เช่าเซิร์ฟเวอร์ GPU: NVIDIA L4 และ RTX PRO 6000
คลาวด์เซิร์ฟเวอร์ GPU ที่เทียบด้วยราคารายชั่วโมงและใช้เป็นรายเดือน
- NVIDIA L4 และ RTX PRO 6000
- ดิสก์ NVMe และ IPv4 เฉพาะ
- สำหรับ AI inference และเรนเดอร์
คลาวด์เซิร์ฟเวอร์ GPU คือเซิร์ฟเวอร์ที่มีหน่วยประมวลผลกราฟิก (GPU) ที่เช่าจากศูนย์ข้อมูลเพื่อจัดการการคำนวณแบบขนาน เช่น AI inference การปรับแต่งโมเดล การประมวลผลวิดีโอ และการเรนเดอร์ การเช่าคลาวด์เซิร์ฟเวอร์ GPU ของ HELPER VPS เริ่มต้นที่ $0.3304 ต่อชั่วโมงสำหรับ NVIDIA L4 หนึ่งตัว โดยชำระเงินจริงโดยใบแจ้งหนี้รายเดือน
NVIDIA L4
หน่วยความจำ GPU 24GB
033$/ ชั่วโมง
ประมาณ $241 ต่อเดือน
- L4 1 ตัว, 24 GB
- 8 vCPU
- 32 GB RAM
- 250 GB NVMe
- รับส่งข้อมูล 5 TB ต่อเดือน
NVIDIA L4 2 ตัว
หน่วยความจำ GPU 48GB
066$/ ชั่วโมง
ประมาณ $482 ต่อเดือน
- L4 2 ตัว, 48 GB
- 16 vCPU
- 64 GB RAM
- 500 GB NVMe
- รับส่งข้อมูล 8 TB ต่อเดือน
RTX PRO 6000
หน่วยความจำ GPU 96GB
67144$/ เดือน
เรียกเก็บเงินรายเดือน
- RTX PRO 6000 1 ตัว, 96 GB
- 18 vCPU
- 96 GB RAM
- 900 GB NVMe
- รับส่งข้อมูล 10 TB ต่อเดือน
หากเป็นงานที่ใช้คอร์ CPU นานโดยไม่ต้องใช้ GPU VPS แบบ CPU เฉพาะ
คลาวด์เซิร์ฟเวอร์ GPU ใช้กับงานแบบไหน
GPU เก่งในการแบ่งการคำนวณเดียวกันเป็นหลายพันส่วนแล้วประมวลผลพร้อมกัน จึงต่างจากเซิร์ฟเวอร์ CPU มากในงาน AI ที่มีการคำนวณเมทริกซ์มาก และงานวิดีโอที่ประมวลผลระดับพิกเซล สรุปการใช้งานหลักสี่แบบของการเช่าเซิร์ฟเวอร์ GPU ไว้แล้ว
AI model inference และบริการ API
การใช้งานที่วางโมเดลภาษา โมเดลสร้างภาพ และโมเดลรู้จำเสียงที่เทรนเสร็จแล้วไว้บนเซิร์ฟเวอร์ แล้วสร้างคำตอบส่งกลับทุกครั้งที่มีคำขอ รันโมเดลด้วย Ollama หรือเซิร์ฟเวอร์ Python ที่สร้างเอง แล้วเชื่อมกับแอปของคุณด้วยที่อยู่ IPv4 เฉพาะ
fine-tune โมเดลและการทดลอง
เหมาะกับการ fine-tune ที่เทรนโมเดลสาธารณะเพิ่มด้วยข้อมูลของคุณ และการทดลองที่รันโดยเปลี่ยน hyperparameter แก้โค้ดใน Jupyter แล้วดูผลได้ทันที และรันการเทรนต่อด้วย PyTorch ได้
แปลงวิดีโอและประมวลผลสตรีม
งานแปลงวิดีโอจำนวนมากเป็นรูปแบบอื่นหรือลดความละเอียด และงานรับสตรีมเรียลไทม์มาประมวลผล ใช้เอนจินประมวลผลวิดีโอของ GPU ก็ประหยัดคอร์ CPU และรันหลายงานพร้อมกันได้
