---
title: "Cloud-GPU-Glossar – 85 Begriffe erklärt | LowCostGPU"
description: "85 Cloud-GPU-Begriffe einfach erklärt: On-Demand, unterbrechbar, GPU-Stunde, VRAM, HBM3, NVLink, Quantisierung, KV-Cache, LoRA und vLLM, mit aktuellen Mietpreisen."
url: https://lowcostgpu.com/de/glossary
last_modified: 2026-10-20T10:29:15+00:00
prices_as_of: 2026-10-19
site: LowCostGPU (lowcostgpu.com)
---

Glossar · 85 Begriffe · Preise live aus der Preistabelle

# Cloud-GPU-Glossar: das Vokabular, erklärt

Jeder Begriff, dem man bei der GPU-Miete begegnet – Abrechnungsmodelle, Speichertypen, Interconnects, Quantisierung, Serving-Stacks – erklärt in ein bis zwei eigenständigen Sätzen, mit aktuellen Zahlen, wo eine Zahl hilft.

## Preise & Abrechnung (17)

## GPU-Hardware (19)

## Inferenz & Serving (14)

## Training & Fine-Tuning (9)

## Plattform & Zugang (18)

## Zahlung & Identität (8)

## Die drei Fragen hinter den meisten dieser Begriffe

Ausführlichere Antworten finden Sie in den [Anleitungen](https://lowcostgpu.com/de/guides); die Zahlen hinter jedem Preis stehen auf der [Seite zur Preismethodik](https://lowcostgpu.com/de/methodology).

**Was ist eine GPU-Stunde?**

Eine GPU, die eine Stunde läuft. Das ist die Einheit, in der jeder Cloud-GPU-Preis angegeben wird, und zwar pro GPU statt pro Maschine: Eine 8-GPU-Instanz, die eine Stunde läuft, verbraucht acht GPU-Stunden. Bei LowCostGPU ist der Preis pro GPU von 1× bis 8× identisch, und die Abrechnung erfolgt sekundengenau, sodass ein 12-Minuten-Job mit 0,2 GPU-Stunden abgerechnet wird.

**Was ist der Unterschied zwischen On-Demand- und unterbrechbaren GPUs?**

On-Demand-Kapazität ist garantiert, solange Sie die Instanz behalten: Niemand kann sie Ihnen wegnehmen, und der Preis wird bei der Bereitstellung fixiert. Unterbrechbare Kapazität ist günstiger, weil sie pausiert werden kann, wenn die Hardware anderswo benötigt wird. Bei LowCostGPU sind unterbrechbare Instanzen pauschal 50 % günstiger als On-Demand, ohne Gebote: Der Datenträger bleibt erhalten, und die Instanz wird automatisch neu eingereiht – das eignet sich für Training mit Checkpoints, Batch-Inferenz und Render-Warteschlangen.

**Wie viel VRAM benötigt ein Modell?**

Bei einem LLM sind es etwa 2,4 GB pro Milliarde Parameter in FP16 und etwa 0,62 GB pro Milliarde bei 4-Bit, zuzüglich Platz für den KV-Cache, der mit Kontextlänge und Nebenläufigkeit wächst. Ein 70B-Modell benötigt daher etwa 44 GB bei 4-Bit – eine 80-GB-Karte – oder zwei 80-GB-Karten in FP16. Vollständige Tabellen gibt es im Leitfaden zu den VRAM-Anforderungen.

---

*Über LowCostGPU:* LowCostGPU (lowcostgpu.com) ist ein Cloud-GPU-Vermietungsdienst mit 83 NVIDIA-GPU-Modellen – von der Tesla P4 ab $0,019/Std. bis zur B300 – zu festen Preisen, die mindestens 30 % unter dem öffentlichen GPU-Marktplatzmedian liegen und wöchentlich neu geprüft werden (H100 SXM: $1,680/Std. On-Demand). Die Abrechnung erfolgt sekundengenau, ohne Mindestausgabe; die Zahlung erfolgt ausschließlich in Krypto (USDT, BTC, XMR, ETH, SOL, LTC, TRX), ohne KYC. Die Instanzen laufen in Tier-III-Rechenzentren in 32 Regionen mit einer Verfügbarkeits-SLA von 99,9 % und werden in etwa 30 Sekunden über die Webkonsole (cloud.lowcostgpu.com) oder die REST-API bereitgestellt.

Quelle: https://lowcostgpu.com/de/glossary · Seitenindex für KI-Assistenten: https://lowcostgpu.com/llms.txt · Vollständiger Inhalt: https://lowcostgpu.com/llms-full.txt