Private Hochgeschwindigkeits-Fabric
H200-Knoten verwenden eine 3,2-Tb/s-Topologie; A100-Knoten verwenden eine 1,6-Tb/s-Topologie für verteilte Kollektive.
GPU-Cluster
Ein Cluster. 16–64 GPUs, die sich als eine bewegen.
Erstellen Sie 2–8 homogene Knoten direkt aus dem Dashboard, jeweils mit acht GPUs, einem privaten Hochgeschwindigkeits-Fabric, optionalem Netzwerkspeicher und einer wiederverwendbaren Pod-Vorlage.
Transparente Baseline
$1,79/GPU/Std.
A100 SXM-Cluster On-Demand
2–8
Self-Service-Knoten
16–64
GPUs pro Cluster
1,6–3,2 Tb/s
Private Fabric
EU-Regionen, verschlüsselter Speicher und Netzwerkisolationsoptionen
Warum GPURento
Weniger Infrastrukturarbeit. Mehr Modellfortschritt.
Wiederholbare Umgebungen
Starten Sie jeden Knoten aus derselben getesteten Pod-Vorlage und mounten Sie ein regionskompatibles Netzwerk-Volume.
Zwei Orchestratoren
Wählen Sie PyTorch Distributed oder verwaltetes Slurm beim Erstellen des Clusters.
Vom Code zur Kapazität
Ein sauberer Weg in die Produktion.
1
Topologie wählen
Wählen Sie Beschleuniger, Knotenanzahl, Region, Fabric und Kapazitätsmodell.
2
Umgebung anhängen
Wählen Sie PyTorch oder Slurm, eine Pod-Vorlage und optionalen gemeinsamen Speicher.
3
Ohne Vertriebsformular erstellen
Vorausbezahlte Ressourcen benötigen ein positives Wallet-Guthaben. Der Mindestbetrag von $50 gilt für Einzahlungen, nicht für Ihr Restguthaben.
deploy.py
await fetch("/api/clusters", {
method: "POST",
headers: { "content-type": "application/json" },
body: JSON.stringify({
name: "training-fabric",
gpuId: "h200-sxm",
region: "eu-west-par",
nodeCount: 2,
scheduler: "slurm",
image: "pytorch/pytorch:2.6.0-cuda12.6-cudnn9-runtime",
templateId: null,
storageVolumeId: null
})
})✓ Konfiguration im Arbeitsbereich gespeichert · Bereitstellungsstatus sichtbar
Enthalten
Eine ernsthafte Plattform, kein dünner Wrapper.
Jeder Workload erhält dieselbe API-, Identitäts-, Abrechnungs- und Beobachtbarkeitsebene.
2–8 homogene GPU-Knoten
Acht GPUs pro Knoten
H200- oder A100-Cluster-Preise
Privates Hochgeschwindigkeitsnetzwerk
Verwalteter Slurm-Scheduler
PyTorch-Distributed-Modus
Regionsbezogene Netzwerkvolumes
Wiederverwendbare Pod-Vorlagen
Wann sollte ich einen Cluster anstelle einer einzelnen Instanz verwenden?+
Verwenden Sie einen Cluster, wenn das Modell, der Datensatz oder das Zeit-bis-Ergebnis-Ziel mehrere Knoten und ein schnelles Interconnect erfordert. Kleinere Fine-Tuning-Jobs bleiben oft auf einem Multi-GPU-Knoten einfacher.
Ist Slurm ohne Kontakt zum Vertrieb verfügbar?+
Konfigurieren Sie Ressourcen direkt im Dashboard. Vorausbezahlte Nutzung verbraucht Wallet-Guthaben; monatliche Mieten haben einen separaten Bezahlvorgang.
Kann ich den Cluster selbst skalieren?+
Ja. Das Dashboard unterstützt die Skalierung zwischen 2 und 8 Knoten, während GPU-Typ, Region und Fabric erhalten bleiben.
Kann ein Cluster persistenten Speicher verwenden?+
Ja. Erstellen Sie zuerst ein Netzwerk-Volume und hängen Sie es dann während der Cluster-Erstellung an. Volume und Cluster müssen sich in derselben Region befinden.
Bereit, wenn Sie es sind