📑 Indice (13 sezioni)
Punti Chiave & Sintesi per Citazioni (2026)
- Le H100 SXM on-demand variavano da $1,95 a $12,30 per GPU-ora tra 32 provider nel report di PetaPrice del 14 novembre 2026, con una mediana di $3,70.
- Scegli il modello di fatturazione in base alla forma del carico di lavoro: serverless per traffico a picchi, on-demand per sviluppo e addestramento, riservata per domanda costante sempre attiva, spot per job batch tolleranti ai guasti.
- La capacità riservata conviene rispetto all'on-demand solo quando utilizzi effettivamente più del rapporto tra prezzo riservato e prezzo on-demand delle ore che paghi.
- La tariffa oraria della GPU esclude archiviazione, traffico in uscita (egress) e tasse. Dividi i prezzi delle istanze multi-GPU per il numero di GPU prima di confrontare.
- Fai le stime partendo dai tuoi dati di utilizzo reali (ore, tasso di utilizzo, dati trasferiti), non da una tariffa di listino.
Prova Perplexity Pro in Produzione
Motore di ricerca AI in tempo reale con citazioni verificate, Deep Research e sintesi multi-modello
La forbice dei prezzi delle GPU in cloud è più ampia di quanto la maggior parte degli acquirenti si aspetti. Il report di PetaPrice del 14 novembre 2026 ha rilevato tariffe H100 SXM on-demand da $1,95 a $12,30 per GPU-ora su 32 provider, con una mediana di $3,70. Il divario tra l'offerta più economica e quella più cara supera 6x per lo stesso chip. La tariffa di listino è solo l'inizio: modello di fatturazione, tempo di inattività, archiviazione e trasferimento dati decidono cosa finirà davvero in fattura.
Questa guida mostra quanto costano i principali modelli di GPU, come funziona ciascun modello di prezzo e come trasformare una tariffa in un budget mensile per il tuo carico di lavoro.
Cosa copre davvero il prezzo per GPU-ora
Un prezzo per GPU-ora è il costo di una GPU per un'ora. Sembra semplice, ma il glossario di GPU Ledger sottolinea che la cifra di solito esclude archiviazione, traffico di rete, tasse e sconti negoziati. Specifica inoltre che il prezzo di un'istanza va diviso per il numero di GPU per ottenere il dato per singola GPU, mentre alcuni provider quotano solo la componente GPU.
Anche gli incrementi di fatturazione contano. La fatturazione al secondo addebita il tempo effettivamente usato. La fatturazione oraria può arrotondare per eccesso un'ora parziale. Nello stesso glossario, dodici provider su 29 pubblicavano una fatturazione al secondo. Se esegui molti job brevi, come test o piccoli fine-tuning, l'arrotondamento può aggiungere una quota significativa alla fattura.
Tre cose da verificare su qualsiasi pagina prezzi prima di confrontarla con un'altra:
- Il prezzo è per singola GPU o per l'intera istanza?
- Qual è l'incremento di fatturazione (secondo, minuto, ora)?
- Quali costi restano fuori dalla tariffa: disco, egress, supporto, rete gestita?
Motore di ricerca AI in tempo reale con citazioni verificate, Deep Research e sintesi multi-modello
Prezzi delle GPU in cloud per modello, 2026
On-demand, riservata, spot e serverless: come viene fatturata ciascuna opzione
I provider vendono lo stesso hardware con quattro modelli di fatturazione. La guida ai modelli di prezzo di GMICloud e la guida alla fatturazione di Spheron descrivono i compromessi nello stesso modo.
On-demand
Nessun vincolo di durata, fatturato per tempo di esecuzione, di solito alla tariffa oraria più alta. Il sovrapprezzo paga la flessibilità: è il provider a farsi carico del rischio di capacità invenduta. Usala per picchi di sviluppo ed esperimenti in cui non conosci ancora il consumo.
Riservata
Ti impegni per un periodo, da settimane ad anni, in cambio di una tariffa inferiore, e paghi l'intero periodo sia che la GPU lavori sia che resti inattiva. Esempi dalla tabella di Compute Suppliers: Together AI H100 da $3,69 a $3,19 a seconda del contratto da 3 a 30, da 31 a 90 o da 91 a 180 giorni, e Azure H100 a $7,87 per una prenotazione annuale. Il benchmark di gennaio 2026 di VendorBenchmark riporta risparmi annuali riservati di circa il 40% su Azure ND H100 v5 e Google Cloud a3-highgpu, e del 32% su AWS p5.48xlarge. La pagina prezzi di CoreWeave pubblicizza fino al 60% di sconto rispetto all'on-demand per utilizzi con impegno contrattuale.
Spot o interrompibile
Capacità scontata che il provider può riprendersi. La documentazione prezzi di Vast.ai afferma che le istanze interrompibili sono spesso oltre il 50% più economiche dell'on-demand e possono essere messe in pausa. Nella tabella di Compute Suppliers, l'H100 di Together AI costa $3,99 on-demand ma $1,99 spot. Lo spot è adatto all'addestramento batch, ai cicli di valutazione e a tutto ciò che salva checkpoint e riparte in modo pulito.
