*Ohne MwSt.
IN JEDEM PLAN ENTHALTEN
✓ Kostenloses Servermonitoring ✓ Firewallverwaltung ✓24/7 Support ✓ KVM Virtualisierung
Stelle sofort produktionsreife NVIDIA Blackwell Server bereit, gebaut für AI Training und Echtzeit Inference.
*Ohne MwSt.
IN JEDEM PLAN ENTHALTEN
| GPU Speicher | 16 GB GDDR7 ECC |
| CUDA Kerne | 4,352 |
| Tensor Kerne | 136 (5. Generation) |
| AI Leistung | 545 TOPS |
| FP32 Leistung | 17 TFLOPS |
| Speicherbandbreite | 288 GB/s |
| GPU Speicher | 16 GB GDDR6 |
| CUDA Kerne | 2,560 |
| Tensor Kerne | 320 (2. Generation) |
| AI Leistung | 130 TOPS |
| FP32 Leistung | 8.1 TFLOPS |
| Speicherbandbreite | 320 GB/s |
| GPU Speicher | 20 GB GDDR6 ECC |
| CUDA Kerne | 6,144 |
| Tensor Kerne | 192 (4. Generation) |
| AI Leistung | 306 TOPS |
| FP32 Leistung | 19.2 TFLOPS |
| Speicherbandbreite | 280 GB/s |
| GPU Speicher | 24 GB GDDR7 ECC |
| CUDA Kerne | 8,960 |
| Tensor Kerne | 280 (5. Generation) |
| AI Leistung | 770 TOPS |
| FP32 Leistung | 24 TFLOPS |
| Speicherbandbreite | 432 GB/s |
| GPU Speicher | 32 GB GDDR7 ECC |
| CUDA Kerne | 10,496 |
| Tensor Kerne | 328 (5. Generation) |
| AI Leistung | 1,600 TOPS |
| FP32 Leistung | 51 TFLOPS |
| Speicherbandbreite | 800 GB/s |
| GPU Speicher | 48 GB GDDR7 ECC |
| CUDA Kerne | 14,080 |
| Tensor Kerne | 440 (5. Generation) |
| AI Leistung | 2,142 TOPS |
| FP32 Leistung | 72 TFLOPS |
| Speicherbandbreite | 1,344 GB/s |
| GPU Speicher | 96 GB GDDR7 ECC |
| CUDA Kerne | 24,064 |
| Tensor Kerne | 752 (5. Generation) |
| AI Leistung | 4,000 TOPS |
| FP32 Leistung | 120 TFLOPS |
| Speicherbandbreite | 1,597 GB/s |
Helsinki
Helsinki
Die Karte ist an einen Server gebunden, sodass der Durchsatz bei jedem Lauf dem Datenblatt entspricht.
Modelle und Umgebungen bleiben zwischen Läufen auf der Festplatte, bereit in dem Moment, in dem du dich wieder verbindest.
EPYC Kerne und NVMe Speicher halten Daten schnell genug in Bewegung, um die Karte auszulasten.
Modellgewichte und Prompts bleiben auf dem Server, den du mietest, unter deinen eigenen Zugriffsregeln.
Wenn deine Arbeit von der Hardware abhängt, zählen die Menschen dahinter. Unsere zertifizierten Spezialisten unterstützen dich 24/7 und in mehreren Sprachen, mit über 17 Jahren Erfahrung im Betrieb von Enterprise Infrastruktur im großen Maßstab.

Guter Preis für das, was du bekommst
2025-12-29"Ich nutze ihre Dienste schon eine Weile und es läuft super. Die Performance ist gut und zuverlässig, und der Preis macht das Ganze noch besser. Alles läuft einfach rund, und sie reagieren schnell, wenn man was braucht."

Die Einrichtung war schnell und der...
2025-09-01"Die Einrichtung war schnell und der VPS läuft seitdem reibungslos. Der Kundensupport hat meine Fragen beantwortet, ohne die Sache kompliziert zu machen, was mir ehrlich gesagt gut gefallen hat."

Klasse Team und Unternehmen
2025-03-01"Klasse Team und Unternehmen. Während sie ihre Dienste in weitere Regionen der Welt ausweiten, bauen sie gleichzeitig ihre Qualität und Effizienz weiter aus."

Guter Service für Webhosting
2025-06-24"Guter Service für Webhosting. Einfache Einrichtung und fairer Preis."

