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.

Hosting GPU VPS

RTX 6000 Pro. A100. RTX 5090.
Dedykowane zasoby, bez współdzielenia.

Name: Cloudzy GPU VPS
Brand: Cloudzy
Availability: InStock
Rating: 4.7 (747 reviews)

Pełny passthrough GPU. RTX 6000 Pro, A100, RTX 5090, RTX 4090. CUDA, cuDNN i PyTorch zainstalowane od razu.
NVMe + sieć 40 Gbps. Niezależna chmura od 2008 roku.

4.7 · 747 opinie na Trustpilot

Wdróż GPU VPS Porównaj plany GPU

Od $506.35/mo · 35% taniej przy płatności rocznej · Bez karty kredytowej

~ ssh root@gpu-train-001 połączony

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 w skrócie

Cloudzy sprzedaje plany GPU VPS z dedykowanym RTX 6000 Pro, Nvidia A100, RTX 5090, oraz RTX 4090 karty w od 1× do 4× konfiguracje, począwszy od $506.35 per month. Każdy plan zawiera preinstalowaną najnowszą wersję CUDA, cuDNN oraz sterowniki Nvidia, działa na AMD EPYC + DDR5 z Tylko NVMe pamięć i 40 Gbps łączami i uruchamia się w 60 sekund. GPU to dedykowany passthrough - nie vGPU, nie MIG, nie współdzielony. Cloudzy działa niezależnie od 2008 i ma ocenę 4.7 / 5 by 747+ recenzentów na Trustpilot.

Cena początkowa: $506.35 / mo
Typy GPU: 6000 Pro · A100 · 5090 · 4090
Konfiguracje: od 1× do 4×
CUDA: Wstępnie zainstalowany
Rabat roczny: 35% rabatu
Zwrot pieniędzy: 14 dni

Dlaczego zespoły ML wybierają Cloudzy

Obliczenia GPU dla nudny sposób.

Cztery powody, dla których zespoły przechodzą do Cloudzy z AWS / GCP lub hyperscalerów.

Dedykowany passthrough GPU

Fizyczna karta w całości należy do Ciebie - żadnego dzielenia na vGPU, żadnych partycji MIG, żadnej rywalizacji z innymi użytkownikami. Rdzenie CUDA, RAM, tory PCIe - wszystko dedykowane.

Obrazy gotowe do pracy z CUDA

Najnowsze sterowniki Nvidia, toolkit CUDA i cuDNN wbudowane w obraz Ubuntu. PyTorch, TensorFlow, JAX, Hugging Face, pip install i możesz trenować.

NVMe + 40 Gbps

Czyste dyski NVMe, żeby ładowanie danych nie było wąskim gardłem. Sieć 40 Gbps oznacza, że pobranie modelu Hugging Face o rozmiarze 100 GB zajmuje sekundy, nie minuty.

Wsparcie ludzkie 24/7

Prawdziwi inżynierowie na czacie. Pomagaliśmy już wielu zespołom konfigurować trening na wielu GPU, debugować CUDA OOM i strojić inferencję Llama - odpowiedzi przychodzą szybko.

Linia GPU

Cztery rodziny.
Dziewięć sposobów na skalowanie.

RTX 6000 Pro do profesjonalnej inferencji i renderowania z 48 GB ECC RAM. A100 do trenowania i zadań wymagających dużej ilości RAM. RTX 5090 do najnowszych zastosowań inferencji. RTX 4090 do inferencji modeli do 70B (4-bit) w dobrej cenie. Dostępne plany z wieloma GPU - wybierz konfigurację dopasowaną do budżetu RAM.

Pełny passthrough GPU - bez dzielenia, bez współdzielenia

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

Od 1× do 4× GPU

Dostępne plany z wieloma GPU

CUDA wstępnie zainstalowany

PyTorch · TF · JAX gotowe do użycia

Czysty NVMe

Szybki zestaw danych I/O

40 Gbps uplink

Pobierz modele o rozmiarze 100 GB w 30 sekund

Przypadki użycia

Zadania, które nasi
klienci naprawdę trenują.

Wnioskowanie LLM

Uruchom Llama 3, Mistral, DeepSeek lub Qwen z vLLM lub Text Generation Inference. RTX 4090 obsługuje 70B przy kwantyzacji 4-bit, RTX 5090 obsługuje 70B przy 8-bit, A100 obsługuje wersje bez kwantyzacji.

Stable Diffusion · generowanie obrazów

Uruchom SDXL, Flux lub dostrojone checkpointy Stable Diffusion z ComfyUI lub Automatic1111. RTX 4090 osiąga ponad 30 obrazów/min dla standardowego SDXL w rozdzielczości 1024×1024.

Trening ML i fine-tuning

LoRA, QLoRA, pełny fine-tuning. A100 to najlepszy wybór do fine-tuningu modeli 7B-13B bez kwantyzacji; 4× A100 obsługuje do 70B przy odpowiednim shardingu (FSDP / DeepSpeed).

Renderowanie 3D · Blender

Cycles + OptiX na kartach RTX to najszybsza opcja dla studiów animacji. 24 GB VRAM w planie RTX 4090 pokrywa zdecydowaną większość produkcyjnych scen renderowanych w pojedynczej klatce.

Pipeliny speech + vision

Whisper Large, Faster-Whisper, YOLO, Segment Anything. Nawet plan RTX 4090 uruchamia inferencję w czasie rzeczywistym na tych modelach, z wyraźnym zapasem mocy obliczeniowej.

Długotrwałe zadania wsadowe

Generowanie embeddingów, pipeliny retrieval, preprocessing danych. Płacisz za godzinę, uruchamiasz zadanie, robisz snapshot wyników, usuwasz maszynę - taniej niż wynajem na AWS/GCP przy tym samym obciążeniu.

