Ubuntu-skrivebord rett i nettleseren, eller en full virtuell KVM-maskin ved behov.
Slik leier du en GPU-server på 4 steg
- 01
Velg en mal og diskstørrelse
- 02
Velg en kompatibel GPU fra sanntidslageret
- 03
Bekreft prisen og opprett serveren fra kontosaldoen din
- 04
Koble til via SSH eller nettleserterminalen
Priser og fakturering for GPU-sky
- Timebasert: GPU-en belastes per time mens serveren kjører. En stoppet timebasert server belastes kun for disken.
- Faktureringsperioder: månedlig, kvartalsvis, halvårlig eller årlig, med eventuell rabatt vist før du betaler.
- Disklagring belastes per GB sammen med GPU-prisen.
- Prisene er i USD; du kan vise dem i VND til gjeldende valutakurs.
Ofte stilte spørsmål om GPU-sky
Arbeidslaster som passer i GPU-minnet: LLM-inferens og finjustering, bilde- og videogenerering, rendering og CUDA-utvikling. Maler for PyTorch, vLLM, SGLang, Ollama, Unsloth og ComfyUI installerer programvaren for deg.
Tabellen over viser tilgjengelige konfigurasjoner for øyeblikket, inkludert NVIDIA RTX 5090 med 32 GB VRAM når den er på lager. Tilgjengeligheten endres i løpet av dagen.
Prisene hentes fra sanntidsoversikten over GPU-er og kan variere. Kontrollpanelet viser bekreftet pris før du bestiller, og serveren din faktureres til denne bekreftede prisen.
Ja. I tillegg til timebasert fakturering kan du velge månedlig, kvartalsvis, halvårlig eller årlig periode, og eventuelle rabatter vises før du betaler. Disklagring belastes per GB sammen med GPU-prisen.
Ved timebasert fakturering belastes en stoppet server kun for disken. Slett serveren når du ikke lenger trenger dataene på den.
Via SSH med nøkkelen din, eller via nettleserterminalen i kontrollpanelet. Maler for skrivebord og virtuelle maskiner gir også grafisk tilgang.