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.
Produits
Développeurs & entreprise
GPU · à la demande par heure
Template · Entraînement et fine-tuning · CUDA 12.9
L’outil d’entraînement AI-Toolkit pour Flux et les modèles de diffusion, avec une interface web. L’AI Toolkit d’Ostris est l’outil d’entraînement de référence pour Flux et les modèles de diffusion récents : entraînement LoRA avec un YAML clair, une interface web de suivi, et la prise en charge des dernières versions de modèles avant que les autres outils ne suivent. À partir de $0,177/h sur une RTX 4090 interruptible.
Image pré-mise en cache, ports mappés, TLS terminé — la stack fonctionne avant même que vous ayez fini de lire cette phrase.
Vous payez uniquement le prix du GPU : Ostris AI Toolkit sur une RTX 4090 coûte $0,354/h à la demande, $0,177/h en interruptible, facturé à la seconde.
Les modèles, jeux de données et résultats vivent sur un volume à $0,08/GB/mois ; l’instance reste jetable.
GPU dédié, disque chiffré, paiements en crypto, sans KYC, aucune IP stockée — Jupyter et SSH derrière vos propres identifiants.
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 | Exécute l’entraînement LoRA de Flux dev avec l’option VRAM faible. | Déployer |
| Meilleur | RTX 5090 | 32 GB | $0,481 | $0,240 | 32 GB de marge pour des résolutions plus grandes. | Déployer |
| Le meilleur | RTX PRO 6000 WS | 96 GB | $0,981 | $0,490 | 96 GB pour des fine-tunes complets de modèles de diffusion. | 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.
Choisissez le template dans la barre de déploiement de la console, ou scriptez-le :
$ lowcostgpu launch --gpu rtx-4090 --template ostris-ai-toolkit \
--disk 100 --volume models:/workspace/models
✓ instance i-7a41c0e2 running (27.9s)
# Ostris AI Toolkit · RTX 4090 · $0,354/hr · per second
# https://i-7a41c0e2.lowcostgpu.com:8888 (TLS)
$ lowcostgpu stop i-7a41c0e2 # billing ends this second
| Image | lowcostgpu/ostris-ai-toolkit |
|---|---|
| CUDA | CUDA 12.9 |
| Accès | Shell SSH · JupyterLab sur un port mappé |
| Catégorie | Entraînement et fine-tuning |
| 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 |
Les variables d’environnement, les ports et les images personnalisées sont couverts dans la documentation des templates.
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.
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.
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.
Oui — pointez le chemin du jeu de données de la configuration vers le point de montage du volume ; les sorties et les échantillons se retrouvent sur le même volume, si bien que rien n’est perdu quand l’instance d’entraînement est détruite.
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.