การอนุมาน LLM
รัน Llama 3, Mistral, DeepSeek หรือ Qwen ด้วย vLLM หรือ Text Generation Inference RTX 4090 รองรับ 70B ที่ 4-bit, RTX 5090 รองรับ 70B ที่ 8-bit และ A100 รองรับแบบไม่ quantized
โฮสติ้ง GPU VPS
RTX 6000 Pro. A100. RTX 5090.
Dedicated ทั้งหมด ไม่ใช่แบ่งแบ่ง
GPU passthrough เต็มรูปแบบ RTX 6000 Pro, A100, RTX 5090, RTX 4090 ติดตั้ง CUDA, cuDNN, PyTorch พร้อมใช้งานทันที
NVMe + เครือข่าย 40 Gbps. Independent cloud ตั้งแต่ปี 2008.
เริ่มต้นที่ $506.35/mo · 35% off annual · ไม่ต้องใช้บัตรเครดิต
~ ssh root@gpu-train-001 เชื่อมต่อแล้ว
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 โดยสรุป
Cloudzy จำหน่ายแผน GPU VPS พร้อม RTX 6000 Pro, Nvidia A100, RTX 5090, และ RTX 4090 การ์ดใน 1× to 4× การกำหนดค่า เริ่มต้นที่ $506.35 per month. Each plan ships pre-installed with the latest CUDA, cuDNN, and Nvidia drivers, runs on AMD EPYC + DDR5 with NVMe เท่านั้น storage และ 40 Gbps uplinks และพร้อมใช้งานภายใน 60 วินาที. GPUs are dedicated passthrough, not vGPU, not MIG, not shared. Cloudzy has operated independently since 2008 และได้คะแนน 4.7 / 5 by 747+ reviewers บน Trustpilot
- ราคาเริ่มต้น
- $506.35 / mo
- ประเภท GPU
- 6000 Pro · A100 · 5090 · 4090
- การตั้งค่า
- 1× to 4×
- CUDA
- ติดตั้งไว้ล่วงหน้า
- ส่วนลดรายปี
- ลด 35%
- คืนเงิน
- 14 วัน
ทำไมทีม ML ถึงเลือก Cloudzy
GPU compute ที่ วิธีที่ไม่น่าเบื่อ
สี่เหตุผลที่ทีมย้ายมาใช้ Cloudzy จาก AWS / GCP / hyperscaler GPU
การผ่านทำ GPU เฉพาะเจาะจง
การ์ดฟิสิคัลทั้งใบเป็นของคุณคนเดียว ไม่มีการแบ่ง vGPU ไม่มีการแบ่ง MIG partition และไม่แชร์ทรัพยากรกับ tenant อื่น CUDA cores, VRAM, PCIe lanes ทุกอย่าง dedicated ล้วนๆ
ภาพ CUDA-ready
ไดรเวอร์ Nvidia ล่าสุด, CUDA toolkit และ cuDNN ติดตั้งมาพร้อมใน Ubuntu image แล้ว PyTorch, TensorFlow, JAX, Hugging Face, pip install แล้วเริ่ม training ได้เลย
NVMe + 40 Gbps
storage NVMe เต็มรูปแบบ ไม่ให้การโหลด dataset เป็นคอขวด ระบบเครือข่าย 40 Gbps ทำให้ดึง Hugging Face model ขนาด 100 GB เสร็จภายในไม่กี่วินาที ไม่ใช่นาที
ฝ่ายสนับสนุนมนุษย์จริง 24/7
วิศวกรจริงอยู่บน chat เราช่วยทีมต่างๆ ตั้งค่า multi-GPU training, debug CUDA OOM และปรับ Llama inference มามากพอที่จะตอบได้รวดเร็ว
GPU lineup
สี่ครอบครัว
เก้าแบบให้เลือกขยาย
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.
