Vultr
Vultr bietet On-Demand-Cloud-GPU-Instanzen, die von NVIDIA- und AMD-GPUs in 32 globalen Rechenzentrumsregionen angetrieben werden. Sie bieten sowohl virtuelle Maschinen als auch Bare-Metal-GPU-Bereitstellungen ohne Vorabkosten an und richten sich an AI/ML-, Rendering-, VDI- und HPC-Workloads. Vultr ist ein NVIDIA Preferred Cloud Partner und Mitglied der AMD Cloud Alliance.
GPU-Hardware
| GPU-Modelle | A16 A40 L40S A100 PCIe GH200 A100 SXM H100 SXM B200 B300 MI300X MI325X MI355X |
| Max VRAM | 288 GB |
| Max GPUs pro Instanz | 16 |
| Interconnect | NVLink |
| Multi-Node Training | Ja |
Preise
| Startpreis | $0.47/hr |
| Abrechnungsgranularität | Pro Stunde |
| Spot/Preemptible | Ja |
| Reservierte Rabatte | N/A |
| Kostenlose Credits | Bis zu 300 $ kostenloses Guthaben für 30 Tage |
| Egress-Gebühren | Standard (variiert je nach Plan) |
| Speicher | 350 GB - 61 TB NVMe (inklusive), Blockspeicher zu 0,10 $/GB/Monat, S3-kompatibler Objektspeicher |
GPU-Instanzpreise (On-Demand, USD/GPU/Stunde)
| GPU-Modell | GPUs | VRAM | vCPUs | RAM | Speicher | $/GPU/Stunde |
|---|---|---|---|---|---|---|
| NVIDIA A16 | 1-16 | 16 GB | 6-96 | 64-960 GB | 350 GB - 1,7 TB | $0,471 |
| NVIDIA A40 | 1 oder 4 | 48 GB | 24-96 | 120-480 GB | 1,4 TB | $1,712 |
| NVIDIA L40S | 1-8 | 48 GB | 16-128 | 180 GB - 1,5 TB | 1,2-3,4 TB | $1,671 |
| NVIDIA A100 PCIe | 1-8 | 80 GB | 12-96 | 120-960 GB | 1,4-2,2 TB | $2,397 |
| NVIDIA GH200 | 1 | 96 GB | 72 | 480 GB | 4,8 TB | $1,990 |
| NVIDIA HGX A100 | 8 | 640 GB | 112 | 2 TB | 32,6 TB | $2,800 |
| NVIDIA HGX H100 | 8 | 640 GB | 216 | 1,9 TB | 13 TB | $2,990 |
| NVIDIA HGX B200 | 8 | 640 GB | 216 | 1,9 TB | 13 TB | $2,990 |
| AMD MI300X | 8 | 1.536 GB | 248 | 2,1 TB | 13 TB | $1,850 |
| AMD MI325X | 8 | 2.048 GB | 248 | 2,8 TB | 13 TB | $2,000 |
| AMD MI355X | 8 | 2.304 GB | 252 | 2,8 TB | 14,3 TB | $2,590 |
Reservierte Preise (Vorauszahlungsbedingungen)
| GPU-Modell | Laufzeit | $/GPU/Stunde |
|---|---|---|
| L40S | 36 Monate | $0,848 |
| A100 PCIe | 36 Monate | $1,290 |
| HGX A100 | 36 Monate | $1,490 |
| MI300X | 24 Monate | $1,850 |
| HGX H100 | 36 Monate | $2,300 |
| MI355X | 48 Monate | $2,290 |
Stundenabrechnung ohne Mindestverpflichtung. AMD MI355X, MI325X und MI300X auch als vorübergehende (Spot-)Instanzen verfügbar. 100 % Betriebszeit-SLA. Kostenloser Eingang und 2 TB monatlicher kostenloser Ausgang. Serverloses Inferenz auch verfügbar für $0,55/M Eingabetoken.