เรนเดอร์ 3D และวิเคราะห์ข้อมูล
งานที่แบ่งการคำนวณเป็นส่วนเล็ก ๆ ได้ เช่น เรนเดอร์ฉาก 3D การคำนวณทางวิทยาศาสตร์ และการวิเคราะห์ข้อมูลจำนวนมากแบบขนาน ก็เหมาะกับเซิร์ฟเวอร์ GPU เก็บผลลัพธ์บนดิสก์ NVMe ที่เหลือเฟือ แล้วดาวน์โหลดภายในปริมาณรับส่งข้อมูลรายเดือน
L4 กับ RTX PRO 6000 ควรเลือก GPU แบบไหน
ทั้งสามแบบใช้วิธีชำระเงินเดียวกันและหน้าจัดการเดียวกัน ความต่างที่ใหญ่ที่สุดคือขนาดหน่วยความจำ GPU ดูก่อนว่าโมเดลและข้อมูลที่จะโหลดใส่หน่วยความจำ GPU ได้หรือไม่ แล้วคิดถึงจำนวนคำขอที่ประมวลผลพร้อมกัน ก็เลือกได้ง่าย
NVIDIA L4
GPU สำหรับดาต้าเซ็นเตอร์ที่กินไฟต่ำหนึ่งตัว
เหมาะสำหรับ
- inference ของโมเดลภาษาและโมเดลภาพขนาดเล็ก
- แปลงวิดีโอและประมวลผลสตรีม
- โปรเจกต์ส่วนตัวที่ลองใช้เซิร์ฟเวอร์ GPU ครั้งแรก
- กรณีที่ต้องการคุมค่าใช้จ่ายด้วยราคารายชั่วโมงที่ต่ำ
NVIDIA L4 2 ตัว
โครงสร้างที่ใช้ GPU สองตัวร่วมกันในเซิร์ฟเวอร์เดียว
เหมาะสำหรับ
- แบ่งโมเดลสองตัวให้บริการพร้อมกัน
- การทดลองเทรนที่แบ่งรันบน GPU สองตัว
- เพิ่มปริมาณงานของ inference API ที่มีคำขอมาก
- งานที่ต้องการ CPU และหน่วยความจำสองเท่าด้วย
RTX PRO 6000
GPU ใหญ่หนึ่งตัวที่มีหน่วยความจำ 96GB
เหมาะสำหรับ
- โมเดลใหญ่ที่ใช้หน่วยความจำ GPU มาก
- fine-tune ด้วย batch ขนาดใหญ่
- เรนเดอร์ 3D ความละเอียดสูงและการจำลอง
- ทีมที่ต้องการทำงานใหญ่ให้เสร็จบน GPU ตัวเดียว
GPU แบบรายชั่วโมงกับรายเดือน แบบไหนดี
เมื่อหาเช่าคลาวด์เซิร์ฟเวอร์ GPU ส่วนใหญ่จะเทียบด้วยราคาต่อชั่วโมง หากเป็นการทดลองที่เปิดเพียงไม่กี่ชั่วโมงต่อวัน ราคารายชั่วโมงสะดวก แต่หากเป็นเซิร์ฟเวอร์ที่เปิด 24 ชั่วโมงเหมือนบริการ ค่าบริการต่อเดือนสำคัญกว่า แม้ GPU เดียวกัน ตัวเลขที่ต้องพิจารณาก็ต่างตามวิธีใช้ จึงควรกำหนดก่อนว่าจะเปิดกี่ชั่วโมงต่อวัน
HELPER VPS แสดงเซิร์ฟเวอร์ L4 เป็นราคาต่อชั่วโมงเพื่อให้เปรียบเทียบง่าย และการชำระจริงดำเนินการเป็นรายเดือน ยอดที่ได้จากราคารายชั่วโมงคูณราว 730 ชั่วโมงต่อเดือนคือค่าบริการรายเดือนใต้การ์ด ส่วน RTX PRO 6000 แสดงเป็นค่าบริการรายเดือนโดยตรง ดูทั้งราคารายชั่วโมงและรายเดือนไปพร้อมกัน จะเทียบแบบไหนก็ง่าย
