GPU Cloud
GPU கிளவுட்: மணிநேர அடிப்படையில் NVIDIA GPU சர்வர்களை வாடகைக்கு எடுங்கள்
LLM இன்ஃபெரன்ஸ், ஃபைன்-டியூனிங் மற்றும் பட உருவாக்கத்திற்கு NVIDIA GPU சர்வர்களை வாடகைக்கு எடுங்கள். நேரடி விலைகள், மணிநேர பில்லிங், PyTorch, vLLM மற்றும் ComfyUI டெம்ப்ளேட்டுகள், SSH அணுகல்.
- நேரடி இருப்பு, ஆர்டர் செய்வதற்கு முன்பே விலை உறுதி செய்யப்படும்
- PyTorch, vLLM, Ollama மற்றும் ComfyUI-க்கான டெம்ப்ளேட்டுகள்
- நிறுத்தப்பட்ட மணிநேர சர்வர்களுக்கு டிஸ்க் சேமிப்பகத்திற்கு மட்டுமே கட்டணம் வசூலிக்கப்படும்
Cloudj GPU Cloud மூலம் நேரலை இருப்பில் இருந்து ஒரு GPU சர்வரை நீங்கள் வாடகைக்கு எடுக்கலாம்: GPU மாடல், VRAM மற்றும் டிஸ்க்கைத் தேர்ந்தெடுக்கவும், PyTorch, vLLM, Ollama அல்லது ComfyUI போன்ற டெம்ப்ளேட்டிலிருந்து தொடங்கவும், பின்னர் SSH மூலம் இணைக்கவும். மணிநேர சர்வர்களுக்கான கட்டணம் உங்கள் கணக்கு இருப்பில் இருந்து கழிக்கப்படும், மேலும் நிறுத்தப்பட்ட சர்வர்க்கு அதன் டிஸ்க்கிற்கான கட்டணம் மட்டுமே வசூலிக்கப்படும்.
GPU வாடகை விலைகளும் நேரடி இருப்பும்
நேரலை இருப்பு: கிடைக்கும் தன்மை மற்றும் விலைகள் சந்தைக்கு ஏற்ப மாறும். ஆர்டர் செய்வதற்கு முன் கன்சோல் இறுதி விலையை உறுதிப்படுத்தும்.
| GPU | ஒரு GPU-க்கான VRAM | ஆர்க்கிடெக்ச்சர் | FP32 கம்ப்யூட் | பவர் லிமிட் | முதல் | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | விவரங்கள் → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | விவரங்கள் → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | விவரங்கள் → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | விவரங்கள் → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | விவரங்கள் → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | விவரங்கள் → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | விவரங்கள் → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | விவரங்கள் → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | விவரங்கள் → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | விவரங்கள் → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | விவரங்கள் → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | விவரங்கள் → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | விவரங்கள் → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | விவரங்கள் → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | விவரங்கள் → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | விவரங்கள் → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | விவரங்கள் → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | விவரங்கள் → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | விவரங்கள் → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | விவரங்கள் → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | விவரங்கள் → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | விவரங்கள் → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | விவரங்கள் → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | விவரங்கள் → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | விவரங்கள் → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | விவரங்கள் → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | விவரங்கள் → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | விவரங்கள் → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | விவரங்கள் → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | விவரங்கள் → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | விவரங்கள் → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | விவரங்கள் → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | விவரங்கள் → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | விவரங்கள் → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | விவரங்கள் → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | விவரங்கள் → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | விவரங்கள் → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | விவரங்கள் → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | விவரங்கள் → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | விவரங்கள் → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | விவரங்கள் → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | விவரங்கள் → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | விவரங்கள் → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | விவரங்கள் → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | விவரங்கள் → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | விவரங்கள் → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | விவரங்கள் → |
AI, LLM மற்றும் ரெண்டரிங் பணிகளுக்கான GPU டெம்ப்ளேட்டுகள்
LLM இன்ஃபெரன்ஸ்
மொழி மாதிரிகளை இயக்கவும் சோதிக்கவும் Open WebUI உடன் கூடிய vLLM, SGLang அல்லது Ollama.
ஃபைன்-டியூனிங்
உங்கள் சொந்தத் தரவில் மொழி மாதிரிகளை ஃபைன்-டியூன் செய்ய Unsloth Studio.
படம் மற்றும் வீடியோ உருவாக்கம்
Flux, SDXL மற்றும் வீடியோ பணிப்பாய்வுகளுக்கான ComfyUI.
PyTorch மற்றும் CUDA மேம்பாடு
NVIDIA CUDA உடன் கூடிய PyTorch மற்றும் Ubuntu 24.04 இமேஜ்கள், SSH வழியாக அணுகக்கூடியவை.
