Hyr NVIDIA RTX 2070S GPU per timme
NVIDIA RTX 2070S är en GPU i konsumentsegmentet byggd på Turing-arkitekturen med 8 GB VRAM och compute capability 7.5. I ONIE-instanser levererar den cirka 8,8 TFLOPS standardprestanda för flyttal och cirka 366 GB/s minnesbandbredd inom en effektram på 210 W. Du kan köra den med timbaserad fakturering, full SSH-åtkomst och färdiga mallar, bland annat PyTorch/CUDA, vLLM, Ollama och ComfyUI.
Specifikationer
VRAM per GPU
Arkitektur
Compute capability
FP32-beräkning
Minnesbandbredd
Effektgräns
Värden angivna av infrastrukturleverantören för maskiner som för närvarande finns i sortimentet; faktisk prestanda varierar mellan maskiner.
Tillgängliga konfigurationer
Aktuellt lager och priser, uppdateras löpande. Slutpriset bekräftas innan du beställer.
Hämtar aktuella priser…
Vad RTX 2070S passar för
Kompakt LLM-inferens
Kör kvantiserade små språkmodeller med Ollama- eller vLLM-mallar inom 8 GB VRAM-kapacitet.
PyTorch-prototyping och felsökning
Utveckla och testa djupinlärningskod på en Turing-GPU med compute capability 7.5 innan du skalar upp till större hårdvara.
Lättviktig bildgenerering
Generera bilder med ComfyUI och standardpipelines för diffusion som ryms bekvämt inom 8 GB minne.
GPU-beräkningsarbetslaster
Kör egna CUDA-applikationer med cirka 8,8 TFLOPS beräkningskraft i enkel precision och cirka 366 GB/s minnesbandbredd.
Är det rätt GPU för dig?
Välj RTX 2070S för utveckling, felsökning och lättviktig inferens som ryms inom 8 GB VRAM. Gå över till en GPU med mer minne och högre compute capability för träning av stora modeller, eller välj ett kort i konsumentklassen med lägre effekt för enkel skripttestning.
Jämför med liknande GPU:er
Vanliga frågor
Är RTX 2070S lämplig för LLM-inferens eller finjustering?
Med 8 GB VRAM och cirka 366 GB/s minnesbandbredd klarar RTX 2070S inferens för små, kvantiserade språkmodeller via Ollama eller vLLM. Full finjustering eller körning av större modeller kräver en GPU med mer VRAM.
Kan jag använda den här GPU:n för bildgenerering med ComfyUI?
Ja, ONIE erbjuder en färdig ComfyUI-mall som körs på RTX 2070S. Dess 8 GB VRAM stöder standardarbetsflöden för diffusion, men tyngre pipelines med flera control nets gynnas av en GPU med mer minne.
Hur påverkar Turing-arkitekturen programvarukompatibiliteten?
RTX 2070S stöder CUDA compute capability 7.5, vilket är kompatibelt med standardmallar för PyTorch/CUDA. Arbetslaster som kräver nyare arkitekturfunktioner från senare generationer bör dock köras på en nyare GPU-arkitektur.
Hur ansluter jag och hur fungerar faktureringen på ONIE?
Instanser faktureras per timme för den tid din maskin är aktiv. Du kan ansluta direkt via SSH eller starta förkonfigurerade mallar för PyTorch/CUDA, vLLM, Ollama och ComfyUI.
Hyr RTX 2070S per timme
Skapa ett konto, välj en konfiguration och anslut via SSH. Faktureringen upphör när du tar bort GPU:n.
Hyr RTX 2070S