การเรียกเก็บเงินรายเดือนมีจำนวนคงที่ ทำให้วางงบประมาณได้ง่าย สำหรับบริการที่เปิดตลอดเวลา เช่น inference API หรือบอท หรือการฝึกอบรมที่ใช้เวลาหลายวัน ไม่จำเป็นต้องนับชั่วโมง และชำระจำนวนเดียวกันทุกเดือนเพื่อให้เซิร์ฟเวอร์ของคุณทำงานต่อเนื่อง แม้การฝึกอบรมที่ยาวนานก็สามารถดำเนินการตั้งแต่ต้นจนจบได้โดยไม่มีการขัดจังหวะ
เซิร์ฟเวอร์ GPU กับ VPS ทั่วไปต่างกันอย่างไร
VPS ทั่วไปคือเซิร์ฟเวอร์ที่แบ่ง vCPU หน่วยความจำ และดิสก์ และ CPU ทำการคำนวณทั้งหมด เซิร์ฟเวอร์ GPU มี GPU ติดอยู่ทั้งตัว จึงส่งงานที่ทำการคำนวณเดิมซ้ำจำนวนมากอย่างการคูณเมทริกซ์ให้ GPU และให้ CPU ดูแลการเตรียมข้อมูลและประมวลผลคำขอ อุปกรณ์ทั้งสองแบ่งงานกัน งานทั้งหมดจึงเสร็จเร็ว
GPU มีหน่วยความจำของตัวเองแยกไว้ น้ำหนักของโมเดลและค่ากลางระหว่างคำนวณจะโหลดลงหน่วยความจำ GPU นี้ หลายครั้งขนาดหน่วยความจำ GPU จึงกำหนดขนาดงานมากกว่าหน่วยความจำเซิร์ฟเวอร์ L4 มี 24GB ต่อตัว และ RTX PRO 6000 มี 96GB เซิร์ฟเวอร์ L4 สองตัวใช้ GPU 24GB สองตัวร่วมกัน จึงแบ่งโหลดโมเดลหรือแบ่งงานเป็นสองส่วนได้
เว็บไซต์ ฐานข้อมูล และบอททั่วไปทำงานได้ดีโดยไม่ต้องมี GPU ดังนั้นคลาวด์ VPS จึงเหมาะกว่า เพิ่มเซิร์ฟเวอร์ GPU เมื่อคุณรันโมเดล AI ด้วยตัวเองหรือประมวลผลวิดีโอจำนวนมาก และวางบริการที่เหลือไว้บน VPS ราคาประหยัดเพื่อรักษาค่าใช้จ่ายรวมให้ต่ำ
ค่าเช่าเซิร์ฟเวอร์ GPU เท่าไร
เซิร์ฟเวอร์ NVIDIA L4 หนึ่งตัวราคา $0.3304 ต่อชั่วโมง ราว $241.19 ต่อเดือน L4 สองตัวราคา $0.6608 ต่อชั่วโมง และ RTX PRO 6000 ราคา $671.44 ต่อเดือน และค่าบริการนี้รวม vCPU หน่วยความจำ ดิสก์ NVMe ปริมาณรับส่งข้อมูล และที่อยู่ IP ไว้ทั้งหมด
ค่าบริการที่เลือกตามหน่วยความจำ GPU
แบ่งเป็นสามระดับ 24GB, 48GB, 96GB จึงเลือกตามขนาดโมเดลที่จะโหลดได้ทันที เมื่อ GPU เพิ่ม CPU หน่วยความจำ ดิสก์ และปริมาณรับส่งข้อมูลก็เพิ่มตาม
เหมาจ่ายที่รวมสเปกครบ
ค่าบริการบนการ์ดรวม GPU, vCPU หน่วยความจำ ดิสก์ NVMe ปริมาณรับส่งข้อมูลรายเดือน และ IPv4 กับ IPv6 เฉพาะไว้ทั้งหมด การคำนวณจึงเรียบง่าย
ชำระรายเดือนโดยใบแจ้งหนี้
ชำระค่าบริการรายเดือนในแต่ละวันเรียกเก็บเงินเพื่อให้เซิร์ฟเวอร์ของคุณทำงานต่อ ไม่ต้องลงทะเบียนบัตรและไม่มีระยะเวลาสัญญา เพียงชำระเมื่อต้องการ
