Калькулятор стоимости GPU
Оцените затраты на GPU-инфраструктуру в облачных провайдерах и на собственном железе. Сравните цены инстансов H100, A100, L4, RTX 4090 и MI300X от AWS, GCP, Azure, Lambda Labs, RunPod и Vast.ai — с моделированием скидок spot, анализом загрузки GPU и расчётом точки окупаемости своего железа. Работает на 100 % в браузере.
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 |
Что определяет счёт за GPU
Счёт зависит не только от типа GPU: часы использования в день, число карт и доступная скидка влияют так же сильно, как цена за час.
Выберите инстанс, часы в день, число GPU и скидку spot, чтобы получить месячные и годовые затраты и их вариант в эффективных вычислительных часах.
- Тарифицируемые часы = время работы инстанса, даже если GPU простаивает.
- Spot и preemptible снижают цену на 50–70 %, но возможны прерывания.
- Реальная загрузка превращает тарифицируемые часы в полезные вычислительные.
Выбор GPU под нагрузку
Самая мощная GPU не всегда самая выгодная. Решение зависит от того, ограничена ли нагрузка пропускной способностью, памятью или задержкой.
- Нагрузки по пропускной способности (большие батчи обучения): H100 обычно оправдана.
- Нагрузки по памяти (малый батч-инференс): A100 или L40S могут быть дешевле.
- Нужная VRAM в FP16: веса модели плюс 20–30 % запаса на контекст.
Сравнение облака и своего железа
Покупка выигрывает только при высокой и постоянной загрузке. При редком использовании фиксированные затраты на железо платятся впустую.
- Оцените месячные GPU-часы и среднюю фактическую загрузку.
- Рассчитайте эквивалентные облачные затраты со скидкой spot и без неё.
- Сравните с амортизацией и электричеством своего железа за 18–36 месяцев.
- Решите по точке окупаемости и вашей терпимости к риску прерываний.
Часто задаваемые вопросы
Он оценивает финансовые затраты на выполнение GPU-ускоренных нагрузок в облаке или на собственном железе. Он считает расходы за час, месяц и год по типу инстанса, часам использования в день, числу GPU и опциональным скидкам spot — давая полный бюджет инфраструктуры до выделения ресурсов.
Spot-инстансы (AWS) и preemptible VM (GCP) используют свободные мощности облака с большими скидками — обычно 50–70 % от цены по запросу. Обратная сторона: инстанс может быть прерван с уведомлением за 2 минуты. Идеально для обучения с чекпойнтами, пакетного инференса и любых задач, терпящих перезапуск.
Ориентир для весов FP16: 7B параметров ≈ 14 ГБ VRAM, 13B ≈ 26 ГБ, 34B ≈ 68 ГБ, 70B ≈ 140 ГБ. Квантизация INT8 уменьшает потребность примерно вдвое, INT4/GPTQ — вчетверо. Всегда добавляйте 20–30 % запаса на KV-кеш и активации при инференсе. Для обучения обычно нужно в 3–4 раза больше VRAM из-за состояний оптимизатора и градиентов.
H100 SXM даёт примерно 3× пропускной способности FP16 и ~1,7× пропускной способности памяти по сравнению с A100 80GB. Но и стоит в 3–4 раза дороже в час. Для нагрузок, ограниченных пропускной способностью (обучение большими батчами), H100 часто выгоднее. Для нагрузок, ограниченных памятью (инференс малыми батчами), наценка может не окупаться — A100 или L40S бывают экономичнее.
Своё железо выигрывает при стабильно высокой загрузке GPU (60 %+) в течение длительного срока (18+ месяцев). При высокой загрузке стоимость часа собственного железа (амортизация + электричество) обычно становится ниже облачных цен по запросу за 12–18 месяцев для GPU класса H100. Облако выигрывает при переменных нагрузках, коротких проектах или когда нужно масштабироваться без капитальных вложений.
GPU-часы (или часы по стенным часам) — то, что тарифицирует провайдер: время работы инстанса, независимо от реальной загрузки. Вычислительные часы (эффективные) учитывают фактическую загрузку GPU. GPU с загрузкой 50 % в течение 10 часов даёт 5 эффективных вычислительных часов, но тарифицируется как 10 GPU-часов.
Цены отражают ориентировочные тарифы по запросу крупных облачных провайдеров и специализированных GPU-облаков на середину 2025 года. Реальные цены зависят от региона, скидок за обязательства и доступности spot. Всегда проверяйте актуальные цены на странице провайдера перед утверждением бюджета. Калькулятор предназначен для планирования и сравнения, а не как гарантия тарификации.
Полностью. Калькулятор работает на 100 % в браузере. Все вводные — выбор инстанса, часы использования, свои цены и затраты на своё железо — обрабатываются локально на вашем устройстве и никогда не отправляются на сервер. Регистрация не требуется.