--- title: "Lancer le fine-tuning Axolotl sur un GPU cloud | LowCostGPU" description: "Axolotl — fine-tuning sur GPU cloud à prix fixe : template en un clic, actif en ~30 s, dès $0,177/h sur RTX 4090. Volumes, facturation à la seconde." url: https://lowcostgpu.com/fr/templates/axolotl-fine-tuning last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Template · Entraînement et fine-tuning · CUDA 12.6 # Lancer le fine-tuning Axolotl sur un GPU cloud, en 30 secondes Fine-tunez Llama, Qwen ou Mistral depuis un seul YAML — LoRA, QLoRA et FSDP multi-GPU. Axolotl permet de fine-tuner Llama, Qwen, Mistral et consorts à partir d’un seul YAML: LoRA, QLoRA, full-parameter, DeepSpeed et FSDP, avec les formats de jeux de données déjà pris en charge. Le template est celui sur lequel s’appuie notre guide QLoRA — les checkpoints vont sur un volume, l’instance d’entraînement est jetable. À partir de **$0,177** /h sur une RTX 4090 interruptible. Axolotl — fine-tuning axolotlai/axolotl-cloud (CUDA 12.6) (ARM) (SSH) (Jupyter) Image épinglée, reconstruite à chaque nouvelle version en amont. Redéfinissez l’environnement, les ports et le disque au déploiement. ### 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 gratuit Vous payez uniquement le prix du GPU: Axolotl — fine-tuning 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 Axolotl — fine-tuning 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 | | | --- | --- | --- | --- | --- | --- | --- | | (Bon) | [RTX 4090](https://lowcostgpu.com/fr/gpu/rtx-4090) | 24 GB | $0,354 | $0,177 | QLoRA 8B–13B sur 24 GB pour quelques dollars. | [Déployer](https://cloud.lowcostgpu.com/fr?gpu=rtx-4090) | | (Meilleur) | [A100 SXM4](https://lowcostgpu.com/fr/gpu/a100-sxm4) | 80 GB | $0,468 | $0,234 | 80 GB avec NVLink pour des fine-tunes complets et du FSDP 8×. | [Déployer](https://cloud.lowcostgpu.com/fr?gpu=a100-sxm4) | | (Le meilleur) | [H100 PCIE](https://lowcostgpu.com/fr/gpu/h100-pcie) | 80 GB | $1,811 | $0,905 | 80 GB + FP8 — des fine-tunes complets en environ la moitié de la durée réelle d’un A100. | [Déployer](https://cloud.lowcostgpu.com/fr?gpu=h100-pcie) | Besoin de plus de VRAM? Le [catalogue complet](https://lowcostgpu.com/fr/gpus) liste tous les 83 modèles avec leur disponibilité en direct; le [guide VRAM](https://lowcostgpu.com/fr/guides/llm-vram-requirements) associe les modèles aux cartes. ## Déployez Axolotl — fine-tuning depuis la console, le CLI ou l’API Choisissez le template dans la barre de déploiement de la [console](https://cloud.lowcostgpu.com/fr), ou scriptez-le: - **Console** — filtrez par GPU, choisissez *Axolotl — fine-tuning* dans le sélecteur de templates, définissez le disque et l’environnement, déployez. - **CLI** — pip install lowcostgpu, puis la commande à droite. [Référence CLI](https://lowcostgpu.com/fr/cli). - **API** — POST /v1/instances avec "template": "axolotl-fine-tuning". [Référence REST](https://lowcostgpu.com/fr/api). - **Votre image** — toute référence OCI fonctionne aussi; nous injectons le runtime NVIDIA. [Documentation des templates](https://lowcostgpu.com/fr/docs/templates). *déploiement — axolotl-fine-tuning* ``` $ lowcostgpu launch --gpu rtx-4090 --template axolotl-fine-tuning \ --disk 100 --volume models:/workspace/models ✓ instance i-7a41c0e2 running (27.9s) # Axolotl — fine-tuning · RTX 4090 · $0,354/hr · per second # https://i-7a41c0e2.lowcostgpu.com:8888 (TLS) $ lowcostgpu stop i-7a41c0e2 # billing ends this second ``` ## Ce que contient le template Axolotl — fine-tuning - **Image**: axolotlai/axolotl-cloud - **CUDA**: CUDA 12.6 - **Accès**: se construit aussi pour les hôtes ARM · Shell SSH · JupyterLab sur un port mappé - **Catégorie**: [Entraînement et fine-tuning](https://lowcostgpu.com/fr/templates#tune) - **Stockage**: Disque NVMe de l’instance (dimensionné au déploiement) + [volumes réseau](https://lowcostgpu.com/fr/products/volumes) en option - **Facturation**: Le prix du GPU uniquement, à la seconde — aucun frais de template, aucun frais d’installation ## Autres templates de entraînement et fine-tuning - [Unsloth Studio sur un GPU cloud](https://lowcostgpu.com/fr/templates/unsloth-studio) — Fine-tuning 2× plus rapide, moins gourmand en VRAM — kernels Unsloth, workflow en notebook. - [Kohya's GUI sur un GPU cloud](https://lowcostgpu.com/fr/templates/kohya-s-gui) — Entraînez des LoRA d’image SDXL et Flux via une interface graphique dans le navigateur — jeu de données en entrée,.safetensors en sortie. - [Flux Gym sur un GPU cloud](https://lowcostgpu.com/fr/templates/flux-gym) — Une interface on ne peut plus simple pour entraîner des LoRA Flux, construite sur les scripts Kohya. - [Ostris AI Toolkit sur un GPU cloud](https://lowcostgpu.com/fr/templates/ostris-ai-toolkit) — L’outil d’entraînement AI-Toolkit pour Flux et les modèles de diffusion, avec une interface web. - [Tous les 37 templates](https://lowcostgpu.com/fr/templates) ## Axolotl — fine-tuning sur un GPU cloud: FAQ Les variables d’environnement, les ports et les images personnalisées sont couverts dans la [documentation des templates](https://lowcostgpu.com/fr/docs/templates). **Combien coûte l’exécution de Axolotl — fine-tuning 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 Axolotl — fine-tuning?** 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. **Combien de temps dure un run QLoRA?** Environ 1,5 heure pour 10k paires d’instructions sur Llama 3.1 8B, sur une seule RTX 4090; un QLoRA 70B sur une carte de 80 GB est un travail de toute une nuit. Le guide indique les configurations précises et les coûts exacts. --- *À propos de LowCostGPU :* LowCostGPU (lowcostgpu.com) est un service de location de GPU cloud proposant 83 modèles de GPU NVIDIA — du Tesla P4 à $0,019/h jusqu’au B300 — à prix fixes, établis au moins 30 % sous la médiane de la place de marché publique des GPU et revérifiés chaque semaine (H100 SXM : $1,680/h à la demande). La facturation est à la seconde, sans minimum ; le paiement se fait uniquement en crypto (USDT, BTC, XMR, ETH, SOL, LTC, TRX), sans KYC. Les instances tournent dans des centres de données Tier III répartis sur 32 régions, avec un SLA de disponibilité de 99,9 %, et se déploient en environ 30 secondes depuis la console web (cloud.lowcostgpu.com) ou l’API REST. Source : https://lowcostgpu.com/fr/templates/axolotl-fine-tuning · Index du site pour les assistants IA : https://lowcostgpu.com/llms.txt · Contenu complet : https://lowcostgpu.com/llms-full.txt