HELPER VPS ในตัวเลข
เลือกจาก 40 ภูมิภาค 12 ระบบปฏิบัติการ และ 10 แอปคลิกเดียวในบัญชีเดียว และชำระเงินทันที ตัวเลขด้านล่างอิงตามสิ่งที่กำลังขายอยู่ในปัจจุบัน
40
ภูมิภาคดาต้าเซ็นเตอร์
12
ระบบปฏิบัติการ
10
แอปคลิกเดียว
$0.33
ราคาเริ่มต้นของสินค้านี้ (ต่อเดือน)
เครื่องมือ AI ที่ใช้ได้ทันทีบนเซิร์ฟเวอร์ GPU
นำ Docker, Python, PyTorch, Ollama, Jupyter ขึ้นบน Ubuntu 24.04 และ CUDA แล้วเริ่มงานด้วยวิธีที่คุ้นเคย
- Ubuntu 24.04 + CUDA
- Docker
- Python
- PyTorch
- Ollama
- Jupyter
เหตุผลที่เลือกเซิร์ฟเวอร์ GPU ของ HELPER VPS
เซิร์ฟเวอร์ที่ใช้ GPU ทั้งตัว
จำนวน GPU ที่ระบุบนการ์ดติดอยู่กับเซิร์ฟเวอร์ของคุณตามนั้น ใช้หน่วยความจำ GPU ทั้งหมดกับโมเดลและข้อมูลของคุณได้
ดิสก์ NVMe เหลือเฟือ
มีดิสก์ NVMe ตั้งแต่ 250GB ถึง 900GB จึงวางไฟล์โมเดล ชุดข้อมูล และผลการเทรนไว้ในเซิร์ฟเวอร์ได้ทันที
CPU และหน่วยความจำที่เข้ากับ GPU
L4 หนึ่งตัวมาพร้อม 8 vCPU และ 32GB ส่วน RTX PRO 6000 มาพร้อม 18 vCPU และ 96GB เพื่อไม่ให้ขั้นเตรียมข้อมูลทำให้ GPU ต้องรอ
ติดตั้งได้อิสระด้วยสิทธิ์ root
ติดตั้งเฟรมเวิร์กและไลบรารีเวอร์ชันที่ต้องการบนไดรเวอร์เอง และกำหนดวิธีรันบริการเองด้วย
IPv4 และ IPv6 เฉพาะ
ทุกเซิร์ฟเวอร์มีที่อยู่ IPv4 เฉพาะหนึ่งที่อยู่และ IPv6 จึงเชื่อม inference API หรือ Jupyter กับโดเมนของคุณได้ทันที
ล็อกอินด้วยคีย์ SSH
ลงทะเบียนคีย์สาธารณะไว้ ก็เชื่อมต่อได้โดยไม่ใช้รหัสผ่าน ลายนิ้วมือแสดงแบบเดียวกับ ssh-keygen จึงรู้ได้ทันทีว่าเป็นคีย์ไหน
จัดการ GPU และ VPS ด้วยบัญชีเดียว
จัดการเซิร์ฟเวอร์ GPU และ VPS ทั่วไปในบัญชีเดียวกัน ทำให้ง่ายต่อการแยกเซิร์ฟเวอร์โมเดลและเว็บเซิร์ฟเวอร์
สมัครด้วยโทเค็นบัญชีเดียว
สมัครด้วยโทเค็นบัญชีเดียว และเก็บโทเค็นไว้ ก็เข้าบัญชีเดิมได้จากทุกอุปกรณ์
ระบบอัตโนมัติด้วยคีย์ API
หลังจากชำระเงินครั้งแรก คุณจะได้รับคีย์ API เพื่อจัดการรายการเซิร์ฟเวอร์และงานจัดการต่าง ๆ จากโค้ด
ใช้เซิร์ฟเวอร์ GPU ได้ในภูมิภาคไหน
HELPER VPS มีเซิร์ฟเวอร์ใน 40 เมืองทั่วอเมริกา ยุโรป ตะวันออกกลาง แอฟริกา และเอเชียแปซิฟิก เมื่อสั่งซื้อเซิร์ฟเวอร์ GPU จะแสดงภูมิภาคที่เลือกได้ และเลือกที่ใกล้ผู้ใช้และข้อมูลจะตอบสนองเร็วขึ้น