Serverless
Paghi per chiamata o per secondo di esecuzione e l'endpoint scala a zero. Compute Suppliers elenca H100 serverless a $3,95 per ora attiva su Modal e $5,39 su RunPod. La cifra oraria sembra più alta dell'on-demand, ma paghi solo mentre il lavoro gira. Vince sul traffico intermittente e perde quando un endpoint è quasi sempre occupato.
La regola del punto di pareggio per la capacità riservata
Riservare è una scommessa sul tasso di utilizzo. Compute Suppliers enuncia la regola: la capacità riservata batte l'on-demand solo se la quota di ore che usi davvero supera il prezzo riservato diviso per il prezzo on-demand.
Un esempio pratico dalla sua tabella: DigitalOcean H100 a $3,26 riservato contro $4,41 on-demand dà il 74%. Equivale a circa 540 ore su un mese di 730 ore. Il contratto da 91 a 180 giorni di Together AI per H100 arriva all'80% (584 ore al mese), e l'H100 PCIe di Hyperstack al 70% (511 ore). La stessa fonte nota che sei mesi di una H100 di Together AI a $3,19 rappresentano un impegno da $13.972, quindi il rischio di sovrastimare l'utilizzo è concreto.
Una regola pratica dal framework di luglio 2026 di GPUaaS.com: spot per lavori batch tolleranti ai guasti, on-demand per picchi di sviluppo e riservata per inferenza prevedibile una volta che l'utilizzo raggiunge circa il 60-70% o più.
Come applicarla:
- Registra le tue ore GPU per quattro settimane in modalità on-demand o serverless.
- Dividi le ore usate per 730 per ottenere il tasso di utilizzo.
- Confrontalo con la percentuale di pareggio dell'offerta riservata che stai valutando.
- Riserva solo la base costante e lascia i picchi in on-demand.
Costi esterni alla tariffa oraria
La voce GPU è raramente l'intera fattura. Quattro voci aggiuntive compaiono molto spesso.
Archiviazione. La documentazione di Vast.ai segnala che lo storage continua a essere fatturato sulle istanze arrestate finché non lo elimini. Un'istanza parcheggiata con un disco grande non è gratuita.
Egress (traffico in uscita). GPU Ledger spiega che i dati in uscita vengono in genere addebitati per gigabyte, talvolta dopo una soglia gratuita, e non rientrano nella cifra oraria. Per inferenza che serve output pesanti, come i video, questa voce può rivaleggiare con il costo di calcolo. L'esempio pratico di un ingegnere brasiliano ha calcolato il prezzo di una GPU sempre accesa (730 ore) con 30 TB di traffico mensile in uscita su quattro cloud, mostrando quanto il confronto dipenda dall'egress.
Tempo di inattività e warmup. L'analisi su Modal di BudgetForge indica che un container viene fatturato durante il warmup del cold-start e in qualsiasi finestra di keep-warm, non solo mentre serve richieste. Calcola che una H100 mantenuta in keep-warm per 30 giorni a traffico zero costi $2.843. Lo scale-to-zero fa risparmiare solo se le impostazioni di keep-warm gli permettono davvero di scalare a zero.
Operazioni. SemiAnalysis definisce il costo mensile del cluster includendo calcolo, storage, rete, control plane, supporto, goodput, configurazione e debug. Se il tuo team passa una settimana a fare debug su un cluster instabile, quel tempo appartiene al costo. Quando la fattura rivela una lacuna di organico, ad esempio nessuno presidia l'utilizzo delle GPU, assumere in ambito AI e machine learning diventa una voce di budget separata da pianificare.
Come stimare la tua fattura GPU in cloud
Parti dal carico di lavoro, non dal listino prezzi. La guida infrastrutturale di Allwo consiglia di separare i budget di addestramento, fine-tuning e inferenza e di usare telemetria reale: token, latenza, utilizzo GPU, concorrenza e log di trasferimento dati.
Un modello semplice:
- Definisci il job. Dimensione del modello, tipo di GPU e VRAM necessaria, e se stai facendo addestramento, fine-tuning o serving.
- Conta le GPU-ore. Ore per esecuzione moltiplicate per il numero di esecuzioni al mese per l'addestramento; per il serving, le ore in cui l'endpoint deve restare caldo.
- Scegli il modello di fatturazione dalla sezione precedente e prendi la tariffa corrispondente.
- Aggiungi storage ed egress in gigabyte, alle tariffe per GB del provider.
- Aggiungi un margine per esecuzioni fallite e rilanci.
- Converti in costo per risultato: dollari per run di addestramento, per mille richieste o per minuto di video generato.
