GPU Cloud · NVIDIA · Turing
按小時租用 NVIDIA Q RTX 4000 GPU
NVIDIA Q RTX 4000 是一款基於 Turing 架構的工作站 GPU，可在 Cloudj 上租用，適用於入門級 AI 與圖形工作負載。它在 125 W 的功耗規格下提供 8 GB VRAM、約 7.7 TFLOPS 的單精度運算效能，以及約 353 GB/s 的記憶體頻寬。此執行個體支援 CUDA 運算能力 7.5，並可使用現成的 PyTorch/CUDA、vLLM、Ollama 和 ComfyUI 範本進行部署。
規格
每顆 GPU 的 VRAM
8 GB
架構
NVIDIA Turing
運算能力 (Compute Capability)
7.5
FP32 算力
≈ 7.7 TFLOPS
記憶體頻寬
≈ 353 GB/s
功耗限制
125 W
數值由基礎設施供應商針對目前上架的機器提供；實際效能會因機器而異。
可用配置
即時庫存與價格持續更新，最終價格將於下單前確認。
立即租用Q RTX 4000 適合的應用場景
程式碼原型設計與除錯
在擴充至更大規模的硬體之前，先在 8 GB 工作站 GPU 上測試並驗證 PyTorch/CUDA 管線。
小型模型推論
透過 Ollama 或 vLLM 執行能輕鬆容納於 8 GB VRAM 內的小型語言模型。
基礎影像生成
在 ComfyUI 中執行不超過 8 GB 記憶體限制的標準影像生成工作流程。
工作站圖形處理與算圖
善用 Turing 架構與約 353 GB/s 的記憶體頻寬，處理遠端算圖與視覺化任務。
這款 GPU 適合您嗎？
若工作負載為可容納於 8 GB VRAM 及運算能力 7.5 內的輕量級推論、算圖與程式碼開發，請選擇 Q RTX 4000。若需進行繁重的模型訓練或大規模推論，請選擇具備更多記憶體與更新架構的大型 GPU；若僅為基本顯示或極小量運算任務，則可挑選更小型的 GPU。
常見問題
憑藉 8 GB VRAM 與約 7.7 TFLOPS 的單精度效能，它適合使用 Ollama 或 vLLM 進行小型模型推論。若要執行較大的模型或完整微調工作負載，建議選擇具備更多 VRAM 且記憶體頻寬高於約 353 GB/s 的 GPU。
可以，Cloudj 提供可在此款 Turing 工作站 GPU 上執行的現成 ComfyUI 範本。它能處理可容納於 8 GB 記憶體內的標準生成管線，但較大型的管線則需要配備更大記憶體容量的 GPU。
您可以透過 SSH 直接連線至執行中的執行個體。Cloudj 提供包含 PyTorch/CUDA、vLLM、Ollama 和 ComfyUI 的預先設定範本，讓您能立即開始工作。
在您的工作站 GPU 啟用期間，執行個體會按小時制計費。這讓您能執行開發或算圖工作階段，並在完成後終止執行個體。