--- title: "TGI auf einer Cloud-GPU ab $0,224/Std. mieten | LowCostGPU" description: "HuggingFace TGI auf Cloud-GPU zum Festpreis: Ein-Klick-Template, läuft in ~30 s, schon ab $0,224/Std. auf L40S, sekundengenaue Abrechnung." url: https://lowcostgpu.com/de/templates/huggingface-tgi last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Template · LLM-Serving & Chat # TGI auf einer Cloud-GPU starten, in 30 Sekunden Hugging Face Text Generation Inference – bewährtes Serving für den Produktivbetrieb mit API. Die TGI von Hugging Face ist ein bewährter Serving-Stack: Flash Attention, Quantisierung (bitsandbytes, GPTQ, AWQ), Token-Streaming und eine Messages API. Das Template führt das offizielle ghcr.io-Image mit MODEL_ID als Umgebungsvariable aus. Ab **$0,224** /Std. auf einer unterbrechbaren L40S. HuggingFace TGI ghcr.io/huggingface/text-generation-inference (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: HuggingFace TGI auf einer RTX 5090 kostet $0,481/Std. On-Demand, $0,240/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 HuggingFace TGI 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 5090](https://lowcostgpu.com/de/gpu/rtx-5090) | 32 GB | $0,481 | $0,240 | Schnelle 32-GB-Karte für 7B–14B-Endpunkte. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-5090) | | (Besser) | [L40S](https://lowcostgpu.com/de/gpu/l40s) | 48 GB | $0,448 | $0,224 | 48 GB für Serving der 32B-Klasse mit Datacenter-Zuverlässigkeit. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=l40s) | | (Am besten) | [H100 SXM](https://lowcostgpu.com/de/gpu/h100-sxm) | 80 GB | $1,680 | $0,840 | Multi-GPU-Sharding für 70B+ mit dem höchsten Durchsatz. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=h100-sxm) | 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. ## HuggingFace TGI 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, *HuggingFace TGI* 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": "huggingface-tgi". [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 – huggingface-tgi* ``` $ lowcostgpu launch --gpu rtx-5090 --template huggingface-tgi \ --disk 100 --volume models:/workspace/models ✓ instance i-7a41c0e2 running (27.9s) # HuggingFace TGI · RTX 5090 · $0,481/hr · per second # https://i-7a41c0e2.lowcostgpu.com:8888 (TLS) $ lowcostgpu stop i-7a41c0e2 # billing ends this second ``` ## Was steckt im Template HuggingFace TGI - **Image**: ghcr.io/huggingface/text-generation-inference - **CUDA**: übernimmt Host-Treiber (beliebige 12.x-/13.x-Version) - **Zugang**: SSH-Shell · JupyterLab auf einem zugeordneten Port - **Kategorie**: [LLM-Serving & Chat](https://lowcostgpu.com/de/templates#llm) - **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 llm-serving & chat Templates - [vLLM auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/vllm) — Produktionsreifes LLM-Serving mit PagedAttention – ein OpenAI-kompatibler Endpunkt aus jedem HF-Modell. - [vLLM Omni auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/vllm-omni) — vLLM erweitert für multimodale Modelle – Bild- und Audioeingaben auf demselben schnellen Server. - [SGLang auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/sglang) — Hochdurchsatz-Serving mit RadixAttention – eignet sich besonders für strukturierte und agentische Workloads. - [Llama.cpp auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/llama-cpp) — GGUF-Inferenz mit integriertem Server – der schlankste Weg, um quantisierte Modelle auszuführen. - [Ollama auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/ollama) — Quantisierte Modelle mit einem Befehl abrufen und ausführen – mit sauberer REST-API. - [Open WebUI (Ollama) auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/open-webui-ollama) — Eine vollständige Chat-Oberfläche über Ollama – Unterhaltungen, RAG und Modellverwaltung im Browser. - [Alle 37 Templates](https://lowcostgpu.com/de/templates) ## HuggingFace TGI 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, HuggingFace TGI auf einer Cloud-GPU auszuführen?** Nur der GPU-Preis – das Template ist kostenlos. Ab $0,224/Std. auf einer unterbrechbaren L40S, $0,481/Std. On-Demand auf einer RTX 5090. 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 HuggingFace TGI?** 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. **TGI oder vLLM?** Beide sind hervorragend. vLLM führt meist beim reinen Durchsatz; TGI integriert sich eng in den Hugging Face Hub, die Inference-Endpoints-Konventionen und die Messages API. Stellen Sie beide zehn Minuten lang bereit und benchmarken Sie – es kostet nur ein paar Cent. --- *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/huggingface-tgi · Seitenindex für KI-Assistenten: https://lowcostgpu.com/llms.txt · Vollständiger Inhalt: https://lowcostgpu.com/llms-full.txt