Esempio: un team serve un modello su una H100 per 730 ore al mese. A una tariffa on-demand di $3,70 (la mediana di PetaPrice) sono $2.701 prima di storage ed egress. Se l'endpoint è davvero attivo solo 200 ore, una tariffa serverless di $3,95 per ora attiva porta a $790. Se è attivo 600 ore, il serverless sale a $2.370 e inizia a somigliare molto a una capacità dedicata. Usa il tuo utilizzo e i tuoi preventivi, perché ogni cifra qui è un'istantanea.
Confrontare i provider in modo equo
Il confronto live di TransAtlas offre una checklist chiara per allineare le offerte:
- Stesso modello di GPU e stessa VRAM (una H100 SXM non è una H100 PCIe).
- Prezzi delle istanze divisi per il numero di GPU.
- Prezzi on-demand, interrompibili e con impegno confrontati separatamente.
- Disponibilità regionale, egress, storage e costi del disco.
- Cold start, rischio di interruzione, SLA e condizioni di impegno.
Per il pretraining su larga scala, GPUaaS.com aggiunge che la tariffa di listino più bassa non produce necessariamente il risultato più economico: la qualità dell'interconnessione può determinare il tempo di addestramento e quindi il costo totale.
Un'ultima cautela sui prezzi regionali. Il confronto di febbraio 2026 di NerdLevelTech elenca AWS H100 a circa $6,50-$7 per GPU-ora in us-east-1, Google Cloud A3 High a circa $10,98 in us-central1 e Azure ND H100 v5 a $12,29 in East US, quindi regione e famiglia di istanze cambiano il numero anche all'interno dello stesso provider.
La nostra visione: prezza il risultato, non l'ora
Testiamo gli strumenti AI sul campo per almeno 14 giorni, misurando prestazioni reali, latenza e rapporto costo-efficacia, e questa abitudine guida il modo in cui leggiamo i listini GPU.
Una tariffa oraria risponde a una domanda: quanto costa l'hardware? Gli acquirenti hanno bisogno di un'altra risposta: quanto costa un lavoro finito? Una GPU più economica ma più lenta, interrotta o scarsa di memoria può perdere contro una più costosa. Uno sconto riservato che resta inutilizzato non è affatto uno sconto.
Per questo consigliamo la stessa disciplina che applichiamo agli strumenti: definisci il carico di lavoro, eseguilo abbastanza a lungo da vedere l'utilizzo reale e registra insieme latenza, throughput e spesa totale. Il nostro approccio basato sui benchmark prestazionali segue questo modello: numeri legati a un caso d'uso specifico, con costi nascosti e limiti di piano messi nero su bianco. Se usi l'AI tramite strumenti hosted invece che su GPU proprie, vale la stessa logica, e le nostre recensioni mostrano prezzi verificati accanto ai risultati misurati.
AIMaestrohub
Scegliere il modello giusto per il tuo carico di lavoro
I founder non tecnici possono evitare questa complessità: se non esegui i tuoi modelli, potresti non aver bisogno affatto di GPU grezze. Gli strumenti AI hosted includono il calcolo in un abbonamento, e la domanda diventa quale strumento valga il suo prezzo. È qui che aiutano i benchmark indipendenti.
Dove andare adesso
Gli sviluppatori che costruiscono sopra i modelli possono iniziare dai nostri migliori strumenti AI per sviluppatori, mentre la nostra guida su come leggere i benchmark prestazionali AI spiega come valutare le dichiarazioni su latenza e throughput prima di impegnare budget.
Fonti
- Report sui prezzi GPU in cloud di PetaPrice
- GlobeGPU Cloud GPU Price Index
- Confronto prezzi GPU in cloud di American Compute
- Analisi di pareggio spot vs riservata di Compute Suppliers
- Benchmark sui costi dell'infrastruttura AI di VendorBenchmark
- Prezzi GPU in cloud di CoreWeave
- Glossario sui prezzi GPU in cloud di GPU Ledger
- Documentazione sui prezzi di Vast.ai
- SemiAnalysis: Quanto costano davvero i cluster GPU
- Analisi dei prezzi Modal di BudgetForge
- Modelli di prezzo GPU in cloud di GMICloud
- Serverless vs on-demand vs riservata di Spheron
- Framework di confronto provider di GPUaaS.com
- Modelli di costo per infrastrutture AI di Allwo
- Confronto provider GPU in cloud di TransAtlas
- Confronto prezzi GPU AWS vs GCP vs Azure di NerdLevelTech
Domande Frequenti
Perché i prezzi delle GPU in cloud variano così tanto per lo stesso chip?
È sicuro usare capacità GPU spot o interrompibile?
Quando conviene la capacità GPU riservata?
La fatturazione GPU serverless costa davvero zero quando è inattiva?
Blog Realizzato con AI Maestro Hub & BabyLoveGrowth
Questo articolo sfrutta l'architettura autonoma di SEO e contenuti di BabyLoveGrowth (clustering semantico, indicizzazione automatica IndexNow e scambio organico di backlink). Completamente testato e verificato nel nostro laboratorio.