Noleggio di server GPU: NVIDIA L4 e RTX PRO 6000
Server cloud GPU da confrontare con la tariffa oraria e usare a canone mensile
- NVIDIA L4 e RTX PRO 6000
- Disco NVMe e IPv4 dedicato
- Per inferenza AI e rendering
Un server cloud GPU è un server con unità di elaborazione grafica (GPU) noleggiato in un data center per gestire calcoli paralleli come inferenza AI, fine-tuning di modelli, elaborazione video e rendering. Il noleggio di server cloud GPU HELPER VPS parte da $0.3304 all'ora per una NVIDIA L4, con pagamento effettivo tramite fattura mensile.
NVIDIA L4
24GB di memoria GPU
033$/ ora
Circa $241 al mese
- 1 L4, 24 GB
- 8 vCPU
- 32 GB RAM
- 250 GB NVMe
- 5 TB di trasferimento al mese
2 NVIDIA L4
48GB di memoria GPU
066$/ ora
Circa $482 al mese
- 2 L4, 48 GB
- 16 vCPU
- 64 GB RAM
- 500 GB NVMe
- 8 TB di trasferimento al mese
RTX PRO 6000
96GB di memoria GPU
67144$/ mese
Fatturato mensilmente
- 1 RTX PRO 6000, 96 GB
- 18 vCPU
- 96 GB RAM
- 900 GB NVMe
- 10 TB di trasferimento al mese
Per lavori che usano a lungo i core CPU senza GPU VPS a CPU dedicata
Per quali lavori si usa un server cloud GPU?
La GPU è forte nel dividere lo stesso calcolo in migliaia di parti ed elaborarle tutte insieme. Per questo, nei lavori AI con molte operazioni su matrici e nei lavori video elaborati pixel per pixel, la differenza con un server CPU è grande. Ecco i quattro usi tipici per cui si noleggia un server GPU.
Inferenza di modelli AI e servizi API
Per pubblicare sul server modelli già addestrati, come modelli linguistici, di generazione di immagini o di riconoscimento vocale, e restituire una risposta a ogni richiesta. Avvii il modello con Ollama o un server Python fatto da te e lo colleghi alla tua app con l'indirizzo IPv4 dedicato.
Fine-tuning di modelli ed esperimenti
Adatto al fine-tuning, cioè all'addestramento aggiuntivo di modelli pubblici con i tuoi dati, e a esperimenti in cui fai variare gli iperparametri. Modifichi il codice in Jupyter vedendo subito i risultati e prosegui l'addestramento con PyTorch.
Conversione video ed elaborazione di stream
Per convertire molti video in altri formati o ridurne la risoluzione, e per ricevere ed elaborare stream in tempo reale, usando il motore video della GPU risparmi core CPU e ne fai girare di più contemporaneamente.
Rendering 3D e analisi dei dati
Anche lavori con calcoli frazionabili, come rendering di scene 3D, calcolo scientifico e analisi parallela di grandi volumi di dati, sono adatti ai server GPU. Salvi i risultati sull'ampio disco NVMe e li scarichi entro il trasferimento mensile.
L4 o RTX PRO 6000: quale GPU scegliere?
Tutte e tre usano lo stesso metodo di pagamento e la stessa schermata di gestione. La differenza principale è la memoria GPU. Verifica prima se modello e dati entrano nella memoria GPU, poi considera il numero di richieste da gestire insieme: la scelta è semplice.
NVIDIA L4
Una GPU da data center a basso consumo
Ideale per
- Inferenza di piccoli modelli linguistici e di immagini
- Conversione video ed elaborazione di stream
- Progetti personali per provare un server GPU la prima volta
- Quando vuoi contenere i costi con una tariffa oraria bassa
2 NVIDIA L4
Configurazione con due GPU usate insieme su un server
Ideale per
- Servire due modelli in parallelo
- Esperimenti di addestramento divisi su due GPU
- Più capacità per API di inferenza con molte richieste
- Lavori che richiedono anche il doppio di CPU e memoria
RTX PRO 6000
Una grande GPU con 96GB di memoria
Ideale per
- Grandi modelli che usano molta memoria GPU
- Fine-tuning con batch grandi
- Rendering 3D e simulazioni ad alta risoluzione
- Team che vogliono completare grandi lavori su una sola GPU
Per le GPU conviene la tariffa oraria o quella mensile?