Infrastruktur
| Regionen | 32 Regionen auf 6 Kontinenten (Amerika, Europa, Asien, Australien, Afrika) |
| Uptime SLA | 100 % |
| Serverless / Autoscaling | Ja |
| Private Vernetzung / VPC | Ja |
Entwicklererfahrung
| Vorinstallierte Frameworks | PyTorch TensorFlow CUDA cuDNN ROCm Hugging Face NVIDIA NGC |
| Docker-Support | Ja |
| SSH-Zugang | Ja |
| Jupyter Notebooks | Ja |
| API / CLI | Ja |
| Einrichtungszeit | Minuten |
| Kubernetes-Support | Ja |
| Custom Images / Templates | Ja |
| Persistenter Speicher | Ja |
Geschäftsbedingungen
| Minimale Verpflichtung | Keine |
| Compliance | SOC 2+ (HIPAA) PCI ISO 27001 ISO 27017 ISO 27018 ISO 20000-1 CSA STAR Level 1 |
| Am besten geeignet für | KI-Training Inferenz Videorendering HPC Stable Diffusion Spieleentwicklung generative KI Feinabstimmung Forschung |
| Support-Kanäle | Support-Tickets E-Mail Community-Forum 24/7 technischer Support |
| Zahlungsmethoden | Kredit-/Debitkarten PayPal Kryptowährung (BitPay) Alipay UnionPay ACH Überweisung |
Wie schneidet es ab?
Vergleichen Sie Vultr mit anderen Cloud-GPU-Anbietern.
Häufig Gestellte Fragen
Welche Art von Nutzern spricht Vultr an?
Für wen ist Vultr am besten geeignet? KI-Training, Inferenz, Videorendering, HPC, Stable Diffusion, Spieleentwicklung, generative KI, Feinabstimmung, Forschung
Vultr wird als Multi-Cloud Cloud-GPU-Anbieter kategorisiert. Die Plattform bietet GPU-Modelle einschließlich A16, A40, L40S, A100 PCIe, GH200, A100 SXM, H100 SXM, B200, B300, MI300X, MI325X, MI355X mit Einstiegspreisen ab $0.47/hr.
Egal, ob Sie ein Sprachmodell feinabstimmen, Inferenz im großen Maßstab durchführen oder Computer-Vision-Modelle trainieren – die richtige Wahl hängt von Ihren spezifischen Anforderungen an GPU-Typ, VRAM, Interconnect und Budget ab.
Probieren Sie Vultr mit einer kostenlosen Testversion aus – melden Sie sich an auf deren offizieller Webseite.
Ist Vultr auf Trustpilot gut bewertet?
Die aktuelle Trustpilot-Bewertung für Vultr beträgt 1.7 von 5,0, basierend auf 561 Gesamtbewertungen zum Stand July 12, 2026. Vultr wurde gegründet im Jahr 2014.
Sie können alle Nutzerbewertungen direkt auf der Trustpilot-Seite für Vultr lesen. Trustpilot-Bewertungen spiegeln reale Nutzererfahrungen mit der GPU-Bereitstellungsgeschwindigkeit, Preisgenauigkeit, Reaktionsfähigkeit des Supports und der allgemeinen Zuverlässigkeit der Plattform wider.
Sehen Sie, wie sich Vultr im Vergleich zu Alternativen schlägt, und erkunden Sie deren aktuelle Angebote auf der offiziellen Webseite von Vultr.
Bietet Vultr persistenten Speicher für ML-Datensätze und Modelle?
Vorinstallierte Frameworks bei Vultr: PyTorch, TensorFlow, CUDA, cuDNN, ROCm, Hugging Face, NVIDIA NGC
Benutzerdefinierte Images: Ja — bringen Sie Ihren eigenen Docker-Container mit jedem Framework, jeder Bibliothek oder CUDA-Version, die Sie benötigen.
Jupyter: Ja — interaktive Entwicklungsumgebung für Experimente.
Persistenter Speicher: Ja — bewahren Sie Datensätze und Checkpoints über Sitzungen hinweg auf.
