--- title: "Lancer vLLM sur un GPU cloud dès $0,224/h | LowCostGPU" description: "vLLM sur GPU cloud à prix fixe : template en un clic, actif en ~30 s, dès $0,224/h sur L40S. Volumes, facturation à la seconde." url: https://lowcostgpu.com/fr/templates/vllm last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Template · Service LLM et chat · CUDA 13 # Lancer vLLM sur un GPU cloud, en 30 secondes Service LLM de production avec PagedAttention — un endpoint compatible OpenAI à partir de n’importe quel modèle HF. vLLM est la norme de production pour servir des LLM ouverts: PagedAttention, traitement par lots continu, parallélisme tensoriel et une API compatible OpenAI. Le template expose le port 8000 en TLS, lit MODEL depuis une variable d’environnement et met en cache les poids sur le disque de l’instance ou un volume monté. À partir de **$0,224** /h sur une L40S interruptible. vLLM lowcostgpu/vllm (CUDA 13) (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: vLLM sur une RTX 5090 coûte $0,481/h à la demande, $0,240/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 vLLM 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 5090](https://lowcostgpu.com/fr/gpu/rtx-5090) | 32 GB | $0,481 | $0,240 | 32 GB GDDR7: le $/token le plus bas pour les modèles 7B–14B FP16 et 32B 4-bit. | [Déployer](https://cloud.lowcostgpu.com/fr?gpu=rtx-5090) | | (Meilleur) | [L40S](https://lowcostgpu.com/fr/gpu/l40s) | 48 GB | $0,448 | $0,224 | 48 GB et un refroidissement datacenter pour des endpoints 24/7 jusqu’à 32B. | [Déployer](https://cloud.lowcostgpu.com/fr?gpu=l40s) | | (Le meilleur) | [H100 PCIE](https://lowcostgpu.com/fr/gpu/h100-pcie) | 80 GB | $1,811 | $0,905 | 80 GB pour du 70B quantifié sur une seule carte, FP8 pour un débit maximal. | [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 vLLM 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 *vLLM* 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": "vllm". [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 — vllm* ``` $ lowcostgpu launch --gpu rtx-5090 --template vllm \ --disk 100 --volume models:/workspace/models ✓ instance i-7a41c0e2 running (27.9s) # vLLM · RTX 5090 · $0,481/hr · per second # https://i-7a41c0e2.lowcostgpu.com:8888 (TLS) $ lowcostgpu stop i-7a41c0e2 # billing ends this second ``` ## Ce que contient le template vLLM - **Image**: lowcostgpu/vllm - **CUDA**: CUDA 13 - **Accès**: se construit aussi pour les hôtes ARM · Shell SSH · JupyterLab sur un port mappé - **Catégorie**: [Service LLM et chat](https://lowcostgpu.com/fr/templates#llm) - **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 service llm et chat - [vLLM Omni sur un GPU cloud](https://lowcostgpu.com/fr/templates/vllm-omni) — vLLM étendu pour les modèles multimodaux — entrées vision et audio sur le même serveur rapide. - [SGLang sur un GPU cloud](https://lowcostgpu.com/fr/templates/sglang) — Service à haut débit avec RadixAttention — excelle sur les charges de travail structurées et agentiques. - [Llama.cpp sur un GPU cloud](https://lowcostgpu.com/fr/templates/llama-cpp) — Inférence GGUF avec serveur intégré — la façon la plus légère d’exécuter des modèles quantifiés. - [Ollama sur un GPU cloud](https://lowcostgpu.com/fr/templates/ollama) — Récupérez et exécutez des modèles quantifiés en une seule commande, avec une API REST propre. - [Open WebUI (Ollama) sur un GPU cloud](https://lowcostgpu.com/fr/templates/open-webui-ollama) — Une interface de discussion complète pour Ollama — conversations, RAG et gestion des modèles, dans le navigateur. - [Oobabooga Text Gen sur un GPU cloud](https://lowcostgpu.com/fr/templates/oobabooga-text-gen) — Le WebUI et l’API de génération de texte — chargent GPTQ, EXL2 ou GGUF avec des extensions. - [Tous les 37 templates](https://lowcostgpu.com/fr/templates) ## vLLM 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 vLLM sur un GPU cloud?** Seulement le prix du GPU — le template est gratuit. À partir de $0,224/h sur une L40S interruptible, $0,481/h à la demande sur une RTX 5090. 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 vLLM?** 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. **L’endpoint est-il vraiment compatible OpenAI?** Oui — pointez n’importe quel SDK OpenAI vers https://.lowcostgpu.com:8000/v1, avec la clé API définie dans VLLM_API_KEY. Chat, completions, embeddings et streaming fonctionnent sans changement. --- *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/vllm · Index du site pour les assistants IA : https://lowcostgpu.com/llms.txt · Contenu complet : https://lowcostgpu.com/llms-full.txt