Runpod GPU 实例预装了哪些软件？
答案
Runpod 预装的框架：PyTorch, TensorFlow, JAX, ONNX, CUDA
自定义镜像：是 — 携带您所需的任何框架、库或 CUDA 版本的 Docker 容器。
Jupyter：是 — 用于实验的交互式开发环境。
持久存储：是 — 跨会话保存数据集和检查点。
此组合让您能够使用任何机器学习栈，从标准的 PyTorch/TensorFlow 工作流到专用推理框架，并具备自定义环境的灵活性。
有关环境设置指南和 CUDA 兼容性，请访问 Runpod 官方网站。
更多关于 Runpod 的常见问题
包含 Runpod 的指南
- 具备无服务器GPU推理的云GPU提供商
- 具有持久存储的云GPU提供商
- 提供 SSH 访问的云 GPU 服务商
- 提供API和CLI管理的云GPU服务商
- 提供免费额度的云GPU服务商
- 提供抢占式/可中断实例的云GPU供应商
- 提供按秒计费的云GPU服务商
- 支持 Docker 和自定义镜像的云 GPU 提供商
- 支持 Jupyter Notebook 的云 GPU 提供商
- 支持 Kubernetes 的云 GPU 提供商
- 支持 NVLink 或 InfiniBand 的云 GPU 提供商
- 支持多节点GPU集群的云GPU提供商
- 每小时不到1美元的最便宜云GPU
- 用于视频渲染和视觉特效的最佳云GPU
- 配备 NVIDIA B200 的最佳云GPU提供商
- 零出站费用的云GPU提供商
这些指南将 Runpod 与其他云GPU提供商一起列出，按GPU特性、框架、可用性和开发者需求分组。
Runpod GPU提供商评测及关键事实（八月 2026）
Runpod概览：最大资金、利润分成、回撤规则、杠杆、工具、支付计划、支付方式、交易权限及KYC。数据验证于八月 2026。
|
Runpod
为人工智能打造的云平台 — 从无服务器推理到按需即时多节点集群，部署和扩展GPU工作负载。
|
|
|---|---|
| 概览 | |
| Trustpilot 评分 | 3.8 |
| 总部 | United States |
| 供应商类型 | 以GPU为中心 |
| 适用场景 | AI训练、推理、微调、Stable Diffusion、批处理、渲染、研究、大型语言模型服务、生成式AI |
| GPU硬件 | |
| GPU 型号 | B300 B200 H200 H100 SXM H100 PCIe H100 NVL MI300X A100 SXM A100 PCIe RTX 5090 RTX PRO 6000 L40S L40 RTX 6000 Ada RTX 5000 Ada RTX A6000 RTX A5000 RTX 4090 RTX 4080 SUPER RTX 4080 RTX 4070 Ti RTX 3090 Ti RTX 3090 RTX 3080 Ti RTX 3080 RTX 3070 A40 A30 A2 L4 |
| 最大显存 (GB) | 288 |
| 每实例最大 GPU 数 | 8 |
| 互联 | NVLink |
| 定价 | |
| 起始价格 ($/小时) | $0.06/hr |
| 计费粒度 | 每秒 |
| 竞价/可抢占 | 是 |
| 预留折扣 | 15-29%（1个月至1年计划） |
| 免费额度 | 首次消费满10美元后奖励5-500美元 |
| 出站费用 | 无（免费） |
| 存储 | 容器/卷（每GB每月0.10美元），空闲卷（每GB每月0.20美元），网络存储（每GB每月0.07美元 1TB） |
| 基础设施 | |
| 区域 | 31个全球区域 |
| 正常运行时间 SLA | 99.99% |
| 开发者体验 | |
| 框架 | PyTorch TensorFlow JAX ONNX CUDA |
| Docker 支持 | 是 |
| SSH 访问 | 是 |
| Jupyter 笔记本 | 是 |
| API / 命令行界面 | 是 |
| 设置时间 | 即时 |
| Kubernetes 支持 | 否 |
| 业务条款 | |
| 最小承诺 | 无 |
| 合规性 | SOC 2 类型 II |
Runpod