*Hors TVA.
INCLUS DANS CHAQUE OFFRE
✓ Surveillance serveur gratuite ✓ Gestion du pare-feu ✓Support 24/7 ✓ Virtualisation KVM
Déployez instantanément des serveurs NVIDIA Blackwell prêts pour la production, conçus pour l'entraînement d'IA et l'inférence en temps réel.
*Hors TVA.
INCLUS DANS CHAQUE OFFRE
| Mémoire GPU | 16 GB GDDR7 ECC |
| Cœurs CUDA | 4,352 |
| Cœurs Tensor | 136 (5e génération) |
| Performances IA | 545 TOPS |
| Performances FP32 | 17 TFLOPS |
| Bande passante mémoire | 288 GB/s |
| Mémoire GPU | 16 GB GDDR6 |
| Cœurs CUDA | 2,560 |
| Cœurs Tensor | 320 (2e génération) |
| Performances IA | 130 TOPS |
| Performances FP32 | 8.1 TFLOPS |
| Bande passante mémoire | 320 GB/s |
| Mémoire GPU | 20 GB GDDR6 ECC |
| Cœurs CUDA | 6,144 |
| Cœurs Tensor | 192 (4e génération) |
| Performances IA | 306 TOPS |
| Performances FP32 | 19.2 TFLOPS |
| Bande passante mémoire | 280 GB/s |
| Mémoire GPU | 24 GB GDDR7 ECC |
| Cœurs CUDA | 8,960 |
| Cœurs Tensor | 280 (5e génération) |
| Performances IA | 770 TOPS |
| Performances FP32 | 24 TFLOPS |
| Bande passante mémoire | 432 GB/s |
| Mémoire GPU | 32 GB GDDR7 ECC |
| Cœurs CUDA | 10,496 |
| Cœurs Tensor | 328 (5e génération) |
| Performances IA | 1,600 TOPS |
| Performances FP32 | 51 TFLOPS |
| Bande passante mémoire | 800 GB/s |
| Mémoire GPU | 48 GB GDDR7 ECC |
| Cœurs CUDA | 14,080 |
| Cœurs Tensor | 440 (5e génération) |
| Performances IA | 2,142 TOPS |
| Performances FP32 | 72 TFLOPS |
| Bande passante mémoire | 1,344 GB/s |
| Mémoire GPU | 96 GB GDDR7 ECC |
| Cœurs CUDA | 24,064 |
| Cœurs Tensor | 752 (5e génération) |
| Performances IA | 4,000 TOPS |
| Performances FP32 | 120 TFLOPS |
| Bande passante mémoire | 1,597 GB/s |
Helsinki
Helsinki
La carte est liée à un seul serveur, donc les performances correspondent à la fiche technique à chaque exécution.
Les modèles et les environnements restent sur le disque entre les exécutions, prêts au moment où vous vous reconnectez.
Les cœurs EPYC et le stockage NVMe gardent les données en mouvement assez vite pour occuper la carte.
Les poids des modèles et les prompts restent sur le serveur que vous louez, sous vos règles d'accès.
Quand votre travail dépend du matériel, les personnes derrière comptent. Nos spécialistes certifiés vous accompagnent 24/7 et en plusieurs langues, avec plus de 17 ans d'expérience dans l'exploitation d'infrastructures enterprise à grande échelle.

Bon rapport qualité-prix
2025-12-29"J'utilise leurs services depuis un moment et c'est top. Les performances sont bonnes et fiables, et le prix rend le tout encore meilleur. Tout fonctionne sans accroc, et ils sont très réactifs dès qu'on a besoin de quelque chose."

La mise en place a été rapide et...
2025-09-01"La mise en place a été rapide et le VPS tourne sans souci depuis. Le support client a répondu à mes questions sans compliquer les choses, et ça m'a honnêtement plu."

Équipe et entreprise au top
2025-03-01"Équipe et entreprise au top. Au fur et à mesure qu'ils étendent la disponibilité de leurs services à d'autres régions du monde, ils continuent de progresser en qualité et en efficacité."

Bon service pour l'hébergement web
2025-06-24"Bon service pour l'hébergement web. Mise en place simple et prix juste."