เยอรมนี
เนเธอร์แลนด์
สหราชอาณาจักร
ฝรั่งเศส
สหรัฐอเมริกา 7 เมือง
แคนาดา
บราซิล
สิงคโปร์
ญี่ปุ่น 2 เมือง
อินเดีย 2 เมือง
ออสเตรเลีย 2 เมือง
เม็กซิโก
สเปน
สวีเดน
โปแลนด์
แอฟริกาใต้
เกาหลีใต้
เยอรมนี
เนเธอร์แลนด์
สหราชอาณาจักร
ฝรั่งเศส
สหรัฐอเมริกา 7 เมือง
แคนาดา
บราซิล
สิงคโปร์
ญี่ปุ่น 2 เมือง
อินเดีย 2 เมือง
ออสเตรเลีย 2 เมือง
เม็กซิโก
สเปน
สวีเดน
โปแลนด์
แอฟริกาใต้
เกาหลีใต้
ชิลี
โคลอมเบีย
อิตาลี
สวิตเซอร์แลนด์
ฟินแลนด์
ตุรกี
สหรัฐอาหรับเอมิเรตส์
อิสราเอล
ซาอุดีอาระเบีย
ไนจีเรีย
เขตปกครองพิเศษฮ่องกงแห่งสาธารณรัฐประชาชนจีน
ไต้หวัน
อินโดนีเซีย
ไทย
คำถามที่พบบ่อยเรื่องเซิร์ฟเวอร์ GPU
คำตอบเรื่องค่าเช่าคลาวด์เซิร์ฟเวอร์ GPU การชำระเงิน และการเลือกสเปก
เซิร์ฟเวอร์ GPU ชำระรายชั่วโมงหรือไม่
เซิร์ฟเวอร์ GPU ชำระเป็นรายเดือน เซิร์ฟเวอร์ L4 มีราคา $241.19 ต่อเดือน ชำระเมื่อสร้างเซิร์ฟเวอร์และต่ออายุด้วยยอดเดิมทุกเดือน ราคารายชั่วโมง $0.3304 แสดงไว้เพื่อให้เปรียบเทียบกับบริการอื่นได้ง่าย
เซิร์ฟเวอร์ GPU หนึ่งเครื่องราคาเดือนละเท่าไร
เซิร์ฟเวอร์ NVIDIA L4 หนึ่งตัวราว $241.19 ต่อเดือน เซิร์ฟเวอร์ L4 สองตัวราว $482.38 และเซิร์ฟเวอร์ RTX PRO 6000 ราคา $671.44 ยอดนี้รวม GPU กับ vCPU หน่วยความจำ ดิสก์ NVMe ปริมาณรับส่งข้อมูลรายเดือน และ IPv4 กับ IPv6 เฉพาะไว้ทั้งหมด ไม่มีค่าสเปกบวกเพิ่มแยก
L4 สองตัวกับ RTX PRO 6000 ต่างกันอย่างไร
L4 สองตัวคือโครงสร้างที่ใช้ GPU 24GB สองตัวในเซิร์ฟเวอร์เดียว ส่วน RTX PRO 6000 คือ GPU หนึ่งตัวที่มีหน่วยความจำ 96GB หากแบ่งโมเดลสองตัวให้บริการหรือแบ่งงานรันบนสองตัว L4 สองตัวเหมาะ หากต้องโหลดโมเดลใหญ่ทั้งก้อนลงหน่วยความจำของ GPU ตัวเดียว RTX PRO 6000 เหมาะ
เช่าเซิร์ฟเวอร์ GPU ด้วยวิธีชำระเงินอะไร
เมื่อสั่งซื้อเซิร์ฟเวอร์ GPU ให้เลือกวิธีการชำระเงินและชำระค่าบริการรายเดือน เซิร์ฟเวอร์จะถูกสร้างเมื่อชำระเดือนแรก และสามารถต่ออายุได้โดยชำระยอดเดิมในวันต่ออายุแต่ละครั้ง การคืนเงินจะดำเนินการเข้ายอดเครดิตในบัญชีของคุณ
จะเกิดอะไรขึ้นหากไม่ต่ออายุการชำระเงินสำหรับเซิร์ฟเวอร์ GPU?