GPU passthrough เต็มรูปแบบ ไม่แบ่ง ไม่แชร์
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
มีแผน multi-GPU ให้เลือก
CUDA preinstalled
PyTorch · TF · JAX พร้อม
Pure NVMe
ชุดข้อมูล I/O ที่รวดเร็ว
40 Gbps uplink
ดึงโมเดล 100 GB ใน 30 วินาที
กรณีการใช้งาน
workload ที่ลูกค้า
ของเราใช้ฝึกโมเดลจริงๆ
Stable Diffusion · สร้างภาพ
รัน SDXL, Flux, หรือ checkpoint ของ Stable Diffusion ที่ fine-tune แล้วด้วย ComfyUI หรือ Automatic1111 RTX 4090 ประมวลผลได้มากกว่า 30 ภาพ/นาที บนขนาด SDXL มาตรฐาน 1024×1024
การฝึกอบรม ML และการปรับแต่งอย่างละเอียด
LoRA, QLoRA, fine-tuning แบบเต็มรูปแบบ A100 คือตัวเลือกที่คุ้มที่สุดสำหรับการ fine-tune โมเดลขนาด 7B-13B แบบไม่ quantize; 4× A100 รองรับโมเดลถึง 70B ด้วยการแบ่ง shard ที่เหมาะสม (FSDP / DeepSpeed)
การเรนเดอร์ 3 มิติ · Blender
Cycles + OptiX บนการ์ด RTX คือวิธีที่เร็วที่สุดสำหรับสตูดิโออนิเมชัน VRAM ขนาด 24 GB บน RTX 4090 รองรับ scene การผลิตแบบ single-frame ได้เกือบทุกประเภท
Speech + vision pipelines ไปป์ไลน์การประมวลผลเสียงและการมองเห็นด้วยคอมพิวเตอร์
Whisper Large, Faster-Whisper, YOLO, Segment Anything แม้แต่แพลน RTX 4090 ก็รัน real-time inference บนโมเดลเหล่านี้ได้สบาย ๆ โดยยังมี headroom เหลืออีกมาก
งาน batch ที่รันต่อเนื่องนาน
สร้าง embedding, retrieval pipelines, หรือ preprocess ชุดข้อมูล จ่ายรายชั่วโมง รันงาน snapshot ผลลัพธ์ แล้วลบเครื่องทิ้ง ถูกกว่าเช่าบน AWS/GCP สำหรับงานในระดับเดียวกัน
80 GB
A100 VRAM
40 Gbps
ลิงก์ขึ้น
CUDA-ready พร้อม
รูปภาพ
4 ×
GPU สูงสุด
35%
ส่วนลดรายปี
14 days
คืนเงิน
ราคา
แพลน GPU แนะนำ รายชั่วโมงหรือรายปี
ปัจจุบันการชำระรายปีลด ลด 35% ทุกแพลน GPU
ยอดนิยมที่สุด
1× RTX 6000 Pro
48 GB GDDR6 ECC VRAM
$845 /mo
$1300/mo -35%
ติดตั้งเลย คืนเงินภายใน 14 วัน
- 200 GB DDR5
- 24 vCPU
- 1.3 TB NVMe NVMe
- 20 TB · 40 Gbps
- CUDA ติดตั้งไว้แล้ว
คำถามที่พบบ่อย GPU VPS
คำถามที่พบบ่อย คำตอบตรงไปตรงมา
Cloudzy มี GPU รุ่นไหนบ้าง?
มี 4 ตระกูล: RTX 6000 Pro (1×, VRAM 48 GB GDDR6 ECC, ระดับ pro สำหรับ inference และ rendering), Nvidia A100 (1× / 2× / 4×, สำหรับ ML training, งาน fp16/bf16 และ HBM2e 80 GB ต่อการ์ด), RTX 5090 (1× / 2×, สถาปัตยกรรม Blackwell รุ่นใหม่ เหมาะกับงาน inference และ rendering) และ RTX 4090 (1× / 2× / 4×, คุ้มค่าสำหรับ Stable Diffusion, inference ของ LLM และ 3D rendering)
GPU เป็นแบบ dedicated หรือ shared?
Dedicated ทุกแพลนใช้ GPU จริงแบบ passthrough เต็มใบ ไม่ใช่ slice ไม่ใช่ vGPU ไม่ใช่ MIG CUDA cores, VRAM และ PCIe bandwidth เป็นของคุณทั้งหมด แพลนที่มีหลาย GPU ใช้ NVLink เมื่อฮาร์ดแวร์รองรับ (แพลน A100 แบบหลาย GPU)
ติดตั้ง CUDA มาให้แล้วหรือเปล่า?
ติดตั้งมาให้แล้ว ทุก GPU VPS มาพร้อม CUDA toolkit เวอร์ชันเสถียรล่าสุด, cuDNN และ Nvidia drivers ที่ฝังไว้ใน image ของ Ubuntu แล้ว PyTorch, TensorFlow, JAX และ Hugging Face stack พร้อมใช้งานทันที หากต้องการติดตั้ง CUDA เวอร์ชันเฉพาะ ก็สามารถ re-image เป็น Ubuntu แบบ clean ที่ไม่มี CUDA ได้
ได้ VRAM เท่าไหร่ต่อการ์ด?
