GPU Cloud
適用於 AI、LLM 與算圖的 GPU 雲端服務
按小時或按計費週期租用 NVIDIA GPU 伺服器。比較即時配置與價格、從現成範本快速啟動，並透過 SSH 或瀏覽器終端機連線。
- 提供即時 GPU 庫存與目前價格
- 內建 PyTorch、LLM 部署與影像生成範本
- 支援 SSH 與瀏覽器內建終端機存取
透過 Cloudj GPU Cloud，您可以從即時庫存中租用 GPU 伺服器：選擇 GPU 型號、VRAM 與磁碟，從 PyTorch、vLLM、Ollama 或 ComfyUI 等範本啟動，然後透過 SSH 連線。按時計費的伺服器會從您的帳戶餘額扣款，而已停止的按時計費伺服器僅收取磁碟費用。
可用 GPU 與目前價格
即時庫存：可用性與價格會隨市場變動。主控台會在您下單前確認最終價格。
| GPU | 每顆 GPU 的 VRAM | 架構 | FP32 算力 | 功耗限制 | |
|---|---|---|---|---|---|
| NVIDIA RTX PRO 6000 Max-Q | 96 GB | Blackwell | ≈ 119 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX PRO 6000 WS | 96 GB | Blackwell | ≈ 119 TFLOPS | 600 W | 詳細資訊 → |
| NVIDIA RTX 5090 | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | 詳細資訊 → |
| NVIDIA RTX 5090D | 32 GB | Blackwell | ≈ 107.6 TFLOPS | 575 W | 詳細資訊 → |
| NVIDIA RTX PRO 6000 S | 96 GB | Blackwell | ≈ 93.6 TFLOPS | 600 W | 詳細資訊 → |
| NVIDIA RTX 4090 | 24 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 450 W | 詳細資訊 → |
| NVIDIA RTX 6000Ada | 48 GB | Ada Lovelace | ≈ 81.4 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX 6000D | 84 GB | Blackwell | ≈ 77.6 TFLOPS | 600 W | 詳細資訊 → |
| NVIDIA L40S datacenter | 45 GB | Ada Lovelace | ≈ 73.3 TFLOPS | 350 W | 詳細資訊 → |
| NVIDIA RTX PRO 5000 | 48 GB | Blackwell | ≈ 69.6 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA H100 SXM datacenter | 80 GB | Hopper | ≈ 53.5 TFLOPS | 700 W | 詳細資訊 → |
| NVIDIA RTX 5080 | 16 GB | Blackwell | ≈ 53.4 TFLOPS | 360 W | 詳細資訊 → |
| NVIDIA RTX 4080S | 16 GB | Ada Lovelace | ≈ 50.9 TFLOPS | 320 W | 詳細資訊 → |
| NVIDIA RTX 4080 | 16 GB | Ada Lovelace | ≈ 48.6 TFLOPS | 285 W | 詳細資訊 → |
| NVIDIA H100 NVL datacenter | 94 GB | Hopper | ≈ 48.3 TFLOPS | 400 W | 詳細資訊 → |
| NVIDIA H200 NVL datacenter | 140 GB | Hopper | ≈ 48.3 TFLOPS | 600 W | 詳細資訊 → |
| NVIDIA RTX 5070 Ti | 16 GB | Blackwell | ≈ 44.3 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX PRO 4000 | 24 GB | Blackwell | ≈ 44.3 TFLOPS | 145 W | 詳細資訊 → |
| NVIDIA RTX 4070S Ti | 16 GB | Ada Lovelace | ≈ 42.6 TFLOPS | 285 W | 詳細資訊 → |
| NVIDIA H100 PCIE datacenter | 80 GB | Hopper | ≈ 41 TFLOPS | 350 W | 詳細資訊 → |
| NVIDIA RTX 4500Ada | 24 GB | Ada Lovelace | ≈ 38.2 TFLOPS | 210 W | 詳細資訊 → |
| NVIDIA RTX 3090 Ti | 24 GB | Ampere | ≈ 36.4 TFLOPS | 450 W | 詳細資訊 → |
| NVIDIA RTX A6000 | 48 GB | Ampere | ≈ 36.1 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX 4070S | 12 GB | Ada Lovelace | ≈ 35.8 TFLOPS | 220 W | 詳細資訊 → |
| NVIDIA RTX 3090 | 24 GB | Ampere | ≈ 35.4 TFLOPS | 350 W | 詳細資訊 → |
| NVIDIA RTX 3080 Ti | 12 GB | Ampere | ≈ 35.1 TFLOPS | 350 W | 詳細資訊 → |
| NVIDIA A40 datacenter | 45 GB | Ampere | ≈ 29.9 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX 3080 | 10 GB | Ampere | ≈ 29.5 TFLOPS | 380 W | 詳細資訊 → |
| NVIDIA RTX 4070 | 12 GB | Ada Lovelace | ≈ 29.3 TFLOPS | 200 W | 詳細資訊 → |
| NVIDIA L4 datacenter | 22 GB | Ada Lovelace | ≈ 24.2 TFLOPS | 72 W | 詳細資訊 → |
| NVIDIA RTX 5060 Ti | 16 GB | Blackwell | ≈ 22.8 TFLOPS | 180 W | 詳細資訊 → |