Excellent fournisseur
2026-01-25"Je suis chez Lumadock depuis presque un an maintenant, et leurs serveurs sont excellents.
J'ai quelques VPS Forex chez eux à Londres et à New York, et je n'ai eu aucun souci jusqu'à présent. Le temps de disponibilité est très bon et le VPS ne se bloque pas, contrairement à ce que j'ai vécu avec d'autres fournisseurs.
"

Un GPU VPS est un serveur virtuel avec une carte graphique physique qui lui est rattachée. Le CPU et le stockage proviennent d'un hôte partagé via la virtualisation KVM, tandis que le GPU est en passthrough, si bien que la carte ne répond qu'à un seul serveur. Il convient à quiconque a besoin d'une accélération CUDA pour un projet qui ne justifie pas l'achat de matériel complet, du service de modèles au rendu.
Chaque offre GPU VPS utilise un passthrough complet, donc la carte appartient à votre seul serveur. Chaque vRAM et chaque cœur CUDA vous appartiennent, sans couche de virtualisation entre votre code et le matériel. C'est précisément ce qui permet à vLLM et à l'écosystème CUDA plus large de se comporter exactement comme s'ils tournaient sur une machine locale. Lancez nvidia-smi après le déploiement et vous verrez le mode de virtualisation Passthrough.
La vRAM est la première chose à dimensionner. En quantification 4-bit, les modèles de 7B à 14B tiennent confortablement dans 16 GB. Passez aux modèles de classe 30B et il vous faudra de 24 GB à 32 GB. Tout ce qui approche 70B nécessite 48 GB ou plus. Et une fois que le modèle tient, la bande passante mémoire détermine la vitesse à laquelle les tokens sortent. Le travail sur image et vidéo suit la même logique, où 20 GB et plus laissent de l'espace pour une sortie haute résolution.
Oui. Vous disposez d'un accès root complet et la carte est en passthrough direct, donc la pile de pilotes vous appartient. Installez une version plus ancienne du CUDA toolkit pour un framework qui l'exige, ou lancez une nightly build face à la dernière. Les templates vous donnent un point de départ, et à partir de là le serveur est à vous pour le configurer selon vos besoins.
Avec un GPU VPS, la carte est en passthrough vers votre seul serveur, tandis que les cœurs CPU et le stockage proviennent d'un hôte partagé via la virtualisation KVM. Un serveur GPU dédié cède la machine entière. Pour la plupart des tâches IA, cette différence compte moins que ce que les gens imaginent, car l'inférence et le fine-tuning sont limités par le GPU, pas par le CPU à côté. Un GPU VPS vous donne la même carte avec beaucoup moins d'engagement.
Oui, et la génération d'images est l'une des choses que la vRAM dédiée aide le plus. À partir de 20 GB, vous pouvez travailler en haute résolution avec plusieurs checkpoints et LoRAs chargés à la fois, ce qui garde l'itération fluide. Les cartes Blackwell plus grandes ajoutent de la marge pour la génération vidéo et les tâches par lots laissées tourner sans surveillance. Tout s'installe comme sur n'importe quelle machine Linux avec une carte NVIDIA.
Oui. Les offres vont des cartes d'entrée de gamme aux modèles phares, et vous pouvez monter en gamme à mesure que vos modèles grandissent. Chaque offre est liée à une carte physique, donc changer signifie déployer sur la nouvelle offre et transférer vos données, plutôt que de redimensionner sur place. Le support est disponible à toute heure si vous avez des questions sur la transition.
Oui. Installez le NVIDIA Container Toolkit et les conteneurs obtiennent un accès direct à la carte, c'est justement ainsi que la plupart des écosystèmes d'inférence en production sont livrés. Les images que NVIDIA publie pour PyTorch et TensorFlow tournent sans modification. Et comme vous avez root, l'environnement d'exécution des conteneurs vous appartient pour le configurer comme votre pipeline l'attend.
LumaDock propose un hébergement VPS, GPU et serveurs dédiés rapide et abordable pour les développeurs, les entreprises et les gamers, propulsé par du stockage NVMe et AMD EPYC.
LumaDock® est une marque déposée de LumaDock LTD, basée à Londres W1S 1HN, Royaume-Uni, et enregistrée en Angleterre et au pays de Galles sous le numéro de société 15844051.
GPU products are in high demand at the moment. Fill the form to get notified as soon as your preferred GPU server is back in stock.
We'll notify you when your preferred server is back in stock.