Bulut GPU Fiyatlandırması, Performansı ve Sağlayıcı Karşılaştırması
Aynı model için bulut GPU liste fiyatları, bir sağlayıcıdan diğerine birkaç kat farklılık gösterebilir. Üç fiyatlandırma katmanı genelinde 40'tan fazla GPU konfigürasyonu için en düşük oranı, sağlayıcıyı, piyasa aralığını ve ortanca değeri derledik; ayrıca 10 model üzerinde dolar başına verimlilik benchmark'ı ekledik.
Birim verimlilik başına bulut GPU fiyatı
13 hiperskalör ve neobulut sağlayıcısı genelinde iş yükünüz için en maliyet-etkin GPU'yı, dolar başına verimliliğe göre sıralanmış şekilde görün:
Bulut GPU Verimliliği & Fiyatları
Güncellendi: 6 Temmuz 2026
Vast AI
Verda
Verda
Verda
Verda
Vast AI
Vast AI
Runpod
Vast AI
Vast AI
Vast AI
Vast AI
Detaylar için bulut GPU benchmark metodolojisi'ne bakın.
Talep üzerine (on-demand), uzun vadeli taahhütler veya ön ödeme olmaksızın, kullandığınıza bağlı olarak saatlik veya saniyelik hesaplama kapasitesi için ödeme yaptığınız en basit fiyatlandırma modelidir.
Bu örnekler, ön ödeme veya uzun vadeli taahhüt olmadan bulut GPU platformunun esnekliğini tercih eden kullanıcılar için önerilir. Talep üzerine örnekler genellikle spot örneklerden daha pahalıdır, ancak kesintisiz kapasite garantisi sağlarlar.
Talep üzerine bulut GPU fiyatları
Sıralama: Sponsorlar tabloda en üstte bağlantılı ve vurgulanmış şekilde yer alır. Kalan satırlar, en düşük talep üzerine fiyatına göre artan sırada sıralanmıştır. Aralık, tüm sağlayıcılar arasında aynı SKU için en düşük ve en yüksek liste fiyatı arasındaki yayılımı gösterir. Ortanca, o SKU için her listedeki fiyat dağılımının ortasıdır ve adil piyasa referans noktası olarak hizmet eder. Fiyatlar, en son haftalık katalog yenilemesini yansıtır.
Talep üzerine, varsayılan kiralama modelidir, saatlik ödeme, taahhüt yok, örneği çalıştırdığınız sürece kapasite garanti edilir. En pahalı katmandır ancak ticari ödünleşim olmayan tek katmandır.
Spot bulut GPU fiyatları
Sıralama: Satırlar, en düşük spot fiyatına göre artan sırada sıralanmıştır. Spot kapasitesi kesilebilir niteliktedir. Ortanca, o SKU için spot fiyat dağılımının ortasıdır.
Spot kapasitesi kesilebilir niteliktedir; sağlayıcı, genellikle talep üzerine talep patlamaları olduğunda, az veya hiç uyarı vermeden örneği geri alabilir. Spot oranları, aynı sağlayıcıda talep üzerine oranların genellikle %30-60 altında seyreder. Yeniden başlatmalara toleranslı, checkpoint alınabilir eğitim, toplu çıkarım ve değerlendirme işleri için spot'u kullanın. Gecikmeye duyarlı çıkarım veya failover olmadan tek kopya hizmetler için bundan kaçının.
Rezerve edilmiş bulut GPU fiyatları (1-yıl)
Sıralama: Satırlar, en düşük 1 yıllık rezerve fiyatına göre artan sırada sıralanmıştır. Rezervasyonlar, süre boyunca kapasiteyi kilitleyebilir. Ortanca, o SKU için rezerve fiyat dağılımının ortasıdır.
Rezervasyonlar, talep üzerine oranlara kıyasla bir indirim karşılığında sabit bir süre için kapasiteyi kilitleyebilir. Bir yıllık sözleşmeler genellikle aynı sağlayıcının talep üzerine listelerinin %20-40 altında seyreder. Birkaç durumda, rezervasyon oranları spotun altına düşer, çünkü rezervasyon yapan sağlayıcı envanteri spot piyasasından tamamen izole eder.
Bulut sağlayıcı performans karşılaştırması
Aynı GPU modeli, ana makine CPU seçimi, ağ dokusu, sürücü yapılandırması ve sanallaştırma yükü nedeniyle sağlayıcılar arasında biraz farklı performans gösterebilir. Bunu niceliksel olarak belirlemek için, DigitalOcean ve Runpod'ta AMD MI300X 192GB üzerinde aynı metin ve görüntü oluşturma iş yüklerini çalıştırdık:
Temel Gözlemler:
- Metin oluşturma için, Digital Ocean biraz daha yüksek bir verimlilik gösterdi, saniyede yaklaşık %0.4 daha fazla token işledi.
- Buna karşılık, görüntü oluşturma için, Runpod marjinal bir avantaj gösterdi, saniyede yaklaşık %0.4 daha fazla görüntü işledi.
Açık, çoğu iş yükü için önemli olmayacak kadar küçüktür. Gecikmeye kritik çıkarım veya milyonlarca çıkarım üzerinde her yüzde puanının katlandığı büyük ölçekli eğitim için, uzun bir rezervasyona bağlı kalmadan önce belirli sağlayıcı yapılandırmasını benchmark'layın.
