Läuft in ~30 s
Vorab zwischengespeichertes Image, Ports zugeordnet, TLS terminiert – der Stack läuft, bevor Sie diesen Satz zu Ende gelesen haben.
Template · LLM-Serving & Chat · CUDA 13
SGLang auf einer Cloud-GPU starten, in 30 Sekunden
Hochdurchsatz-Serving mit RadixAttention – eignet sich besonders für strukturierte und agentische Workloads. SGLang kombiniert RadixAttention-Prefix-Caching mit einem Structured-Generation-Frontend, was es zum schnellsten Server für agentenlastige und JSON-lastige Workloads macht, bei denen viele Anfragen sich denselben Prompt teilen. Die gleiche API im OpenAI-Stil wie vLLM, oft mit höherem Durchsatz bei Multi-Turn-Traffic. Ab $0,224/Std. auf einer unterbrechbaren L40S.
Template ist kostenlos
Sie zahlen nur den GPU-Preis: SGLang 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 SGLang
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 5090 | 32 GB | $0,481 | $0,240 | Günstige, schnelle Karte für 7B–14B-Agent-Backends. | Bereitstellen |
| Besser | L40S | 48 GB | $0,448 | $0,224 | 48 GB für Modelle der 32B-Klasse mit langen gemeinsam genutzten Präfixen. | Bereitstellen |
| Am besten | H100 SXM | 80 GB | $1,680 | $0,840 | Multi-GPU-Tensor-Parallelität für 70B+-Agentenflotten. | 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.
SGLang 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, SGLang 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": "sglang". REST-Referenz.
- Eigenes Image – jede OCI-Referenz funktioniert ebenfalls; wir injizieren die NVIDIA-Runtime. Template-Dokumentation.
$ lowcostgpu launch --gpu rtx-5090 --template sglang \
--disk 100 --volume models:/workspace/models
✓ instance i-7a41c0e2 running (27.9s)
# SGLang · RTX 5090 · $0,481/hr · per second
# https://i-7a41c0e2.lowcostgpu.com:8888 (TLS)
$ lowcostgpu stop i-7a41c0e2 # billing ends this secondWas steckt im Template SGLang
| Image | lowcostgpu/sglang |
|---|---|
| CUDA | CUDA 13 |
| Zugang | baut auch für ARM-Hosts · SSH-Shell · JupyterLab auf einem zugeordneten Port |
| Kategorie | LLM-Serving & Chat |
| Speicherplatz | NVMe-Instanzdatenträger (Größe bei Bereitstellung festgelegt) + optionale Netzwerk-Volumes |
| Abrechnung | Nur GPU-Preis, pro Sekunde – keine Template-Gebühr, keine Einrichtungsgebühr |
Weitere llm-serving & chat Templates
vLLM auf einer Cloud-GPU — Produktionsreifes LLM-Serving mit PagedAttention – ein OpenAI-kompatibler Endpunkt aus jedem HF-Modell.- vLLM Omni auf einer Cloud-GPU — vLLM erweitert für multimodale Modelle – Bild- und Audioeingaben auf demselben schnellen Server.
Llama.cpp auf einer Cloud-GPU — GGUF-Inferenz mit integriertem Server – der schlankste Weg, um quantisierte Modelle auszuführen.
Ollama auf einer Cloud-GPU — Quantisierte Modelle mit einem Befehl abrufen und ausführen – mit sauberer REST-API.
Open WebUI (Ollama) auf einer Cloud-GPU — Eine vollständige Chat-Oberfläche über Ollama – Unterhaltungen, RAG und Modellverwaltung im Browser.
Oobabooga Text Gen auf einer Cloud-GPU — Die WebUI & API für Textgenerierung – laden Sie GPTQ, EXL2 oder GGUF mit Erweiterungen.- Alle 37 Templates
SGLang auf einer Cloud-GPU: FAQ
Umgebungsvariablen, Ports und benutzerdefinierte Images werden in der Template-Dokumentation behandelt.
Wie viel kostet es, SGLang 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 SGLang?
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.
Wann ist SGLang schneller als vLLM?
Bei Workloads mit starker Prompt-Wiederverwendung – Agenten, RAG mit festen System-Prompts, strukturierte Batch-Extraktion – überspringt RadixAttention die Neuberechnung gemeinsam genutzter Präfixe und kann den effektiven Durchsatz verdoppeln.