Prix, performances et comparaison des fournisseurs de GPU cloud
Les prix publics des GPU cloud pour un même modèle peuvent varier de plusieurs fois d'un fournisseur à l'autre. Nous avons sélectionné le taux le plus bas, le fournisseur, la gamme du marché et la médiane pour plus de 40 configurations de GPU dans les trois niveaux de tarification, ainsi qu'un benchmark de débit par dollar sur 10 modèles.
Prix du GPU cloud par débit
Voyez le GPU le plus rentable pour votre charge de travail parmi 13 fournisseurs hyperscalers et néo-cloud, classés par débit par dollar :
Débit et prix des GPU dans le cloud
Mise à jour le 6 Juillet 2026
Vast AI
Verda
Verda
Verda
Vast AI
Verda
Vast AI
Vast AI
Vast AI
Vast AI
Runpod
Runpod
Voyez la méthodologie du benchmark de GPU cloud pour plus de détails.
La tarification à la demande est le modèle le plus simple où vous payez pour la capacité de calcul à l'heure ou à la seconde, selon ce que vous utilisez, sans engagement à long terme ni paiement initial.
Ces instances sont recommandées pour les utilisateurs qui préfèrent la flexibilité d'une plateforme de GPU cloud sans paiement initial ni engagement à long terme. Les instances à la demande sont généralement plus chères que les instances spot, mais elles offrent une capacité garantie sans interruption.
Prix des GPU cloud à la demande
Classement : Les sponsors sont liés et mis en évidence en haut du tableau. Les lignes restantes sont classées par ordre croissant selon le prix le plus bas à la demande. La gamme montre l'écart entre le prix public le plus bas et le plus élevé pour le même SKU chez tous les fournisseurs. La médiane est le milieu de la distribution des prix pour chaque annonce de ce SKU et sert d'ancrage au marché équitable. Les prix reflètent la mise à jour hebdomadaire la plus récente du catalogue.
La tarification à la demande est le modèle de location par défaut, paiement à l'heure, sans engagement, capacité garantie tant que vous maintenez l'instance en cours d'exécution. C'est le niveau le plus cher mais le seul sans compromis.
Prix des GPU cloud spot
Classement : Les lignes sont classées par ordre croissant selon le prix spot le plus bas. La capacité spot est interrompible. La médiane est le milieu de la distribution des prix spot pour ce SKU.
La capacité spot est interrompible ; le fournisseur peut récupérer l'instance avec peu ou pas d'avertissement, généralement lorsque la demande à la demande augmente. Les taux spot sont généralement inférieurs de 30 à 60 % aux taux à la demande chez le même fournisseur. Utilisez le spot pour l'entraînement avec points de contrôle, l'inférence par lots et les tâches d'évaluation qui tolèrent les redémarrages. Évitez-le pour l'inférence sensible à la latence ou les services à réplique unique sans basculement.
Prix des GPU cloud réservés (1 an)
Classement : Les lignes sont classées par ordre croissant selon le prix réservé le plus bas sur 1 an. Les réservations verrouillent la capacité pour la durée. La médiane est le milieu de la distribution des prix réservés pour ce SKU.
Les réservations verrouillent la capacité pour une durée fixe en échange d'une réduction par rapport à la tarification à la demande. Les contrats d'un an sont généralement inférieurs de 20 à 40 % à la liste à la demande du même fournisseur. Dans quelques cas, les taux de réservation descendent en dessous des prix spot, car le fournisseur qui réserve isole l'inventaire du marché spot en totalité.
Comparaison des performances des fournisseurs cloud
Un même modèle de GPU peut présenter des performances légèrement différentes selon les fournisseurs en raison du choix du CPU hôte, de l'infrastructure réseau, de la configuration du pilote et de la surcharge de virtualisation. Pour quantifier cela, nous avons exécuté des charges de travail identiques de génération de texte et d'image sur AMD MI300X 192GB chez DigitalOcean et Runpod :
Observations clés :
- Pour la génération de texte, Digital Ocean a démontré un débit légèrement supérieur, traitant environ 0,4 % de token'ler de plus par seconde.
- En revanche, pour la génération d'images, Runpod a montré un avantage marginal, traitant environ 0,4 % d'images de plus par seconde.
L'écart est suffisamment faible pour ne pas avoir d'importance pour la plupart des charges de travail. Pour l'inférence sensible à la latence ou l'entraînement à grande échelle où chaque point de pourcentage s'accumule sur des millions d'inférences, effectuez un benchmark de la configuration spécifique du fournisseur avant de vous engager dans une longue réservation.
