AI A100
İnce ayar ve çıkarım
$1,199.00/ay aylık faturalandırılır — istediğiniz zaman iptal edin
- NVIDIA A100
- 80 GB HBM VRAM
- 16 vCPU çekirdeği
- 120 GB RAM
- 1 TB NVMe Gen4
- Önceden kurulu CUDA + cuDNN
- PyTorch ve TensorFlow hazır
- Tam GPU izolasyonu
NVIDIA GPU — CUDA hazır
Yapay zeka iş yükleri için inşa edilmiş altyapı
CUDA hazır, PyTorch ve TensorFlow önceden kurulu, GPU'lar arası NVLink ile NVIDIA A100 ve H100 — modellerinizi günler değil dakikalar içinde eğitmeye başlayın. GPU'nuz, tamamen izole.
İlk açılışta CUDA hazır
1.979 H100 başına TFLOPS FP16
0 GB GPU başına HBM VRAM
0 GB/s NVLink GPU bağlantısı
7/24 AI konusunda uzman destek
İş yükünüz için doğru GPU gücünü seçin
Hafif çıkarımdan büyük ölçekli LLM eğitimine — ayrılmış GPU'lar, asla paylaşılmaz, asla zaman dilimlenmez.
AI H100
Ciddi model eğitimi
$2,499.00/ay aylık faturalandırılır — istediğiniz zaman iptal edin
- NVIDIA H100 SXM
- 80 GB HBM VRAM
- 26 vCPU çekirdeği
- 200 GB RAM
- 2 TB NVMe Gen4
- NVLink bağlantısı
- AI A100'deki her şey
- HBM3 — 3,35 TB/s bant genişliği
- Ölçeklendirme için NVLink hazır
AI Kümesi
Çoklu GPU NVLink dokusu
Talep üzerine fiyat Mühendislerimizle boyutlandırılan özel kümeler
- 4× NVIDIA H100 SXM
- 320 GB HBM VRAM
- 96 vCPU çekirdeği
- 768 GB RAM
- 8 TB NVMe Gen4
- NVLink bağlantısı
- NVLink 600 GB/s üzerinden 4× H100
- Dağıtık eğitim için ayarlanmış
- Özel çözüm mühendisi
Her AI Sunucusuna dahil
- Önceden kurulu CUDA Toolkit + cuDNN
- PyTorch + TensorFlow hazır
- Tam GPU izolasyonu
- Veri setleri için yüksek hızlı NVMe
- Tam root erişimi
- Kontrol noktaları için anlık görüntüler
- DDoS korumalı uç noktalar
- 7/24 uzman desteği
Paket karşılaştırması
Her yerde aynı yazılım yığını — VRAM, TFLOPS ve bağlantıya göre seçin.
| Özellik | AI A100 | AI H100 | AI Kümesi |
|---|---|---|---|
| GPU | |||
| GPU modeli | A100 80GB | H100 80GB SXM | 4× H100 SXM |
| VRAM | 80 GB HBM2e | 80 GB HBM3 | 320 GB HBM3 |
| FP16 hesaplama | 312 TFLOPS | 1.979 TFLOPS | 7.916 TFLOPS |
| NVLink bağlantısı | ✓ | ✓ | |
| Hesaplama | |||
| vCPU çekirdeği | 16 | 26 | 96 |
| Sistem RAM'i | 120 GB | 200 GB | 768 GB |
| Depolama ve ağ | |||
| NVMe Gen4 depolama | 1 TB | 2 TB | 8 TB |
| Ağ | 10 Gbps | 10 Gbps | 25 Gbps |
| Yazılım | |||
| Önceden kurulu CUDA + cuDNN | ✓ | ✓ | ✓ |
| PyTorch ve TensorFlow hazır | ✓ | ✓ | ✓ |
| Docker + NVIDIA araç seti | ✓ | ✓ | ✓ |
| Yönetim | |||
| Tam root erişimi | ✓ | ✓ | ✓ |
| Anlık görüntüler | ✓ | ✓ | ✓ |
| Arapça ve İngilizce panel | ✓ | ✓ | ✓ |
| Özel mühendis | ✓ | ||
Donanım — NVIDIA A100 ve H100
Yapay zeka endüstrisinin standartlaştığı GPU'lar — size özel, asla bölünmez, asla zaman paylaşımlı değil.
