Inferencia de LLM APIs
Sirve modelos cuantizados de clase 7B–70B detrás de tu propio endpoint compatible con OpenAI. vLLM o TGI en GPU, llama.cpp / Ollama en CPU grande. Cobra a tus clientes por token.
Hosting de IA con VPS
Cargas de trabajo de IA,
elige tu configuración.
CPU de alta RAM para inferencia / RAG, o GPU de grado NVIDIA para entrenamiento, todo en el mismo panel de VPS.
NVMe + redes de 40 Gbps. Nube independiente desde 2008.
Desde $506.35/mo · 35% de descuento en el plan anual · Sin tarjeta de crédito
~ ssh root@ai-nyc-001 conectado
root@ai-nyc-001:~# curl -fsSL https://ollama.com/install.sh | sh
Installing Ollama runtime... done
root@ai-nyc-001:~# ollama run llama3.1:8b-instruct-q4
pulling manifest · downloading 4.7 GB to NVMe
model ready · CPU inference starting
root@ai-nyc-001:~# curl localhost:11434/api/generate -d '...'
{"response":"Hello! How can I help you today?"}
root@ai-nyc-001:~# _
VPS de AI en resumen
Cloudzy offers AI VPS hosting on dedicated NVIDIA-class GPU para entrenamiento y servicio de modelos grandes. Los planes se ejecutan en AMD EPYC, Almacenamiento NVMe, y 40 Gbps enlaces en 13 regiones. Los planes GPU empiezan en $506.35 al mes; el aprovisionamiento tarda 60 segundos; las imágenes CUDA vienen preconfiguradas en los planes GPU. Cloudzy opera de forma independiente desde 2008, sirve a Más de 122.000 desarrolladores, y tiene una valoración de 4.6 / 5 by 770+ reviewers en Trustpilot.
- Precio inicial
- $506.35 / mes
- tipos GPU
- PRO 6000 · A100 · 5090 · 4090
- Aprovisionamiento
- 60 segundos
- Regiones
- 13 en todo el mundo
- SLA de uptime
- 99.95%
- Reembolso
- 14 días
Por qué los desarrolladores de IA eligen Cloudzy
Una nube que despliega IA.
Cuatro razones para alojar tu carga de trabajo de IA aquí.
AMD EPYC + NVMe
Las últimas EPYC para inferencia con CPU, NVMe para cargas de modelo rápidas. GPUs dedicadas mediante PCI passthrough en los planes GPU.
Reembolso en 14 días
Haz tu prueba real de latencia de inferencia en Cloudzy. Si no se ajusta a tu SLO, reembolso en 14 días.
99,95 % de disponibilidad
Las APIs de IA en producción necesitan un proveedor que no reinicie en horas pico. El SLA de los últimos 30 días se publica en tiempo real en status.cloudzy.com.
Ingenieros en el chat
¿Problemas con versiones de CUDA, errores de NCCL o ajuste de vLLM? Ingenieros con experiencia en cargas de trabajo de IA, en minutos, no en horas.
El stack de IA
Trae el framework que quieras.
Funciona.
PyTorch, TensorFlow, JAX, vLLM, TGI, Ollama, llama.cpp, sglang, all run cleanly. Pre-baked CUDA images on GPU plans skip the driver dance. CPU plans handle quantized inference and embedding workers cheaply.
Docker + nvidia-container-toolkit listo en los planes GPU
PyTorch
CPU y GPU
TensorFlow
CPU y GPU
vLLM
Servicio GPU LLM
Ollama
CPU + GPU LLMs
Hugging Face
Transformers · Diffusers
pgvector
almacén de vectores RAG
Qdrant
Base de Datos Vectorial
LangChain
Marco de agentes
Casos de uso
Lo que usan los equipos de IA
Cloudzy.
Backends RAG
Postgres + pgvector o Qdrant en un VPS CPU, con una caja GPU opcional para embeddings y generación. NVMe garantiza búsquedas vectoriales ágiles.
Runtimes de agentes
Agentes LangChain o LlamaIndex de larga ejecución que consultan APIs de OpenAI/Anthropic y tus propios datos. Una IP estática mantiene estable el tool-calling.
Generación de imágenes y vídeo
Stable Diffusion, SDXL, ComfyUI y modelos de vídeo en GPUs con GPU RTX. NVMe te permite cambiar de modelo en segundos, no en minutos.
Fine-tuning y entrenamiento
Fine-tuning con LoRA / QLoRA en GPUs RTX, entrenamiento de parámetros completos en GPUs de clase datacenter. CUDA, NCCL y PyTorch preinstalados.
Workers de embeddings
Ejecuta un worker de sentence-transformers en un VPS CPU de 16–32 GB para procesar millones de documentos sin pagar tarifas por llamada SaaS.
60s
Aprovisionamiento
40 Gbps
Enlace ascendente
Solo NVMe
El almacenamiento
13
Regiones
99.95%
SLA de uptime
14 days
Reembolso
Red global
13 regiones. Cuatro continentes.
