
Офшорні GPU-сервериЦілі карти, з погодинною оплатою за секунду. Ніхто ними не ділиться.
RTX 4090, L40S, A100, H100 та H200 на серверах EPYC з локальним тимчасовим сховищем NVMe, у будь-якій з восьми юрисдикцій. Ніколи не частка карти за часовим розподілом, і те, що Ви навчаєте, ніхто не переглядає.
- G1 · 4090GPURTX 409024 GB GDDR6XvCPU8 vCPUEPYC 9004Пам'ять48 GBDDR5 ECCScratch500 GBNVMe scratch-диск0,27$/год
$0,34деінде - G2 · 4090GPU2 × RTX 409048 GB GDDR6XvCPU16 vCPUEPYC 9004Пам'ять96 GBDDR5 ECCScratch1 TBNVMe scratch-диск0,53$/год
$0,68деінде - G1 · L40SНайкраща цінаGPUL40S48 GB GDDR6vCPU12 vCPUEPYC 9004Пам'ять96 GBDDR5 ECCScratch1 TBNVMe scratch-диск0,57$/год
$0,72деінде - G1 · A100GPUA10080 GB HBM2evCPU16 vCPUEPYC 9004Пам'ять128 GBDDR5 ECCScratch1,5 TBNVMe scratch-диск0,85$/год
$1,07деінде - G1 · H100GPUH100 SXM80 GB HBM3vCPU20 vCPUEPYC 9004Пам'ять192 GBDDR5 ECCScratch2 TBNVMe scratch-диск1,59$/год
$2,01деінде - G4 · L40SGPU4 × L40S192 GB GDDR6vCPU48 vCPUEPYC 9004Пам'ять384 GBDDR5 ECCScratch4 TBNVMe scratch-диск2,27$/год
$2,88деіндеРозпродано - G1 · H200GPUH200 SXM141 GB HBM3evCPU24 vCPUEPYC 9004Пам'ять256 GBDDR5 ECCScratch3 TBNVMe scratch-диск3,49$/год
$4,39деінде - G8 · H100GPU8 × H100 SXM640 ГБ · NVLinkvCPU128 vCPUEPYC 9004Пам'ять1,5 TBDDR5 ECCScratch8 TBNVMe scratch-диск12,69$/год
$16,08деіндеРозпродано
Оплата посекундно в блокчейні, від готовності до знищення — зупинені вузли нічого не коштують, мінімального терміну немає. Резервування на місяць коштує приблизно на 30 % дешевше. Деінде є найдешевшим опублікованим тарифом на вимогу для тієї самої карти в іменованій GPU-хмарі; переривні майданчики споживчого обладнання не враховуються, оскільки карта, яка може зникнути посеред роботи, — це вже інший продукт.
Включено на кожному вузлі
- Оплата посекундно, без мінімального терміну
- Root-доступ на bare metal або в контейнері
- CUDA 12, PyTorch і TensorFlow попередньо встановлені
- NVLink на вузлах із кількома картами
- Виділені IPv4 + IPv6
- Без плати за вихідний трафік для ваг моделей
- Резервування щомісяця дає додаткову знижку 30 %
- Розрахунки криптовалютою, без перевірки особи
Яка карта підходить для цього завдання?
RTX 4090
Інференс, генерація зображень і відео, донавчання моделей, що вміщуються у 24 ГБ. Найдешевший спосіб тримати щось «прогрітим».
L40S
48 GB із повноцінними кодерами: рендеринг, транскодування та інференс, який переріс 4090.
A100 · H100
Тренувальні прогони та інференс із великим контекстом, де межею є пропускна здатність HBM, а не кількість ядер.
H200 · 8 × H100
Моделі, які не вміщуються ніде менше, і багатоденні задачі, які не можна переривати.
Шукаєте картку, якої немає в списку, чи хостинг, побудований довкола кількох таких карток? Вкажіть це в конструкторі власної конфігурації
Платформа
Уся карта цілком, інакше ми її не продаємо.
Значна частина дешевої потужності GPU на ринку — це частка картки, споживчий комп'ютер у чиїйсь квартирі або інстанс, який зникає, щойно з'являється покупець із вищою ставкою. Нічого з цього тут не пропонується.
- Прискорювачі
- NVIDIA Ada та Hopper RTX 4090, L40S, A100, H100 та H200. Карти передаються повністю — ніколи не у вигляді розділеної за часом чи віртуалізованої частки.
