GPU क्लाउड: घण्टाको हिसाबले NVIDIA GPU सर्भरहरू भाडामा लिनुहोस्
LLM इन्फरेन्स, फाइन-ट्युनिङ र इमेज जेनेरेसनका लागि NVIDIA GPU सर्भरहरू भाडामा लिनुहोस्। प्रत्यक्ष मूल्य, प्रति घण्टा बिलिङ, PyTorch, vLLM र ComfyUI टेम्प्लेटहरू, SSH पहुँच।
- प्रत्यक्ष मौज्दात, अर्डर गर्नुअघि मूल्य निश्चित गरिने
- PyTorch, vLLM, Ollama र ComfyUI का लागि टेम्प्लेटहरू
- बन्द गरिएका प्रति-घण्टा सर्भरहरूको डिस्कका लागि मात्र शुल्क लाग्नेछ
Cloudj GPU Cloud मार्फत तपाईंले प्रत्यक्ष इन्भेन्टरीबाट GPU सर्भर भाडामा लिन सक्नुहुन्छ: GPU मोडल, VRAM र डिस्क छान्नुहोस्, PyTorch, vLLM, Ollama वा ComfyUI जस्ता टेम्प्लेटबाट सुरु गर्नुहोस्, र SSH मार्फत जडान गर्नुहोस्। प्रतिघण्टा सर्भरहरूको शुल्क तपाईंको खाता ब्यालेन्सबाट काटिन्छ, र बन्द गरिएको प्रतिघण्टा सर्भरको लागि डिस्कको मात्र बिल गरिन्छ।
GPU भाडा दर र प्रत्यक्ष उपलब्धता
प्रत्यक्ष इन्भेन्टरी: उपलब्धता र मूल्यहरू बजार अनुसार परिवर्तन हुन्छन्। तपाईंले अर्डर गर्नुअघि कन्सोलले अन्तिम मूल्य पुष्टि गर्दछ।
| GPU | प्रति GPU VRAM | आर्किटेक्चर | FP32 कम्प्युट | पावर लिमिट | बाट | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | विवरणहरू → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | विवरणहरू → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | विवरणहरू → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | विवरणहरू → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | विवरणहरू → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | विवरणहरू → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | विवरणहरू → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | विवरणहरू → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | विवरणहरू → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | विवरणहरू → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | विवरणहरू → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | विवरणहरू → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | विवरणहरू → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | विवरणहरू → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | विवरणहरू → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | विवरणहरू → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | विवरणहरू → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | विवरणहरू → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | विवरणहरू → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | विवरणहरू → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | विवरणहरू → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | विवरणहरू → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | विवरणहरू → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | विवरणहरू → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | विवरणहरू → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | विवरणहरू → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | विवरणहरू → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | विवरणहरू → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | विवरणहरू → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | विवरणहरू → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | विवरणहरू → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | विवरणहरू → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | विवरणहरू → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | विवरणहरू → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | विवरणहरू → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | विवरणहरू → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | विवरणहरू → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | विवरणहरू → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | विवरणहरू → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | विवरणहरू → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | विवरणहरू → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | विवरणहरू → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | विवरणहरू → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | विवरणहरू → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | विवरणहरू → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | विवरणहरू → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | विवरणहरू → |
AI, LLM र रेन्डरिङ वर्कलोडका लागि GPU टेम्प्लेटहरू
LLM इन्फरेन्स
भाषा मोडलहरू सर्भ र परीक्षण गर्न Open WebUI सँग vLLM, SGLang वा Ollama।
फाइन-ट्युनिङ
आफ्नै डेटामा भाषा मोडलहरू फाइन-ट्युन गर्नका लागि Unsloth Studio।
इमेज र भिडियो जेनेरेसन
Flux, SDXL र भिडियो वर्कफ्लोका लागि ComfyUI।
PyTorch र CUDA विकास
SSH मार्फत पहुँचयोग्य NVIDIA CUDA सहितका PyTorch र Ubuntu 24.04 इमेजहरू।
डेस्कटप वा पूर्ण VM
ब्राउजरमै Ubuntu डेस्कटप, वा आवश्यक पर्दा पूर्ण KVM भर्चुअल मेसिन।
४ चरणमा GPU सर्भर कसरी भाडामा लिने
- 01
टेम्प्लेट र डिस्कको साइज छान्नुहोस्
- 02
प्रत्यक्ष इन्भेन्टरीबाट मिल्दो GPU रोज्नुहोस्
- 03
मूल्य पुष्टि गर्नुहोस् र आफ्नो खाताको ब्यालेन्सबाट सर्भर बनाउनुहोस्
- 04
SSH वा ब्राउजर टर्मिनल मार्फत जडान गर्नुहोस्
GPU क्लाउड मूल्य र बिलिङ
- प्रतिघण्टा: सर्भर चल्दा GPU को प्रति घण्टा शुल्क लाग्छ। बन्द गरिएको प्रतिघण्टा सर्भरको डिस्कको मात्र शुल्क लाग्छ।
- बिलिङ चक्रहरू: मासिक, त्रैमासिक, अर्ध-वार्षिक वा वार्षिक, तपाईंले भुक्तानी गर्नुअघि कुनै पनि छुट देखाइनेछ।
- डिस्क स्टोरेजको GPU मूल्यसँगै प्रति GB शुल्क लाग्छ।
- मूल्यहरू USD मा छन्; तपाईंले तिनीहरूलाई हालको विनिमय दर अनुसार VND मा हेर्न सक्नुहुन्छ।