Quando valuti il noleggio di server cloud GPU, quasi sempre confronti i prezzi orari. Per esperimenti di poche ore al giorno è comoda la tariffa oraria; per server sempre accesi come un servizio conta di più quanto costa al mese. Anche con la stessa GPU, i numeri da considerare cambiano in base all'uso. Per questo conviene decidere prima quante ore al giorno resterà acceso.
HELPER VPS, per facilitare il confronto, mostra il server L4 con il prezzo orario e addebita il pagamento effettivo mensilmente. Il canone mensile sotto la scheda è il prezzo orario moltiplicato per circa 730 ore al mese, mentre per la RTX PRO 6000 mostriamo direttamente il canone mensile. Vedendo insieme tariffa oraria e mensile, il confronto è facile in entrambi i casi.
La fatturazione mensile ha un importo fisso, rendendo facile il budget. Per servizi sempre attivi come API di inferenza o bot, o addestramenti che durano giorni, non è necessario contare le ore, e lo stesso importo viene pagato ogni mese per mantenere il server attivo. Anche gli addestramenti lunghi possono andare dall'inizio alla fine senza interruzioni.
Che differenza c'è tra server GPU e VPS normale?
Un VPS normale divide vCPU, memoria e disco e tutti i calcoli li fa la CPU. Un server GPU ha in più una GPU intera, quindi i lavori che ripetono in massa lo stesso calcolo, come le moltiplicazioni di matrici, passano alla GPU e la CPU si occupa di preparare i dati e gestire le richieste. Grazie alla divisione del lavoro tra i due dispositivi, l'intero lavoro finisce prima.
La GPU ha una memoria propria. Pesi del modello e valori intermedi dei calcoli vengono caricati nella memoria GPU, quindi spesso è la dimensione della memoria GPU, più di quella del server, a stabilire la scala del lavoro. La L4 ha 24GB per scheda, la RTX PRO 6000 96GB. Il server con due L4 usa insieme due GPU da 24GB, quindi puoi dividere il modello o dividere il lavoro in due.
Siti web, database e bot regolari funzionano bene senza GPU, quindi un cloud VPS è più adatto. Aggiungi un server GPU quando esegui modelli AI o elabori video in grandi quantità, e mantieni il resto dei servizi su VPS economici per contenere i costi totali.
Quanto costa il noleggio di un server GPU?
Il server con una NVIDIA L4 costa $0.3304 all'ora, circa $241.19 al mese. Due L4 costano $0.6608 all'ora, la RTX PRO 6000 $671.44 al mese, e vCPU, memoria, disco NVMe, trasferimento e indirizzi IP sono tutti inclusi in questo prezzo.
Prezzi da scegliere in base alla memoria GPU
Sono divisi in tre livelli, 24GB, 48GB e 96GB, quindi scegli subito in base alla dimensione del modello da caricare. Con più GPU crescono insieme anche CPU, memoria, disco e trasferimento.
Canone fisso con tutte le specifiche incluse
Il prezzo della scheda include GPU, vCPU, memoria, disco NVMe, trasferimento mensile e IPv4 e IPv6 dedicati, quindi il calcolo è semplice.
Pagamento mensile tramite fattura
Paga la tariffa mensile in ogni data di fatturazione per mantenere il server attivo. Nessuna carta da registrare e nessun vincolo contrattuale: paga solo quando necessario.
HELPER VPS in numeri
Scegli tra 40 regioni, 12 sistemi operativi e 10 app con un clic in un account e paga subito. I numeri qui sotto si basano su ciò che è in vendita ora.
