Which GPUs does Cloudzy offer?

Four families: RTX 6000 Pro (1×, 48 GB GDDR6 ECC VRAM, pro-grade for inference and rendering), Nvidia A100 (1× / 2× / 4×, for ML training, fp16/bf16 workloads, and 80 GB HBM2e per card), RTX 5090 (1× / 2×, newer Blackwell architecture, ideal for inference workloads and rendering), and RTX 4090 (1× / 2× / 4×, cost-effective for Stable Diffusion, LLM inference, and 3D rendering).

Are the GPUs dedicated or shared?

Dedicated. Each plan is a passthrough of the full physical GPU(s), not a slice, not vGPU, not MIG. The CUDA cores, the VRAM, the PCIe bandwidth, all yours. Multi-GPU plans use NVLink where the physical hardware supports it (A100 multi-GPU plans).

Is CUDA pre-installed?

Yes. Every GPU VPS ships with the latest stable CUDA toolkit, cuDNN, and Nvidia drivers pre-baked into the Ubuntu image. PyTorch, TensorFlow, JAX, and the Hugging Face stack run out of the box. You can re-image to a clean Ubuntu without CUDA if you want to install a specific version.

How much VRAM do I get?

Per GPU: RTX 6000 Pro = 48 GB GDDR6 ECC, A100 = 80 GB HBM2e, RTX 5090 = 32 GB GDDR7, RTX 4090 = 24 GB GDDR6X. Multi-GPU plans aggregate that, a 4× A100 plan has 320 GB total VRAM. The plan list above shows system RAM separately.

Can I run Stable Diffusion / Llama / Whisper on a GPU VPS?

Yes. The 1× RTX 4090 plan is a good starting point: enough VRAM for SDXL inference, Llama 3 70B (4-bit quantized), or Whisper Large. Bump to RTX 5090 or A100 if you need to run unquantized 70B models or train LoRAs.

How does the pricing compare to AWS / Google Cloud / Lambda Labs?

Generally cheaper for steady-state workloads, we don't price-discriminate by 'on-demand' vs 'spot' and we don't have egress fees. We won't quote competitor numbers (those change monthly). The 14-day money-back guarantee lets you A/B against your current provider with your own benchmarks.

Is there an annual discount?

Yes, 35% off annual billing on every GPU plan (lower than the 50% on regular CPU because GPU hardware costs more to amortize). No auto-renewal; you'll get an invoice before each yearly cycle so you can downgrade, upgrade, or cancel without surprise charges.

What about networking? Is it really 40 Gbps?

Yes. Same 40 Gbps uplinks as our flagship Cloud VPS, with no egress fees on monthly transfer up to the plan allowance. Useful for moving large datasets in and out of the GPU node, pulling a 100 GB Hugging Face model takes about 30 seconds at line rate.

Can I run multi-node training (multiple GPU VPS together)?

Yes within a region. VPS in the same datacenter share the local network with sub-millisecond latency. We don't currently offer InfiniBand interconnect, multi-node training over standard Ethernet is fine for fine-tuning and small-scale distributed jobs but isn't competitive with bare-metal HPC for large pre-training.

Money-back guarantee on GPU plans?

14 days, no questions asked. Refund within one billing cycle. Plenty of time to benchmark CUDA throughput, run a real training step, and decide if Cloudzy is the right fit for your workload.

GPU VPS-hosting

RTX 6000 Pro. A100. RTX 5090.
Dedikeret, ikke delt.

Name: Cloudzy GPU VPS
Brand: Cloudzy
Availability: InStock
Rating: 4.7 (755 reviews)

Fuld GPU passthrough. RTX 6000 Pro, A100, RTX 5090, RTX 4090. Forudinstalleret CUDA, cuDNN, PyTorch klar.
NVMe + 40 Gbps netværk. Uafhængig cloud siden 2008.

4.7 · 755 anmeldelser på Trustpilot

₿ Crypto accepted

Implementer GPU VPS Sammenlign GPU-planer

Fra $506.35/mo · 35% off annual · Ingen kreditkort påkrævet

~ ssh root@gpu-train-001 forbundet

root@gpu-train-001:~# nvidia-smi --query-gpu=name,memory.total,driver_version --format=csv
name, memory.total, driver_version
NVIDIA RTX 6000 Pro, 49152 MiB, 560.94
root@gpu-train-001:~# python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"
True NVIDIA RTX 6000 Pro
root@gpu-train-001:~# python train.py --model llama-3-8b --epochs 3
→ Training step 1/2400 · 4.2s/step · loss=2.143
root@gpu-train-001:~# _

GPU VPS på et øjeblik

Cloudzy sælger GPU VPS-planer med dedikeret RTX 6000 Pro, Nvidia A100, RTX 5090, og RTX 4090 kort i 1× to 4× konfigurationer, startende fra $506.35 om måneden. Each plan ships pre-installed with the latest CUDA, cuDNN, and Nvidia drivers, runs on AMD EPYC + DDR5 with NVMe-kun lagring og 40 Gbps uplinks og er klar på 60 sekunder. GPUs are dedicated passthrough, not vGPU, not MIG, not shared. Cloudzy has operated independently since 2008 og er bedømt 4.7 / 5 by 755+ reviewers på Trustpilot.

