GPU Cloud สำหรับ AI, LLM และการเรนเดอร์
เช่าเซิร์ฟเวอร์ NVIDIA GPU รายชั่วโมงหรือตามรอบการเรียกเก็บเงิน เปรียบเทียบสเปกและราคาปัจจุบัน เริ่มใช้งานจากเทมเพลตสำเร็จรูป และเชื่อมต่อผ่าน SSH หรือเทอร์มินัลในเบราว์เซอร์
- รายการ GPU พร้อมใช้งานแบบเรียลไทม์พร้อมราคาปัจจุบัน
- เทมเพลตสำหรับ PyTorch, การรัน LLM และการสร้างรูปภาพ
- เข้าถึงผ่าน SSH และเทอร์มินัลในเบราว์เซอร์
ด้วย Cloudj GPU Cloud คุณสามารถเช่าเซิร์ฟเวอร์ GPU จากรายการพร้อมใช้งานแบบเรียลไทม์: เลือกรุ่น GPU, VRAM และดิสก์ เริ่มใช้งานจากเทมเพลต เช่น PyTorch, vLLM, Ollama หรือ ComfyUI แล้วเชื่อมต่อผ่าน SSH เซิร์ฟเวอร์รายชั่วโมงจะหักค่าบริการจากยอดคงเหลือในบัญชี และเมื่อเซิร์ฟเวอร์รายชั่วโมงหยุดแล้ว จะคิดค่าบริการเฉพาะพื้นที่ดิสก์เท่านั้น
GPU ที่พร้อมใช้งานและราคาปัจจุบัน
รายการอัปเดตตามจริง: จำนวนที่ว่างและราคาจะเปลี่ยนแปลงตามตลาด คอนโซลจะยืนยันราคาสุดท้ายก่อนที่คุณจะสั่งซื้อ
| GPU | VRAM ต่อ GPU | สถาปัตยกรรม | ประสิทธิภาพ FP32 | ขีดจำกัดพลังงาน | |
|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | รายละเอียด → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | รายละเอียด → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | รายละเอียด → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | รายละเอียด → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | รายละเอียด → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | รายละเอียด → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | รายละเอียด → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | รายละเอียด → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | รายละเอียด → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | รายละเอียด → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | รายละเอียด → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | รายละเอียด → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | รายละเอียด → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | รายละเอียด → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | รายละเอียด → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | รายละเอียด → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | รายละเอียด → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | รายละเอียด → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | รายละเอียด → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | รายละเอียด → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | รายละเอียด → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | รายละเอียด → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | รายละเอียด → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | รายละเอียด → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | รายละเอียด → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | รายละเอียด → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | รายละเอียด → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | รายละเอียด → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | รายละเอียด → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | รายละเอียด → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | รายละเอียด → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | รายละเอียด → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | รายละเอียด → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | รายละเอียด → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | รายละเอียด → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | รายละเอียด → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | รายละเอียด → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | รายละเอียด → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | รายละเอียด → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | รายละเอียด → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | รายละเอียด → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | รายละเอียด → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | รายละเอียด → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | รายละเอียด → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | รายละเอียด → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | รายละเอียด → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | รายละเอียด → |
เทมเพลตที่พร้อมสำหรับเวิร์กโหลดของคุณ
การรันโมเดล LLM (Inference)
vLLM, SGLang หรือ Ollama พร้อม Open WebUI สำหรับให้บริการและทดสอบโมเดลภาษา
การทำ Fine-tuning
Unsloth Studio สำหรับปรับจูนโมเดลภาษาด้วยข้อมูลของคุณเอง
การสร้างรูปภาพและวิดีโอ
ComfyUI สำหรับเวิร์กโฟลว์ Flux, SDXL และวิดีโอ
การพัฒนาด้วย PyTorch และ CUDA
อิมเมจ PyTorch และ Ubuntu 24.04 พร้อม NVIDIA CUDA เข้าถึงได้ผ่าน SSH
เดสก์ท็อปหรือ VM เต็มรูปแบบ
เดสก์ท็อป Ubuntu บนเบราว์เซอร์ หรือเครื่องเสมือน KVM เต็มรูปแบบเมื่อคุณต้องการ
วิธีเช่า GPU
- 01
เลือกเทมเพลตและขนาดดิสก์
- 02
เลือก GPU ที่รองรับจากรายการที่ว่างอยู่จริง
- 03
ยืนยันราคาและสร้างเซิร์ฟเวอร์โดยหักจากยอดคงเหลือในบัญชีของคุณ
- 04
เชื่อมต่อผ่าน SSH หรือเทอร์มินัลบนเบราว์เซอร์
การเรียกเก็บเงินสำหรับ GPU ทำงานอย่างไร
- รายชั่วโมง: คิดค่าบริการ GPU เป็นรายชั่วโมงขณะที่เซิร์ฟเวอร์กำลังทำงาน เซิร์ฟเวอร์รายชั่วโมงที่หยุดแล้วจะคิดค่าบริการเฉพาะพื้นที่ดิสก์เท่านั้น
- รอบการเรียกเก็บเงิน: รายเดือน รายไตรมาส รายครึ่งปี หรือรายปี โดยจะแสดงส่วนลด (หากมี) ก่อนที่คุณจะชำระเงิน
- พื้นที่จัดเก็บข้อมูลบนดิสก์จะคิดค่าบริการต่อ GB รวมกับราคาของ GPU
- ราคาแสดงเป็นสกุลเงิน USD โดยคุณสามารถเลือกแสดงเป็นสกุลเงิน VND ตามอัตราแลกเปลี่ยนปัจจุบันได้