40
Regioni dei data center
12
Sistemi operativi
10
App con un clic
$0.33
Prezzo di partenza di questo prodotto (al mese)
Strumenti AI pronti sul server GPU
Su Ubuntu 24.04 e CUDA installi Docker, Python, PyTorch, Ollama e Jupyter e inizi a lavorare nel modo che conosci.
- Ubuntu 24.04 + CUDA
- Docker
- Python
- PyTorch
- Ollama
- Jupyter
Perché scegliere i server GPU di HELPER VPS
Server con GPU intere
Il numero di GPU indicato nella scheda è collegato così com'è al tuo server. Usi tutta la memoria GPU per i tuoi modelli e dati.
Disco NVMe abbondante
Include dischi NVMe da 250GB a 900GB, quindi tieni direttamente sul server file dei modelli, dataset e risultati dell'addestramento.
CPU e memoria adatte alla GPU
Abbiamo affiancato 8 vCPU e 32GB a una L4 e 18 vCPU e 96GB alla RTX PRO 6000, perché la preparazione dei dati non faccia aspettare la GPU.
Installazione libera con permessi root
Sopra i driver installi tu framework e librerie nelle versioni che vuoi e decidi tu come eseguire i servizi.
IPv4 e IPv6 dedicati
Ogni server riceve un indirizzo IPv4 dedicato e IPv6, così colleghi subito API di inferenza o Jupyter al tuo dominio.
Accesso con chiave SSH
Registrando la chiave pubblica accedi senza password. L'impronta è mostrata come con ssh-keygen, così capisci subito quale chiave è.
Gestisci GPU e VPS con un unico account
Gestisci server GPU e VPS regolari nello stesso account, rendendo facile separare server per modelli e server web.
Registrazione con un solo token dell'account
Ti registri con un solo token dell'account e, conservandolo, entri nello stesso account da qualsiasi dispositivo.
Automazione con chiave API
Dopo il primo pagamento, ottieni una chiave API per gestire elenchi e operazioni di gestione dei server dal codice.
In quali regioni sono disponibili i server GPU?
HELPER VPS ha server in 40 città tra Americhe, Europa, Medio Oriente, Africa e Asia Pacifico. Le regioni disponibili vengono mostrate quando ordini un server GPU; scegline una vicina ai tuoi utenti e dati per risposte più veloci.
Germania
Paesi Bassi
Regno Unito
Francia
7 città in Stati Uniti
Canada
Brasile
Singapore
2 città in Giappone
2 città in India
2 città in Australia
Messico
Spagna
Svezia
Polonia
Sudafrica
Corea del Sud
Germania
Paesi Bassi
Regno Unito
Francia
7 città in Stati Uniti
Canada
Brasile
Singapore
2 città in Giappone
2 città in India
2 città in Australia
Messico
Spagna
Svezia
Polonia
Sudafrica
Corea del Sud
Cile
Colombia
Italia
Svizzera
Finlandia
Turchia
Emirati Arabi Uniti
Israele
Arabia Saudita
Nigeria
RAS di Hong Kong
Taiwan
Indonesia
Thailandia
Domande frequenti sui server GPU
Risposte su prezzi di noleggio, pagamento e scelta delle specifiche dei server cloud GPU
I server GPU si pagano a ore?
I server GPU vengono fatturati mensilmente. Il server L4 costa $241.19 al mese, pagato alla creazione del server e rinnovato allo stesso importo ogni mese. La tariffa oraria $0.3304 è mostrata per facilitare il confronto con altri servizi.
Quanto costa al mese un server GPU?
Il server con una NVIDIA L4 costa circa $241.19 al mese, quello con due L4 circa $482.38 e il server RTX PRO 6000 $671.44. Questo importo include GPU, vCPU, memoria, disco NVMe, trasferimento mensile e IPv4 e IPv6 dedicati, senza costi aggiuntivi per le specifiche.
Che differenza c'è tra 2 L4 e RTX PRO 6000?
