LLM inference API's
Draai gekwantiseerde 7B–70B-modellen achter je eigen OpenAI-compatibele endpoint. vLLM of TGI op GPU, llama.cpp / Ollama op grote CPU. Factureer je klanten per token.
AI VPS Hosting
AI-workloads,
kies je configuratie.
High-RAM CPU voor inferentie / RAG, of NVIDIA-class GPU voor training, hetzelfde VPS-panel.
NVMe + 40 Gbps netwerk. Onafhankelijke cloud sinds 2008.
Vanaf $506.35/mo · 35% korting bij jaarbetaling · Geen creditcard nodig
~ ssh root@ai-nyc-001 verbonden
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:~# _
AI VPS in een oogopslag
Cloudzy offers AI VPS hosting on dedicated NVIDIA-klasse GPU-plannen voor training en het draaien van grote modellen. Plannen draaien op AMD EPYC, NVMe-opslag, en 40 Gbps uplinks in 13 regio's. GPU-abonnementen vanaf $506.35 per maandprovisioning duurt 60 seconden; CUDA images zijn vooraf ingebakken op GPU-abonnementen. Cloudzy opereert onafhankelijk sinds 2008, bedient 122.000+ developers, en wordt beoordeeld met 4.6 / 5 by 770+ reviewers op Trustpilot.
- Vanafprijs
- $506.35 / maand
- GPU-typen
- PRO 6000 · A100 · 5090 · 4090
- Inrichting
- 60 seconden
- Regio's
- 13 wereldwijd
- Uptime-SLA
- 99.95%
- Geld terug
- 14 dagen
Waarom AI-ontwikkelaars kiezen voor Cloudzy
Een cloud die ships AI.
Vier redenen waarom jouw AI-workload hier thuishoort.
AMD EPYC + NVMe
Nieuwste EPYC voor CPU-inferentie, NVMe voor snelle modelladingen. Dedicated GPUs via PCI passthrough op GPU-plannen.
14 dagen niet-goed-geld-terug
Voer je echte inferentielatentietest uit op Cloudzy. Voldoet het niet aan je SLO, dan krijg je binnen 14 dagen je geld terug.
99,95% uptime
Productie AI APIs hebben een host nodig die niet herstart tijdens piekbelasting. De uptime van de afgelopen 30 dagen is publiek beschikbaar op status.cloudzy.com.
Engineers in de chat
Vastgelopen op CUDA-versies, NCCL-fouten of vLLM-tuning? Onze engineers hebben ervaring met AI-workloads en zijn er binnen minuten, niet uren.
De AI-stack
Welk framework je ook gebruikt.
Het loopt.
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 beschikbaar op GPU-plannen
PyTorch
CPU & GPU
TensorFlow
CPU & GPU
vLLM
GPU LLM-servering
Ollama
CPU + GPU LLM's
Hugging Face
Transformers · Diffusers
pgvector
RAG vectoropslag
Qdrant
Vectordatabase
LangChain
Agent framework
Use cases
Waar AI-teams op draaien
Cloudzy.
RAG backends
Postgres + pgvector of Qdrant op een CPU VPS, optioneel een GPU-box voor embedding/generatie. NVMe zorgt dat vector lookups snel blijven.
Agentrimstoestanden
Langlopende LangChain- of LlamaIndex-agents die OpenAI/Anthropic API's en je eigen data aanroepen. Een vast IP houdt tool-calling stabiel.
Afbeelding- en videogeneratie
Stable Diffusion, SDXL, ComfyUI, videomodellen op RTX-klasse GPUs. Met NVMe wissel je in seconden van model, niet in minuten.
Fijnafstemming & training
LoRA / QLoRA fine-tuning op RTX-klasse GPU's, full-parameter training op datacenter-klasse GPUs. CUDA, NCCL en PyTorch vooraf geïnstalleerd.
Insluitingsmedewerkers
Draai een sentence-transformers worker op een 16–32 GB CPU VPS om miljoenen documenten te embedden zonder per-aanroep SaaS-tarieven te betalen.
60s
Inrichting
40 Gbps
Opwaartse verbinding
Alleen NVMe
Opslag
13
Regio's
99.95%
Uptime-SLA
14 days
Geld terug
Wereldwijd netwerk
13 regio's. Vier continenten.
Inferentievertraging? Opgelost.
Plaats je AI API dicht bij je klanten. Combineer een CPU-gateway in de ene regio met een GPU-server in een andere.
