📑 Obsah (13 sekcí)
Klíčová Zjištění a Shrnutí (2026)
- Ceny H100 SXM na vyžádání se ve zprávě PetaPrice ze 14. listopadu 2026 pohybovaly od $1,95 do $12,30 za GPU-hodinu napříč 32 poskytovateli, s mediánem $3,70.
- Model účtování vyberte podle charakteru zátěže: serverless pro nárazový provoz, on-demand pro vývoj a trénování, rezervovaný pro stálou nepřetržitou poptávku, spot pro dávkové úlohy odolné vůči výpadkům.
- Rezervovaná kapacita porazí on-demand pouze tehdy, pokud skutečně využijete více hodin, než udává poměr rezervované ceny k ceně on-demand.
- Hodinová sazba GPU nezahrnuje úložiště, odchozí přenos dat (egress) ani daně. Před srovnáním vydělte ceny multi-GPU instancí počtem GPU.
- Odhadujte z vlastních dat o využití (hodiny, vytížení, přenesená data), nikoli z titulkové sazby.
Otestujte Perplexity Pro v produkci
AI vyhledávací engine s živými citacemi, funkcí Deep Research a syntézou více modelů
Cenové rozpětí GPU v cloudu je širší, než většina kupujících očekává. Zpráva PetaPrice ze 14. listopadu 2026 ukázala sazby H100 SXM na vyžádání od $1,95 do $12,30 za GPU-hodinu napříč 32 poskytovateli, s mediánem $3,70. Rozdíl mezi nejlevnější a nejdražší nabídkou je více než 6x u stejného čipu. Ceníková sazba je jen začátek: o tom, co přistane na faktuře, rozhodují model účtování, prostoje, úložiště a přenos dat.
Tento průvodce ukazuje, kolik stojí hlavní modely GPU, jak funguje každý cenový model a jak převést hodinovou sazbu na měsíční rozpočet pro vaši zátěž.
Co cena za GPU-hodinu skutečně pokrývá
Cena za GPU-hodinu je cena jedné GPU po dobu jedné hodiny. Zní to jednoduše, ale slovníček GPU Ledger upozorňuje, že tato částka obvykle nezahrnuje úložiště, síťové přenosy, daně a vyjednané slevy. Také připomíná, že cenu instance je nutné vydělit počtem GPU, abyste získali cenu za jednu kartu, zatímco někteří poskytovatelé uvádějí pouze cenu samotné GPU složky.
Důležité jsou i účtovací kroky. Sekundové účtování vám účtuje skutečně využitý čas. Hodinové účtování může neúplnou hodinu zaokrouhlovat nahoru. Ve stejném slovníčku uvádělo sekundové účtování dvanáct z 29 poskytovatelů. Pokud spouštíte mnoho krátkých úloh, jako jsou testy nebo menší fine-tuningy, může zaokrouhlování přidat k účtu znatelný podíl.
Tři věci, které si zkontrolujte na jakékoli cenové stránce před porovnáním s jinou:
- Je cena za jednu GPU, nebo za celou instanci?
- Jaký je účtovací krok (sekunda, minuta, hodina)?
- Které náklady stojí mimo sazbu: disk, egress, podpora, spravovaná síť?
AI vyhledávací engine s živými citacemi, funkcí Deep Research a syntézou více modelů
Ceny cloudových GPU podle modelu, 2026
On-demand, rezervované, spot a serverless: jak se jednotlivé modely účtují
Poskytovatelé prodávají stejný hardware ve čtyřech účtovacích modelech. Průvodce cenovými modely GMICloud a průvodce účtováním Spheron popisují tyto kompromisy stejně.
On-demand (na vyžádání)
Bez časového závazku, účtováno za dobu běhu, obvykle s nejvyšší hodinovou sazbou. Příplatek platí za flexibilitu: riziko neprodané kapacity nese poskytovatel. Používejte pro nárazový vývoj a experimenty, kdy ještě neznáte svou spotřebu.
Rezervované
Zavážete se na určité období, od týdnů po roky, výměnou za nižší sazbu a platíte za celé období bez ohledu na to, zda GPU pracuje nebo zahálí. Příklady z tabulky Compute Suppliers: Together AI H100 za $3,69 až $3,19 podle závazku na 3 až 30, 31 až 90 nebo 91 až 180 dní a Azure H100 za $7,87 při roční rezervaci. Benchmark VendorBenchmark z ledna 2026 uvádí roční úspory z rezervací kolem 40 % u Azure ND H100 v5 a Google Cloud a3-highgpu a 32 % u AWS p5.48xlarge. Cenová stránka CoreWeave inzeruje až 60% slevu oproti on-demand při smluvním závazku.
Spot nebo přerušitelné
Zlevněná kapacita, kterou si poskytovatel může vzít zpět. Cenová dokumentace Vast.ai uvádí, že přerušitelné instance bývají často o více než 50 % levnější než on-demand a mohou být pozastaveny. V tabulce Compute Suppliers stojí H100 od Together AI $3,99 on-demand, ale $1,99 jako spot. Spot se hodí pro dávkové trénování, vyhodnocovací běhy a cokoli, co ukládá kontrolní body a čistě se restartuje.