หากไม่ชำระเงินภายในวันต่ออายุ เซิร์ฟเวอร์จะถูกระงับ คุณสามารถต่ออายุภายใน 3 วันเพื่อเริ่มใช้งานอีกครั้ง หากผ่าน 3 วัน เซิร์ฟเวอร์และข้อมูลในดิสก์จะถูกลบ ดังนั้นควรสำรองผลการฝึกและไฟล์โมเดลล่วงหน้า คุณสามารถตรวจสอบวันต่ออายุถัดไปได้ในแผงควบคุม
ต้องติดตั้ง CUDA และ PyTorch เองหรือไม่
แนะนำโดยอิงสภาพแวดล้อมที่ใช้เครื่องมือ AI อย่าง Docker, Python, PyTorch, Ollama, Jupyter บนพื้นฐาน Ubuntu 24.04 และ CUDA มีสิทธิ์ root จึงติดตั้งไลบรารีเวอร์ชันที่ต้องการเพิ่ม หรือดึง Docker อิมเมจที่สร้างไว้แล้วมารันตามเดิมก็ได้
แบ่ง GPU ใช้กับผู้อื่นหรือไม่
จำนวน GPU ที่ระบุบนการ์ดติดอยู่กับเซิร์ฟเวอร์ของคุณตามนั้น จึงใช้หน่วยความจำ GPU ทั้งหมดกับงานของคุณ หากเป็นเซิร์ฟเวอร์ L4 สองตัว ทั้งสองตัวคือ GPU ของเซิร์ฟเวอร์คุณ และกำหนดเองได้ว่าจะให้งานไหนรันบน GPU ตัวไหน CPU หน่วยความจำ และดิสก์ NVMe ในเซิร์ฟเวอร์ก็จัดสรรให้เซิร์ฟเวอร์ของคุณตามที่ระบุบนการ์ด ไม่ปนกับงานของผู้อื่น
ทำไมขนาดหน่วยความจำ GPU จึงสำคัญ
น้ำหนักของโมเดลและค่ากลางระหว่างคำนวณโหลดลงหน่วยความจำ GPU ขนาดหน่วยความจำ GPU จึงกำหนดขนาดงานที่จัดการได้ แม้โมเดลเดียวกัน หน่วยความจำที่ต้องใช้ก็ต่างตามความแม่นยำ ขนาด batch และจำนวนคำขอพร้อมกัน จึงคำนวณปริมาณที่ต้องใช้ด้วยการตั้งค่าของคุณ แล้วเลือกจาก 24GB, 48GB, 96GB
หากพื้นที่จัดเก็บไม่พอทำอย่างไร
เซิร์ฟเวอร์ GPU แต่ละเครื่องมีดิสก์ NVMe 250GB, 500GB, 900GB จึงวางไฟล์โมเดลและข้อมูลงานไว้ในเซิร์ฟเวอร์ได้ ชุดข้อมูลและผลลัพธ์ที่เก็บนาน วางแยกไว้บน Object Storage ดิสก์ของเซิร์ฟเวอร์ GPU จะใช้เฉพาะไฟล์ที่ใช้อยู่ จัดการได้สะดวก หากต้องการความจุเหลือเฟือ เลือกโครงสร้างระดับสูงที่มีดิสก์ใหญ่กว่า
สั่งซื้อเซิร์ฟเวอร์ GPU อย่างไร
คลิกปุ่มซื้อ สร้างบัญชี เลือกประเภทเซิร์ฟเวอร์ GPU และภูมิภาค เลือกวิธีการชำระเงินและสั่งซื้อ หากมีคำถามเกี่ยวกับการเลือกสเปกหรือสภาพแวดล้อมของคุณ สามารถสอบถามได้ทันทีที่หน้าสนับสนุนหลังการชำระเงินครั้งแรก
คู่มือเซิร์ฟเวอร์ GPU
คู่มือที่ควรทำตามทันทีหลังได้รับเซิร์ฟเวอร์ GPU
- ล็อกอินครั้งแรกลำดับการเชื่อมต่อเซิร์ฟเวอร์ใหม่ด้วย root และเปลี่ยนรหัสผ่าน รวมคำสั่ง SSH ที่ใช้บน Windows, Mac และ Linux ไว้ด้วย
- สร้างและลงทะเบียนคีย์ SSHวิธีสร้างคีย์ด้วย ssh-keygen แล้วลงทะเบียน เพื่อเชื่อมต่อเซิร์ฟเวอร์ GPU อย่างปลอดภัยโดยไม่ใช้รหัสผ่าน
- ตั้งค่าไฟร์วอลล์พื้นฐานตัวอย่างการตั้งค่าไฟร์วอลล์ที่เปิดพอร์ต Jupyter หรือ inference API เฉพาะที่ที่จำเป็นแล้วปิดส่วนที่เหลือ
ราคาที่แสดงเป็นสกุลดอลลาร์สหรัฐ และราคารายชั่วโมงใช้เพื่อเปรียบเทียบ การชำระจริงดำเนินการเป็นรายเดือน และคุณสามารถต่ออายุเซิร์ฟเวอร์ได้โดยชำระยอดเดิมในวันต่ออายุแต่ละครั้ง
ระยะเวลาขั้นต่ำ: 1 เดือน | ยกเลิก: ลบได้ทุกเมื่อจากแผงควบคุม | หากไม่ต่ออายุ: ระงับ แล้วลบหลังจาก 3 วัน | ไม่คืนเงินสำหรับเวลาที่เหลือของเซิร์ฟเวอร์ที่ถูกลบ การคืนเงินจะดำเนินการเข้ายอดเครดิตในบัญชีของคุณ
