24GB GDDR6
Massivt grafikminne för stora modeller och dataset.
Kraftfull prestanda för AI-träning, AI-inferens, rendering, högintensiva beräkningar och multimedia.
Kör avancerade arbetslaster direkt i molnet, utan att köpa och drifta egen hårdvara. Våra GPU-instanser är byggda för företag, utvecklare och kreatörer som kräver hög prestanda, låg latens och full kontroll.
Modern hårdvara: Nvidia L4 (PCIe Gen 4) med 24 GB GDDR6 och energieffektiv Ada Lovelace-arkitektur.
Flexibla instanser: skala upp eller ner efter behov.
Lokal infrastruktur: låg latens inom EU, med servrar placerade i Umeå, Sverige.
Transparent prissättning: mest prestanda för pengarna.
Massivt grafikminne för stora modeller och dataset.
Full kontroll över hela GPU:n, ingen delning med andra kunder.
Beräkningskraft för AI och rendering.
Specialiserad för AI-inferens, AI-träning och videobearbetning.
2,5x bättre prestanda per watt jämfört med tidigare generationer.
Serverhall i Umeå, Sverige.
L4-familjen består av GPU-servrar med Nvidia L4-GPU:er, AMD EPYC 7713-processorer, DDR4 RAM och lokala NVMe-diskar med hög IOPS i RAID.
l4.gpu1
3,91 kr0,3555 € / timme
eller
2 627 kr239 € / månad
l4.gpu2
4,28 kr0,3891 € / timme
eller
2 875 kr261 € / månad
l4.gpu3
4,82 kr0,4382 € / timme
eller
3 239 kr294 € / månad
l4.dual-gpu
10,69 kr0,9718 € / timme
eller
7 187 kr653 € / månad
Räknat på 672 timmar per månad. Vid en hel månads användning på samma instans överstiger kostnaden inte det fasta månadspriset.
1 IPv4-adress och 1 IPv6-adress ingår per instans.
All drift och datalagring sker i vår serverhall i Umeå, inom EU. Ingen data lämnar landet, och du vet var dina och dina användares uppgifter finns.
Vi vet att våra kunder prioriterar hastighet, därför sker all datalagring på NVMe SSD av enterprisemodeller. Snabbare och mer strömsnåla! GPU-instanserna använder lokal NVMe-lagring i RAID.
Internet till våra tjänster levereras av oss via vårt eget AS-nummer. Stabil och säker uppkoppling med låg latens.
En GPU-instans i molnet är en virtuell maskin hos en molnleverantör med en GPU (grafikkort) kopplad till den virtuella maskinen. GPU:n kan vara antingen delad vGPU eller en hel GPU via PCIe-passthrough.
En vanlig VPS med CPU är bra för generella applikationer, men vissa arbetslaster kräver den parallella processkraften i en GPU. Med en GPU-instans kan du:
Kort sagt: CPU för generellt arbete, GPU för accelererad beräkning.
Alla våra GPU-instanser kommer med dedikerad NVMe-lagring lokalt i servern. Denna disk används som scratchdisk eller primär lagring och levererar extremt hög IOPS och låg latens, jämfört med traditionell nätverkslagring. För arbetslaster som AI-träning, databearbetning och videobearbetning innebär det att du får mycket snabbare åtkomst till data.
Vi erbjuder flexibel fakturering per timme där du endast betalar för den tid din instans är igång. För kunder som vill ha långsiktig drift visar vi även max månadspris. Debitering av inlagt betalkort sker automatiskt och det finns inga bindningstider: du kan starta och stoppa dina GPU-instanser när du vill.
Företag kan ansöka om faktura som betalsätt genom att skicka in ett supportärende i Hexabyte Cloud.
Du får full root-åtkomst till din GPU-instans och kan installera egna drivrutiner, bibliotek och programvaror. Det innebär att du kan sätta upp allt från Docker-containers med PyTorch/TensorFlow till fulla virtuella arbetsstationer (vWS) med t.ex. Remote Desktop eller NICE DCV.
Supporten hanteras via supportärenden direkt i Hexabyte Cloud, och du kan skriva på både svenska och engelska. Våra tekniker finns i Sverige och hjälper dig med driftrelaterade frågor, instanshantering och felsökning.
Nej. Alla våra GPU-planer inkluderar bara dedikerade NVIDIA L4-GPU:er, anslutna via PCIe-passthrough. Det betyder att du inte delar GPU-resurser med andra kunder, till skillnad från vissa molnleverantörer som erbjuder “delad vGPU” med lägre prestanda. Hos oss är prestandan förutsägbar och garanterad.
Absolut. NVIDIA L4 är utmärkt för både AI-inferens och modellträning. Kortet har stöd för FP32, FP16 och INT8, vilket gör det effektivt för både träning och optimerad inferens. Du kan använda populära ramverk som TensorFlow, PyTorch och JAX utan problem.