--- title: "llama.cpp auf einer Cloud-GPU mieten | LowCostGPU" description: "Llama.cpp 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/llama-cpp last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Template · LLM-Serving & Chat · CUDA 12.9 # llama.cpp auf einer Cloud-GPU starten, in 30 Sekunden GGUF-Inferenz mit integriertem Server – der schlankste Weg, um quantisierte Modelle auszuführen. llama.cpp führt GGUF-Modelle mit CUDA-Offload aus und bringt einen schlanken, OpenAI-kompatiblen Server mit. Es ist der speicherschonendste Weg, quantisierte Modelle bereitzustellen, und der natürliche Anlaufpunkt für Q4-/Q5-/Q6-GGUF-Dateien von Hugging Face – einschließlich Modellen, die nicht in die Formate von vLLM passen. Ab **$0,029** /Std. auf einer unterbrechbaren RTX 3060. Llama.cpp lowcostgpu/llama-cpp (CUDA 12.9) (ARM) (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: Llama.cpp 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 Llama.cpp 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 | 12 GB reichen für 7B–8B Q4 GGUF – der günstigste Chat-Endpunkt in dieser Übersicht. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-3060) | | (Besser) | [RTX 4090](https://lowcostgpu.com/de/gpu/rtx-4090) | 24 GB | $0,354 | $0,177 | Mit 24 GB laufen 14B–32B quantisierte Modelle bei vollständigem GPU-Offload. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-4090) | | (Am besten) | [RTX A6000](https://lowcostgpu.com/de/gpu/rtx-a6000) | 48 GB | $0,281 | $0,140 | 48 GB für 70B Q4 GGUF auf einer einzelnen Karte. | [Bereitstellen](https://cloud.lowcostgpu.com/de?gpu=rtx-a6000) | 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. ## Llama.cpp 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, *Llama.cpp* 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": "llama-cpp". [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 – llama-cpp* ``` $ lowcostgpu launch --gpu rtx-3060 --template llama-cpp \ --disk 100 --volume models:/workspace/models ✓ instance i-7a41c0e2 running (27.9s) # Llama.cpp · 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 Llama.cpp - **Image**: lowcostgpu/llama-cpp - **CUDA**: CUDA 12.9 - **Zugang**: baut auch für ARM-Hosts · 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. - [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. - [Oobabooga Text Gen auf einer Cloud-GPU](https://lowcostgpu.com/de/templates/oobabooga-text-gen) — Die WebUI & API für Textgenerierung – laden Sie GPTQ, EXL2 oder GGUF mit Erweiterungen. - [Alle 37 Templates](https://lowcostgpu.com/de/templates) ## Llama.cpp 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, Llama.cpp 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 Llama.cpp?** 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 ein Modell zwischen GPU und CPU-RAM aufteilen?** Ja – legen Sie beim Start die Anzahl der ausgelagerten Layer (-ngl) fest. Maschinen mit viel RAM erlauben es, Modelle auszuführen, die größer als der VRAM sind, allerdings mit reduzierter Geschwindigkeit – praktisch für gelegentliche 70B-Nutzung auf einer günstigen Karte. --- *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/llama-cpp · Seitenindex für KI-Assistenten: https://lowcostgpu.com/llms.txt · Vollständiger Inhalt: https://lowcostgpu.com/llms-full.txt