Tercih edilen kaynak olarak ekleYerinde satın alın veya bulutta kiralayın
Sahip olmak, iş yükü öngörülebilir olduğunda, ekibin operasyonel bilgi birikimine sahip olduğu ve donanım kullanımının GPU'nun faydalı ömrü boyunca ~%70'in üzerinde kaldığında mantıklıdır. Değişken talep, eğitim sıçramaları veya ürün deneyleri için, bulut kiralama sermaye verimliliği ve ölçekleme esnekliği açısından kazanır. Başabaş noktası yaklaşık 12 aylık kullanımda oturur: %70'in üzerinde, rezervasyon veya sahip olunan kapasite neredeyse her zaman talep üzerine'yi yener; %50'nin altında, spot veya talep üzerine esneklik açısından kazanır; orta bant, iş yükünüzün ne kadar kapasite kesintisine tahammül ettiğine bağlıdır.
Ölçekte pratik bir desen: Sabit durum talebine boyutlandırılmış bir temel küme sahip olun, sıçramalar ve keşif çalışmaları için bulutta kiralayın. Meta, Şubat 2026'da 6 gigavat'a kadar AMD Instinct GPU dağıtmak için çok yıllık bir ortaklık duyurdu, bu da hiperskalör ölçeğindeki operatörlerin bile değişken iş yükleri için bulut GPU tüketmeye devam ederken sahip olunan kapasiteyi genişletmeye devam ettiğini işaret ediyor.
Tüketici GPU'ları (RTX 4090, RTX 5090) kağıt üzerinde FLOP başına en iyi fiyatı sunar, ancak NVIDIA'nın EULA'sı bunların ticari veri merkezlerinde kullanımını kısıtlar. Bireysel çalışma istasyonları ve kanıt-kavram çalışmaları için hala yararlıdırlar, üretim dağıtımı için değil.
Bulut GPU benchmark metodolojisi
Verimlilik benchmark'ları, tüm testlerde 4-bit FP kuantizasyonunu kullanır. Pipeline şu şekilde çalışır:
- Metin ince ayar: FineTome'dan ilk 5.000 konuşmadan Llama 3.2, 5 epoch, 1M toplam token, Unsloth framework. Verimlilik = (token × epoch) / toplam süre.
- Metin çıkarım: llama-cpp-python ile 1M token oluşturuldu.
- Görüntü ince ayar: SkyFusion'dan 100 görüntü üzerinde YOLOv9, 4 epoch, Unsloth.
- Görüntü çıkarım: ~500 görüntüde 640×640 çözünürlükte ince ayar yapılmış YOLOv9.
Dolar başına verimlilik metriği, iş yükü çıktısını örneğin saatlik maliyetine böler. Verimlilik değerleri iş yüküne özeldir ve göreli rehberler olarak hizmet eder; aynı donanım, kendi modelinizde maddi olarak farklı verimlilik sunacaktır.
SSS'ler
Bir GPU model adı genellikle birden fazla fiziksel SKU'yu kapsar. H100, farklı fiyatlar ve bağlantı bant genişlikleriyle PCIe, SXM, SXM5 ve NVL varyantlarında sevk edilir. A100 40GB ve 80GB VRAM ile sevk edilir; V100 16GB ve 32GB ile sevk edilir. Bir sağlayıcı içinde, listelenen oran ayrıca ana makine CPU sınıfına, paketlenmiş RAM ve depolamaya ve bölgeye göre değişir. Yukarıdaki fiyatlandırma tabloları, kaynak verinin izin verdiği yerde SKU'ları bağlantı ve VRAM'e göre ayırır, böylece her satır bir model adı toplamı yerine tek bir fiziksel karttır.
Bileşen, her GPU örneğinde sabit bir iş yükü (görüntü veya metin oluşturma, ince ayar veya çıkarım) çalıştırır ve toplam çıktıyı örneğin saatlik maliyetine böler. Daha yüksek bir numara, o iş yükü için çıktı başına daha ucuzdur. Sıralama iş yükü ile değişir: FP8 çıkarımı için optimize edilmiş bir kart, metin oluşturmada daha yüksek VRAM'li bir kartı geçebilir ancak büyük bir görüntü modeli ince ayarında kaybedebilir. Lider tablosunu okumadan önce işinizle eşleşen iş yükü sekmesini seçin.
Fiyatlandırma tabloları aylık bir katalog taramasında yenilenir.
Daha fazla okuma
- Çoklu-GPU Benchmark: B200 vs H200 vs H100 vs MI300X
- İlk 30 Bulut GPU Sağlayıcısı ve GPU'ları
- GPU Eşzamanlılık Benchmark'u
- İlk 25+ AI Çip Üreticisi: NVIDIA ve Rakipleri
- Bulut GPU Kiralama Fiyat Endeksi
- DGX Spark vs Mac Studio & Halo: Benchmark'lar ve Alternatifler
Bu araştırmayı kaynak gösterin
Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Sarı, Ekrem},
title = {{Bulut GPU Fiyatlandırması, Performansı ve Sağlayıcı Karşılaştırması}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/cloud-gpu-pricing}},
note = {AIMultiple. Erişim tarihi: 17 Haziran 2026}
}
Yorumlar 2
Düşüncelerinizi Paylaşın
E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.
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.