Calculadora de costes de GPU
Estima los costes de infraestructura de GPU en proveedores cloud y hardware propio. Compara precios de instancias H100, A100, L4, RTX 4090 y MI300X de AWS, GCP, Azure, Lambda Labs, RunPod y Vast.ai, con modelado de descuentos spot, análisis de utilización de GPU y comparación del punto de equilibrio frente a hardware propio. Funciona 100 % en tu navegador.
Estimate GPU infrastructure costs across cloud providers and on-prem hardware. Compare hourly rates, spot discounts, and monthly totals for any GPU workload - runs privately in your browser.
Cloud Instance / GPU
GPU Specs: NVIDIA A10G
Workload Profile
Estimated Monthly GPU Cost
Annual Cost
$8,691.84
Per GPU-Hour
$1.006
Active Hours/Mo
720
Cost/Compute Hr
$1.44
Instance Cost Comparison
Same workload · sorted by monthly cost| Instance | $/hr | Monthly | Annual |
|---|---|---|---|
Vast.ai1× RTX 4090 24GB VRAM · 1 GPU | $0.350 | $252.00 | $3,024.00 |
GCPg2-standard-4 24GB VRAM · 1 GPU | $0.700 | $504.00 | $6,048.00 |
AWSg5.xlarge Selected 24GB VRAM · 1 GPU | $1.006 | $724.32 | $8,691.84 |
Lambda Labs1× A100 40GB 40GB VRAM · 1 GPU | $1.290 | $928.80 | $11,145.60 |
Vast.ai1× A100 80GB 80GB VRAM · 1 GPU | $1.400 | $1,008.00 | $12,096.00 |
RunPod1× A100 80GB 80GB VRAM · 1 GPU | $1.640 | $1,180.80 | $14,169.60 |
RunPod1× H100 SXM 80GB VRAM · 1 GPU | $3.490 | $2,512.80 | $30,153.60 |
AzureNC A100 v4 80GB VRAM · 1 GPU | $3.670 | $2,642.40 | $31,708.80 |
Lambda Labs8× H100 SXM5 80GB 80GB VRAM · 8 GPUs | $26.800 | $19,296.00 | $231,552.00 |
AWSp4d.24xlarge 40GB VRAM · 8 GPUs | $32.770 | $23,594.40 | $283,132.80 |
GCPa2-highgpu-8g 40GB VRAM · 8 GPUs | $32.770 | $23,594.40 | $283,132.80 |
AWSp4de.24xlarge 80GB VRAM · 8 GPUs | $40.970 | $29,498.40 | $353,980.80 |
Qué determina la factura de GPU
La factura no depende solo del tipo de GPU: las horas diarias de uso, el número de tarjetas y el descuento aplicable pesan tanto como el precio por hora.
Selecciona instancia, horas de uso al día, número de GPU y descuento spot para obtener el coste mensual y anual, y su versión con horas de cómputo efectivo.
- Horas facturadas = instancia en marcha, aunque la GPU esté ociosa.
- Spot y preemptible bajan un 50-70 % el precio, a cambio de posibles interrupciones.
- La utilización real convierte horas facturadas en horas de cómputo útil.
Elegir GPU según la carga de trabajo
La GPU más potente no siempre es la más rentable. La decisión depende de si tu carga está limitada por rendimiento, por memoria o por latencia.
- Cargas limitadas por rendimiento (entrenamiento con lotes grandes): la H100 suele compensar.
- Cargas limitadas por memoria (inferencia de lotes pequeños): A100 o L40S pueden salir más baratas.
- VRAM necesaria para FP16: los pesos del modelo más un 20-30 % de holgura para el contexto.
Comparar nube y hardware propio
La compra solo gana con utilización alta y sostenida. Si tu uso es intermitente, el coste fijo del hardware se paga igual y no se aprovecha.
- Estima tus horas de GPU al mes y la utilización media real.
- Calcula el coste cloud equivalente con y sin descuento spot.
- Compara con la amortización más electricidad del hardware propio a 18-36 meses.
- Decide según el punto de equilibrio y tu tolerancia al riesgo de interrupción.
Preguntas frecuentes
Estima el coste financiero de ejecutar cargas aceleradas por GPU en infraestructura cloud o en hardware propio. Calcula los gastos por hora, mes y año a partir del tipo de instancia, las horas de uso diarias, el número de GPU y los descuentos spot opcionales, dándote un presupuesto completo de infraestructura antes de comprometer recursos.
Las instancias spot (AWS) y las VM preemptible (GCP) usan capacidad sobrante de la nube con grandes descuentos, normalmente del 50 al 70 % frente a la tarifa bajo demanda. La contrapartida es que la instancia puede interrumpirse con 2 minutos de aviso cuando el proveedor necesita esa capacidad. Son ideales para entrenamientos con checkpointing, trabajos de inferencia por lotes y cualquier carga que tolere reinicios.
Guía aproximada para pesos en FP16: 7B parámetros ≈ 14 GB de VRAM, 13B ≈ 26 GB, 34B ≈ 68 GB, 70B ≈ 140 GB. La cuantización INT8 reduce estos requisitos a la mitad y INT4/GPTQ a la cuarta parte. Añade siempre un 20-30 % de holgura para la caché KV y las activaciones durante la inferencia. Para entrenamiento sueles necesitar 3-4 veces la VRAM de inferencia por los estados del optimizador y los gradientes.
La H100 SXM ofrece unas 3 veces el rendimiento FP16 y unas 1,7 veces el ancho de banda de memoria de la A100 80GB. Sin embargo, también cuesta 3-4 veces más por hora. En cargas limitadas por rendimiento (entrenamiento con lotes grandes), la H100 suele ser más eficiente en coste. En cargas limitadas por memoria (inferencia con lotes pequeños), el coste por resultado útil puede no justificar el sobreprecio: una A100 o L40S puede ser más económica.
El hardware propio gana cuando la utilización de GPU es alto y constante (60 % o más) durante un periodo largo (18 meses o más). Con alta utilización, el coste por hora del hardware propio (amortización + electricidad) suele quedar por debajo de las tarifas cloud bajo demanda en 12-18 meses para GPU de clase H100. La nube gana en cargas variables, proyectos cortos o cuando necesitas escalar sin capital inicial.
Las horas de GPU (u horas de reloj) son lo que factura el proveedor cloud: el tiempo que la instancia está en marcha, independientemente de la carga real. Las horas de cómputo (u horas de cómputo efectivo) reflejan la utilización real de la GPU durante ese tiempo. Una GPU al 50 % de utilización durante 10 horas entrega 5 horas de cómputo efectivo pero se factura por 10 horas de GPU.
Los precios reflejan tarifas indicativas bajo demanda de los principales proveedores cloud y de nubes especializadas en GPU a mediados de 2025. Los precios reales varían según la región, los descuentos por compromiso y la disponibilidad spot. Verifica siempre el precio vigente en la página del proveedor antes de cerrar un presupuesto. Esta calculadora está pensada para planificar y comparar, no como garantía de facturación.
Por completo. La calculadora de costes de GPU funciona 100 % en tu navegador. Todas las entradas (selección de instancia, horas de uso, precios personalizados y costes de hardware propio) se procesan localmente en tu dispositivo y nunca se envían a ningún servidor. No requiere registro.