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
Prijzen
Uitgelichte GPU-plannen. Per uur of per jaar.
Jaarlijkse facturering geeft momenteel 35% korting op elk GPU-plan.
Meest gekozen
1× RTX PRO 6000 Blackwell
96 GB GDDR7 ECC VRAM
$845 /mo
$1300/mo -35%
Nu uitrollen 14 dagen niet-goed-geld-terug
- 200 GB DDR5
- 24 vCPU
- 1.3 TB NVMe NVMe
- 20 TB · 40 Gbps
- CUDA voorgeïnstalleerd
Veelgestelde vragen. AI VPS
Veelgestelde vragen, directe antwoorden.
Wat is een AI VPS?
Een AI VPS is een Linux cloudserver die qua grootte en configuratie is afgestemd op AI-workloads: veel RAM en EPYC cores voor CPU inference en RAG, of NVIDIA-class GPUs voor training en het draaien van grote modellen. Je SSH in, installeert je stack en gaat aan de slag. Dezelfde VPS, verschillende vormen voor verschillende taken.
Heb ik een GPU nodig, of volstaat CPU?
Dat hangt af van het model. Gekwantiseerde LLM's van 7B-klasse (int4 / int8 via llama.cpp of Ollama) draaien prima op een CPU-plan van 16–32 GB. Embeddingmodellen, vectordatabases (Qdrant, Weaviate, pgvector) en RAG-pipelines zijn meestal CPU-gebonden. Voor training, het serveren van grotere modellen, of alles wat throughput-intensief is, heb je een GPU-plan nodig.
Kan ik een inference API achter een load balancer draaien?
Ja. Draai vLLM, TGI, of je eigen FastAPI-service op een GPU-machine, en zet een kleine CPU VPS voor als API-gateway en rate limiter. Beide delen een privénetwerk in dezelfde regio. Met 40 Gbps is de gateway nooit het knelpunt.
Kan ik een RAG-backend hosten?
Ja, en dat is een van de meest voorkomende configuraties. Een CPU VPS van 16–32 GB draait Postgres + pgvector of Qdrant voor weinig geld, en je roept een GPU VPS of gehoste LLM aan voor generatie. NVMe maakt vectorquery's snel, EPYC verwerkt de embeddingberekeningen bij batch-verwerking.
Welke AI-frameworks worden ondersteund?
Alle. PyTorch, TensorFlow, JAX, ONNX, llama.cpp, Ollama, vLLM, TGI, sglang, MLX (op de juiste hardware), Hugging Face Transformers — installeer via conda, pip, of Docker. Kant-en-klare CUDA-images op GPU-plans, volledige root op elk plan.
Zijn de GPU's gedeeld?
Nee. GPU-plans gebruiken PCI passthrough. De GPU die je boekt is exclusief voor jouw VM, met volledig geheugen en volledige kloksnelheden. CUDA, NVENC en NCCL gedragen zich precies zoals op bare-metal. RTX-klasse voor kosteneffectieve inference, datacenterklasse voor zware training.
Hoeveel VRAM heb ik nodig?
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.
Is er een niet-goed-geld-terug-garantie?
Ja, 14 dagen na aankoop, volledige terugbetaling, geen vragen. Voer je echte inference-latentietest en RAG-benchmark uit, en bepaal of Cloudzy geschikt is voordat je een jaarverplichting aangaat.
Hoe snel verloopt de provisioning?
Zodra de betaling is bevestigd, is je AI VPS binnen 60 seconden actief. CPU of GPU. Kant-en-klare CUDA-images op GPU-plans zorgen dat `nvidia-smi` binnen seconden reageert. CPU-plans worden geleverd met Ubuntu LTS of Debian — installeer je AI-stack via conda of pip in een paar minuten.
Kan ik dit in productie gebruiken?
Ja. 99,95% uptime SLA, facturering per uur, geen verplichtingen, dedicated IP's, en de mogelijkheid om RAM/vCPU/opslag live op te schalen zonder herinstallatie. Veel van onze klanten draaien AI-inference en RAG APIs in productie via Cloudzy.
Klaar wanneer jij het bent.
AI VPS in 60 seconden.
Kies de configuratie die jouw workload nodig heeft. CPU voor inference / RAG; GPU voor training. Hetzelfde panel.
Geen creditcard nodig · 14 dagen niet-goed-geld-terug · altijd opzegbaar