--- title: "Запустите vLLM на облачном GPU от $0,224/ч | LowCostGPU" description: "vLLM на облачном GPU по фиксированной цене: шаблон в один клик, запуск за ~30 с, от $0,224/ч на L40S. Топ GPU, посекундная оплата." url: https://lowcostgpu.com/ru/templates/vllm last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Шаблон · LLM-сервинг и чат · CUDA 13 # Запустите vLLM на облачном GPU за 30 секунд Продакшен-сервинг LLM с PagedAttention — совместимый с OpenAI эндпоинт из любой модели HF. vLLM — производственный стандарт для сервинга открытых LLM: PagedAttention, непрерывный батчинг, тензорный параллелизм и OpenAI-совместимый API. Шаблон открывает порт 8000 с TLS, считывает MODEL из переменной окружения и кэширует веса на диске инстанса или подключённом томе. От **$0,224** /ч на прерываемом L40S. vLLM lowcostgpu/vllm (CUDA 13) (ARM) (SSH) (Jupyter) Закреплённый образ, пересобираемый при выходе новых версий апстрима. Переопределите переменные окружения, порты и диск при развёртывании. ### Запуск за ~30 с Образ закэширован заранее, порты проброшены, TLS терминирован — стек уже работает, пока вы дочитываете это предложение. ### Шаблон бесплатен Вы платите только цену GPU: vLLM на RTX 5090 стоит $0,481/ч по требованию, $0,240/ч прерываемый, тарификация посекундная. ### Тома для состояния Модели, датасеты и результаты хранятся на томе по $0,08/GB/мес.; сам инстанс остаётся одноразовым. ### Приватность по умолчанию Выделенный GPU, зашифрованный диск, оплата криптой, без KYC, без сохранения IP-адресов — Jupyter и SSH с вашими собственными учётными данными. ## Лучшие GPU для vLLM Три ценовых уровня, хорошо подходящих для этого шаблона, — Хороший, Лучший, Самый лучший. Подходит любая модель GPU из каталога; это оптимальные по цене варианты. | Уровень | GPU | VRAM | По требованию | Прерываемые | Почему эта карта | | | --- | --- | --- | --- | --- | --- | --- | | (Хороший) | [RTX 5090](https://lowcostgpu.com/ru/gpu/rtx-5090) | 32 GB | $0,481 | $0,240 | 32 GB GDDR7: самый низкий показатель $/токен для моделей 7B–14B FP16 и 32B 4-bit. | [Развернуть](https://cloud.lowcostgpu.com/ru?gpu=rtx-5090) | | (Лучший) | [L40S](https://lowcostgpu.com/ru/gpu/l40s) | 48 GB | $0,448 | $0,224 | 48 GB и охлаждение уровня дата-центра для эндпоинтов 24/7 вплоть до 32B. | [Развернуть](https://cloud.lowcostgpu.com/ru?gpu=l40s) | | (Самый лучший) | [H100 PCIE](https://lowcostgpu.com/ru/gpu/h100-pcie) | 80 GB | $1,811 | $0,905 | 80 GB для квантованной модели 70B на одной карте, FP8 для максимальной пропускной способности. | [Развернуть](https://cloud.lowcostgpu.com/ru?gpu=h100-pcie) | Нужно больше VRAM? [Полный каталог](https://lowcostgpu.com/ru/gpus) перечисляет все модели с доступностью в реальном времени — всего: 83; [руководство по VRAM](https://lowcostgpu.com/ru/guides/llm-vram-requirements) подбирает карту под модель. ## Разверните vLLM через консоль, CLI или API Откройте [консоль](https://cloud.lowcostgpu.com/ru), выберите шаблон в панели развёртывания, или сделайте это через скрипт: - **Консоль** — отфильтруйте по GPU, выберите *vLLM* в списке шаблонов, задайте диск и переменные окружения, разверните. - **CLI** — pip install lowcostgpu, затем команда справа. [Справочник CLI](https://lowcostgpu.com/ru/cli). - **API** — POST /v1/instances с "template": "vllm". [Справочник REST API](https://lowcostgpu.com/ru/api). - **Свой образ** — подойдёт любая ссылка OCI; мы добавляем NVIDIA runtime. [Документация по шаблонам](https://lowcostgpu.com/ru/docs/templates). *развёртывание — 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 ``` ## Что внутри шаблона vLLM - **Образ**: lowcostgpu/vllm - **CUDA**: CUDA 13 - **Доступ**: также собирается под ARM · shell по SSH · JupyterLab на проброшенном порту - **Категория**: [LLM-сервинг и чат](https://lowcostgpu.com/ru/templates#llm) - **Хранилище**: NVMe-диск инстанса (размер задаётся при развёртывании) + опциональные [сетевые тома](https://lowcostgpu.com/ru/products/volumes) - **Биллинг**: Только цена GPU, посекундно — без платы за шаблон, без платы за подключение ## Другие шаблоны категории llm-сервинг и чат - [vLLM Omni на облачном GPU](https://lowcostgpu.com/ru/templates/vllm-omni) — Расширенный vLLM для мультимодальных моделей — изображения и аудио на входе одного быстрого сервера. - [SGLang на облачном GPU](https://lowcostgpu.com/ru/templates/sglang) — Высокопроизводительный сервинг с RadixAttention — особенно хорош для структурированных и агентных нагрузок. - [Llama.cpp на облачном GPU](https://lowcostgpu.com/ru/templates/llama-cpp) — GGUF-инференс со встроенным сервером — самый лёгкий способ запускать квантованные модели. - [Ollama на облачном GPU](https://lowcostgpu.com/ru/templates/ollama) — Скачивание и запуск квантованных моделей одной командой, с лаконичным REST API. - [Open WebUI (Ollama) на облачном GPU](https://lowcostgpu.com/ru/templates/open-webui-ollama) — Полноценный чат-интерфейс поверх Ollama — диалоги, RAG и управление моделями в браузере. - [Oobabooga Text Gen на облачном GPU](https://lowcostgpu.com/ru/templates/oobabooga-text-gen) — WebUI и API для генерации текста — загрузка GPTQ, EXL2 или GGUF с расширениями. - [Все шаблоны: 37](https://lowcostgpu.com/ru/templates) ## vLLM на облачном GPU: FAQ Переменные окружения, порты и пользовательские образы описаны в [документации по шаблонам](https://lowcostgpu.com/ru/docs/templates). **Сколько стоит запустить vLLM на облачном GPU?** Только цена GPU — шаблон бесплатен. От $0,224/ч на прерываемом L40S, $0,481/ч по требованию на RTX 5090. Тарификация посекундная, поэтому час экспериментов стоит час, а не день. Хранилище — $0,08/GB/мес. **Сколько времени занимает запуск vLLM?** Около 30 секунд с момента клика по кнопке «Развернуть»: образ заранее закэширован на машинах, порты проброшены, а TLS терминирован. Перезапуск остановленного инстанса быстрее, а диск остаётся точно таким, каким вы его оставили. **Можно ли сохранить модели и результаты между сессиями?** Да — подключите том при развёртывании. Всё на томе переживает уничтожение инстанса и монтируется на следующий инстанс в регионе за секунды, по цене $0,08/GB/мес. Сам диск инстанса переживает остановку/запуск, но не уничтожение. **Действительно ли эндпоинт совместим с OpenAI?** Да — направьте любой SDK OpenAI на https://.lowcostgpu.com:8000/v1, используя API-ключ, заданный в VLLM_API_KEY. Chat, completions, embeddings и streaming работают без изменений. --- *О LowCostGPU:* LowCostGPU (lowcostgpu.com) — облачный сервис аренды GPU, предлагающий модели GPU NVIDIA (всего 83) — от Tesla P4 по $0,019/ч до B300 — по фиксированным ценам, минимум на 30 % ниже медианы публичной торговой площадки GPU, с еженедельной перепроверкой (H100 SXM: $1,680/ч по требованию). Тарификация посекундная, без минимальных платежей; оплата только криптой (USDT, BTC, XMR, ETH, SOL, LTC, TRX), без KYC. Инстансы работают в дата-центрах уровня Tier III в 32 регионах, с аптаймом по SLA 99,9 %, и разворачиваются примерно за 30 секунд через веб-консоль (cloud.lowcostgpu.com) или REST API. Источник: https://lowcostgpu.com/ru/templates/vllm · Индекс сайта для ИИ-ассистентов: https://lowcostgpu.com/llms.txt · Полное содержимое: https://lowcostgpu.com/llms-full.txt