Inférence LLM APIs
Servez des LLMs quantifiés de 7B à 70B derrière votre propre endpoint compatible OpenAI. vLLM ou TGI sur GPU, llama.cpp / Ollama sur CPU haute capacité. Facturez vos clients au token.
Hébergement VPS IA
Des charges de travail IA,
à votre façon.
Des CPU haute RAM pour l'inférence et le RAG, ou des GPU de classe NVIDIA pour l'entraînement, le tout depuis le même panneau VPS.
NVMe + réseau 40 Gbps. Cloud indépendant depuis 2008.
À partir de $506.35/mo · 35 % de réduction en annuel · Sans carte bancaire
~ ssh root@ai-nyc-001 connecté
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:~# _
L'IA VPS en un coup d'œil
Cloudzy offers AI VPS hosting on dedicated NVIDIA offres GPU pour l'entraînement et le déploiement de grands modèles. Les offres tournent sur AMD EPYC, Stockage NVMe, et 40 Gbps liens montants à travers 13 régions. Les offres GPU démarrent à $506.35 par mois; le provisionnement prend 60 secondes; les images CUDA sont pré-intégrées sur les offres GPU. Cloudzy opère en toute indépendance depuis 2008, sert plus de 122 000 développeurs et affiche une note de 4.5 / 5 d'après plus de 719 avis sur Trustpilot.
- Prix de départ
- $506.35 / mois
- Types GPU
- PRO 6000 · A100 · 5090 · 4090
- Provisionnement
- 60 secondes
- Régions
- 13 dans le monde
- SLA de disponibilité
- 99.95%
- Remboursement garanti
- 14 jours
Pourquoi les développeurs IA choisissent Cloudzy
Un cloud qui déploie l'IA.
Quatre raisons de confier vos charges de travail IA à cette infrastructure.
AMD EPYC + NVMe
Dernières EPYC pour l'inférence CPU, NVMe pour des chargements de modèles rapides. GPU dédiés via PCI passthrough sur les plans GPU.
Remboursement sous 14 jours
Testez votre latence d'inférence réelle sur Cloudzy. Si ça ne correspond pas à votre SLO, remboursement sous 14 jours.
99,95 % de disponibilité
Les API IA en production ont besoin d'un hébergeur qui ne redémarre pas en plein pic de charge. SLA des 30 derniers jours, visible publiquement sur status.cloudzy.com.
Des ingénieurs sur le chat
Bloqué sur des versions CUDA, des erreurs NCCL ou le tuning vLLM ? Des ingénieurs expérimentés sur les charges IA, disponibles en minutes.
La pile IA
Apportez votre framework.
Il tourne.
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 prêts sur les plans GPU
PyTorch
CPU et GPU
TensorFlow
CPU et GPU
vLLM
Serving GPU LLM
Ollama
CPU + GPU LLMs
Hugging Face
Transformers · Diffusers
pgvector
Magasin de vecteurs RAG
Qdrant
Base de données vectorielle
LangChain
Framework d'agent
Cas d'usage
Ce sur quoi tournent les équipes AI
Cloudzy.
Backends RAG
Postgres + pgvector ou Qdrant sur un VPS CPU, avec une machine GPU optionnelle pour l'embedding et la génération. NVMe garantit des recherches vectorielles rapides.
Runtimes d'agents
Agents LangChain ou LlamaIndex à longue durée de vie, qui appellent les APIs OpenAI/Anthropic et vos propres données. L'IP statique stabilise les appels d'outils.
Génération d'images et de vidéos
Stable Diffusion, SDXL, ComfyUI, modèles vidéo sur GPUs de classe RTX. NVMe vous permet de changer de modèle en quelques secondes.
Fine-tuning et entraînement
Fine-tuning LoRA / QLoRA sur classe RTX, entraînement complet sur GPUs de classe datacenter. CUDA, NCCL et PyTorch préconfigurés.
Workers d'embedding
Faites tourner un worker sentence-transformers sur un VPS CPU de 16 à 32 Go pour traiter des millions de documents sans payer les tarifs à l'appel SaaS.
60s
Provisionnement
40 Gbps
Liaison montante
NVMe uniquement
Le stockage
13
Régions
99.95%
SLA de disponibilité
14 jours
Remboursement garanti
Réseau mondial
13 régions. Quatre continents.
Latence d'inférence, résolue.
Placez votre API AI au plus près de vos utilisateurs. Associez une gateway CPU dans une région à une machine GPU dans une autre.
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
Tarifs
Plans GPU en vedette. Facturation horaire ou annuelle.