Startpris: $506.35 / mo
GPU-typer: 6000 Pro · A100 · 5090 · 4090
Konfigurationer: 1× to 4×
CUDA: Forinstalleret
Årlig rabat: 35% rabat
Penge-tilbage: 14 dage

Hvorfor ML-teams vælger Cloudzy

GPU-compute, som udboring måde.

De fire grunde til, at teams skifter til Cloudzy fra AWS / GCP / hyperscaler GPU.

Dedikeret GPU passthrough

Du får hele det fysiske kort for dig selv. Ingen vGPU-opdeling, ingen MIG-partitioner, ingen konkurrence med andre lejere. CUDA-kerner, VRAM, PCIe-lanes - alt dedikeret.

CUDA-klar images

Nyeste Nvidia-drivere, CUDA toolkit og cuDNN er forudinstalleret i Ubuntu-imaget. PyTorch, TensorFlow, JAX, Hugging Face, pip install og du er i gang med træningen.

NVMe + 40 Gbps

Ren NVMe-storage, så indlæsning af datasæt ikke er flaskehalsen. 40 Gbps netværk betyder, at en Hugging Face-model på 100 GB er hentet på sekunder, ikke minutter.

Menneskelig support døgnet rundt

Rigtige ingeniører i chatten. Vi har hjulpet nok teams med at opsætte multi-GPU-træning, fejlfinde CUDA OOM-fejl og tune Llama-inferens til, at svarene kommer hurtigt.

GPU-serie

Fire familier.
Ni måder at skalere på.

RTX 6000 Pro for pro-grade inference and rendering with 48 GB ECC VRAM. A100 for training and large-VRAM workloads. RTX 5090 for the newest inference. RTX 4090 for cost-effective inference up to 70B (4-bit). Multi-GPU plans available, pick what your VRAM budget needs.

Fuld GPU passthrough, ikke opdelt, ikke delt

RTX 6000 Pro

48 GB GDDR6 ECC · Pro-grade

Nvidia A100

80 GB HBM2e · ML training

RTX 5090

32 GB GDDR7 · Blackwell

RTX 4090

24 GB GDDR6X · cost-effective

1× to 4× GPU

Multi-GPU-planer tilgængelige

CUDA preinstalled

PyTorch · TF · JAX klar

Pure NVMe

Hurtig datasæt I/O

40 Gbps uplink

Hent 100 GB-modeller på 30s

Brugsscenarier

De workloads, vores
faktisk træner på.

LLM-inferens

Kør Llama 3, Mistral, DeepSeek eller Qwen med vLLM eller Text Generation Inference. RTX 4090 håndterer 70B ved 4-bit, RTX 5090 håndterer 70B ved 8-bit, A100 håndterer ukvanticeret.

Stable Diffusion · billedgenerering

Kør SDXL, Flux eller finjusterede Stable Diffusion-checkpoints med ComfyUI eller Automatic1111. RTX 4090 leverer 30+ billeder/min ved standard 1024×1024 SDXL.

ML-træning + finjustering

LoRA, QLoRA, fuld finjustering. A100 er det optimale valg til 7B-13B ukvanticeret finjustering; 4× A100 håndterer op til 70B med korrekt sharding (FSDP / DeepSpeed).

3D-rendering · Blender

Cycles + OptiX på RTX-kort er den hurtigste løsning for animationsstudier. De 24 GB VRAM på RTX 4090 dækker langt størstedelen af enkeltbillede produktionsscener.

Tale- + billedbehandlingspipelines

Whisper Large, Faster-Whisper, YOLO, Segment Anything. Selv RTX 4090-planen kører realtidsinference på disse modeller med god margin.

Langvarige batch-jobs

Embedding-generering, retrieval-pipelines, forbehandling af datasæt. Betal pr. time, kør jobbet, tag et snapshot af outputtet, slet instansen - billigere end at leje på AWS/GCP for samme arbejdsbyrde.

80 GB

A100 VRAM

40 Gbps

Oplink

CUDA-klar

Billede

4 ×

Maks GPU'er

35%

Årlig rabat

14 days

Penge-tilbage

Priser

Udvalgte GPU-planer. Timebetaling eller årligt.

Årlig fakturering er i øjeblikket 35% rabat på alle GPU-planer.

