Läuft in ~30 s
Vorab zwischengespeichertes Image, Ports zugeordnet, TLS terminiert – der Stack läuft, bevor Sie diesen Satz zu Ende gelesen haben.
Template · Basis & Frameworks · CUDA 12.9
All-in-One-App-Studio auf einer Cloud-GPU starten, in 30 Sekunden
Ein Launcher, der die meistgenutzten KI-Anwendungen auf einem Desktop bündelt – auswählen und starten. Ein Desktop, viele Launcher: Das App Studio vereint die meistgenutzten KI-Apps der Community hinter einer einzigen Web-UI, sodass Sie ComfyUI, einen LLM-Chat, ein TTS-Tool oder einen Trainer starten können, ohne für jedes ein eigenes Image erstellen zu müssen. Ideal, um Tools auszuprobieren, bevor Sie sich auf einen Workflow festlegen. Ab $0,177/Std. auf einer unterbrechbaren RTX 4090.
Template ist kostenlos
Sie zahlen nur den GPU-Preis: All-in-One-App-Studio auf einer RTX 4090 kostet $0,354/Std. On-Demand, $0,177/Std. unterbrechbar, abgerechnet pro Sekunde.
Volumes für Zustandsdaten
Modelle, Datensätze und Ausgaben liegen auf einem Datenträger für $0,08/GB/Monat; die Instanz bleibt austauschbar.
Standardmäßig privat
Dedizierte GPU, verschlüsselter Datenträger, Kryptozahlungen, ohne KYC, keine gespeicherten IPs – Jupyter und SSH hinter Ihren eigenen Zugangsdaten.
Beste GPUs für All-in-One-App-Studio
Drei Preisstufen, mit denen dieses Template gut läuft – gut, besser, am besten. Jedes Modell im Katalog funktioniert; dies sind die besten Preis-Leistungs-Optionen.
| Stufe | GPU | VRAM | On-Demand | Unterbrechbar | Warum diese Karte | Aktion |
|---|---|---|---|---|---|---|
| Gut | RTX 4090 | 24 GB | $0,354 | $0,177 | Führt jede mitgelieferte App problemlos mit 24 GB aus. | Bereitstellen |
| Besser | RTX 5090 | 32 GB | $0,481 | $0,240 | 32 GB Spielraum für Video und größere LLMs innerhalb des Studios. | Bereitstellen |
| Am besten | RTX PRO 6000 WS | 96 GB | $0,981 | $0,490 | 96 GB – mehrere Apps gleichzeitig mit großen geladenen Modellen ausführen. | Bereitstellen |
Mehr VRAM benötigt? Der vollständige Katalog listet alle 83 Modelle mit Verfügbarkeit in Echtzeit auf; der VRAM-Leitfaden ordnet Modelle den passenden Karten zu.
All-in-One-App-Studio über Konsole, CLI oder API bereitstellen
Wählen Sie das Template in der Bereitstellungsleiste der Konsole, oder erledigen Sie es per Skript:
- Konsole – nach GPU filtern, All-in-One-App-Studio im Template-Auswahlmenü wählen, Datenträger und Umgebungsvariablen festlegen, bereitstellen.
- CLI – pip install lowcostgpu, dann der Befehl rechts. CLI-Referenz.
- API – POST /v1/instances mit "template": "all-in-one-app-studio". REST-Referenz.
- Eigenes Image – jede OCI-Referenz funktioniert ebenfalls; wir injizieren die NVIDIA-Runtime. Template-Dokumentation.
$ lowcostgpu launch --gpu rtx-4090 --template all-in-one-app-studio \
--disk 100 --volume models:/workspace/models
✓ instance i-7a41c0e2 running (27.9s)
# All-in-One-App-Studio · RTX 4090 · $0,354/hr · per second
# https://i-7a41c0e2.lowcostgpu.com:8888 (TLS)
$ lowcostgpu stop i-7a41c0e2 # billing ends this secondWas steckt im Template All-in-One-App-Studio
| Image | lowcostgpu/aio-studio |
|---|---|
| CUDA | CUDA 12.9 |
| Zugang | SSH-Shell · JupyterLab auf einem zugeordneten Port |
| Kategorie | Basis & Frameworks |
| Speicherplatz | NVMe-Instanzdatenträger (Größe bei Bereitstellung festgelegt) + optionale Netzwerk-Volumes |
| Abrechnung | Nur GPU-Preis, pro Sekunde – keine Template-Gebühr, keine Einrichtungsgebühr |
Weitere basis & frameworks Templates
NVIDIA CUDA auf einer Cloud-GPU — Das reine CUDA-Basis-Image – Treiber, Toolkit, SSH und Jupyter. Bauen Sie Ihren eigenen Stack darauf auf.
PyTorch auf einer Cloud-GPU — Der Standard für Training und Forschung: PyTorch 2.6, cuDNN, JupyterLab und SSH von Haus aus.
TensorFlow CUDA auf einer Cloud-GPU — TensorFlow mit GPU-Unterstützung, Keras und TensorBoard auf einem zugeordneten Port.- PyTorch NGC auf einer Cloud-GPU — NGC-optimierter PyTorch-Build von NVIDIA – abgestimmte Kernel für die Datacenter-Karten.
- NVIDIA RAPIDS auf einer Cloud-GPU — GPU-beschleunigte Data Science – cuDF, cuML, cuGraph in einem Notebook.
- Alle 37 Templates
All-in-One-App-Studio auf einer Cloud-GPU: FAQ
Umgebungsvariablen, Ports und benutzerdefinierte Images werden in der Template-Dokumentation behandelt.
Wie viel kostet es, All-in-One-App-Studio auf einer Cloud-GPU auszuführen?
Nur der GPU-Preis – das Template ist kostenlos. Ab $0,177/Std. auf einer unterbrechbaren RTX 4090, $0,354/Std. On-Demand auf einer RTX 4090. Es wird pro Sekunde abgerechnet, eine Stunde Herumprobieren kostet also eine Stunde, nicht einen Tag. Datenträger kosten $0,08/GB/Monat.
Wie lange dauert der Start von All-in-One-App-Studio?
Etwa 30 Sekunden nach dem Klick auf „Bereitstellen“: Das Image ist auf den Hosts vorab zwischengespeichert, Ports sind zugeordnet und TLS wird für Sie terminiert. Der Neustart einer gestoppten Instanz ist schneller, und Ihr Datenträger ist genauso, wie Sie ihn verlassen haben.
Kann ich meine Modelle und Ausgaben zwischen Sessions behalten?
Ja – fügen Sie bei der Bereitstellung einen Datenträger hinzu. Alles auf dem Datenträger übersteht das Löschen der Instanz und wird in Sekunden auf der nächsten Instanz in der Region eingebunden, für $0,08/GB/Monat. Der Instanzdatenträger selbst übersteht Stopp/Start, aber nicht das Löschen.
Kann ich installierte Apps zwischen Sessions behalten?
Binden Sie einen Datenträger am Datenpfad des Studios ein: Apps, Modelle und Ausgaben bleiben erhalten, und die nächste Instanz startet mit allem an Ort und Stelle.