私有高速结构
H200节点使用3.2 Tb/s拓扑；A100节点使用1.6 Tb/s拓扑用于分布式集合通信。
为什么选择GPURento
更少的基础设施工作。更多的模型进展。
可重复环境
从相同的经过测试的Pod模板启动每个节点，并挂载一个区域兼容的网络卷。
两个编排器
创建集群时选择PyTorch Distributed或托管Slurm。
从代码到容量
通往生产的一条清晰路径。
1
选择拓扑
选择加速器、节点数、区域、结构和容量模型。
2
附加环境
选择PyTorch或Slurm、Pod模板和可选共享存储。
3
无需销售表格即可创建
预付费资源需要大于零的钱包余额。$50 最低金额适用于充值，不适用于您的剩余余额。
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
})
})✓ 配置已保存到工作区 · 供应状态可见
已包括
严肃的平台，不是薄包装。
每个工作负载获得相同的API、身份、计费和可观测性层。
2–8个同构GPU节点
每个节点八个GPU
H200或A100集群定价
私有高速网络
托管Slurm调度器
PyTorch Distributed 模式
区域限定的网络卷
可复用 Pod 模板
何时应使用集群而不是单个实例？+
当模型、数据集或达到结果的时间目标需要多个节点和快速互连时，使用集群。较小的微调作业通常在单个多 GPU 节点上更简单。
无需联系销售即可使用Slurm吗？+
直接在控制面板中配置资源。预付费使用从钱包余额中扣除；包月租赁使用独立的结账流程。
我可以自己扩展集群吗？+
是的。仪表板支持在2到8个节点之间扩展，同时保留GPU类型、区域和结构。
集群可以使用持久存储吗？+
是的。首先创建网络卷，然后在集群创建期间附加它。卷和集群必须位于同一区域。
随时准备就绪