Diese Kombination ermöglicht es Ihnen, mit jedem ML-Stack zu arbeiten, von Standard-PyTorch-/TensorFlow-Workflows bis hin zu spezialisierten Inferenz-Frameworks, mit der Flexibilität, Ihre Umgebung anzupassen.
Für Anleitungen zur Einrichtung der Umgebung und CUDA-Kompatibilität besuchen Sie Vultr offizielle Webseite.
Verfügt Vultr über eine API oder CLI zur Verwaltung von GPU-Instanzen?
Hier ist die Entwicklererfahrung bei Vultr:
Einrichtungszeit: Minuten — so schnell können Sie eine GPU-Instanz bereitstellen und darauf zugreifen, nachdem Sie die Anfrage gestartet haben.
Verfügbare Werkzeuge:
- Docker-Container: Ja
- Direkter SSH-Zugang: Ja
- Jupyter-Notebooks: Ja
- Programmatische API/CLI: Ja
- Eigene Docker-Images: Ja
Diese Kombination von Werkzeugen macht Vultr sowohl für explorative Forschung (Jupyter) als auch für produktive MLOps-Pipelines (API + Docker + SSH) geeignet.
Siehe die vollständige Einrichtungsdokumentation und API-Referenz auf der Vultr offiziellen Webseite.
Ist GPU-Inferenz nach Verbrauch bei Vultr verfügbar?
Bietet Vultr serverlos an? Ja
Serverloses GPU beseitigt die Notwendigkeit, Infrastruktur für Inferenz-Workloads zu verwalten. Anstatt dedizierte Instanzen bereitzustellen, verarbeitet Ihr Modellendpunkt automatisch eingehende Anfragen und berechnet nur die aktive Rechenzeit. Dieser Ansatz ist ideal für APIs, die ML-Vorhersagen bereitstellen, Chatbot-Backends und Bildgenerierungsendpunkte.
Basis-GPU-Preise: $0.47/hr.
Probieren Sie die serverlose Inferenz-API auf Vultr offizieller Webseite aus.
Wo hat Vultr seinen Hauptsitz und wo befinden sich seine GPU-Server?
Infrastrukturübersicht für Vultr:
- Hauptsitz: United States
- GPU-Regionen: 32 Regionen auf 6 Kontinenten (Amerika, Europa, Asien, Australien, Afrika)
- Verfügbarkeits-SLA: 100 %
- Privates Netzwerk: Ja
Die Verfügbarkeit in mehreren Regionen ermöglicht es Ihnen, Modelle näher an den Endbenutzern bereitzustellen und so die Inferenzlatenz zu reduzieren. Außerdem bietet sie Redundanzoptionen für kritische Workloads.
Die vollständige Liste der Rechenzentrumsregionen finden Sie auf der offiziellen Website von Vultr .
Wie handhabt Vultr die GPU-zu-GPU-Kommunikation für verteilte Workloads?
Unterstützung für verteiltes Training bei Vultr:
NVLink Verbindung mit bis zu 16 GPUs pro Instanz. Multi-Node-Training: Ja.
Zum Kontext: Das Training eines 70B-Parameter-Modells erfordert typischerweise 8+ GPUs mit Hochbandbreitenverbindung. Die verfügbaren GPU-Modelle bei Vultr umfassen:
A16, A40, L40S, A100 PCIe, GH200, A100 SXM, H100 SXM, B200, B300, MI300X, MI325X, MI355X
Besuchen Sie die , um Multi-GPU-Instanzkonfigurationen und Preise einzusehen.
Sehen Sie, wie Vultr die Infrastruktur für verteiltes Training auf ihrer offiziellen Webseite handhabt.
Unterstützt Vultr Spot-Preise für KI-Trainingsaufträge?
Vultr Verfügbarkeit von Spot-Instanzen: Ja
Für Arbeitslasten, die gelegentliche Unterbrechungen verkraften können – wie groß angelegtes Modelltraining mit regelmäßigen Checkpoints oder Batch-Verarbeitungsaufgaben – bieten Spot-Instanzen erhebliche Kosteneinsparungen im Vergleich zu On-Demand-Preisen. Reguläre On-Demand-Instanzen bei Vultr beginnen bei $0.47/hr.
