*ICMS não incluído.
INCLUÍDO EM CADA PLANO
✓ Monitoramento de servidor gratuito ✓ Gerenciamento de firewall ✓Suporte 24/7 ✓ Virtualização KVM
Implante instantaneamente servidores NVIDIA Blackwell prontos para produção, construídos para treinamento de IA e inferência em tempo real.
*ICMS não incluído.
INCLUÍDO EM CADA PLANO
| Memória GPU | 16 GB GDDR7 ECC |
| Núcleos CUDA | 4,352 |
| Núcleos Tensor | 136 (5ª geração) |
| Desempenho de IA | 545 TOPS |
| Desempenho FP32 | 17 TFLOPS |
| Largura de banda de memória | 288 GB/s |
| Memória GPU | 16 GB GDDR6 |
| Núcleos CUDA | 2,560 |
| Núcleos Tensor | 320 (2ª geração) |
| Desempenho de IA | 130 TOPS |
| Desempenho FP32 | 8.1 TFLOPS |
| Largura de banda de memória | 320 GB/s |
| Memória GPU | 20 GB GDDR6 ECC |
| Núcleos CUDA | 6,144 |
| Núcleos Tensor | 192 (4ª geração) |
| Desempenho de IA | 306 TOPS |
| Desempenho FP32 | 19.2 TFLOPS |
| Largura de banda de memória | 280 GB/s |
| Memória GPU | 24 GB GDDR7 ECC |
| Núcleos CUDA | 8,960 |
| Núcleos Tensor | 280 (5ª geração) |
| Desempenho de IA | 770 TOPS |
| Desempenho FP32 | 24 TFLOPS |
| Largura de banda de memória | 432 GB/s |
| Memória GPU | 32 GB GDDR7 ECC |
| Núcleos CUDA | 10,496 |
| Núcleos Tensor | 328 (5ª geração) |
| Desempenho de IA | 1,600 TOPS |
| Desempenho FP32 | 51 TFLOPS |
| Largura de banda de memória | 800 GB/s |
| Memória GPU | 48 GB GDDR7 ECC |
| Núcleos CUDA | 14,080 |
| Núcleos Tensor | 440 (5ª geração) |
| Desempenho de IA | 2,142 TOPS |
| Desempenho FP32 | 72 TFLOPS |
| Largura de banda de memória | 1,344 GB/s |
| Memória GPU | 96 GB GDDR7 ECC |
| Núcleos CUDA | 24,064 |
| Núcleos Tensor | 752 (5ª geração) |
| Desempenho de IA | 4,000 TOPS |
| Desempenho FP32 | 120 TFLOPS |
| Largura de banda de memória | 1,597 GB/s |
London
Helsinki
London
Helsinki
A placa está vinculada a um só servidor, então o throughput corresponde à ficha técnica em cada execução.
Os modelos e ambientes permanecem em disco entre execuções, prontos no momento em que você se reconecta.
Os núcleos EPYC e o armazenamento NVMe mantêm os dados em movimento rápido o suficiente para manter a placa ocupada.
Os pesos dos modelos e os prompts permanecem no servidor que você aluga, sob seus próprios controles de acesso.
Quando o seu trabalho depende do hardware, as pessoas por trás dele importam. Nossos especialistas certificados atendem você 24/7 e em vários idiomas, com mais de 17 anos de experiência gerenciando infraestruturas enterprise em larga escala.

Bom preço pelo que entrega
2025-12-29"Uso os serviços deles há um tempo e tem sido ótimo. O desempenho é bom e confiável, e o preço torna tudo ainda melhor. Tudo funciona de forma tranquila, e eles são muito ágeis quando você precisa de alguma coisa."

A configuração foi rápida e o...
2025-09-01"A configuração foi rápida e o VPS vem rodando tranquilo desde então. O suporte respondeu minhas dúvidas sem complicar as coisas, e sinceramente gostei disso."

Time e empresa incríveis
2025-03-01"Time e empresa incríveis. Conforme vão expandindo a disponibilidade dos serviços para outras regiões do mundo, continuam elevando o nível de excelência e eficiência."

