个人租 GPU 算力选哪家？主流平台计费与适用场景对比

想租张卡自己跑模型，翻了一圈平台发现各家计费口径完全不一样：有的按小时，有的按秒，有的按整月，还有的按 token 收推理费。这篇不讲哪家最好，而是给你一套对齐口径的方法，先搞清楚自己的任务属于哪一类，再按维度筛平台，最后小额试水验证。

想租张卡自己跑模型，翻一圈平台会发现各家计费口径完全不一样：有的按小时、有的按秒、有的按整月，还有的按 token 收推理费。这篇不评谁最好，只给你一套对齐口径的方法：先判断自己的任务属于哪一类，再按维度筛平台，最后小额试水验证。

顺序别搞反。很多人先比价格，结果卡型不合适、环境跑不起来，反而多花时间。下面五节按「任务→计费→卡型→门槛→试水」排，每节都给判断标准和动作，你照着走一遍基本能筛掉大半不合适的平台。

先分清你要的是哪类卡：训练、微调还是跑推理

短时实验和长期挂服务对平台要求完全不同。跑个 demo、试个开源模型，几十分钟到几小时就结束，这种看重的是开机快、按秒计费、随时能关；而长期在线的推理服务看重的是在线时长、稳定性和并发能力，计费方式往往按整月或按调用量算。

动手前先把任务写成一句话：跑什么模型、跑多久、要不要一直在线。写不出来就说明还没想清楚，这时候下单多半会买错规格。

计费单位先对齐：按秒、按小时、按整月差在哪

按秒适合跑完就关的短任务，按整月适合长期服务。坑在于看起来便宜的单位，往往没把开机、关机、镜像拉取、数据传输这些环节算进去，最后账单和预估差不少。

比价前先做单位换算：把三家平台的报价都折成同一个单位（比如每小时或每卡时），再放到一张表里比。换算口径和当时的租金走势，可以到 /compute/price-index 核对当时的数字，别凭印象。

• 确认计费起算点：从开机算还是从任务真正开始跑算
• 确认关机后是否立即停止计费，还是按最小计费单位结算
• 确认镜像拉取、数据集上传下载是否单独计费
• 确认闲置时有没有自动关机策略，避免忘了关一直扣

如果平台给的是整月价，而你只需要跑一个下午，换算下来通常不划算；反过来，按秒计费的平台挂长期服务，管理成本会比整月高。什么情况下不适用：如果你的任务时长本身波动很大、说不准，那先按小时计费试一两次，拿到实际耗时的数据再决定长期方案。

卡型与显存：先算够不够，再比价格

卡型选错，再便宜也跑不起来。先按模型规模和量化档位估显存需求：模型参数越大、量化档位越高，显存吃得越多。估算不准就先做一次部署测算，别直接下单。

具体卡型的规格，到 /compute/gpus 对一遍，确认显存、卡数、带宽三项。只看显存容易踩坑：有些任务卡在带宽上，多卡也不一定比单卡快。

显存

决定能不能把模型加载进去，是第一道门槛

卡数

影响能否并行，也影响显存总量，但不是线性提速

带宽

影响训练和推理的吞吐，数据量大时比算力更关键

什么情况下不适用：如果你只是跑推理、模型已经量化过，需求会比训练低不少，不必按训练标准选高配卡。先做部署测算，到 /models/deploy 把模型和卡型对一遍再决定。

有没有货、能不能上手：两个容易被忽略的门槛

想租的卡经常没货，价格再合适也白搭。下单前先看 /compute/availability 的实时情况，确认目标卡型当前有没有可用实例，不要等到付完钱才发现排不上。

上手门槛对个人用户尤其重要。不熟命令行的，优先选有现成镜像、能网页直连的平台；注册门槛、实名要求、支付方式也直接决定你能不能当天开跑。

• 有没有常用框架的现成镜像，省去自己配环境
• 能不能网页终端直连，还是必须本地配 SSH 和密钥
• 注册到开跑需要几步，是否要审核或实名
• 支持的支付方式是否覆盖你手头的渠道

这两项都属于「不致命但很拖时间」的门槛。个人开发者时间成本高，卡型差一档还能忍，环境配一天就很不划算。

小额试水顺序：先跑通一个真实小任务再决定

1. 先充最小额度第一笔只充够跑一次任务的钱，别一上来就买整月或包年。验证网络、环境、显存是否符合预期。
2. 跑一个真实小任务用你实际要跑的任务简化版，而不是跑个 hello world。这样能暴露镜像、依赖、显存这些真实问题。
3. 记录实际消耗记下从开机到跑完的耗时和卡时消耗，回过头折成统一单位比价，比平台标价更有参考价值。
4. 跑通后再放大确认没问题再考虑长期方案。如果第一个平台没跑通，换一家重复以上步骤，别在原平台上继续加钱试。

这轮试水拿到的是你自己的真实数据：实际耗时、实际卡时、实际卡顿情况。这些比任何标价都更能说明哪家适合你。不同平台的可信度和口碑差异，可以到 /sites 对照当时的记录，再决定要不要长期用。