டெஸ்க்டாப் அல்லது முழு VM
உலாவிக்குள்ளேயே ஒரு Ubuntu டெஸ்க்டாப், அல்லது தேவைப்படும் போது ஒரு முழு KVM விர்ச்சுவல் மெஷின் (VM).
4 படிகளில் ஒரு GPU சர்வரை வாடகைக்கு எடுப்பது எப்படி
- 01
டெம்ப்ளேட் மற்றும் டிஸ்க் அளவைத் தேர்ந்தெடுக்கவும்
- 02
நேரலை இருப்பில் இருந்து இணக்கமான GPU-வைத் தேர்ந்தெடுக்கவும்
- 03
விலையை உறுதிசெய்து உங்கள் கணக்கு இருப்பில் இருந்து சர்வரை உருவாக்கவும்
- 04
SSH அல்லது பிரவுசர் டெர்மினல் மூலம் இணைக்கவும்
GPU கிளவுட் விலைகளும் பில்லிங் விவரங்களும்
- மணிநேரக் கட்டணம்: சர்வர் இயங்கும் போது GPU-க்கு மணிநேர அடிப்படையில் கட்டணம் விதிக்கப்படும். நிறுத்தப்பட்ட சர்வர்களுக்கு டிஸ்க்கிற்கான கட்டணம் மட்டுமே வசூலிக்கப்படும்.
- பில்லிங் சுழற்சிகள்: மாதாந்திர, காலாண்டு, அரையாண்டு அல்லது ஆண்டு வாரியாக; நீங்கள் பணம் செலுத்துவதற்கு முன் தள்ளுபடி விவரங்கள் காட்டப்படும்.
- டிஸ்க் சேமிப்பகத்திற்கு GPU கட்டணத்துடன் சேர்த்து GB அடிப்படையில் வசூலிக்கப்படும்.
- விலைகள் USD-ல் உள்ளன; தற்போதைய மாற்று விகிதத்தில் அவற்றை VND-ல் பார்க்கலாம்.
GPU கிளவுட் - அடிக்கடி கேட்கப்படும் கேள்விகள்
GPU நினைவகத்திற்குப் பொருந்தக்கூடிய பணிகள்: LLM இன்ஃபெரன்ஸ் மற்றும் ஃபைன்-டியூனிங், படம் மற்றும் வீடியோ உருவாக்கம், ரெண்டரிங் மற்றும் CUDA உருவாக்கம். PyTorch, vLLM, SGLang, Ollama, Unsloth மற்றும் ComfyUI ஆகியவற்றிற்கான டெம்ப்ளேட்டுகள் உங்களுக்காக மென்பொருளை நிறுவிக்கொடுக்கின்றன.
மேலே உள்ள அட்டவணை தற்போது பயன்பாட்டில் உள்ள உள்ளமைவுகளைப் பட்டியலிடுகிறது; இதில் இருப்பு இருக்கும்போது 32 GB VRAM கொண்ட NVIDIA RTX 5090-ம் அடங்கும். இந்த இருப்பு விவரம் நாள் முழுவதும் மாறக்கூடியது.
விலைகள் நேரடி GPU இருப்பின் அடிப்படையில் நிர்ணயிக்கப்படுகின்றன, அவை மாறக்கூடும். ஆர்டர் செய்வதற்கு முன்பு கன்சோலில் உறுதிசெய்யப்பட்ட விலை காட்டப்படும், மேலும் அந்த உறுதிசெய்யப்பட்ட விலையிலேயே உங்கள் சர்வருக்குக் கட்டணம் வசூலிக்கப்படும்.
ஆம். மணிநேர பில்லிங் தவிர, நீங்கள் மாதாந்திர, காலாண்டு, அரையாண்டு அல்லது ஆண்டு சுழற்சியைத் தேர்வுசெய்யலாம்; தள்ளுபடி ஏதேனும் இருந்தால் நீங்கள் பணம் செலுத்துவதற்கு முன்பே காட்டப்படும். GPU விலையுடன் சேர்த்து டிஸ்க் சேமிப்பகத்திற்கும் ஒரு GB அடிப்படையில் கட்டணம் வசூலிக்கப்படும்.
மணிநேர பில்லிங்கில், நிறுத்தப்பட்ட சர்வருக்கு அதன் டிஸ்கிற்கு மட்டுமே கட்டணம் வசூலிக்கப்படும். அதன் தரவு தேவையில்லை என்றால் சர்வரை நீக்கிவிடலாம்.
உங்கள் கீ (key) மூலம் SSH வழியாக அல்லது கன்சோலிலிருந்து உங்கள் பிரவுசர் டெர்மினல் மூலம் இணைக்கலாம். டெஸ்க்டாப் மற்றும் VM டெம்ப்ளேட்டுகள் கிராஃபிக்கல் அணுகலையும் வழங்குகின்றன.