- 80 GB HBM2e VRAM
- 312 TFLOPS (FP16)
- 2 TB/s bellek bant genişliği
İdeal: ince ayar, üretim çıkarımı, orta ölçekli eğitim
- 80 GB HBM3 VRAM
- 1.979 TFLOPS (FP16)
- 3,35 TB/s bellek bant genişliği
İdeal: büyük LLM eğitimi, çoklu GPU kümeleri, araştırma
Neler inşa edebilirsiniz?
GPU filomuzun her gün çalıştırdığı beş iş yükü — yığın zaten hazır.
Her ölçütte kıyaslama performansı
Eğitim sürenize karar veren rakamlar — vaat edilmez, sayılır.
0 TFLOPS FP16 — H100
0 GPU başına GB VRAM
3,35 TB/s Bellek bant genişliği — H100
0 GB/s NVLink bağlantısı
0 MB/s NVMe veri seti okuması
Yığınınız zaten kurulu
Sürücü aramak yok, CUDA sürüm cehennemi yok — açın, ortamı etkinleştirin, eğitime başlayın.
CUDA + cuDNN Her GPU çatısının temeli — sürücüyle sürüm eşleşmesi yapılmış. Önceden kurulu 
PyTorch Tam CUDA desteğiyle önceden kurulu — torch.cuda.is_available() zaten true. Önceden kurulu 
TensorFlow GPU desteği kutudan çıktığı gibi etkin, XLA hazır. Önceden kurulu 
Hugging Face Transformers + Diffusers — bir model çekin ve dakikalar içinde çalıştırın. Önceden kurulu 
JupyterLab Tarayıcıda, gerçek GPU'ya karşı araştırın ve deney yapın. Bir komut uzağınızda 
Docker + NVIDIA İzole, tekrarlanabilir eğitim ortamları için Container Toolkit. Bir komut uzağınızda GPU hızında depolama ve ağ
Aç kalan bir GPU boşa harcanan bir GPU'dur — veri yolu ayak uydurur.
Yüksek hızlı NVMe 7.000 MB/s Veri seti okumaları epoch sürenizi asla darboğaza sokmaz.
10Gbps+ ağ 10–25 Gbps Kontrol noktalarını ve veri setlerini saatler değil dakikalar içinde taşıyın.
NVLink bağlantısı 600 GB/s Çoklu GPU eğitimini ölçeklendiren GPU-GPU bant genişliği.
Modelleriniz sizin kalır
Eğitim verileri ve ağırlıklar iş sırlarıdır — platform onlara öyle davranır.
Avrupa bölgelerinde GPU kapasitesi
AI Sunucular Avrupa'daki veri merkezlerimizde devreye alınır. Aşağıdakiler bugün satışta.
Hostrena'da model gönderen ekipler
A100'de Llama 3 70B'yi 8 saatten kısa sürede ince ayar yaptık — NVLink kurulumu çoklu GPU eğitimini gerçekten kusursuz hale getirdi.
Dakikada 10 bin istekle üretim çıkarımı çalıştırıyoruz — gecikme zirvede bile 180ms'i asla aşmadı.
Büyük bir buluttan geçtik — aynı TFLOPS ile eğitim çalıştırmalarımızda aylık %35 tasarruf ettik.
Sıkça sorulan sorular
CUDA önceden kurulu mu?
Evet — CUDA Toolkit ve cuDNN önceden kurulu ve sürücüyle sürüm eşleşmesi yapılmış olarak gelir. PyTorch ve TensorFlow ilk açılışta GPU'yu görür.
A100 ile H100 arasındaki fark nedir?
H100 daha yeni nesildir: ~6 kat FP16 hesaplama gücü (1.979'a karşı 312 TFLOPS), daha hızlı HBM3 belleği (3,35'e karşı 2 TB/s) ve daha güçlü bir transformer motoru. A100, ince ayar ve çıkarım için mükemmel değerini korur.
