GPU Cloud
GPU bulut: NVIDIA GPU serwerlerini sagatlaýyn kärendesine alyň
LLM inferensi, fine-tuning we surat generirlenmegi üçin NVIDIA GPU serwerlerini kärendesine alyň. Göni bahalar, sagatlaýyn töleg, PyTorch, vLLM we ComfyUI şablonlary, SSH elýeterliligi.
- Göni ammar ýagdaýy, sargyt etmezden öň tassyklanan baha
- PyTorch, vLLM, Ollama we ComfyUI üçin şablonlar
- Durdurylan sagatlaýyn serwerler üçin diňe disk tölegi alynýar
Cloudj GPU Cloud bilen göni ammardan GPU serwerini kärendesine alýarsyňyz: GPU modelini, VRAM-y we diski saýlaň, PyTorch, vLLM, Ollama ýa-da ComfyUI ýaly şablondan başlaň, soňra SSH arkaly birigiň. Sagatlaýyn serwerler üçin töleg hasap balansyňyzdan alynýar, saklanan sagatlaýyn serwer üçin bolsa diňe disk tölegi alynýar.
GPU kärende bahalary we göni elýeterlilik
Göni ammar: elýeterlilik we bahalar bazara görä üýtgeýär. Dolandyryş paneli sargyt etmezden öň gutarnykly bahany tassyklaýar.
| GPU | Her GPU üçin VRAM | Arhitektura | FP32 hasaplamasy | Kuwwat çägi | Başlangyç | |
|---|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | – | Jikme-jiklikler → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Jikme-jiklikler → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | – | Jikme-jiklikler → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | – | Jikme-jiklikler → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | – | Jikme-jiklikler → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | – | Jikme-jiklikler → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | – | Jikme-jiklikler → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | – | Jikme-jiklikler → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | – | Jikme-jiklikler → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | – | Jikme-jiklikler → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | – | Jikme-jiklikler → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | – | Jikme-jiklikler → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | – | Jikme-jiklikler → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | – | Jikme-jiklikler → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | – | Jikme-jiklikler → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | – | Jikme-jiklikler → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | – | Jikme-jiklikler → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | – | Jikme-jiklikler → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | – | Jikme-jiklikler → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | – | Jikme-jiklikler → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | – | Jikme-jiklikler → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | – | Jikme-jiklikler → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | – | Jikme-jiklikler → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | – | Jikme-jiklikler → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | – | Jikme-jiklikler → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | – | Jikme-jiklikler → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | – | Jikme-jiklikler → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | – | Jikme-jiklikler → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | – | Jikme-jiklikler → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | – | Jikme-jiklikler → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | – | Jikme-jiklikler → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | – | Jikme-jiklikler → |
AI, LLM we renderleme iş ýükleri üçin GPU şablonlary
LLM inferensi
Dil modellerini hyzmatda ulanmak we synap görmek üçin Open WebUI bilen vLLM, SGLang ýa-da Ollama.
Fine-tuning
Dil modellerine öz maglumatlaryňyz esasynda goşmaça tälim bermek üçin Unsloth Studio.
Surat we wideo döretmek
Flux, SDXL we wideo iş akymlary üçin ComfyUI.
PyTorch we CUDA işläp düzmek
SSH arkaly elýeterli bolan NVIDIA CUDA goldawly PyTorch we Ubuntu 24.04 obrazlary.
Iş stoly ýa-da doly VM
Brauzerde Ubuntu iş stoly ýa-da zerur bolanda doly KVM wirtual maşyny.
4 ädimde GPU serwerini nädip kärendesine almaly
- 01
Şablony we disk ölçegini saýlaň
- 02
Göni ammardan gabat gelýän GPU-ny saýlaň
- 03
Bahany tassyklaň we hasap balansyňyzdan serweri dörediň
- 04
SSH ýa-da brauzer terminaly arkaly birigiň
GPU bulut bahalary we töleg ulgamy
- Sagatlaýyn: serwer işleýän wagty GPU üçin töleg her sagat hasaplanýar. Saklanan sagatlaýyn serwer üçin diňe disk tölegi alynýar.
- Hasaplaşyk döwürleri: aýlyk, çärýekleýin, ýarym ýyllyk ýa-da ýyllyk; islendik arzanladyş tölegden öň görkezilýär.
- Disk ammary GPU bahasy bilen bilelikde her GB üçin hasaplanýar.
- Bahalar USD-de görkezilendir; olary häzirki hümmet boýunça VND-de hem görkezip bilersiňiz.
GPU bulut boýunça köp soralýan soraglar
GPU ýadyna sygýan iş ýükleri: LLM inferensi we fine-tuning, surat hem-de wideo generirlenmegi, renderleme we CUDA işläp düzmesi. PyTorch, vLLM, SGLang, Ollama, Unsloth we ComfyUI üçin şablonlar programma üpjünçiligini siziň üçin awtomatiki gurnaýar.
Ýokardaky tablisa häzirki wagtda elýeterli konfigurasiýalary, şol sanda ammar elýeterli bolanda 32 GB VRAM bilen NVIDIA RTX 5090-y görkezýär. Elýeterlilik günüň dowamynda üýtgäp durýar.
Bahalar göni GPU ammaryndan alynýar we üýtgäp biler. Konsol sargyt etmezden öň tassyklanan bahany görkezýär we serweriňiz üçin hut şol tassyklanan baha boýunça töleg alynýar.
Hawa. Sagatlaýyn tölegden başga-da, töleg etmezden öň ähli arzanladyşlary görüp, aýlyk, çärýekleýin, ýarym ýyllyk ýa-da ýyllyk döwri saýlap bilersiňiz. Disk ammary GPU bahasy bilen bilelikde her GB üçin hasaplanýar.
Sagatlaýyn tölegde duruzylan serwer üçin diňe disk tölegi alynýar. Maglumatlary gerek bolmadyk wagty serweri pozuň.
Açaryňyz bilen SSH arkaly ýa-da konsoldan brauzeriňizdäki terminal arkaly. Desktop we VM şablonlary grafiki elýeterliligi hem üpjün edýär.