Sehen Sie Live-Spot-Preise und Unterbrechungsraten auf der offiziellen Webseite von Vultr .
Was sollte ich über Ausgehgebühren bei Vultr wissen, bevor ich mich anmelde?
Bei der Bewertung von Vultr ist es wichtig, deren Datenübertragungsrichtlinie zu verstehen: Standard (variiert je nach Plan)
Ausgangsgebühren werden beim Cloud-GPU-Budget oft übersehen. Ein Anbieter mit null Ausgangsgebühren ermöglicht es Ihnen, Modellausgaben frei herunterzuladen, Datensätze zu verschieben und Inferenz-Ergebnisse bereitzustellen, ohne unerwartete Bandbreitenkosten.
Vultr Speicheroptionen: 350 GB - 61 TB NVMe (inklusive), Blockspeicher zu 0,10 $/GB/Monat, S3-kompatibler Objektspeicher
Sehen Sie, wie sich die Datenübertragungskosten mit dem Volumen skalieren, auf der offiziellen Website von Vultr .
Wie viel kostenloses Guthaben gibt Vultr neuen Nutzern?
Dies bietet Vultr derzeit neuen Nutzern, die die Plattform evaluieren möchten:
Bis zu 300 $ kostenloses Guthaben für 30 Tage
Da die günstigste GPU-Option bei Vultr $0.47/hr kostet, bieten kostenlose Guthaben eine praktische Möglichkeit, echte Workloads auszuführen und Vultr mit anderen Cloud-GPU-Anbietern zu vergleichen, bevor Sie sich finanziell binden.
Für aktuelle Guthabenangebote und Berechtigungen besuchen Sie die offizielle Website von Vultr .
Welche GPUs unterstützt Vultr für KI- und Machine-Learning-Workloads?
Die GPU-Flotte bei Vultr umfasst sowohl Rechenzentrum- als auch Workstation-Klasse-Beschleuniger:
A16, A40, L40S, A100 PCIe, GH200, A100 SXM, H100 SXM, B200, B300, MI300X, MI325X, MI355X
Maximaler VRAM pro GPU: 288 GB
Maximale GPUs pro Instanz: 16
Interconnect: NVLink
Diese Hardware-Auswahl deckt Anwendungsfälle von kostengünstiger Inferenz auf Consumer-GPUs bis hin zu groß angelegtem verteiltem Training auf Unternehmensbeschleunigern ab.
Für detaillierte GPU-Spezifikationen, VRAM-Konfigurationen und Multi-GPU-Optionen besuchen Sie die offizielle Webseite von Vultr .
Wie hoch sind die GPU-Mietpreise bei Vultr?
GPU-Computing bei Vultr wird auf Pro Stunde-Basis abgerechnet, mit Preisen ab $0.47/hr für die günstigste GPU-Option. Diese Abrechnungsgranularität ist besonders nützlich für kurze Trainingsläufe, Experimente und Inferenzaufgaben, bei denen Sie die GPU nur für wenige Minuten benötigen.
Bietet Vultr Spot-Instanzen an? Ja
Sind Rabatte für reservierte Instanzen verfügbar?
Zahlungsmethoden: Kredit-/Debitkarten, PayPal, Kryptowährung (BitPay), Alipay, UnionPay, ACH, Überweisung.
Sehen Sie den vollständigen GPU-Preisrechner auf der Vultr offiziellen Webseite ein.
Nutzerfeedback
Für diesen Anbieter liegen noch keine öffentlichen Nutzerbewertungen vor. Wenn Sie deren Dienste genutzt haben, seien Sie der Erste, der eine kurze, ehrliche Bewertung hinterlässt und anderen Entwicklern hilft.
Teilen Sie Ihre Erfahrung
Kurzes, ehrliches Feedback hilft anderen Entwicklern zu verstehen, wie es wirklich ist, diesen Anbieter zu nutzen.