Helsinki
Amikor a munkád a hardveren múlik, számítanak a mögötte álló emberek. Tanúsított szakembereink 24/7 és több nyelven támogatnak, több mint 17 év tapasztalattal vállalati infrastruktúra nagy léptékű üzemeltetésében.
Jó ár azért, amit kapsz
2025-12-29"Egy ideje használom a szolgáltatásaikat, és remek a tapasztalat. A teljesítmény jó és megbízható, az ár pedig még jobbá teszi az egészet. Minden simán megy, és nagyon gyorsan reagálnak, ha valamire szükségem van."
A beüzemelés gyors volt és a...
2025-09-01"A beüzemelés gyors volt, és a VPS azóta is problémamentesen fut. Az ügyfélszolgálat a kérdéseimre felesleges bonyolítás nélkül válaszolt, ami őszintén szólva nagyon tetszett."
Szuper csapat és cég
2025-03-01"Szuper csapat és cég. Ahogy egyre több régióban elérhetővé teszik a szolgáltatásaikat, úgy fejlesztik folyamatosan a színvonalat és a hatékonyságot is."
Jó minőség
2025-03-09"Gyors VPS, semmi panasz."
Jó szolgáltatás webhostingra
2025-06-24"Jó szolgáltatás webhostingra. Egyszerű beüzemelés és korrekt ár."
Kiváló szolgáltató
2026-01-25"Közel egy éve vagyok Lumadocknál, és a szervereik remekek.
Több Forex VPS-em van náluk Londonban és New Yorkban, és a mai napig semmilyen gondom nem akadt. A rendelkezésre állás kiváló, és a VPS nem akad le, ahogy azt más szolgáltatóknál tapasztaltam.
"
A GPU VPS egy virtuális szerver, amelyhez fizikai grafikus kártya kapcsolódik. A CPU és a tárhely megosztott hosztról érkezik KVM virtualizáción keresztül, míg a GPU passthrough-val van átadva, így a kártya csak egyetlen szervernek felel. Mindenkinek megfelel, akinek CUDA gyorsításra van szüksége egy olyan projekthez, amely nem indokolja a hardver teljes megvásárlását, a modellkiszolgálástól a renderingig.
Minden GPU VPS csomag teljes passthrough-t használ, így a kártya kizárólag a te szerveredhez tartozik. Minden vRAM és minden CUDA mag a tiéd, virtualizációs réteg nélkül a kódod és a hardver között. Pontosan ez teszi lehetővé, hogy a vLLM és a tágabb CUDA ökoszisztéma pontosan úgy viselkedjen, mintha helyi gépen futna. Futtasd le a nvidia-smi parancsot a telepítés után, és a virtualizációs mód Passthrough lesz.
A vRAM az első, amit méretezned kell. 4 bites kvantálással a 7B-től 14B-ig terjedő modellek kényelmesen elférnek 16 GB-on. Lépj feljebb a 30B osztályú modellekhez, és 24 GB-tól 32 GB-ig lesz szükséged. Bármi, ami megközelíti a 70B-t, 48 GB-ot vagy többet igényel. És amint a modell elfér, a memória sávszélessége dönti el, milyen gyorsan jönnek ki a tokenek. A kép- és videómunka ugyanezt a logikát követi, ahol a 20 GB-tól felfelé teret ad a nagy felbontású kimenetnek.
Igen. Teljes root hozzáférésed van, és a kártya közvetlenül át van adva, így a driver stack a te választásod. Rögzíts egy régebbi CUDA toolkit verziót egy olyan frameworkhöz, amelynek szüksége van rá, vagy futtass egy nightly buildet a legújabb ellenében. A sablonok kiindulópontot adnak, onnantól a szerver a tiéd, hogy úgy konfiguráld, ahogy tetszik.
Egy GPU VPS-en a kártya kizárólag a te szerverednek van átadva, míg a CPU magok és a tárhely megosztott hosztról érkeznek KVM virtualizáción keresztül. Egy dedikált GPU szerver az egész gépet átadja. A legtöbb AI munkánál ez a különbség kevésbé számít, mint az emberek gondolják, mivel az inferenciát és a finomhangolást a GPU köti meg, nem a mellette lévő CPU. Egy GPU VPS ugyanazt a kártyát adja sokkal kisebb elköteleződéssel.
Igen, és a képgenerálás az egyik olyan dolog, amelynek a dedikált vRAM a legtöbbet segít. 20 GB-tól felfelé nagy felbontáson dolgozhatsz több egyszerre betöltött checkpointtal és LoRA-val, ami fürgén tartja az iterációt. A nagyobb Blackwell kártyák tartalékot adnak a videógeneráláshoz és a felügyelet nélkül futni hagyott kötegelt feladatokhoz. Minden úgy települ, mint bármely Linux gépen NVIDIA kártyával.
Igen. A csomagok a belépő kártyáktól a zászlóshajóig terjednek, és feljebb léphetsz, ahogy a modelljeid nőnek. Minden csomag egy fizikai kártyához van kötve, így a váltás azt jelenti, hogy az új csomagon telepítesz és átviszed az adataidat, ahelyett hogy helyben átméreteznél. A támogatás a nap 24 órájában elérhető, ha kérdéseid vannak a váltásról.
Igen. Telepítsd a NVIDIA Container Toolkitet, és a konténerek közvetlen hozzáférést kapnak a kártyához, a legtöbb produkciós inferencia stack pontosan így érkezik. A NVIDIA által PyTorch és TensorFlow számára közzétett képfájlok módosítás nélkül futnak. És mivel root hozzáférésed van, a konténer runtime a tiéd, hogy úgy konfiguráld, ahogy a pipeline-od elvárja.
A LumaDock gyors és megfizethető VPS, GPU és dedikált szerver hostingot kínál fejlesztőknek, vállalkozásoknak és gamereknek, NVMe tárhellyel és AMD EPYC alapokon.
A LumaDock® a LumaDock LTD bejegyzett védjegye, amelynek székhelye London W1S 1HN, Egyesült Királyság, és amely Angliában és Walesben 15844051 cégszám alatt van bejegyezve.
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.
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.svg)
.png)
