Images OCI portables
Épinglez toute référence d'image compatible de registre public ou privé et sa commande de démarrage.
Modèles de déploiement
Configurez une fois. Déployez de la même manière à chaque fois.
Un modèle est une définition de charge de travail privée et réutilisable : image Docker, commande de démarrage, disque conteneur, volume local, chemin de montage, ports exposés et variables d'environnement non secrètes.
Référence transparente
Aucun frais supplémentaire
les enregistrements de modèle sont limités à l'espace de travail
Pod
Mode GPU et cluster
Serverless
Mode worker
3
NVIDIA · AMD · CPU
Régions UE, stockage chiffré et options d'isolation réseau
Pourquoi GPURento
Moins de travail d'infrastructure. Plus de progrès de modèle.
Configuration du runtime
Enregistrez les tailles de disque, le chemin de montage, les ports HTTP/TCP et les paramètres d'environnement non sensibles.
Déploiements reproductibles
Réutilisez un modèle Pod lors de la création de clusters afin que chaque nœud démarre à partir de la même image.
Du code à la capacité
Un chemin clair vers la production.
1
Choisissez le type de charge de travail
Créez un modèle de Pod / Cluster GPU ou un modèle de travailleur Serverless.
2
Enregistrer le runtime
Entrez l'image, la commande, les disques, les ports et les variables d'environnement non secrètes.
3
Réutiliser et mettre à jour
Sélectionnez le modèle lors de la création du cluster, modifiez-le plus tard ou supprimez-le sans retirer les ressources existantes.
deploy.py
await fetch("/api/templates", {
method: "POST",
headers: { "content-type": "application/json" },
body: JSON.stringify({
name: "pytorch-workspace",
workloadType: "pod",
category: "NVIDIA",
image: "pytorch/pytorch:2.6.0-cuda12.6-cudnn9-runtime",
startCommand: "sleep infinity",
containerDiskGb: 50,
volumeGb: 100,
volumeMountPath: "/workspace",
ports: "8888/http\n22/tcp",
environmentVariables: "NCCL_DEBUG=INFO"
})
})✓ Configuration enregistrée dans l'espace de travail · état de provisionnement visible
Inclus
Une plateforme sérieuse, pas une simple surcouche.
Chaque charge de travail obtient la même couche d'API, d'identité, de facturation et d'observabilité.
Propriété privée de l'espace de travail
Types Pod et Serverless
Catégories NVIDIA, AMD et CPU
Docker image and start command
Disques de conteneur et de volume local
Chemin de montage Linux
Ports HTTP et TCP
Variables d'environnement non secrètes
Les utilisateurs peuvent-ils créer des modèles sans contacter les ventes ?+
Configurez les ressources directement dans le tableau de bord. L’utilisation prépayée consomme le crédit du portefeuille ; les locations mensuelles disposent d’un paiement séparé.
Les modèles allouent-ils un GPU ?+
Non. Un modèle stocke une configuration réutilisable. Le calcul n'est alloué que lorsqu'une ressource est créée à partir de celui-ci.
Les clés API doivent-elles être stockées dans un modèle ?+
Non. Le champ d'environnement est réservé aux valeurs non sensibles. Les mots de passe, clés privées et jetons API nécessitent un stockage de secrets dédié.
Un modèle peut-il être utilisé par un cluster ?+
Oui. Les modèles de pod apparaissent dans le formulaire de création de cluster et fournissent l'image utilisée par chaque nœud.
Prêt quand vous l'êtes