La facturation annuelle est actuellement 35 % de réduction sur chaque plan GPU.
Le plus choisi
1× RTX PRO 6000 Blackwell
96 GB GDDR7 ECC VRAM
$845 /mo
$1300/mo -35%
Déployer maintenant Remboursement sous 14 jours
- 200 GB DDR5
- 24 vCPU
- 1.3 TB NVMe NVMe
- 20 TB · 40 Gbps
- CUDA préinstallé
FAQ. VPS AI
Questions fréquentes, réponses directes.
Qu'est-ce qu'un VPS AI ?
Un VPS AI est un serveur cloud Linux dimensionné et configuré pour les charges de travail IA : cœurs RAM et EPYC élevés pour l'inférence CPU et le RAG, ou GPUs de classe NVIDIA pour l'entraînement et le serving de grands modèles. Vous vous connectez, installez votre stack et démarrez. Même VPS, différentes configurations selon les besoins.
Ai-je besoin d'un GPU, ou est-ce que le CPU suffit ?
Un CPU peut prendre en charge de petits modèles quantifiés, les recherches vectorielles et les charges d’IA légères. Choisissez un GPU pour une inférence plus rapide, des modèles plus volumineux ou l’entraînement. Le choix dépend de votre modèle, du trafic et du temps de réponse attendu.
Puis-je faire tourner une passerelle d'inférence API derrière un load balancer ?
Oui. Lancez vLLM, TGI ou votre propre service FastAPI sur un serveur GPU, et placez un petit VPS CPU devant comme passerelle API et limiteur de débit. Les deux partagent un réseau privé dans la même région. Avec 40 Gbps, la passerelle n'est jamais le goulot d'étranglement.
Puis-je héberger un backend RAG ?
Oui. Un VPS CPU peut exécuter votre application RAG et une base de données vectorielle comme PostgreSQL avec pgvector ou Qdrant. Connectez-le à un LLM hébergé ou à un VPS GPU pour la génération. Les besoins en RAM et en stockage dépendent de vos données, de vos modèles et du trafic.
Quels frameworks AI sont supportés ?
Tous. PyTorch, TensorFlow, JAX, ONNX, llama.cpp, Ollama, vLLM, TGI, sglang, MLX (sur le matériel adapté), Hugging Face Transformers, installation via conda, pip ou Docker. Images CUDA préconfigurées sur les plans GPU, accès root complet sur tous les plans.
Les GPUs sont-ils partagés ?
Non. Les plans GPU utilisent le PCI passthrough : le GPU que vous réservez est dédié à votre VM, avec toute la mémoire et les fréquences complètes. CUDA, NVENC et NCCL se comportent exactement comme sur un serveur bare-metal. La gamme RTX pour une inférence économique, la gamme datacenter pour l'entraînement haute performance.
De combien de VRAM ai-je besoin ?
Les besoins en VRAM dépendent de la taille du modèle, de sa précision, de la longueur du contexte et des requêtes simultanées. Un modèle 7B en 4 bits peut tenir dans 8 GB pour l’inférence ; un modèle 70B nécessite environ 35 GB pour les poids seuls, plus la mémoire d’exécution. L’entraînement demande davantage de mémoire : vérifiez les besoins de votre modèle avant de choisir une offre.
Y a-t-il une garantie de remboursement ?
Oui, 14 jours à compter de l'achat, remboursement intégral, sans questions. Testez votre latence d'inférence réelle, votre benchmark RAG réel, et décidez si Cloudzy vous convient avant de vous engager sur un an.
À quelle vitesse se fait le provisionnement ?
Une fois le paiement confirmé, votre VPS AI est opérationnel en 60 secondes. CPU ou GPU. Les images CUDA préconfigurées sur les plans GPU font que `nvidia-smi` répond en quelques secondes. Les plans CPU sont livrés avec Ubuntu LTS ou Debian ; installez votre stack AI via conda ou pip en quelques minutes.
Puis-je exécuter des charges d’IA en production sur un VPS GPU Cloudzy ?
Oui. Choisissez une offre avec suffisamment de VRAM, de CPU et de RAM pour votre charge, puis testez les performances avec le trafic prévu. Configurez la sécurité, la supervision et les sauvegardes ; utilisez plusieurs instances si vous avez besoin d’une haute disponibilité.
Prêt quand vous l'êtes.
VPS AI en 60 secondes.
Choisissez la configuration adaptée à votre charge. CPU pour l'inférence / RAG ; GPU pour l'entraînement. Un seul panneau.
Pas de carte requise · Remboursement sous 14 jours · Résiliation à tout moment