GGPU-облакакаталог аренды видеокарт
Журнал

Как выбрать GPU-облако для ИИ в 2026 году

Универсального GPU-облака нет: для отладки модели, обучения LLM и продакшен-инференса нужны разные карты, тарификация и уровень поддержки. Разбираем, как сузить выбор до двух-трёх провайдеров и не переплатить.

25 октября 2026 г.12 мин чтения

Выбор GPU-облака начинается не с прайса, а с вопроса: что именно будет делать модель. Обучение большой языковой модели, лёгкий инференс чат-бота и генерация изображений предъявляют разные требования к памяти, сети и диску. Если пропустить этот шаг, легко переплатить за H100 там, где хватило бы L4, или упереться в 24 ГБ памяти на RTX 4090.

Сначала определите класс задачи

Разделите нагрузку на три категории:

  • Эксперименты и прототипы. Небольшие модели, отладка пайплайна, проверка гипотез. Достаточно потребительской RTX с 16–24 ГБ памяти, почасовой оплаты и быстрого запуска.
  • Обучение и дообучение. Нужны A100, H100 или H200, часто с NVLink и быстрым хранилищем. Важны стабильность инстанса и возможность возобновить прогон после сбоя.
  • Инференс в продакшене. Критичны задержка, автоскейлинг, холодный старт и цена за запрос, а не пиковая производительность карты.

Для первых двух сценариев смотрите рубрику для обучения моделей, для третьего — инференс и продакшен. Если бюджет ограничен, начните с подборки бюджетных GPU.

Какая видеокарта нужна

Самая частая ошибка — сравнивать карты по количеству вычислительных блоков и забывать про видеопамять. Модель, которая не помещается в память, не запустится вообще или потребует сложных схем шардирования. Ориентируйтесь на простые правила:

  • 16–24 ГБ — небольшие модели, инференс в fp16, эксперименты.
  • 40–80 ГБ — обучение моделей среднего размера, батчи побольше, длинный контекст.
  • 80 ГБ и NVLink — крупные LLM, multi-GPU обучение, тяжёлые пайплайны.
Карта Память Когда нужна Примеры провайдеров
RTX 4090 / 5090 24–32 ГБ Эксперименты, мелкие модели, дешёвый инференс RunPod, Vast.ai, Timeweb Cloud
RTX A5000 / A6000 24–48 ГБ Баланс цены и памяти Hyperstack, RunPod
A100 40–80 ГБ Обучение средних моделей, длинный контекст Lambda, Nebius, Selectel
H100 / H200 80–141 ГБ Крупные LLM, высокий throughput CoreWeave, Lambda, Nebius
B200 / B300 180–288 ГБ Новейшие модели, максимальная плотность Nebius, гиперскейлеры

Если нужна одна карта без виртуализации, смотрите bare metal. Если достаточно доли ускорителя, подойдут vGPU и облачные VM.

Три группы провайдеров

Российские облака. Selectel, Yandex Cloud, Cloud.ru, Immers.cloud, Timeweb Cloud и десятки других. Оплата в рублях, дата-центры в РФ, удобно для проектов с требованиями к локализации данных и 152-ФЗ. Цены обычно выше специализированных GPU-облаков, зато нет проблем с платежами и VPN. См. рубрику российских провайдеров и сравнение Selectel и Yandex Cloud.

Специализированные GPU-облака (неоклауды). RunPod, Vast.ai, Lambda, CoreWeave, Nebius, Hyperstack, Verda. Широкий выбор карт, почасовая и посекундная оплата, готовые шаблоны с Jupyter и PyTorch. Идеальны для экспериментов и обучения. Доступны через VPN и зарубежные платежи.

Гиперскейлеры. AWS, Google Cloud, Azure, Oracle Cloud. Максимальная экосистема: managed ML, хранилище, Kubernetes, SLA. Цены на GPU самые высокие, но есть программы стартап-кредитов. Сравните AWS и Google Cloud.

