Plafond de prix Chaque GPU au moins 30 % sous la médiane du marché — revérifié chaque semaine face à la place de marché.

Voir la preuve

Langue

Lancer un GPU

Templates · 37 stacks maintenues

37 templates GPU : de « déployer » à stack fonctionnelle en 30 secondes

Chaque template est une image épinglée, prête pour le GPU, avec les ports mappés et le stockage monté — des builds officiels des outils que vous utilisez déjà. Lancez PyTorch, servez avec vLLM, générez avec ComfyUI, fine-tunez avec Axolotl — ou indiquez-nous votre propre image Docker.

Parcourir dans la console Documentation des templates

Base et frameworks 6

Service LLM et chat 9

  • vLLM

    Service LLM de production avec PagedAttention — un endpoint compatible OpenAI à partir de n’importe quel modèle HF.

    CUDA 13 ARMSSHJupyter

    lowcostgpu/vllm

    GPU & détails Déployer

  • vLLM Omni

    vLLM étendu pour les modèles multimodaux — entrées vision et audio sur le même serveur rapide.

    CUDA 12.9 SSHJupyter

    lowcostgpu/vllm-omni

    GPU & détails Déployer

  • SGLang

    Service à haut débit avec RadixAttention — excelle sur les charges de travail structurées et agentiques.

    CUDA 13 ARMSSHJupyter

    lowcostgpu/sglang

    GPU & détails Déployer

  • Llama.cpp

    Inférence GGUF avec serveur intégré — la façon la plus légère d’exécuter des modèles quantifiés.

    CUDA 12.9 ARMSSHJupyter

    lowcostgpu/llama-cpp

    GPU & détails Déployer

  • Ollama

    Récupérez et exécutez des modèles quantifiés en une seule commande, avec une API REST propre.

    ARMSSHJupyter

    lowcostgpu/ollama

    GPU & détails Déployer

  • Open WebUI (Ollama)

    Une interface de discussion complète pour Ollama — conversations, RAG et gestion des modèles, dans le navigateur.

    CUDA 12.9 SSHJupyter

    lowcostgpu/openwebui

    GPU & détails Déployer

  • Oobabooga Text Gen

    Le WebUI et l’API de génération de texte — chargent GPTQ, EXL2 ou GGUF avec des extensions.

    CUDA 12.4 SSHJupyter

    lowcostgpu/oobabooga

    GPU & détails Déployer

  • HuggingFace TGI

    Hugging Face Text Generation Inference — un service de production éprouvé, avec une API.

    SSHJupyter

    ghcr.io/huggingface/text-generation-inference

    GPU & détails Déployer

  • Langflow (Ollama)

    Construisez visuellement des pipelines et des agents LLM sur un backend Ollama local.

    CUDA 12.6 SSHJupyter

    lowcostgpu/langflow

    GPU & détails Déployer

Entraînement et fine-tuning 5

Génération d’images 6

Génération de vidéo 2

  • Wan2GP

    Exécutez Wan et d’autres modèles de génération vidéo avec une VRAM modeste, via une interface simple.

    CUDA 12.9 SSHJupyter

    lowcostgpu/wan2gp

    GPU & détails Déployer

  • Open-Sora

    Le modèle ouvert de text-to-video, prêt pour la génération et le fine-tuning.

    CUDA 12.1 SSHJupyter

    lowcostgpu/open-sora

    GPU & détails Déployer

Audio et parole 3

Bureaux et VM 4

Spécialisés 2

Apportez votre propre image

Rien ne convient ici ? Le formulaire de déploiement accepte toute référence OCI — nous injectons le runtime NVIDIA et exécutons votre entrypoint sans le modifier.

  • Registres publics ou privés (identifiants stockés chiffrés).
  • Vos ports, variables d’environnement et points de montage de volumes, définis au déploiement.
  • Épinglé par tag — un redéploiement est identique, octet pour octet, le mois prochain.
déploiement — n’importe quelle image
$ lowcostgpu launch --gpu l40s \
    --image ghcr.io/acme/trainer:v14 \
    --ports 8080 --disk 100
✓ instance i-4fd02b11 running (31.2s)

Templates GPU : FAQ

Les variables d’environnement, les ports et les images personnalisées dans la documentation des templates.

Qu’est-ce qu’un template, exactement ?

Une image conteneur maintenue avec des paramètres de lancement par défaut bien pensés : ports exposés, points de montage des volumes, health checks et variables d’environnement. Choisissez-en une au déploiement, redéfinissez ce que vous voulez, et l’instance démarre directement sur une stack fonctionnelle — généralement en environ 30 secondes.

Puis-je utiliser ma propre image Docker à la place ?

Oui — le formulaire de déploiement accepte toute référence d’image OCI publique ou privée (les identifiants du registre sont stockés chiffrés par compte). Nous injectons le runtime NVIDIA ; votre entrypoint n’est pas modifié.

Que signifient les tags ARM, SSH, Jupyter et VM ?

Ils indiquent comment un template s’exécute : ARM = se construit aussi pour les hôtes ARM, SSH = accès shell direct, Jupyter = un serveur de notebook sur un port mappé, VM = une machine virtuelle complète plutôt qu’un conteneur.

Les templates coûtent-ils un supplément ?

Non. Vous payez le prix du GPU — une session ComfyUI sur une RTX 4090 coûte $0,354/h, template inclus, facturé à la seconde.

Déployez votre premier GPU en moins d’une minute

Rechargez en crypto, comparez-nous à votre fournisseur actuel. Facturation à la seconde, prix fixes ≥ 30 % sous le marché — il suffit d’arrêter l’instance pour annuler.

Créer un compte Voir tous les prix