Latencia de inferencia, resuelta.
Acerca tu API de IA a tus usuarios. Combina un gateway CPU en una región con una caja GPU en otra.
us-utah-1us-dal-1us-lax-1us-lvg-1us-nyc-1us-mia-1eu-ams-1eu-lon-1eu-fra-1eu-brn-1me-dxb-1ap-sgp-1ap-syd-1
Precios
Planes GPU destacados. Por hora o anual.
La facturación anual tiene actualmente 35% de descuento en cada plan GPU.
El más elegido
1× RTX PRO 6000 Blackwell
96 GB GDDR7 ECC VRAM
$845 /mo
$1300/mo -35%
Desplegar ahora Reembolso en 14 días
- 200 GB DDR5
- 24 vCPU
- 1.3 TB NVMe NVMe
- 20 TB · 40 Gbps
- CUDA preinstalado
Preguntas frecuentes. AI VPS
Preguntas habituales, respuestas directas.
¿Qué es un AI VPS?
Un AI VPS es un servidor cloud Linux configurado para cargas de trabajo de IA: núcleos de alta RAM y EPYC para inferencia CPU y RAG, o GPUs de clase NVIDIA para entrenamiento y servicio de modelos grandes. Te conectas, instalas tu stack y ejecutas. El mismo VPS, distintas configuraciones para distintos usos.
¿Necesito un GPU o bastará con CPU?
Depende del modelo. Los LLMs cuantizados de clase 7B (int4 / int8 con llama.cpp o Ollama) funcionan bien en un plan CPU de 16–32 GB. Los modelos de embeddings, las bases de datos vectoriales (Qdrant, Weaviate, pgvector) y los pipelines RAG son mayoritariamente CPU-bound. Para entrenamiento, servicio de modelos grandes o cualquier tarea con alto volumen de datos, necesitas un plan GPU.
¿Puedo ejecutar un API de inferencia detrás de un balanceador de carga?
Sí. Ejecuta vLLM, TGI o tu propio servicio FastAPI en un servidor GPU, y pon delante un VPS CPU pequeño como gateway API y limitador de tasa. Ambos comparten una red privada en la misma región. Con 40 Gbps, el gateway nunca es el cuello de botella.
¿Puedo alojar un backend RAG?
Sí, y es una de las configuraciones más habituales. Un VPS CPU de 16–32 GB ejecuta Postgres + pgvector o Qdrant a bajo coste; para la generación, llamas a un VPS GPU o a un LLM alojado externamente. NVMe mantiene las consultas vectoriales ágiles, y EPYC gestiona el cómputo de embeddings en batch.
¿Qué frameworks de IA son compatibles?
Todos. PyTorch, TensorFlow, JAX, ONNX, llama.cpp, Ollama, vLLM, TGI, sglang, MLX (en el hardware correspondiente), Hugging Face Transformers: instala con conda, pip o Docker. Los planes GPU incluyen imágenes CUDA preconfiguradas; todos los planes tienen acceso root completo.
¿Los GPUs son compartidos?
No. Los planes GPU usan PCI passthrough: el GPU que contratas está dedicado a tu VM, con memoria completa y frecuencias completas. CUDA, NVENC y NCCL se comportan igual que en un servidor bare-metal. Clase RTX para inferencia con buena relación calidad-precio; clase datacenter para entrenamiento de alto rendimiento.
¿Cuánta VRAM necesito?
8 GB for SDXL or 7B-class LLMs at int4. 24 GB for 13B at fp16 or 70B at int4. 40+ GB for fp16 70B and full-precision training. Match the GPU plan to your model size, quantization changes the math, so test before committing to a tier.
¿Hay garantía de reembolso?
Sí, 14 días desde la compra, reembolso completo, sin preguntas. Haz tu prueba real de latencia de inferencia, tu benchmark RAG real, y decide si Cloudzy se ajusta a tus necesidades antes de comprometerte con un año.
¿Cuánto tarda el aprovisionamiento?
Una vez confirmado el pago, tu AI VPS estará activo en 60 segundos. CPU o GPU. Las imágenes CUDA preconfiguradas en los planes GPU hacen que `nvidia-smi` responda en segundos. Los planes CPU incluyen Ubuntu LTS o Debian; instala tu stack de IA con conda o pip en pocos minutos.
¿Puedo usar esto en producción?
Sí. Garantía de disponibilidad del 99,95% SLA, facturación por horas, sin compromisos, IPs dedicadas y la opción de escalar RAM/vCPU/almacenamiento en caliente sin reconstruir el servidor. Muchos de nuestros clientes ejecutan inferencia de AI y pipelines RAG API en producción desde Cloudzy.
Listos cuando tú lo estés.
VPS de AI en 60 segundos.
Elige la configuración que necesita tu carga de trabajo. CPU para inferencia / RAG; GPU para entrenamiento. Todo en el mismo panel.
Sin tarjeta de crédito · Garantía de reembolso en 14 días · Cancela cuando quieras