ต่อ GPU หนึ่งใบ: RTX 6000 Pro = 48 GB GDDR6 ECC, A100 = 80 GB HBM2e, RTX 5090 = 32 GB GDDR7, RTX 4090 = 24 GB GDDR6X แพลนที่มีหลายการ์ดจะรวม VRAM เข้าด้วยกัน เช่น แพลน 4× A100 มี VRAM รวม 320 GB รายการแพลนด้านบนแสดง RAM ของระบบแยกต่างหาก
รัน Stable Diffusion / Llama / Whisper บน GPU VPS ได้ไหม?
ได้ แพลน 1× RTX 4090 เป็นจุดเริ่มต้นที่ดี: VRAM เพียงพอสำหรับ SDXL inference, Llama 3 70B (quantize 4-bit) หรือ Whisper Large หากต้องการรันโมเดล 70B แบบไม่ quantize หรือ train LoRA ให้อัปเกรดเป็น RTX 5090 หรือ A100
ราคาต่างจาก AWS / Google Cloud / Lambda Labs อย่างไร?
โดยทั่วไปแล้วราคาถูกกว่าสำหรับ workload ที่ใช้งานต่อเนื่อง เราไม่แบ่งราคาระหว่าง 'on-demand' กับ 'spot' และไม่มีค่า egress เราไม่ขอเปรียบเทียบตัวเลขของคู่แข่ง เพราะราคาเหล่านั้นเปลี่ยนทุกเดือน แต่การรับประกันคืนเงินภายใน 14 วันช่วยให้คุณทดสอบเทียบกับ provider ปัจจุบันด้วย benchmark ของคุณเองได้
มีส่วนลดสำหรับการชำระรายปีไหม?
ใช่ครับ ลด 35% เมื่อชำระแบบรายปีสำหรับทุกแพลน GPU (น้อยกว่าส่วนลด 50% ของ GPU ทั่วไป เพราะต้นทุนฮาร์ดแวร์ของ GPU สูงกว่าและตัดจ่ายได้ช้ากว่า) ไม่มีการต่ออายุอัตโนมัติ คุณจะได้รับใบแจ้งหนี้ก่อนเริ่มรอบปีใหม่แต่ละครั้ง เพื่อให้สามารถปรับลดแพลน อัปเกรด หรือยกเลิกได้โดยไม่มีค่าใช้จ่ายที่ไม่คาดคิด
เรื่องเครือข่ายล่ะ? 40 Gbps จริงไหม?
ใช่ ใช้การเชื่อมต่อ 40 Gbps เดียวกับ Cloud VPS รุ่นหลักของเรา และไม่มีค่า egress สำหรับการถ่ายโอนข้อมูลรายเดือนในขอบเขตที่แผนกำหนด เหมาะสำหรับการรับส่งชุดข้อมูลขนาดใหญ่เข้าออก node GPU โดยการดึง Hugging Face model ขนาด 100 GB ใช้เวลาประมาณ 30 วินาทีที่ความเร็วสูงสุดของสาย
ฉันสามารถรันการเทรนแบบ multi-node (นำ GPU VPS หลายตัวมาทำงานร่วมกัน) ได้ไหม?
ใช่ ภายในภูมิภาคเดียวกัน VPS ที่อยู่ใน datacenter เดียวกันจะใช้เครือข่าย local ร่วมกัน โดยมี latency ต่ำกว่า 1 มิลลิวินาที ปัจจุบันเรายังไม่รองรับ InfiniBand interconnect การ train แบบ multi-node ผ่าน Ethernet มาตรฐานนั้นเพียงพอสำหรับงาน fine-tuning และ distributed jobs ขนาดเล็ก แต่ไม่สามารถแข่งขันกับ bare-metal HPC สำหรับการ pre-training ขนาดใหญ่ได้
แผน GPU มีการรับประกันคืนเงินหรือไม่?
14 วัน ไม่มีเงื่อนไข คืนเงินภายในรอบบิลถัดไป มีเวลาเพียงพอสำหรับทดสอบประสิทธิภาพ CUDA throughput รัน training จริง และตัดสินใจว่า Cloudzy เหมาะกับ workload ของคุณหรือไม่
หยุดจ่ายค่าบริการแพงเกินจริงกับยักษ์ใหญ่ Cloud ได้แล้ว
ฝึกโมเดลบน GPU เฉพาะของคุณ
เลือกการ์ด เลือกภูมิภาค กดปุ่ม แค่นั้นเอง CUDA ติดตั้งมาให้พร้อมแล้ว
ไม่ต้องใช้บัตรเครดิต · คืนเงินภายใน 14 วัน · ยกเลิกได้ทุกเมื่อ