GPU ile Docker kullanabilir miyim?
Evet — Docker artı NVIDIA Container Toolkit hazır, bu yüzden `--gpus all` tekrarlanabilir eğitim ortamları için hemen çalışır.
Büyük veri setlerini sunucuya nasıl aktarırım?
10–25 Gbps ağ üzerinden rsync/scp veya nesne depolama araçlarıyla. 1 TB'lık bir veri seti daha büyük paketlerde yarım saatten çok daha kısa sürede iner.
Birden fazla GPU bağlayabilir miyim?
Evet — AI Kümesi katmanı, dağıtık eğitim için ayarlanmış 600 GB/s'de NVLink üzerinden 4× H100 bağlar. Daha büyük dokular için satışla konuşun.
Jupyter kutudan çıktığı gibi hazır mı?
JupyterLab tek bir komutla kurulur ve panelin hızlı başlangıcında belgelenir — birçok ekip onu yerleşik güvenlik duvarı kurallarının arkasında çalıştırır.
GPU başına hangi VRAM mevcut?
Hem A100 (HBM2e) hem H100 (HBM3) üzerinde 80 GB HBM — nicemlemeyle 70B parametreli çıkarım veya model paralelliğiyle eğitim için yeterli.
GPU gerçekten ayrılmış mı?
Tamamen — MIG bölümü yok, zaman dilimleme yok, paylaşım yok. GPU, nvidia-smi'de tamamen sizin olarak görünür, çünkü öyledir.
Model kontrol noktalarını nasıl güvenle saklarım?
Sunucunun kontrol noktası kilometre taşlarında bir anlık görüntüsünü alın veya kontrol noktalarını kutu dışına nesne depolamaya senkronize edin — her iki yol da panelde belgelenmiştir.
Hangi bölgelerde GPU kapasitesi var?
Bugün Frankfurt (FRA-1) ve Helsinki (HEL-1) — ikisi de GDPR dostu AB bölgeleri. Yeni bölgeler veri merkezleri sayfasında duyurulur.
Çıkarım API'lerini herkese açık olarak çalıştırabilir miyim?
Evet — portlarınızı bulut güvenlik duvarı ve DDoS koruması arkasında açığa çıkarın. Birçok müşteri üretim trafiğini doğrudan AI Sunucusundan sunuyor.
Yıllık indirim var mı?
Evet — yıllık faturalama her GPU paketinde %15 tasarruf sağlar.
Kümeler için "talep üzerine fiyat" ne anlama gelir?
Çoklu GPU dokuları mühendislerimizle boyutlandırılır — GPU'lar, bağlantı, depolama ve ağ, tek bir özel paket olarak fiyatlandırılır.
Spot/kesintiye uğrayabilir fiyatlandırma destekliyor musunuz?
Henüz değil — tüm GPU sunucular ayrılmış ve kalıcıdır. Ani iş yükleri için, istediğiniz zaman iptal edilebilen aylık faturalama sizi esnek tutar.
Ne kadar hızlı başlayabilirim?
A100 ve H100 sunucular genellikle sipariş verildikten dakikalar içinde çevrimiçi olur; kümeler bir mühendisle 1–2 iş günü içinde hazırlanır.
Burada Llama veya Mistral gibi açık modellere ince ayar yapabilir miyim?
Gördüğümüz en yaygın iş yükü budur. Tek bir A100 80GB, LoRA veya QLoRA ile 7B–13B parametreli modellere rahatlıkla ince ayar yapar; daha büyük modellerin tam hassasiyette ayarı H100 veya NVLink'li çoklu GPU kurulumu ister. Veri setleri yerel NVMe geçici alanında hazırlanır, kontrol noktaları herhangi bir S3 uyumlu depolamaya gönderilir ve önceden kurulu PyTorch ortamı sizi ilk saat içinde tokenizerden eğitime götürür.
Modellerinizi bugün eğitmeye başlayın
CUDA hazır, PyTorch kurulu, tamamen sizin olan bir GPU. İlk epoch'a dakikalar — kurulum maratonu yok.
A100 aylık 1.199 dolardan başlar — yıllık faturalama %15 tasarruf sağlar.