- Хост
- AMD EPYC 9004 · DDR5 ECC Розраховано так, щоб вузьким місцем був GPU, а не завантажувач даних. Усюди PCIe 5.0, NVLink між картами на вузлах із кількома GPU.
- Scratch
- Локальний NVMe, 0,5 – 8 ТБ На самому вузлі, а не на мережевому томі. Набори даних обробляються на повній швидкості диска, а не повзуть через мережу.
- Платежі
- Посекундно Зупиніть вузол — і тарифікація зупиниться разом із ним. Резервуйте помісячно приблизно на 30 % дешевше, якщо робота триває безперервно.
- Середовище виконання
- Bare metal чи контейнер Візьміть весь сервер повністю або контейнер із вже встановленими CUDA 12, PyTorch та TensorFlow. Власні образи вітаються.
- Приватність
- Нічого не перевіряється Ми не скануємо ваги моделі, набори даних чи результати, і нічого не зберігається після видалення вузла.
Попередньо встановлено, або принесіть контейнер із будь-якого реєстру
- Ubuntu 24.04 LTS
- CUDA 12.4
- PyTorch 2.5
- TensorFlow 2.18
- JupyterLab
- Hugging Face TGI
- ONNX Runtime
- Образи NVIDIA NGC
- Будь-який реєстр OCI
- Власний образ
Доступно в будь-якій з восьми
Тариф ніколи не змінюється залежно від регіону. Обирайте юрисдикцію, а не ціну.
- Рейк'явікІсландія
- БухарестРумунія
- СофіяБолгарія
- КишинівМолдова
- ЦюрихШвейцарія
- АмстердамНідерланди
- Панама (місто)Панама
- СингапурСингапур
Включено для кожного розміру
Чотири речі, за які бере плату більшість галузі, причому за одну — двічі.
-
Пом'якшення
Захист від DDoS: 1.2 Tbit/s
Завжди увімкнено на кожному вузлі мережі — і на найдешевшому тарифі, і на найбільшому. Без плати за атаку, без лічильника очищення трафіку та без допродажу «захищеної» IP-адреси.
-
Доступність
SLA з аптаймом 99.99 %
Кредити розраховуються на основі публічного журналу інцидентів і зараховуються на Ваш баланс автоматично. Форми заявки немає, адже заявляти нема про що.
-
Розрахунок
Оплата криптовалютою, без ідентифікації особи
Вісім активів, включно з Monero. Жодної картки, жодних банківських реквізитів, жодного документа — ні при реєстрації, ні при продовженні, і за будь-якої суми.
-
Переїзд
Безкоштовна міграція
Цілі сервери, панелі керування, бази даних і пошта — перенесені інженером безкоштовно. Ви перевіряєте копію до переключення й залишаєте старий хостинг доти, доки не будете задоволені.
Перед запуском.
Чи є карта спільною з кимось іншим?
Ні. Цілі карти передаються Вашому вузлу — ніколи не розподілений за часом розділ MIG чи віртуалізована частка. Те, що вказано в специфікації, Ви й отримуєте на весь термін, і ніхто інший на неї не претендує.
Як саме це тарифікується?
Посекундно, з моменту готовності вузла до моменту його знищення. Немає мінімального терміну і немає плати, поки він зупинений. Безперервна робота дешевша за місячним резервуванням — приблизно на 30 % нижче погодинної ставки.
Чи можу я використати власний образ?
Так. Завантажуйте контейнер із будь-якого реєстру або беріть вузол як bare metal і встановлюйте що завгодно. Наші образи постачаються з уже зібраними CUDA 12, PyTorch і TensorFlow, що економить звичну першу годину налаштувань.
Як завантажити великий набір даних на вузол?
Локальне тимчасове сховище NVMe об'ємом від половини терабайта до восьми терабайтів розташоване на самій машині, тож підготовка виконується зі швидкістю диска, а не через мережевий том. Вхідний трафік не тарифікується, як і вихідний для ваг моделей.
Чи переглядаєте Ви те, що я навчаю?
Ні. Ваги моделей, набори даних і результати не скануються, не індексуються і не зберігаються, а знищення вузла знищує й тимчасове сховище разом із ним. Тут діє та сама політика щодо вмісту, що й в усій решті інфраструктури.
Що робити, якщо потрібна карта розпродана?
Постачання прискорювачів відбувається партіями, і популярні конфігурації дійсно розкуповуються. Скажіть інженеру, що Вам потрібно і приблизно коли; зарезервована потужність розподіляється раніше за погодинний попит, тому місячне зобов'язання зазвичай знаходить обладнання швидше.
