GPU Cloud
Абри GPU: иҷораи соатии серверҳои NVIDIA GPU
Иҷораи серверҳои NVIDIA GPU барои инференси LLM, fine-tuning ва тавлиди тасвирҳо. Нархҳои кунунӣ, ҳисоббарории соатӣ, қолабҳои PyTorch, vLLM ва ComfyUI, дастрасии SSH.
- Мавҷудияти кунунӣ, тасдиқи нарх пеш аз фармоиш
- Қолабҳо барои PyTorch, vLLM, Ollama ва ComfyUI
- Серверҳои соатии хомӯшшуда танҳо барои диск ҳисоб карда мешаванд
Бо Cloudj GPU Cloud шумо сервери GPU-ро аз рӯйхати зиндаи мавҷуда иҷора мегиред: модели GPU, VRAM ва дискро интихоб намуда, аз шаблоне ба монанди PyTorch, vLLM, Ollama ё ComfyUI оғоз кунед ва сипас тавассути SSH пайваст шавед. Маблағи серверҳои соатбайъ аз тавозуни ҳисоби шумо гирифта мешавад ва барои сервери соатбайъи қатъшуда танҳо барои диски он пардохт мекунед.
Нархҳои иҷораи GPU ва мавҷудияти кунунӣ
Мавҷудияти зинда: дастрасӣ ва нархҳо вобаста ба бозор тағйир меёбанд. Консол нархи ниҳоиро пеш аз фармоиш тасдиқ мекунад.
| GPU | VRAM барои ҳар як GPU | Меъморӣ | Ҳисоббарории FP32 | Ҳадди истеъмоли нерӯ | Аз | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Тафсилот → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Тафсилот → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Тафсилот → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Тафсилот → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Тафсилот → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Тафсилот → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Тафсилот → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Тафсилот → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Тафсилот → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Тафсилот → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Тафсилот → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Тафсилот → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Тафсилот → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Тафсилот → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Тафсилот → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Тафсилот → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Тафсилот → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Тафсилот → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Тафсилот → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Тафсилот → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Тафсилот → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Тафсилот → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Тафсилот → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Тафсилот → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Тафсилот → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Тафсилот → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Тафсилот → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Тафсилот → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Тафсилот → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Тафсилот → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Тафсилот → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Тафсилот → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Тафсилот → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Тафсилот → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Тафсилот → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Тафсилот → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Тафсилот → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Тафсилот → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Тафсилот → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Тафсилот → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Тафсилот → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Тафсилот → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Тафсилот → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Тафсилот → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Тафсилот → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Тафсилот → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Тафсилот → |
Қолабҳои GPU барои сарбориҳои AI, LLM ва рендеринг
Инференси LLM
vLLM, SGLang ё Ollama бо Open WebUI барои пешниҳод ва санҷиши моделҳои забонӣ.
Fine-tuning
Unsloth Studio барои fine-tuning-и моделҳои забонӣ бо додаҳои шахсии шумо.
Тавлиди тасвир ва видео
ComfyUI барои ҷараёнҳои кории Flux, SDXL ва коркарди видео.
Таҳия дар PyTorch ва CUDA
Имиҷҳои PyTorch ва Ubuntu 24.04 бо NVIDIA CUDA, дастрас тавассути SSH.
Мизи корӣ ё VM-и пурра
Мизи кории Ubuntu дар браузер ё мошини виртуалии комили KVM дар сурати зарурат.
Чӣ тавр дар 4 қадам сервери GPU-ро иҷора гирифт
- 01
Шаблон ва ҳаҷми дискро интихоб кунед
- 02
Аз рӯйхати мавҷуда GPU-и мувофиқро интихоб намоед
- 03
Нархро тасдиқ кунед ва серверро аз тавозуни ҳисоби худ эҷод намоед
- 04
Тавассути SSH ё терминали браузер пайваст шавед
Нархгузорӣ ва пардохти абри GPU
- Соатбайъ: барои GPU дар як соат танҳо ҳангоми фаъол будани сервер маблағ ситонида мешавад. Барои сервери соатбайъи қатъшуда танҳо маблағи диск ҳисоб карда мешавад.
- Давраҳои пардохт: моҳона, семоҳа, нимсола ё солона, ки ҳама гуна тахфифҳо пеш аз пардохт нишон дода мешаванд.
- Нигоҳдории диск барои ҳар як GB якҷоя бо нархи GPU ҳисоб карда мешавад.
- Нархҳо бо USD мебошанд; шумо метавонед онҳоро бо VND мувофиқи қурби ҷорӣ нишон диҳед.
Саволҳои зиёд такроршаванда оид ба абри GPU
Сарбориҳое, ки дар хотираи GPU ҷой мегиранд: инференс ва fine-tuning-и LLM, тавлиди тасвир ва видео, рендеринг ва таҳияи CUDA. Қолабҳо барои PyTorch, vLLM, SGLang, Ollama, Unsloth ва ComfyUI нармафзорро ба таври худкор насб мекунанд.
Дар ҷадвали боло конфигуратсияҳои айни замон дастрас, аз ҷумла NVIDIA RTX 5090 бо 32 GB хотираи VRAM ҳангоми мавҷуд будан, оварда шудаанд. Мавҷудият дар давоми рӯз тағйир меёбад.
Нархҳо аз рӯйхати кунунии GPU гирифта мешаванд ва метавонанд тағйир ёбанд. Консол нархи тасдиқшударо пеш аз фармоиш нишон медиҳад ва маблағи сервери шумо аз рӯи ҳамон нархи тасдиқшуда ҳисоб карда мешавад.
Бале. Ба ҷуз пардохти соатӣ, шумо метавонед давраи моҳона, семоҳа, нимсола ё солонаро интихоб кунед ва ҳама гуна тахфиф пеш аз пардохт нишон дода мешавад. Нигоҳдории диск барои ҳар GB якҷоя бо нархи GPU ҳисоб карда мешавад.
Дар пардохти соатӣ, барои сервери хомӯшшуда танҳо пули диски он ситонида мешавад. Вақте ки ба маълумоти он дигар ниёз надоред, серверро нест кунед.
Тавассути SSH бо калиди худ ё бо терминали браузер мустақиман аз консол. Қолабҳои Desktop ва VM инчунин дастрасии графикиро таъмин мекунанд.