Ориентиры по ценам

Цены меняются еженедельно; ниже — порядок величин на спотовых и on-demand тарифах специализированных провайдеров (данные агрегаторов на октябрь 2026).

Карта Спецоблака Гиперскейлеры Российские облака
RTX 4090 (24 ГБ) $0.30–0.70/час редко доступна от ~40–80 ₽/час
A100 80 ГБ $1.20–2.80/час $3–7/час от ~150–400 ₽/час
H100 80 ГБ $2.00–3.50/час $6–8/час от ~400–900 ₽/час
L4 / T4 (16–24 ГБ) $0.30–0.80/час $0.50–1.20/час от ~30–90 ₽/час

Для обучения на недели и месяцы ищите помесячные тарифы и резервирование по договору. Почасовая модель выгодна для коротких экспериментов — см. почасовые тарифы. Marketplace вроде Vast.ai даёт самые низкие цены, но с переменной доступностью и без SLA.

Бесплатные лимиты и пробные кредиты

Полностью бесплатного GPU с гарантией нет. Но есть рабочие варианты для старта:

  • Google Colab — бесплатные ноутбуки с T4 (16 ГБ), сессии до 12 часов, GPU не гарантирован. Подходит для обучения и прототипов.
  • Kaggle — около 30 часов GPU в неделю на P100/T4, без карты.
  • Hugging Face ZeroGPU — 2–5 минут GPU в день для запуска Spaces, бесплатно.
  • Modal — $30 кредитов в месяц на serverless GPU.
  • Hugging Face — бесплатные CPU Spaces и платные GPU от $0.40/час.
  • Oracle Cloud — программа Always Free включает ARM-инстансы и иногда GPU (наличие зависит от региона).
  • Стартап-программы: RunPod даёт $1000 кредитов стартапам, AWS, Google Cloud, Azure — до $100k через стартап-программы.

Для поиска сервисов с бесплатным тарифом используйте подборку с бесплатным тарифом, без него — без бесплатного тарифа.

Доступность из России

Это отдельный фильтр, который часто оказывается решающим:

  • Российские провайдеры принимают рубли и карты РФ, данные остаются в стране. Смотрите доступные из России.
  • Зарубежные спецоблака и гиперскейлеры не принимают российские карты и часто блокируют аккаунты. Доступны через VPN и зарубежные платежи, но это нарушает условия сервиса и рискует блокировкой.
  • Не советуем обходить правила сервисов: при блокировке потеряете данные и кредиты.

Если проекту важна локализация данных или 152-ФЗ, выбирайте российское облако с самого начала.

vGPU или выделенная карта

vGPU продаёт долю ускорителя: меньше памяти, меньше цена, но общие ресурсы и соседи. Выделенная карта даёт предсказуемую производительность и полную память. Подробнее — в рубрике облачных VM и vGPU и подборке vGPU и долей карт. Кратко: vGPU подходит для лёгкого инференса и экспериментов, выделенная — для обучения и продакшен-нагрузок.

На что ещё смотреть

  • Сеть и диски. Для обучения важны NVLink/InfiniBand между GPU и быстрый NVMe. Проверьте скорость диска и тарификацию исходящего трафика — у некоторых провайдеров egress платный.
  • Биллинг. Почасовая, посекундная или помесячная. Почасовая удобна для экспериментов, помесячная — для стабильной нагрузки. См. почасовые и помесячные подборки.
  • API и автоматизация. Если нужен CI/CD, смотрите API и CLI и поддержку Kubernetes — Kubernetes.
  • SLA и поддержка. Для продакшена — SLA 99.9%+, техподдержка на русском или английском, возможность резервирования.
  • Managed ML. Если не хотите настраивать среду, выбирайте платформы с Jupyter и ML-средами: Jupyter и ML-среды, ML-платформы.