Erstklassiger Anbieter
2026-01-25"Ich bin jetzt schon fast ein Jahr bei Lumadock und ihre Server sind top.
Ich habe bei ihnen ein paar Forex VPS in London und New York und bis jetzt gab es keinerlei Probleme. Die Uptime ist super und der VPS bleibt nicht hängen, wie ich es bei anderen Anbietern erlebt habe.
"

Ein GPU VPS ist ein virtueller Server mit einer physischen Grafikkarte, die an ihn angebunden ist. CPU und Speicher kommen von einem geteilten Host über KVM Virtualisierung, während die GPU per Passthrough durchgereicht wird, sodass die Karte nur einem Server antwortet. Er passt zu jedem, der CUDA Beschleunigung für ein Projekt braucht, das den Kauf kompletter Hardware nicht rechtfertigt, vom Modell Serving bis zum Rendering.
Jeder GPU VPS Plan nutzt vollen Passthrough, sodass die Karte allein deinem Server gehört. Die gesamte vRAM und jeder CUDA Kern gehören dir, ohne Virtualisierungsschicht zwischen deinem Code und der Hardware. Genau das lässt vLLM und das breitere CUDA Ökosystem sich exakt so verhalten, als liefen sie auf einer lokalen Maschine. Führe nvidia-smi nach dem Deployment aus und der Virtualisierungsmodus zeigt Passthrough.
vRAM ist das Erste, was du dimensionierst. In 4-Bit Quantisierung sitzen Modelle im Bereich 7B bis 14B bequem auf 16 GB. Steig auf Modelle der 30B Klasse um und du brauchst 24 GB bis 32 GB. Alles, was sich 70B nähert, braucht 48 GB oder mehr. Und sobald das Modell passt, entscheidet die Speicherbandbreite, wie schnell die Tokens herauskommen. Bild und Videoarbeit folgt derselben Logik, wobei 20 GB aufwärts Raum für Ausgabe in hoher Auflösung geben.
Ja. Du hast vollen root Zugriff und die Karte wird direkt durchgereicht, sodass der Treiberstack dir gehört. Pinne eine ältere CUDA Toolkit Version für ein Framework, das sie braucht, oder betreibe einen Nightly Build gegen die neueste. Die Templates geben dir einen Startpunkt, und von dort gehört der Server dir, um ihn nach Belieben zu konfigurieren.
Bei einem GPU VPS wird die Karte allein an deinen Server durchgereicht, während CPU Kerne und Speicher von einem geteilten Host über KVM Virtualisierung kommen. Ein dedizierter GPU Server übergibt die ganze Maschine. Für die meiste AI Arbeit zählt dieser Unterschied weniger, als Leute erwarten, da Inference und Fine Tuning durch die GPU begrenzt sind, nicht durch die CPU daneben. Ein GPU VPS gibt dir dieselbe Karte mit weit weniger Bindung.
Ja, und Bildgenerierung ist eines der Dinge, denen dedizierte vRAM am meisten hilft. Ab 20 GB kannst du in hoher Auflösung mit mehreren gleichzeitig geladenen Checkpoints und LoRAs arbeiten, was die Iteration flott hält. Die größeren Blackwell Karten fügen Reserve für Videogenerierung und für unbeaufsichtigt laufende Batchjobs hinzu. Alles installiert sich wie auf jeder Linux Maschine mit einer NVIDIA Karte.
Ja. Die Pläne reichen von Einstiegskarten bis zum Flaggschiff, und du kannst aufsteigen, während deine Modelle wachsen. Jeder Plan ist an eine physische Karte gebunden, sodass ein Wechsel bedeutet, auf dem neuen Plan bereitzustellen und deine Daten mitzunehmen, statt an Ort und Stelle die Größe zu ändern. Der Support ist rund um die Uhr verfügbar, falls du Fragen zum Wechsel hast.
Ja. Installiere das NVIDIA Container Toolkit und Container erhalten direkten Zugriff auf die Karte, genau so werden die meisten Produktions Inference Stacks ausgeliefert. Die Images, die NVIDIA für PyTorch und TensorFlow veröffentlicht, laufen ohne Änderung. Und da du root hast, gehört die Container Runtime dir, um sie so zu konfigurieren, wie es deine Pipeline erwartet.
LumaDock bietet schnelles und preiswertes VPS, GPU und Dedicated Server Hosting für Entwickler, Unternehmen und Gamer auf Basis von NVMe-Speicher und AMD EPYC.
LumaDock® ist eine eingetragene Marke von LumaDock LTD mit Sitz in London W1S 1HN, Vereinigtes Königreich, und in England und Wales unter der Firmennummer 15844051 eingetragen.
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.