--- title: "Fooocus auf einer Cloud-GPU ab $0,029/Std. mieten | LowCostGPU" description: "Fooocus auf Cloud-GPU zum Festpreis: Ein-Klick-Template, läuft in ~30 s, schon ab $0,029/Std. auf RTX 3060, sekundengenaue Abrechnung." url: https://lowcostgpu.com/de/templates/fooocus last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Template · Bildgenerierung · CUDA 12.1 # Fooocus auf einer Cloud-GPU starten, in 30 Sekunden Prompt-and-go-Bildgenerierung – Einfachheit im Midjourney-Stil auf SDXL. Fooocus verpackt SDXL in einer Oberfläche im Midjourney-Stil: Prompt eingeben, großartige Bilder erhalten, keine zu lernenden Sampler-Einstellungen. Es ist das Template, das Sie nicht-technischen Teammitgliedern in die Hand geben – und dank sekundengenauer Abrechnung kostet ein Nachmittag Prompting weniger als ein Kaffee. Ab **$0,029** /Std. auf einer unterbrechbaren RTX 3060. Fooocus lowcostgpu/fooocus (CUDA 12.1) (SSH) (Jupyter) Gepinntes Image, bei Upstream-Releases neu gebaut. Umgebungsvariablen, Ports und Datenträger lassen sich bei der Bereitstellung überschreiben. ### Läuft in ~30 s Vorab zwischengespeichertes Image, Ports zugeordnet, TLS terminiert – der Stack läuft, bevor Sie diesen Satz zu Ende gelesen haben. ### Template ist kostenlos Sie zahlen nur den GPU-Preis: Fooocus auf einer RTX 3060 kostet $0,058/Std. On-Demand, $0,029/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 Fooocus 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 | | | --- | --- | --- | --- | --- | --- | --- | | (Gut) | [RTX 3060](https://lowcostgpu.com/de/gpu/rtx-3060) | 12 GB | $0,058 | $0,029 | Mit 12 GB läuft Fooocus im integrierten Low-VRAM-Modus. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-3060) | | (Besser) | [RTX 4070](https://lowcostgpu.com/de/gpu/rtx-4070) | 12 GB | $0,123 | $0,061 | 12 GB GDDR6X und Ada-Geschwindigkeit zu einem niedrigen Preis. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-4070) | | (Am besten) | [RTX 4090](https://lowcostgpu.com/de/gpu/rtx-4090) | 24 GB | $0,354 | $0,177 | 24 GB für schnelle Generierung mit großen Batches. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-4090) | Mehr VRAM benötigt? Der [vollständige Katalog](https://lowcostgpu.com/de/gpus) listet alle 83 Modelle mit Verfügbarkeit in Echtzeit auf; der [VRAM-Leitfaden](https://lowcostgpu.com/de/guides/llm-vram-requirements) ordnet Modelle den passenden Karten zu. ## Fooocus über Konsole, CLI oder API bereitstellen Wählen Sie das Template in der Bereitstellungsleiste der [Konsole](https://cloud.lowcostgpu.com/de), oder erledigen Sie es per Skript: - **Konsole** – nach GPU filtern, *Fooocus* im Template-Auswahlmenü wählen, Datenträger und Umgebungsvariablen festlegen, bereitstellen. - **CLI** – pip install lowcostgpu, dann der Befehl rechts. [CLI-Referenz](https://lowcostgpu.com/de/cli). - **API** – POST /v1/instances mit "template": "fooocus". [REST-Referenz](https://lowcostgpu.com/de/api). - **Eigenes Image** – jede OCI-Referenz funktioniert ebenfalls; wir injizieren die NVIDIA-Runtime. [Template-Dokumentation](https://lowcostgpu.com/de/docs/templates). *bereitstellen – fooocus* ``` $ lowcostgpu launch --gpu rtx-3060 --template fooocus \ --disk 100 --volume models:/workspace/models ✓ instance i-7a41c0e2 running (27.9s) # Fooocus · RTX 3060 · $0,058/hr · per second # https://i-7a41c0e2.lowcostgpu.com:8888 (TLS) $ lowcostgpu stop i-7a41c0e2 # billing ends this second ``` ## Was steckt im Template Fooocus - **Image**: lowcostgpu/fooocus - **CUDA**: CUDA 12.1 - **Zugang**: SSH-Shell · JupyterLab auf einem zugeordneten Port - **Kategorie**: [Bildgenerierung](https://lowcostgpu.com/de/templates#image) - **Speicherplatz**: NVMe-Instanzdatenträger (Größe bei Bereitstellung festgelegt) + optionale [Netzwerk-Volumes](https://lowcostgpu.com/de/products/volumes) - **Abrechnung**: Nur GPU-Preis, pro Sekunde – keine Template-Gebühr, keine Einrichtungsgebühr ## Weitere bildgenerierung Templates - [ComfyUI auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/comfyui) — Knotenbasierte Bild- und Video-Workflows mit vorinstalliertem ComfyUI-Manager. - [InvokeAI auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/invokeai) — Ein ausgereiftes Stable-Diffusion-Studio – Canvas, Ebenen und Workflow-Knoten. - [SD WebUI Forge auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/sd-webui-forge) — Der Forge-Fork der SD WebUI – schnellere Attention, weniger VRAM, gleiche Erweiterungen. - [SD WebUI A1111 auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/sd-webui-a1111) — Die klassische AUTOMATIC1111 Stable Diffusion WebUI mit dem vollständigen Erweiterungsökosystem. - [SwarmUI auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/swarmui) — Eine auf ComfyUI basierende Oberfläche, die die Generierung auf mehrere GPUs skaliert. - [Alle 37 Templates](https://lowcostgpu.com/de/templates) ## Fooocus auf einer Cloud-GPU: FAQ Umgebungsvariablen, Ports und benutzerdefinierte Images werden in der [Template-Dokumentation](https://lowcostgpu.com/de/docs/templates) behandelt. **Wie viel kostet es, Fooocus auf einer Cloud-GPU auszuführen?** Nur der GPU-Preis – das Template ist kostenlos. Ab $0,029/Std. auf einer unterbrechbaren RTX 3060, $0,058/Std. On-Demand auf einer RTX 3060. 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 Fooocus?** 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 eigene SDXL-Checkpoints und LoRAs hinzufügen?** Legen Sie sie auf einem am Modellpfad eingehängten Datenträger ab; Fooocus listet sie beim nächsten Start im erweiterten Panel auf. --- *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/templates/fooocus · Seitenindex für KI-Assistenten: https://lowcostgpu.com/llms.txt · Vollständiger Inhalt: https://lowcostgpu.com/llms-full.txt