Serverless
Platíte za volání nebo za sekundu běhu a endpoint se škáluje na nulu. Compute Suppliers uvádí serverless H100 za $3,95 za vytíženou hodinu na Modal a $5,39 na RunPod. Hodinová částka vypadá vyšší než on-demand, ale platíte jen tehdy, když úloha běží. To vítězí u nárazového provozu a prohrává, jakmile je endpoint vytížený téměř neustále.
Pravidlo bodu zvratu pro rezervovanou kapacitu
Rezervace je sázka na vytížení. Compute Suppliers formuluje pravidlo takto: rezervovaná kapacita porazí on-demand pouze tehdy, pokud podíl hodin, které skutečně využijete, převýší rezervovanou cenu dělenou cenou on-demand.
Ukázkový výpočet z tabulky: DigitalOcean H100 za $3,26 rezervovaně oproti $4,41 on-demand dává 74 %. To je zhruba 540 hodin v měsíci o 730 hodinách. Závazek Together AI na 91 až 180 dní pro H100 vychází na 80 % (584 hodin měsíčně) a Hyperstack H100 PCIe na 70 % (511 hodin). Stejný zdroj uvádí, že šest měsíců jedné Together AI H100 za $3,19 představuje závazek $13 972, takže dopad nadhodnocení spotřeby je velmi konkrétní.
Praktické vodítko z rámce GPUaaS.com z července 2026: spot pro dávkové úlohy odolné vůči výpadkům, on-demand pro vývojové špičky a rezervace pro předvídatelnou inferenci, jakmile vytížení dosáhne zhruba 60 až 70 % nebo více.
Jak to použít v praxi:
- Zaznamenávejte své GPU hodiny po dobu čtyř týdnů v režimu on-demand nebo serverless.
- Vydělte využité hodiny číslem 730, čímž získáte vytížení.
- Porovnejte jej s procentem bodu zvratu u zvažované rezervované nabídky.
- Rezervujte pouze stabilní základ a špičky ponechte na on-demand.
Náklady mimo hodinovou sazbu
Položka za GPU jen zřídka tvoří celý účet. Nejčastěji se objevují čtyři příplatky.
Úložiště. Dokumentace Vast.ai upozorňuje, že úložiště se na zastavených instancích účtuje dál, dokud jej nesmažete. Zaparkovaná instance s velkým diskem není zadarmo.
Egress (odchozí přenos dat). GPU Ledger uvádí, že odchozí data se obvykle účtují za gigabajt, někdy po vyčerpání bezplatného limitu, a nejsou zahrnuta v hodinové sazbě. U inference vracející objemné výstupy, jako je video, může tato položka soupeřit s cenou výpočtu. Praktický příklad brazilského inženýra nacenil jednu trvale běžící GPU (730 hodin) s 30 TB měsíčního odchozího provozu u čtyř cloudů a ukázal, jak moc srovnání závisí na poplatcích za egress.
Nečinnost a čas zahřívání. Analýza Modal od BudgetForge upozorňuje, že kontejner je účtován během zahřívání při studeném startu (cold-start warmup) a v jakémkoli okně keep-warm, nikoli jen při obsluze požadavků. Vypočítala, že H100 držená v keep-warm po dobu 30 dnů při nulovém provozu vyjde na $2 843. Škálování na nulu šetří peníze pouze tehdy, pokud mu vaše nastavení keep-warm dovolí na nulu skutečně klesnout.
Provoz. SemiAnalysis definuje měsíční náklady na klastr tak, že zahrnují výpočetní výkon, úložiště, síť, řídicí rovinu, podporu, goodput, nastavení a ladění. Pokud váš tým stráví týden laděním nestabilního klastru, tento čas patří do nákladů. Když účet odhalí personální mezeru, například nikdo nehlídá vytížení GPU, stává se nábor v oblasti AI a strojového učení samostatnou rozpočtovou položkou k naplánování.
Jak odhadnout vlastní účet za GPU v cloudu
Začněte od zátěže, ne od ceníku. Infrastrukturní průvodce Allwo doporučuje oddělit rozpočty na trénování, fine-tuning a inferenci a používat reálnou telemetrii: tokeny, latenci, vytížení GPU, souběžnost a záznamy o přenosu dat.
Jednoduchá šablona:
- Definujte úlohu. Velikost modelu, typ GPU a potřebná VRAM a zda jde o trénování, fine-tuning nebo servírování.
- Spočítejte GPU-hodiny. Hodiny na jeden běh krát počet běhů za měsíc u trénování; u servírování hodiny, po které musí být endpoint zahřátý.
- Vyberte model účtování z předchozí sekce a vezměte odpovídající sazbu.
- Přidejte úložiště a egress v gigabajtech podle sazeb poskytovatele za GB.
- Přidejte rezervu na neúspěšné běhy a opakování.
- Převeďte na cenu za výsledek: dolary za trénovací běh, za tisíc požadavků nebo za minutu vygenerovaného videa.
