ورود به حساب
GPU Cloud · NVIDIA · Hopper

اجاره GPU مدل NVIDIA H100 SXM به‌صورت ساعتی

کارت گرافیک NVIDIA H100 SXM یک GPU مرکز داده با معماری Hopper است که دارای 80 GB حافظه VRAM و توان مصرفی 700 W است. این مدل حدود 53.5 TFLOPS توان محاسباتی استاندارد با اعداد ممیز شناور و پهنای باند حافظه حدود 2869 GB/s ارائه می‌دهد و از CUDA compute capability 9.0 پشتیبانی می‌کند. این GPU را در ONIE با صورتحساب ساعتی، دسترسی کامل SSH و قالب‌های آماده برای PyTorch/CUDA، vLLM، Ollama و ComfyUI اجاره کنید.

اجاره H100 SXM

مشخصات فنی

VRAM برای هر GPU

80 GB

معماری

NVIDIA Hopper

قابلیت محاسباتی

9.0

محاسبات FP32

≈ 53.5 TFLOPS

پهنای باند حافظه

≈ 2,869 GB/s

محدودیت توان

700 W

مقادیر گزارششده توسط ارائهدهنده زیرساخت برای ماشینهای فعلاً فهرستشده؛ عملکرد واقعی بسته به ماشین متفاوت است.

پیکربندیهای موجود

موجودی و قیمتها بهصورت زنده و بهطور مداوم بهروزرسانی میشوند. قیمت نهایی قبل از ثبت سفارش شما تأیید میشود.

در حال بارگذاری قیمتهای زنده…

کاربردهای H100 SXM

استنتاج مدل‌های زبانی بزرگ

مدل‌های زبانی پرمصرف را با استفاده از ظرفیت 80 GB حافظه VRAM و پهنای باند حافظه حدود 2869 GB/s از طریق قالب‌های vLLM یا Ollama در محیط عملیاتی مستقر کنید.

تنظیم دقیق مدل‌های یادگیری عمیق

شبکه‌های عصبی را با استفاده از معماری Hopper و CUDA compute capability 9.0 در محیط‌های از پیش پیکربندی‌شده PyTorch/CUDA آموزش دهید و تنظیم دقیق کنید.

پردازش دسته‌ای با توان عملیاتی بالا

پردازش فشرده داده و بارهای کاری شبیه‌سازی را اجرا کنید که از حدود 53.5 TFLOPS توان محاسباتی در قالب مرکز داده 700 W بهره می‌برند.

گردش‌کارهای سنگین رسانه‌های مولد

خطوط پردازش پیچیده ComfyUI و مدل‌های انتشاری را با اندازه دسته‌های بزرگ اجرا کنید که به‌راحتی در حافظه 80 GB جا می‌شوند.

آیا این GPU برای شما مناسب است؟

H100 SXM را زمانی انتخاب کنید که بارهای کاری آموزش یا استنتاج شما به 80 GB حافظه پرپهنای باند مرکز داده و ویژگی‌های معماری Hopper نیاز دارند. برای توسعه سبک یا مدل‌های کوچک، یک ایستگاه کاری کوچک‌تر یا GPU مصرفی گزینه عملی‌تری است، در حالی که اگر یک نمونه منفرد نتواند کل مدل شما را در 80 GB حافظه VRAM جا دهد، GPU مرکز داده جدیدتر یا با ظرفیت بالاتر ترجیح داده می‌شود.

مقایسه با GPUهای مشابه

GPUVRAM برای هر GPUمعماریمحاسبات FP32از / ساعتجزئیات
H100 SXM80 GBHopper≈ 53.5 TFLOPS—
H100 NVL94 GBHopper≈ 48.3 TFLOPS—جزئیات
H100 PCIE80 GBHopper≈ 41 TFLOPS—جزئیات
RTX 6000D84 GBBlackwell≈ 77.6 TFLOPS—جزئیات

پرسشهای متداول

آیا H100 SXM برای تنظیم دقیق و استنتاج LLM مناسب است؟

بله، حافظه VRAM 80 GB و پهنای باند حدود 2869 GB/s آن را برای سرویس‌دهی و تنظیم دقیق مدل‌های زبانی بزرگ به‌خوبی مناسب می‌کند. می‌توانید بلافاصله در ONIE با استفاده از قالب‌های آماده vLLM، Ollama یا PyTorch/CUDA شروع کنید.

نسخه SXM در مقایسه با GPUهای مرکز داده یا ایستگاه کاری با توان مصرفی پایین‌تر چگونه است؟

H100 SXM با توان طراحی حرارتی 700 W کار می‌کند و این امکان را فراهم می‌کند که توان محاسباتی و پهنای باند حافظه بالاتری نسبت به نسخه‌های PCIe مرکز داده یا کارت‌های ایستگاه کاری حفظ کند. اگر بار کاری شما به حدود 53.5 TFLOPS توان محاسباتی یا 80 GB حافظه نرسد، یک GPU کوچک‌تر ممکن است کافی باشد.

قابلیت محاسباتی CUDA 9.0 چه سازگاری نرم‌افزاری ارائه می‌دهد؟

قابلیت محاسباتی 9.0 نشان‌دهنده پشتیبانی سخت‌افزاری از دستورالعمل‌ها و ویژگی‌های معماری NVIDIA Hopper است. قالب‌های PyTorch/CUDA از پیش پیکربندی‌شده ما آماده استفاده از این سخت‌افزار هستند، بدون نیاز به تنظیم دستی درایور.

صورتحساب و دسترسی به نمونه‌ها در ONIE چگونه کار می‌کند؟

نمونه‌ها بر اساس مدت زمان اجاره شما و به‌صورت ساعتی صورتحساب می‌شوند. پس از استقرار، می‌توانید از طریق دسترسی SSH مستقیماً به محیط خود متصل شوید یا با ابزارهای از پیش نصب‌شده مانند ComfyUI تعامل داشته باشید.

H100 SXM را بهصورت ساعتی اجاره کنید

یک حساب کاربری بسازید، پیکربندی را انتخاب کنید و از طریق SSH متصل شوید. با حذف GPU، صورتحساب متوقف میشود.

اجاره H100 SXM

همه GPUها →