Bom serviço para hospedagem de sites
2025-06-24"Bom serviço para hospedagem de sites. Configuração fácil e preço justo."

Excelente provedor
2026-01-25"Estou com a Lumadock há quase um ano e os servidores deles são ótimos.
Tenho alguns Forex VPS com eles em Londres e Nova York, e até agora não tive nenhum problema. O uptime é excelente e o VPS não trava como eu já vi em outros provedores.
"

Um GPU VPS é um servidor virtual com uma placa gráfica física conectada a ele. A CPU e o armazenamento vêm de um host compartilhado através de virtualização KVM, enquanto a GPU é passada por passthrough, então a placa responde apenas a um servidor. Serve qualquer pessoa que precise de aceleração CUDA para um projeto que não justifica comprar hardware por completo, do serving de modelos ao rendering.
Cada plano GPU VPS usa passthrough completo, então a placa pertence apenas ao seu servidor. Toda a vRAM e cada núcleo CUDA são seus, sem nenhuma camada de virtualização entre seu código e o hardware. É exatamente isso que permite que o vLLM e o ecossistema CUDA mais amplo se comportem exatamente como em uma máquina local. Rode o nvidia-smi após a implantação e o modo de virtualização mostra Passthrough.
A vRAM é a primeira coisa a dimensionar. Com quantização de 4 bits, os modelos na faixa de 7B a 14B cabem confortavelmente em 16 GB. Suba para modelos de classe 30B e você vai querer de 24 GB a 32 GB. Qualquer coisa que se aproxime de 70B precisa de 48 GB ou mais. E assim que o modelo cabe, a largura de banda de memória decide a rapidez com que os tokens saem. O trabalho com imagem e vídeo segue a mesma lógica, com 20 GB para cima dando espaço para saída em alta resolução.
Sim. Você tem acesso root completo e a placa é passada diretamente, então a stack de drivers é a sua escolha. Fixe uma versão mais antiga do CUDA toolkit para um framework que a exija, ou rode uma nightly build contra a mais recente. Os templates dão a você um ponto de partida, e a partir daí o servidor é seu para configurar como quiser.
Em um GPU VPS a placa é passada por passthrough apenas para o seu servidor, enquanto os núcleos CPU e o armazenamento vêm de um host compartilhado através de virtualização KVM. Um servidor GPU dedicado entrega a máquina inteira. Para a maior parte do trabalho de IA, a distinção importa menos do que as pessoas esperam, já que a inferência e o fine-tuning são limitados pela GPU e não pela CPU ao lado. Um GPU VPS dá a você a mesma placa com muito menos compromisso.
Sim, e a geração de imagens é uma das coisas em que a vRAM dedicada mais ajuda. A partir de 20 GB você pode trabalhar em alta resolução com vários checkpoints e LoRAs carregados ao mesmo tempo, o que mantém a iteração rápida. As placas Blackwell maiores acrescentam margem para geração de vídeo e para jobs em lote deixados rodando sem supervisão. Tudo se instala como em qualquer máquina Linux com uma placa NVIDIA.
Sim. Os planos vão das placas de entrada à nave capitânea, e você pode subir à medida que seus modelos crescem. Cada plano está associado a uma placa física, então mudar significa implantar no novo plano e trazer seus dados, em vez de redimensionar no lugar. O suporte está disponível 24/7 se você tiver dúvidas sobre a mudança.
Sim. Instale o NVIDIA Container Toolkit e os containers obtêm acesso direto à placa, que é como a maioria das stacks de inferência em produção é distribuída. As imagens que a NVIDIA publica para PyTorch e TensorFlow rodam sem modificação. E como você tem root, o runtime dos containers é seu para configurar exatamente como seu pipeline espera.
A LumaDock oferece hospedagem VPS, GPU e servidores dedicados rápida e acessível para desenvolvedores, empresas e gamers, com armazenamento NVMe e AMD EPYC.
LumaDock® é uma marca registrada da LumaDock LTD, sediada em Londres W1S 1HN, Reino Unido, e registrada na Inglaterra e no País de Gales sob o número de empresa 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.