Ajouter comme source préféréeAcheter sur site ou louer dans le cloud
L'achat a du sens lorsque la charge de travail est prévisible, que l'équipe possède les compétences opérationnelles et que l'utilisation du matériel reste supérieure à ~70 % tout au long de la durée de vie utile du GPU. Pour une demande variable, des pics d'entraînement ou des expériences de produit, la location cloud l'emporte sur l'efficacité du capital et la flexibilité de mise à l'échelle. Le point d'équilibre se situe approximativement à une utilisation de 12 mois : au-dessus de 70 %, la réservation ou la capacité acquise bat presque toujours la tarification à la demande ; en dessous de 50 %, le spot ou la tarification à la demande l'emporte sur la flexibilité ; la bande médiane dépend de la quantité de perturbation de capacité que votre charge de travail tolère.
Un modèle pratique à grande échelle : posséder un cluster de base dimensionné pour la demande à l'état stable, louer dans le cloud pour les pics et le travail exploratoire. Meta a annoncé un partenariat pluriannuel en février 2026 pour déployer jusqu'à 6 gigawatts de AMD Instinct GPU, signalant que même les opérateurs à l'échelle hyperscaler continuent d'étendre leur capacité acquise tout en consommant toujours des GPU cloud pour des charges de travail variables.
Les GPU grand public (RTX 4090, RTX 5090) offrent le meilleur prix par FLOP sur le papier, mais le CLUF de NVIDIA restreint leur utilisation dans les centres de données commerciaux. Ils restent utiles pour les stations de travail individuelles et le travail de preuve de concept, pas pour le déploiement en production.
Méthodologie du benchmark de GPU cloud
Les benchmarks de débit utilisent la quantification 4-bit FP pour tous les tests. Le pipeline exécute :
- Finetuning de texte : Llama 3.2 sur les 5 000 premières conversations de FineTome, 5 époques, 1M de token'ler au total, framework Unsloth. Débit = (token'ler × époques) / temps total.
- Inférence de texte : 1M de token'ler générés avec llama-cpp-python.
- Finetuning d'image : YOLOv9 sur 100 images de SkyFusion, 4 époques, Unsloth.
- Inférence d'image : YOLOv9 finetuné sur ~500 images à 640×640.
La métrique de débit par dollar divise la sortie de la charge de travail par le coût horaire de l'instance. Les valeurs de débit sont spécifiques à la charge de travail et servent de directives relatives ; le même matériel fournira un débit matériellement différent sur votre propre modèle.
FAQ
Un seul nom de modèle de GPU couvre souvent plusieurs SKU physiques. H100 est livré dans des variantes PCIe, SXM, SXM5 et NVL à des prix et des largeurs de bande d'interconnexion différents. A100 est livré avec 40 Go et 80 Go de VRAM ; V100 est livré avec 16 Go et 32 Go. Au sein d'un fournisseur, le taux indiqué varie également selon la classe de CPU hôte, la RAM et le stockage inclus, et la région. Les tableaux de prix ci-dessus séparent les SKU par interconnexion et VRAM lorsque les données sources le permettent, afin que chaque ligne représente une carte physique unique plutôt qu'un agrégat de nom de modèle.
Le composant exécute une charge de travail fixe (génération d'image ou de texte, finetuning ou inférence) sur chaque instance de GPU et divise la sortie totale par le coût horaire de l'instance. Un chiffre plus élevé signifie moins cher par sortie pour cette charge de travail. Le classement change avec la charge de travail : une carte optimisée pour l'inférence FP8 peut dépasser une carte à plus grande VRAM sur la génération de texte mais perdre sur un finetuning de grand modèle d'image. Choisissez l'onglet de charge de travail qui correspond à votre tâche avant de lire le classement.
Les tableaux de prix sont mis à jour lors d'une exploration mensuelle du catalogue.
Pour en savoir plus
- Benchmark Multi-GPU : B200 vs H200 vs H100 vs MI300X
- Top 30 des fournisseurs de GPU cloud et leurs GPU
- Benchmark de concurrence GPU
- Top 25+ fabricants de puces IA : NVIDIA et ses concurrents
- Indice des prix de location de GPU cloud
- DGX Spark vs Mac Studio & Halo : Benchmarks et alternatives
Citer cette recherche
Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{Prix, performances et comparaison des fournisseurs de GPU cloud}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/cloud-gpu-pricing}},
note = {AIMultiple. Consulté le 17 Juin 2026}
}
Commentaires 2
Partagez vos idées
Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.
Cem - great article, I'd love to pick your brain on private networking or direct connects to these GPU instances.
Hi Ashley, thank you! Sure, happy to chat.
Hi there, fantastic article and very well-researched. Would you mind checking out Dataoorts at https://dataoorts.com
Sure, we'll review to see if we can include Dataoorts in the next edit.