GPU Cloud
GPU cloud: huur NVIDIA GPU-servers per uur
Huur NVIDIA GPU-servers voor LLM-inferentie, fine-tuning en beeldgeneratie. Actuele prijzen, facturatie per uur, templates voor PyTorch, vLLM en ComfyUI, en SSH-toegang.
- Actuele voorraad, prijsbevestiging vóórdat je bestelt
- Templates voor PyTorch, vLLM, Ollama en ComfyUI
- Voor gestopte servers per uur betaal je alleen voor opslag
Met Cloudj GPU Cloud huur je direct een GPU server uit de actuele voorraad: kies het gewenste GPU-model, VRAM en opslag, start met een template zoals PyTorch, vLLM, Ollama of ComfyUI en maak verbinding via SSH. Servers per uur worden verrekend met je accountsaldo, en voor een uitgeschakelde server per uur betaal je uitsluitend voor de opslag.
GPU-huurprijzen en actuele beschikbaarheid
Actuele voorraad: beschikbaarheid en prijzen bewegen mee met de markt. De console bevestigt de definitieve prijs voor je bestelt.
| GPU | VRAM per GPU | Architectuur | FP32-rekenkracht | Vermogenslimiet | Vanaf | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Details → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Details → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Details → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Details → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Details → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Details → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Details → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Details → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Details → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Details → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Details → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Details → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Details → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Details → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Details → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Details → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Details → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Details → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Details → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Details → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Details → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Details → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Details → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Details → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Details → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Details → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Details → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Details → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Details → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Details → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Details → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Details → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Details → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Details → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Details → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Details → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Details → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Details → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Details → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Details → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Details → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Details → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Details → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Details → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Details → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Details → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Details → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Details → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Details → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Details → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Details → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Details → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Details → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Details → |
GPU-templates voor AI-, LLM- en rendering-workloads
LLM-inference
vLLM, SGLang of Ollama met Open WebUI voor het hosten en testen van taalmodellen.
Fine-tuning
Unsloth Studio voor het finetunen van taalmodellen op je eigen data.
Afbeeldings- en videogeneratie
ComfyUI voor Flux-, SDXL- en videoworkflows.
PyTorch- en CUDA-ontwikkeling
PyTorch- en Ubuntu 24.04-images met NVIDIA CUDA, direct toegankelijk via SSH.
Desktop of volledige VM
Een Ubuntu-desktop in je browser, of een volwaardige virtuele KVM-machine wanneer je die nodig hebt.
In 4 stappen een GPU-server huren
- 01
Kies een template en schijfgrootte
- 02
Selecteer een compatibele GPU uit de actuele voorraad
- 03
Bevestig de prijs en start de server via je accountsaldo
- 04
Maak verbinding via SSH of de browserterminal
Tarieven en facturatie voor GPU cloud
- Per uur: de GPU wordt per uur afgerekend zolang de server draait. Voor een uitgeschakelde server per uur betaal je alleen voor de opslag.
- Facturatieperioden: maandelijks, per kwartaal, per halfjaar of jaarlijks, waarbij eventuele kortingen direct voor betaling zichtbaar zijn.
- Schijfopslag wordt per GB afgerekend samen met het GPU-tarief.
- Prijzen zijn in USD; je kunt ze ook weergeven in VND tegen de actuele wisselkoers.
Veelgestelde vragen over GPU cloud
Workloads die in het GPU-geheugen passen: LLM-inferentie en fine-tuning, beeld- en videogeneratie, rendering en CUDA-ontwikkeling. Templates voor PyTorch, vLLM, SGLang, Ollama, Unsloth en ComfyUI installeren de software automatisch voor je.
De bovenstaande tabel toont de momenteel beschikbare configuraties, inclusief de NVIDIA RTX 5090 met 32 GB VRAM mits op voorraad. De beschikbaarheid wisselt gedurende de dag.
Tarieven zijn afkomstig uit de actuele GPU-voorraad en kunnen wijzigen. De console toont de definitieve prijs vóórdat je bestelt, en je server wordt gefactureerd tegen die bevestigde prijs.
Ja. Naast facturatie per uur kun je kiezen voor een maandelijkse, kwartaal-, halfjaarlijkse of jaarlijkse periode, waarbij eventuele kortingen vóór betaling worden getoond. Schijfopslag wordt per GB berekend samen met de GPU-prijs.
Bij facturatie per uur betaal je voor een gestopte server uitsluitend voor de schijfruimte. Verwijder de server zodra je de gegevens niet meer nodig hebt.
Via SSH met je key, of via de browserterminal vanuit de console. Desktop- en VM-templates bieden tevens grafische toegang.