Due L4 sono due GPU da 24GB usate su un server, la RTX PRO 6000 è una sola GPU con 96GB di memoria. Per servire due modelli separati o dividere il lavoro su due schede vanno bene due L4; se devi caricare un grande modello intero nella memoria di una sola GPU, la RTX PRO 6000.
Con quale metodo di pagamento si noleggia un server GPU?
Quando ordini un server GPU, scegli un metodo di pagamento e paga la tariffa mensile. Il server viene creato una volta pagato il primo mese e puoi rinnovarlo pagando lo stesso importo in ogni data di rinnovo. I rimborsi vengono accreditati sul saldo del tuo account.
Cosa succede se non rinnovo il pagamento del mio server GPU?
Se non paghi entro la data di rinnovo, il server viene sospeso. Puoi rinnovarlo entro 3 giorni per riattivarlo. Dopo 3 giorni, il server e i dati del disco vengono eliminati, quindi esegui il backup dei risultati di addestramento e dei file dei modelli in anticipo. Puoi controllare la prossima data di rinnovo nel pannello di controllo.
Devo installare io CUDA e PyTorch?
Le indicazioni si basano su un ambiente con Ubuntu 24.04 e CUDA in cui si usano strumenti AI come Docker, Python, PyTorch, Ollama e Jupyter. Con i permessi root puoi installare altre librerie nelle versioni che vuoi o scaricare ed eseguire immagini Docker già pronte.
La GPU è condivisa con altri?
Il numero di GPU indicato nella scheda è collegato così com'è al tuo server e usi tutta la memoria GPU per il tuo lavoro. Con il server a due L4 entrambe le schede sono GPU del tuo server, e decidi tu quale lavoro affidare a ciascuna. Anche CPU, memoria e disco NVMe del server sono assegnati al tuo server come indicato nella scheda e non si mescolano con il lavoro di altri.
Perché conta la dimensione della memoria GPU?
Pesi del modello e valori intermedi dei calcoli vengono caricati nella memoria GPU, quindi la sua dimensione stabilisce la scala dei lavori gestibili. Anche con lo stesso modello, la memoria necessaria cambia con precisione, dimensione del batch e richieste contemporanee, quindi calcola il fabbisogno con le tue impostazioni e scegli tra 24GB, 48GB e 96GB.
Cosa faccio se lo spazio non basta?
Ogni server GPU include un disco NVMe da 250GB, 500GB o 900GB, quindi tieni sul server file dei modelli e dati di lavoro. Tenendo a parte su un object storage i dataset e i risultati da conservare a lungo, il disco del server GPU resta per i file in uso e la gestione è più comoda. Se vuoi più spazio, scegli una configurazione superiore con disco più grande.
Come si ordina un server GPU?
Clicca il pulsante Acquista, crea un account, scegli il tipo di server GPU e la regione, seleziona un metodo di pagamento e ordina. Per domande sulla scelta delle specifiche o del tuo ambiente, chiedi subito sulla pagina di supporto dopo il primo pagamento.
Guide ai server GPU
Guide utili da seguire subito dopo aver ricevuto un server GPU
- Primo accessoI passi per accedere come root a un nuovo server e cambiare la password, con i comandi SSH per Windows, Mac e Linux.
- Creare e registrare una chiave SSHCome creare e registrare una chiave con ssh-keygen per accedere in sicurezza al server GPU senza password.
- Configurazione di base del firewallUn esempio di firewall che apre le porte di Jupyter o dell'API di inferenza solo dove serve e chiude il resto.
I prezzi mostrati sono in dollari USA e le tariffe orarie sono per confronto. Il pagamento effettivo avviene mensilmente e puoi rinnovare il server pagando lo stesso importo in ogni data di rinnovo.
Durata minima: 1 mese | Cancellazione: elimina in qualsiasi momento dal pannello di controllo | Se non rinnovato: sospeso, poi eliminato dopo 3 giorni | Il tempo residuo sui server eliminati non viene rimborsato. I rimborsi vengono accreditati sul saldo del tuo account.