Příklad: tým provozuje model na jedné H100 po dobu 730 hodin měsíčně. Při sazbě on-demand $3,70 (medián PetaPrice) to dělá $2 701 před úložištěm a egressem. Pokud je endpoint skutečně vytížený jen 200 hodin, serverless sazba $3,95 za vytíženou hodinu vyjde na $790. Při vytížení 600 hodin je serverless za $2 370 a začíná se velmi podobat vyhrazené kapacitě. Použijte vlastní vytížení a cenové nabídky, protože každé zde uvedené číslo je snímek v konkrétním čase.
Férové srovnání poskytovatelů
Živé srovnání TransAtlas nabízí přehledný kontrolní seznam pro sjednocení nabídek:
- Stejný model GPU a VRAM (H100 SXM není H100 PCIe).
- Ceny instancí vydělené počtem GPU.
- Srovnávání cen on-demand, přerušitelných a se závazkem odděleně.
- Dostupnost v regionech, egress, úložiště a poplatky za disky.
- Studené starty, riziko přerušení, SLA a podmínky závazku.
Pro rozsáhlý pretraining GPUaaS.com dodává, že nejnižší ceníková sazba nemusí znamenat nejlevnější výsledek: kvalita propojení (interconnect) může určit dobu trénování, a tedy i celkové náklady.
Ještě jedno upozornění k regionálním cenám. Únorové srovnání NerdLevelTech 2026 uvádí AWS H100 zhruba za $6,50 až $7 za GPU-hodinu v us-east-1, Google Cloud A3 High přibližně za $10,98 v us-central1 a Azure ND H100 v5 za $12,29 v East US, takže region a rodina instancí mění částku i v rámci jednoho poskytovatele.
Náš pohled: oceňujte výsledek, ne hodinu
AI nástroje testujeme prakticky minimálně 14 dní, měříme reálný výkon, latenci i poměr ceny a užitku a tento návyk utváří i to, jak čteme ceníky GPU.
Hodinová sazba odpovídá na jednu otázku: kolik stojí hardware? Kupující potřebují jinou odpověď: kolik stojí dokončená úloha? Levnější GPU, které je pomalejší, přerušované nebo má málo paměti, může proti dražšímu prohrát. Rezervovaná sleva, která zůstane nevyužitá, není žádná sleva.
Doporučujeme proto stejnou disciplínu, jakou uplatňujeme u nástrojů: definujte zátěž, provozujte ji dostatečně dlouho na to, abyste viděli reálné vytížení, a zaznamenávejte latenci, propustnost a celkové výdaje společně. Náš přístup založený na výkonnostních benchmarcích je vzorem: čísla svázaná s konkrétním případem použití, se sepsanými skrytými náklady a limity tarifů. Pokud provozujete AI přes hostované nástroje místo vlastních GPU, platí stejná logika a naše recenze ukazují ověřené ceny vedle naměřených výsledků.
AIMaestrohub
Výběr správného modelu pro vaši zátěž
Netechničtí zakladatelé si to mohou zkrátit: pokud neprovozujete vlastní modely, možná syrové GPU vůbec nepotřebujete. Hostované AI nástroje zahrnují výpočetní výkon do předplatného a otázkou se stává, který nástroj stojí za svou cenu. Právě zde pomáhají nezávislé benchmarky.
Kam pokračovat
Vývojáři stavějící na modelech mohou začít u našeho přehledu nejlepších AI nástrojů pro vývojáře a náš průvodce jak číst výkonnostní benchmarky AI vysvětluje, jak posoudit tvrzení o latenci a propustnosti dříve, než vyčleníte rozpočet.
Zdroje
- Zpráva o cenách GPU v cloudu PetaPrice
- Index cen cloudových GPU GlobeGPU
- Srovnání cen cloudových GPU American Compute
- Analýza bodu zvratu spot vs. rezervace Compute Suppliers
- Benchmark nákladů na AI infrastrukturu VendorBenchmark
- Ceny cloudových GPU CoreWeave
- Slovníček cen cloudových GPU GPU Ledger
- Cenová dokumentace Vast.ai
- SemiAnalysis: Kolik skutečně stojí GPU klastry
- Analýza cen Modal od BudgetForge
- Cenové modely cloudových GPU GMICloud
- Srovnání serverless vs. on-demand vs. rezervované Spheron
- Srovnávací rámec poskytovatelů GPUaaS.com
- Modely nákladů AI infrastruktury Allwo
- Srovnání poskytovatelů cloudových GPU TransAtlas
- Srovnání cen GPU AWS vs. GCP vs. Azure od NerdLevelTech
Často Kladené Otázky (FAQ)
Proč se ceny GPU v cloudu u stejného čipu tak výrazně liší?
Je bezpečné používat spotovou nebo přerušitelnou GPU kapacitu?
Kdy se vyplatí rezervovaná GPU kapacita?
Stojí serverless účtování GPU při nečinnosti opravdu nulu?
Blog Poháněný AI Maestro Hub & BabyLoveGrowth
Tento článek využívá autonomní SEO a obsahovou architekturu BabyLoveGrowth (sémantické shlukování, automatické odesílání IndexNow a organickou výměnu zpětných odkazů).