Actif en ~30 s
Image pré-mise en cache, ports mappés, TLS terminé — la stack fonctionne avant même que vous ayez fini de lire cette phrase.
Template · Base et frameworks · CUDA 12.9
Lancer un studio IA tout-en-un sur un GPU cloud, en 30 secondes
Un lanceur qui regroupe les applications IA les plus utilisées derrière un même bureau — choisissez et lancez. Un seul bureau, plusieurs lanceurs : l’App Studio regroupe les applications IA communautaires les plus utilisées derrière une seule interface web, pour lancer ComfyUI, un chat LLM, un outil TTS ou un outil d’entraînement sans construire une image pour chacun. Idéal pour explorer les outils avant de s’engager dans un workflow. À partir de $0,177/h sur une RTX 4090 interruptible.
Template gratuit
Vous payez uniquement le prix du GPU : Studio d’applications tout-en-un sur une RTX 4090 coûte $0,354/h à la demande, $0,177/h en interruptible, facturé à la seconde.
Volumes pour l’état
Les modèles, jeux de données et résultats vivent sur un volume à $0,08/GB/mois ; l’instance reste jetable.
Privé par défaut
GPU dédié, disque chiffré, paiements en crypto, sans KYC, aucune IP stockée — Jupyter et SSH derrière vos propres identifiants.
Meilleurs GPU pour Studio d’applications tout-en-un
Trois paliers de prix qui font bien tourner ce template — Bon, Meilleur, Le meilleur. Tous les modèles du catalogue fonctionnent ; ce sont les options les plus avantageuses.
| Palier | GPU | VRAM | À la demande | Interruptible | Pourquoi cette carte | Action |
|---|---|---|---|---|---|---|
| Bon | RTX 4090 | 24 GB | $0,354 | $0,177 | Fait tourner confortablement toutes les applications embarquées en 24 GB. | Déployer |
| Meilleur | RTX 5090 | 32 GB | $0,481 | $0,240 | 32 GB de marge pour la vidéo et des LLM plus grands dans le studio. | Déployer |
| Le meilleur | RTX PRO 6000 WS | 96 GB | $0,981 | $0,490 | 96 GB — faites tourner plusieurs applications en même temps avec de gros modèles chargés. | Déployer |
Besoin de plus de VRAM ? Le catalogue complet liste tous les 83 modèles avec leur disponibilité en direct ; le guide VRAM associe les modèles aux cartes.
Déployez Studio d’applications tout-en-un depuis la console, le CLI ou l’API
Choisissez le template dans la barre de déploiement de la console, ou scriptez-le :
- Console — filtrez par GPU, choisissez Studio d’applications tout-en-un dans le sélecteur de templates, définissez le disque et l’environnement, déployez.
- CLI — pip install lowcostgpu, puis la commande à droite. Référence CLI.
- API — POST /v1/instances avec "template": "all-in-one-app-studio". Référence REST.
- Votre image — toute référence OCI fonctionne aussi ; nous injectons le runtime NVIDIA. Documentation des templates.
$ lowcostgpu launch --gpu rtx-4090 --template all-in-one-app-studio \
--disk 100 --volume models:/workspace/models
✓ instance i-7a41c0e2 running (27.9s)
# Studio d’applications tout-en-un · RTX 4090 · $0,354/hr · per second
# https://i-7a41c0e2.lowcostgpu.com:8888 (TLS)
$ lowcostgpu stop i-7a41c0e2 # billing ends this secondCe que contient le template Studio d’applications tout-en-un
| Image | lowcostgpu/aio-studio |
|---|---|
| CUDA | CUDA 12.9 |
| Accès | Shell SSH · JupyterLab sur un port mappé |
| Catégorie | Base et frameworks |
| Stockage | Disque NVMe de l’instance (dimensionné au déploiement) + volumes réseau en option |
| Facturation | Le prix du GPU uniquement, à la seconde — aucun frais de template, aucun frais d’installation |
Autres templates de base et frameworks
NVIDIA CUDA sur un GPU cloud — L’image de base CUDA minimale — pilotes, toolkit, SSH et Jupyter. Construisez votre propre stack par-dessus.
PyTorch sur un GPU cloud — Le choix par défaut pour l’entraînement et la recherche : PyTorch 2.6, cuDNN, JupyterLab et SSH prêts à l’emploi.
TensorFlow CUDA sur un GPU cloud — TensorFlow avec prise en charge du GPU, Keras et TensorBoard, sur un port mappé.- PyTorch NGC sur un GPU cloud — Image PyTorch de NVIDIA optimisée pour NGC — noyaux ajustés pour les cartes datacenter.
- NVIDIA RAPIDS sur un GPU cloud — Data science accélérée par GPU — cuDF, cuML, cuGraph dans un notebook.
- Tous les 37 templates
Studio d’applications tout-en-un sur un GPU cloud : FAQ
Les variables d’environnement, les ports et les images personnalisées sont couverts dans la documentation des templates.
Combien coûte l’exécution de Studio d’applications tout-en-un sur un GPU cloud ?
Seulement le prix du GPU — le template est gratuit. À partir de $0,177/h sur une RTX 4090 interruptible, $0,354/h à la demande sur une RTX 4090. La facturation est à la seconde, donc une heure d’expérimentation coûte une heure, pas une journée. Le stockage est à $0,08/GB/mois.
Combien de temps faut-il pour démarrer Studio d’applications tout-en-un ?
Environ 30 secondes après le clic de déploiement : l’image est pré-mise en cache sur les hôtes, les ports sont mappés et le TLS est terminé pour vous. Redémarrer une instance arrêtée est plus rapide, et votre disque est exactement comme vous l’avez laissé.
Puis-je conserver mes modèles et mes résultats entre les sessions ?
Oui — attachez un volume au déploiement. Tout ce qui se trouve sur le volume survit à la destruction de l’instance et se monte sur l’instance suivante dans la région en quelques secondes, à $0,08/GB/mois. Le disque de l’instance lui-même survit à l’arrêt et au démarrage, mais pas à la destruction.
Puis-je conserver les applications installées d’une session à l’autre ?
Montez un volume sur le chemin de données du studio : les applications, modèles et sorties persistent, et la prochaine instance démarre avec tout déjà en place.