Hyr NVIDIA RTX 3070 GPU per timme
NVIDIA RTX 3070 är ett GPU i konsumentsegmentet med Ampere-arkitektur, utrustat med 8 GB VRAM och en TDP på 220 W. På ONIE ger kortet cirka 19,8 TFLOPS enkelprecisionsberäkning och cirka 386 GB/s minnesbandbredd. Med compute capability 8.6 är det ett praktiskt alternativ för utveckling, prototyper och lätta inferensuppgifter.
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 3070 passar för
Lätt LLM-inferens
Kör kvantiserade små språkmodeller med färdiga Ollama- eller vLLM-mallar inom 8 GB VRAM.
Bildgenereringsflöden
Generera bilder i standardupplösning och testa nodflöden med den förkonfigurerade ComfyUI-mallen.
PyTorch-kodprototyper
Utveckla, felsök och verifiera maskininlärningsskript på Ampere-hårdvara med compute capability 8.6 innan du skalar upp.
Batchbearbetning av data
Använd cirka 19,8 TFLOPS enkelprecisionsprestanda och cirka 386 GB/s minnesbandbredd för GPU-accelererade datapipelines.
Är det rätt GPU för dig?
Välj RTX 3070 för kodtestning, lätt inferens och småskalig bildgenerering som ryms bekvämt inom 8 GB minne. Välj ett GPU med mer VRAM för finjustering eller stora modellvikter, eller ett inträdesnivåkort om din arbetsbelastning kräver minimal beräkningskraft.
Jämför med liknande GPU:er
Vanliga frågor
Är RTX 3070 lämplig för LLM-inferens och finjustering?
Med 8 GB VRAM kan RTX 3070 hantera inferens för små, kvantiserade språkmodeller med mallar som Ollama eller vLLM. För full finjustering eller för att köra större modeller bör du välja ett GPU med större minneskapacitet.
Hur ansluter jag till min RTX 3070-instans på ONIE?
Du kan ansluta direkt via SSH för kommandoradsarbetsflöden eller starta förkonfigurerade mallar, bland annat PyTorch/CUDA, ComfyUI, Ollama och vLLM. Faktureringen beräknas per timme så länge din instans är aktiv.
Vilka CUDA-funktioner stöder RTX 3070?
Som ett konsument-GPU av Ampere-generationen stöder RTX 3070 compute capability 8.6. Det gör att den kan köra moderna PyTorch/CUDA-arbetsbelastningar som ryms inom minnesgränsen på 8 GB.
Hur jämförs RTX 3070 med Ampere-GPU:er i högre klass?
RTX 3070 levererar cirka 19,8 TFLOPS enkelprecisionsberäkning och cirka 386 GB/s minnesbandbredd vid en TDP på 220 W. Om du går upp till högre klassade Ampere-konsument- eller arbetsstationsgPU:er får du större VRAM-kapacitet och högre minnesbandbredd för tyngre arbetsbelastningar.
Hyr RTX 3070 per timme
Skapa ett konto, välj en konfiguration och anslut via SSH. Faktureringen upphör när du tar bort GPU:n.
Hyr RTX 3070