| NVIDIA RTX 4060 Ti | 16 GB | Ada Lovelace | ≈ 21.6 TFLOPS | 165 W | 詳細資訊 → |
| NVIDIA RTX A4000 | 16 GB | Ampere | ≈ 20.6 TFLOPS | 140 W | 詳細資訊 → |
| NVIDIA RTX 3070 | 8 GB | Ampere | ≈ 19.8 TFLOPS | 220 W | 詳細資訊 → |
| NVIDIA RTX 3060 Ti | 8 GB | Ampere | ≈ 15.7 TFLOPS | 200 W | 詳細資訊 → |
| NVIDIA A100 PCIE datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA A100 SXM4 datacenter | 40 GB | Ampere | ≈ 15.6 TFLOPS | 400 W | 詳細資訊 → |
| NVIDIA A800 PCIE datacenter | 80 GB | Ampere | ≈ 15.6 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA RTX 2080 Ti | 11 GB | Turing | ≈ 14.6 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA RTX 3060 laptop | 12 GB | Ampere | ≈ 12.9 TFLOPS | 80 W | 詳細資訊 → |
| NVIDIA Tesla V100 datacenter | 16 GB | Volta | ≈ 12.5 TFLOPS | 300 W | 詳細資訊 → |
| NVIDIA CMP 170HX datacenter | 64 GB | Ampere | ≈ 12.1 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA RTX 3060 | 12 GB | Ampere | ≈ 12 TFLOPS | 170 W | 詳細資訊 → |
| NVIDIA Titan Xp | 12 GB | Pascal | ≈ 11.7 TFLOPS | 160 W | 詳細資訊 → |
| NVIDIA RTX A2000 | 6 GB | Ampere | ≈ 11.2 TFLOPS | 70 W | 詳細資訊 → |
| NVIDIA GTX 1080 Ti | 11 GB | Pascal | ≈ 11 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA GTX 1080 | 8 GB | Pascal | ≈ 7.8 TFLOPS | 130 W | 詳細資訊 → |
| NVIDIA GTX 1070 Ti | 8 GB | Pascal | ≈ 7.4 TFLOPS | 180 W | 詳細資訊 → |
| NVIDIA GTX 1650 | 4 GB | ≈ undefined TFLOPS | W | 詳細資訊 → | |
| NVIDIA Q RTX 8000 | 45 GB | Turing | ≈ 11.9 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA Tesla P40 datacenter | 24 GB | Pascal | ≈ 9.4 TFLOPS | 250 W | 詳細資訊 → |
| NVIDIA RTX 2070S | 8 GB | Turing | ≈ 8.8 TFLOPS | 210 W | 詳細資訊 → |
| NVIDIA Q RTX 4000 | 8 GB | Turing | ≈ 7.7 TFLOPS | 125 W | 詳細資訊 → |
| NVIDIA RTX 2070 | 8 GB | Turing | ≈ 7.7 TFLOPS | 150 W | 詳細資訊 → |
| NVIDIA RTX 2060S | 8 GB | Turing | ≈ 7.5 TFLOPS | 175 W | 詳細資訊 → |
| NVIDIA GTX TITAN X | 12 GB | Maxwell | ≈ 6.8 TFLOPS | 150 W | 詳細資訊 → |
| NVIDIA RTX 2060 | 12 GB | Turing | ≈ 6.5 TFLOPS | 130 W | 詳細資訊 → |
| NVIDIA GTX 1660 Ti | 6 GB | Turing | ≈ 5.3 TFLOPS | 120 W | 詳細資訊 → |
| NVIDIA GTX 1660 S | 6 GB | Turing | ≈ 3.6 TFLOPS | 125 W | 詳細資訊 → |
為您的工作負載準備就緒的範本
LLM 推論
使用 vLLM、SGLang 或搭配 Open WebUI 的 Ollama 來部署與測試語言模型。
模型微調
使用 Unsloth Studio 以自有資料微調語言模型。
影像與影片生成
適用於 Flux、SDXL 與影片工作流程的 ComfyUI。
PyTorch 與 CUDA 開發
內建 NVIDIA CUDA 的 PyTorch 與 Ubuntu 24.04 映像檔，可透過 SSH 連線存取。
桌面環境或完整 VM
在瀏覽器中執行 Ubuntu 桌面環境，或依需求部署完整的 KVM 虛擬機器。
如何租用 GPU
- 01
選擇範本與磁碟大小
- 02
從即時庫存中挑選相容的 GPU
- 03
確認價格並使用帳戶餘額建立伺服器
- 04
透過 SSH 或瀏覽器終端機連線
GPU 計費方式說明
- 按時計費：伺服器執行期間，GPU 按小時扣款。已停止的按時計費伺服器僅收取磁碟費用。
- 計費週期：月繳、季繳、半年繳或年繳，付款前會顯示適用折扣。
- 磁碟儲存空間按 GB 計費，並與 GPU 價格一併收取。
- 價格以 USD 計價；您也可以依目前匯率切換顯示為 VND。
常見問題
只要符合 GPU 記憶體容量，皆可執行：LLM 推論與微調、影像與影片生成、渲染以及 CUDA 開發。PyTorch、vLLM、SGLang、Ollama、Unsloth 與 ComfyUI 等範本會自動為您安裝所需軟體。
可使用您的金鑰透過 SSH 連線，或從主控台開啟瀏覽器終端機連線。桌面環境與 VM 範本亦提供圖形介面存取。
價格取決於即時 GPU 庫存並可能隨時變動。主控台會在您下單前顯示確認後的價格，您的伺服器將會以此確認價格計費。
採用按時計費時，已停止的伺服器僅會收取磁碟空間費用。當您不再需要其中的資料時，請刪除伺服器。
上方表格列出了目前可用的規格配置，若有庫存，亦包含配備 32 GB VRAM 的 NVIDIA RTX 5090。庫存狀況全天皆會變動。