Как не переплатить за GPU

Счёт за GPU растёт быстро, поэтому полезны простые правила:

  • Останавливайте инстансы, когда не используете. Почасовая оплата идёт за работающую машину, а не за результат.
  • Используйте спот-инстансы для обучения с чекпоинтами: скидка до 60–80%, риск прерывания компенсируется возобновлением с последнего чекпоинта.
  • Кэшируйте датасеты на локальном NVMe, чтобы не платить за повторную загрузку и egress.
  • Сравнивайте цену за токен/запрос, а не за час: для инференса важнее throughput и задержка. См. подборку для инференса.
  • Не берите карту с запасом по памяти, если модель помещается с квантизацией: INT8/INT4 снижают требования к VRAM в 2–4 раза.
  • Проверяйте бесплатные кредиты и стартап-программы перед оплатой — часто можно получить $1000–$100k.

Чек-лист выбора

  1. Определите класс задачи: эксперимент, обучение, инференс.
  2. Посчитайте нужную память модели с запасом 20–30%.
  3. Выберите 2–3 провайдера из подходящей группы.
  4. Сравните цену за час и за месяц с учётом egress и дисков.
  5. Проверьте доступность нужной карты прямо сейчас (stock).
  6. Оцените бесплатные кредиты и стартап-программы.
  7. Проверьте требования к данным: локализация, 152-ФЗ, SLA.
  8. Запустите пилот на 1–2 дня и замерьте реальную скорость.

Что выбрать под задачу

  • Учебные проекты и прототипы: Google Colab, Kaggle, Hugging Face. Бесплатно, T4/P100.
  • Эксперименты и мелкие модели (до 30B): RunPod Community Cloud, Vast.ai, Hyperstack — RTX 4090 от $0.30–0.50/час.
  • Обучение средних LLM (7B–70B): Lambda, Nebius, CoreWeave — A100/H100, от $1.20–2.90/час.
  • Крупные LLM и продакшен-инференс: CoreWeave, Nebius, гиперскейлеры — H100/H200/B200 с автоскейлингом.
  • Проекты с требованиями к данным в РФ: Selectel, Yandex Cloud, Cloud.ru, Timeweb Cloud.
  • Serverless-инференс по запросам: Modal, Replicate, Together AI — оплата за секунду работы.

Частые вопросы

Сколько стоит аренда H100 в 2026 году? На специализированных облаках — от $2 до $3.5 за час on-demand, на гиперскейлерах — $6–8. На marketplace вроде Vast.ai можно найти от $1.5–2, но с переменной доступностью.

Можно ли обучать LLM на RTX 4090? Да, модели до 13–30B параметров в fp16/bf16 и до ~70B с QLoRA. Для крупных моделей нужна A100/H100 с большим объёмом памяти.

Какой провайдер лучше для России? Если важны рубли, локализация данных и 152-ФЗ — российские облака: Selectel, Yandex Cloud, Cloud.ru. Если нужна максимальная производительность и готовы решать вопросы оплаты — зарубежные спецоблака.

Что выгоднее: почасовая или помесячная оплата? Почасовая — для коротких экспериментов и нерегулярной нагрузки. Помесячная (reserved) — для стабильных продакшен-нагрузок: скидка 30–60%.

Нужен ли VPN для работы с зарубежными GPU-облаками? Да, часто. Но обход правил сервиса рискует блокировкой аккаунта и потерей данных. Для проектов с требованиями к данным выбирайте российские облака.

Как быстро можно начать работу? На специализированных облаках — от 2 до 10 минут: регистрация, пополнение баланса, выбор шаблона с PyTorch или Jupyter, запуск инстанса. На российских облаках обычно дольше из-за верификации и согласования конфигурации, но зато с договором и SLA.filePath: C:\Users\arsen\Documents\Vercel-Many-Sites\sites\gpu-oblaka-i-arenda-videokart\src\content\articles\kak-vybrat-gpu-oblako-dlya-ii-2026.md