Mest valgt

1× RTX 6000 Pro

48 GB GDDR6 ECC VRAM

$845 /mo

$1300/mo -35%

Udrul nu

14 dages pengene-tilbage-garanti

200 GB DDR5
24 vCPU
1.3 TB NVMe NVMe
20 TB · 40 Gbps
CUDA forinstalleret

Se alle 9 GPU-planer (1× til 4× kort)

Ofte stillede spørgsmål. GPU VPS

Typiske spørgsmål, klare svar.

Hvilke GPU'er tilbyder Cloudzy?

Fire familier: RTX 6000 Pro (1×, 48 GB GDDR6 ECC VRAM, professionelt niveau til inference og rendering), Nvidia A100 (1× / 2× / 4×, til ML-træning, fp16/bf16-arbejdsbyrder og 80 GB HBM2e pr. kort), RTX 5090 (1× / 2×, nyere Blackwell-arkitektur, ideel til inference og rendering), og RTX 4090 (1× / 2× / 4×, omkostningseffektiv til Stable Diffusion, LLM-inference og 3D-rendering).

Er GPU'erne dedikerede eller delte?

Dedikerede. Hver plan giver dig adgang til den fulde fysiske GPU - ikke en andel, ikke vGPU, ikke MIG. CUDA-kernerne, VRAM, PCIe-båndbredden: alt er dit. Planer med flere GPU'er bruger NVLink, hvor den fysiske hardware understøtter det (A100-planer med flere GPU'er).

Er CUDA forudinstalleret?

Ja. Alle GPU VPS leveres med den seneste stabile CUDA toolkit, cuDNN og Nvidia-drivere forudinstalleret i Ubuntu-imaget. PyTorch, TensorFlow, JAX og Hugging Face-stakken er klar til brug fra start. Du kan geninstallere til et rent Ubuntu uden CUDA, hvis du vil installere en bestemt version.

Hvor meget VRAM får jeg?

Pr. GPU: RTX 6000 Pro = 48 GB GDDR6 ECC, A100 = 80 GB HBM2e, RTX 5090 = 32 GB GDDR7, RTX 4090 = 24 GB GDDR6X. Planer med flere GPU'er lægger dette sammen - en 4× A100-plan har 320 GB VRAM i alt. Planoversigten ovenfor viser system-RAM separat.

Kan jeg køre Stable Diffusion / Llama / Whisper på en GPU VPS?

Ja. RTX 4090 1×-planen er et godt udgangspunkt: nok VRAM til SDXL-inferens, Llama 3 70B (4-bit kvantiseret) eller Whisper Large. Skift til RTX 5090 eller A100, hvis du skal køre ikke-kvantiserede 70B-modeller eller træne LoRAs.

Hvordan er priserne sammenlignet med AWS / Google Cloud / Lambda Labs?

Generelt billigere til stabile arbejdsbelastninger – vi prisdiskriminerer ikke mellem 'on-demand' og 'spot', og vi har ingen udgående trafikgebyrer. Vi citerer ikke konkurrenternes priser (de ændrer sig løbende). Med 14-dages pengene-tilbage-garanti kan du teste os direkte mod din nuværende udbyder med dine egne benchmarks.

Er der rabat ved årlig betaling?

Ja, 35% rabat ved årlig fakturering på alle GPU-planer (lavere end de 50% på almindelige CPU-planer, fordi GPU-hardware er dyrere at afskrive). Ingen automatisk fornyelse - du modtager en faktura før hvert årligt forløb, så du kan nedgradere, opgradere eller opsige uden uventede gebyrer.

Hvad med netværket? Er det virkelig 40 Gbps?

Ja. De samme 40 Gbps-uplinks som vores flagskib Cloud VPS, uden udgående gebyrer på månedlig datatrafik op til planens grænse. Praktisk til at flytte store datasæt ind og ud af GPU-noden – at hente en 100 GB Hugging Face-model tager cirka 30 sekunder ved fuld linjehastighed.

Kan jeg køre multi-node træning (flere GPU VPS sammen)?

Ja, inden for samme region. VPS i samme datacenter deler det lokale netværk med under et millisekunds latenstid. Vi tilbyder ikke InfiniBand-forbindelse på nuværende tidspunkt. Multi-node træning over standard Ethernet fungerer fint til fine-tuning og distribuerede opgaver i mindre skala, men kan ikke konkurrere med bare-metal HPC til stor-skala præ-træning.

Pengene-tilbage-garanti på GPU-planer?

14 dages returret, ingen spørgsmål. Pengene tilbage inden for én faktureringsperiode. Tid nok til at benchmarke CUDA-gennemstrømning, køre et rigtigt træningsforløb og vurdere, om Cloudzy passer til din workload.

Stop med at betale hyperscaler-priser.
Træn på dedikerede GPUs.

Vælg et kort, vælg en region, klik. CUDA er allerede installeret.