80 GB

A100 VRAM

40 Gbps

Łącze wznoszące

Gotowy do CUDA

Obraz

4 ×

Maks GPU

35%

Rabat roczny

14 dni

Zwrot pieniędzy

Ceny

Polecane plany GPU. Godzinowo lub rocznie.

Rozliczanie roczne jest teraz 35% rabatu na każdym planie GPU.

Najczęściej wybierany

1× RTX 6000 Pro

48 GB GDDR6 ECC VRAM

$845 /mies

$1300/mo -35%

Wdróż teraz

Zwrot w ciągu 14 dni

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

Zobacz wszystkie 9 planów GPU (od 1× do 4× kart)

Często zadawane pytania. GPU VPS

Częste pytania, konkretne odpowiedzi.

Jakie GPU oferuje Cloudzy?

Cztery rodziny: RTX 6000 Pro (1×, 48 GB GDDR6 ECC VRAM, klasa profesjonalna do inferencji i renderowania), Nvidia A100 (1× / 2× / 4×, do treningu ML, obciążeń fp16/bf16 i 80 GB HBM2e na kartę), RTX 5090 (1× / 2×, nowsza architektura Blackwell, idealna do inferencji i renderowania) oraz RTX 4090 (1× / 2× / 4×, ekonomiczny wybór do Stable Diffusion, inferencji LLM i renderowania 3D).

Czy GPU są dedykowane czy współdzielone?

Dedykowane. Każdy plan to bezpośredni dostęp do pełnego fizycznego GPU - bez podziału na fragmenty, bez vGPU, bez MIG. Rdzenie CUDA, VRAM, przepustowość PCIe - wszystko do Twojej dyspozycji. Plany z wieloma GPU korzystają z NVLink tam, gdzie sprzęt to umożliwia (plany multi-GPU dla A100).

Czy CUDA jest zainstalowane z góry?

Tak. Każdy VPS GPU jest dostarczany z najnowszym stabilnym toolkitem CUDA, cuDNN i sterownikami Nvidia wbudowanymi w obraz Ubuntu. PyTorch, TensorFlow, JAX oraz stos Hugging Face są gotowe do użycia od razu. Możesz przywrócić czysty obraz Ubuntu bez CUDA, jeśli chcesz zainstalować konkretną wersję.

Ile VRAM otrzymuję?

Na GPU: RTX 6000 Pro = 48 GB GDDR6 ECC, A100 = 80 GB HBM2e, RTX 5090 = 32 GB GDDR7, RTX 4090 = 24 GB GDDR6X. Plany wieloGPU sumują te wartości - plan 4× A100 dysponuje łącznie 320 GB VRAM. Lista planów powyżej przedstawia RAM systemowy oddzielnie.

Czy mogę uruchomić Stable Diffusion / Llama / Whisper na GPU VPS?

Tak. Plan 1× RTX 4090 to dobry punkt wyjścia: wystarczająca VRAM do inferencji SDXL, Llama 3 70B (kwantyzacja 4-bitowa) czy Whisper Large. Przejdź na RTX 5090 lub A100, jeśli chcesz uruchamiać niekwantyzowane modele 70B albo trenować LoRA.

Jak ceny wypadają w porównaniu z AWS / Google Cloud / Lambda Labs?

Ogólnie tańsze dla stałych obciążeń pracą, nie stosujemy dyskryminacji cenowej między „on-demand" a „spot" i nie pobieramy opłat za transfer danych wychodzących. Nie będziemy cytować liczb konkurentów (zmieniają się co miesiąc). 14-dniowa gwarancja zwrotu pieniędzy pozwala na porównanie A/B z Twoim obecnym dostawcą przy użyciu Twoich własnych testów porównawczych.

Czy jest zniżka za roczny abonament?

Tak, każdy plan GPU w rozliczeniu rocznym jest tańszy o 35% (mniej niż 50% na standardowych planach CPU, bo sprzęt GPU jest droższy w amortyzacji). Bez automatycznego odnawiania - przed każdym kolejnym rokiem otrzymasz fakturę, dzięki czemu możesz obniżyć, podwyższyć lub anulować plan bez niespodziewanych opłat.

A co z siecią? Czy to naprawdę 40 Gbps?

Tak. Te same łącza 40 Gbps co w naszym flagowym Cloud VPS, bez opłat za ruch wychodzący w ramach miesięcznego limitu transferu. Przydaje się przy przesyłaniu dużych zbiorów danych do i z węzła GPU — pobranie modelu Hugging Face o rozmiarze 100 GB zajmuje około 30 sekund przy pełnej przepustowości łącza.

Czy mogę uruchomić trening wielowęzłowy (wiele GPU VPS jednocześnie)?

Tak, w obrębie tego samego regionu. VPS w tym samym centrum danych współdzielą sieć lokalną z opóźnieniem poniżej milisekundy. Obecnie nie oferujemy połączeń InfiniBand - trenowanie wielowęzłowe przez standardowy Ethernet sprawdza się przy fine-tuningu i rozproszonych zadaniach na małą skalę, ale nie dorównuje wydajnością bare-metal HPC przy dużym trenowaniu wstępnym.

Gwarancja zwrotu pieniędzy dla planów GPU?

14 dni, bez pytań. Zwrot środków w ciągu jednego cyklu rozliczeniowego. Wystarczająco dużo czasu, żeby sprawdzić przepustowość CUDA, uruchomić prawdziwy krok treningowy i ocenić, czy Cloudzy pasuje do Twojego obciążenia.

Przestań przepłacać za chmurę gigantów.
Trenuj na dedykowanych GPUs.

Wybierz kartę, wybierz region, kliknij. CUDA jest już zainstalowana.