Lej en NVIDIA RTX 3080 GPU pr. time
NVIDIA RTX 3080 er en forbruger-GPU med Ampere-arkitektur og 10 GB VRAM. Den leverer ca. 29,5 TFLOPS standard flydende-komma-regnekraft og en hukommelsesbåndbredde på ca. 656 GB/s. På ONIE kan du køre denne GPU med timebaseret fakturering, SSH-adgang og klar-til-brug-skabeloner.
Specifikationer
VRAM pr. GPU
Arkitektur
Compute capability
FP32-beregning
Hukommelsesbåndbredde
Effektgrænse
Værdier oplyst af infrastrukturudbyderen for de maskiner, der aktuelt er listet; den reelle ydeevne varierer fra maskine til maskine.
Tilgængelige konfigurationer
Lagerstatus og priser opdateres løbende. Den endelige pris bekræftes, før du bestiller.
Indlæser aktuelle priser…
Hvad RTX 3080 er god til
Kompakt LLM-inferens
Kør kvantiserede sprogmodeller, der passer inden for 10 GB VRAM, ved hjælp af forkonfigurerede Ollama- eller vLLM-skabeloner.
Billedgenereringsworkflows
Kør diffusionspipelines i ComfyUI med udnyttelse af ca. 656 GB/s hukommelsesbåndbredde for stabil billedoutput.
PyTorch-modelprototyping
Udvikl og test deep learning-kode på et Ampere-kort med compute capability 8.6, før du skalerer op.
CUDA-beregningsopgaver
Accelerer egne workloads, der udnytter ca. 29,5 TFLOPS standard flydende-komma-ydelse.
Er det den rigtige GPU til dig?
Vælg RTX 3080 til prototyping, billedgenerering og inferens i mindre skala, hvor 10 GB VRAM og stærk Ampere-regnekraft er tilstrækkeligt. Vælg en GPU med mere hukommelse, hvis dine modeller eller batchstørrelser overstiger 10 GB, eller vælg et kort i en lavere specifikationsklasse til lette scripts, der ikke kræver ca. 29,5 TFLOPS.
Sammenlign med lignende GPU'er
Ofte stillede spørgsmål
Er RTX 3080 egnet til LLM-inferens og billedgenerering?
Ja, dens 10 GB VRAM og ca. 656 GB/s hukommelsesbåndbredde håndterer standard billedgenerering i ComfyUI og kvantiserede sprogmodeller via Ollama eller vLLM. Større ukvantiserede modeller kræver en GPU med højere hukommelseskapacitet.
Hvilke softwareskabeloner er tilgængelige til RTX 3080 på ONIE?
Du kan starte instanser med klar-til-brug-skabeloner til PyTorch/CUDA, vLLM, Ollama og ComfyUI. Kortet understøtter compute capability 8.6 for bred kompatibilitet med moderne machine learning-frameworks.
Hvornår bør jeg opgradere fra RTX 3080 til en større GPU?
RTX 3080 giver stærk regnekraft i forbrugerklassen på ca. 29,5 TFLOPS inden for en effektramme på 380 W, men er begrænset til 10 GB VRAM. Hvis dine træningsbatches eller modelvægte giver out-of-memory-fejl, er en workstation- eller datacenter-GPU med en større hukommelsesbuffer det rette valg.
Hvordan fungerer fakturering og adgang på ONIE?
Instanser faktureres pr. time, mens de er aktive. Du får fuld SSH-adgang til at administrere dit miljø sammen med eventuelle webgrænseflader, som din valgte skabelon stiller til rådighed.
Lej RTX 3080 per time
Opret en konto, vælg en konfiguration og forbind via SSH. Faktureringen stopper, når du sletter GPU'en.
Lej RTX 3080