*IVA excluído.
INCLUÍDO EM CADA PLANO
✓ Monitorização de servidor gratuita ✓ Gestão de firewall ✓Suporte 24/7 ✓ Virtualização KVM
Implementa instantaneamente servidores NVIDIA Blackwell prontos para produção, construídos para treino de IA e inferência em tempo real.
*IVA excluído.
INCLUÍDO EM CADA PLANO
| Memória GPU | 16 GB GDDR7 ECC |
| Núcleos CUDA | 4,352 |
| Núcleos Tensor | 136 (5.ª 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 (2.ª 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 (4.ª 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 (5.ª 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 (5.ª 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 (5.ª 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 (5.ª geração) |
| Desempenho de IA | 4,000 TOPS |
| Desempenho FP32 | 120 TFLOPS |
| Largura de banda de memória | 1,597 GB/s |
Helsinki
Helsinki
A placa está ligada a um só servidor, por isso o throughput corresponde à ficha técnica em cada execução.
Os modelos e ambientes permanecem em disco entre execuções, prontos no momento em que te voltas a ligar.
Os núcleos EPYC e o armazenamento NVMe mantêm os dados em movimento depressa o suficiente para manter a placa ocupada.
Os pesos dos modelos e os prompts permanecem no servidor que alugas, sob os teus próprios controlos de acesso.
Quando o teu trabalho depende do hardware, as pessoas por trás dele contam. Os nossos especialistas certificados apoiam-te 24/7 e em várias línguas, com mais de 17 anos de experiência a gerir infraestruturas enterprise em grande escala.

Bom preço pelo que recebes
2025-12-29"Uso os serviços deles há algum tempo e tem sido ótimo. O desempenho é bom e fiável, e o preço torna tudo ainda melhor. Funciona tudo sem problemas e são muito rápidos a responder quando precisas de alguma coisa."

A configuração foi rápida e o...
2025-09-01"A configuração foi rápida e o VPS tem estado a correr sem sobressaltos desde então. O apoio ao cliente respondeu às minhas questões sem complicar as coisas, e sinceramente adorei isso."

Equipa e empresa fantásticas
2025-03-01"Equipa e empresa fantásticas. À medida que vão alargando a disponibilidade dos serviços a outras regiões do mundo, continuam a elevar o nível de qualidade e de eficiência."

Bom serviço para alojamento web
2025-06-24"Bom serviço para alojamento web. Configuração simples e preço justo."

Excelente fornecedor
2026-01-25"Estou com a Lumadock há quase um ano e os servidores deles são excelentes.
Tenho alguns Forex VPS com eles em Londres e em Nova Iorque e até agora não tive qualquer problema. O uptime é ótimo e o VPS não bloqueia, como já me aconteceu com outros fornecedores.
"

Um GPU VPS é um servidor virtual com uma placa gráfica física ligada a ele. O CPU e o armazenamento vêm de um host partilhado através de virtualização KVM, enquanto o GPU é passado por passthrough, por isso a placa responde apenas a um servidor. Serve qualquer pessoa que precise de aceleração CUDA para um projeto que não justifica comprar hardware por inteiro, desde o serving de modelos ao rendering.
Cada plano GPU VPS usa passthrough completo, por isso a placa pertence apenas ao teu servidor. Toda a vRAM e cada núcleo CUDA são teus, sem qualquer camada de virtualização entre o teu código e o hardware. É precisamente isso que permite que o vLLM e o ecossistema CUDA mais amplo se comportem exatamente como numa máquina local. Corre o nvidia-smi após a implementação e o modo de virtualização indica Passthrough.
A vRAM é a primeira coisa a dimensionar. Com quantização de 4 bits, os modelos na faixa de 7B a 14B ficam confortavelmente em 16 GB. Sobe para modelos de classe 30B e vais querer de 24 GB a 32 GB. Tudo o que se aproxima 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 a dar espaço para saída em alta resolução.
Sim. Tens acesso root completo e a placa é passada diretamente, por isso a stack de drivers é da tua escolha. Fixa uma versão mais antiga do CUDA toolkit para uma framework que a exija, ou corre uma nightly build contra a mais recente. Os templates dão-te um ponto de partida, e a partir daí o servidor é teu para configurares como quiseres.
Num GPU VPS a placa é passada por passthrough apenas para o teu servidor, enquanto os núcleos CPU e o armazenamento vêm de um host partilhado através de virtualização KVM. Um servidor GPU dedicado entrega a máquina inteira. Para a maioria do trabalho de IA, a distinção importa menos do que as pessoas esperam, dado que a inferência e o fine-tuning são limitados pelo GPU e não pelo CPU ao lado. Um GPU VPS dá-te 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 podes 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 trabalhos em lote deixados a correr 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 podes subir à medida que os teus modelos crescem. Cada plano está associado a uma placa física, por isso mudar significa implementar no novo plano e trazer os teus dados, em vez de redimensionar no lugar. O suporte está disponível 24/7 se tiveres dúvidas sobre a mudança.
Sim. Instala o NVIDIA Container Toolkit e os contentores 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 correm sem modificação. E como tens root, o runtime dos contentores é teu para configurares tal como a tua pipeline espera.
A LumaDock oferece alojamento VPS, GPU e servidores dedicados rápido e acessível para programadores, empresas e gamers, com armazenamento NVMe e AMD EPYC.
A LumaDock® é uma marca registada da LumaDock LTD, sediada em Londres W1S 1HN, Reino Unido, e registada em Inglaterra e 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.