Teilweise GPU-Miete

Miete 1 oder 2 GPUs aus einem 8-GPU-Rig auf Clore.ai und zahle nur für das, was du nutzt

Sie müssen nicht die ganze Maschine mieten. Bei etwa 60 % der gelisteten Server können Sie eine einzelne GPU aus einem Multi-GPU-Rig herausnehmen und einen anteiligen Preis zahlen. Zum Snapshot vom 24. August 2026 waren das 1.331 von 2.202 Servern und 2.153 einzelne GPU-Slots frei — viele davon Karten, die Sie sonst nur durch die Miete einer 5 $/Std.-Acht-GPU-Box erreichen würden.

Fast jede Anleitung in dieser Sammlung läuft auf einer GPU. Ein 7B-Modell feinabstimmen, Qwen3.8-27B bei Q4 bereitstellen, Video mit LTX-2.5 erzeugen — jeweils eine Karte. Teilmiete ist das, was diese Workloads auf gute Hardware bringt und nicht nur auf übrig gebliebene Einzel-GPU-Maschinen.

So funktioniert's

Ein Rig mit 8× RTX 5090 wird zu einem täglichen Rig-Preis gelistet. Wenn Sie 2 dieser GPUs mieten:

Ihr Preis = Rig-Preis × (GPU-Anzahl / Gesamtzahl der GPUs)

Ansonsten ändert sich nichts. Die Abrechnung erfolgt weiterhin minutengenau, die Bestellung liefert Ihnen weiterhin einen Docker-Container mit SSH, und die von Ihnen bezahlten GPUs sind über ihre Hardware-UUID an Ihren Container gebunden — die Zuweisung übersteht also einen Neustart oder eine PCI-Neuenumeration, und kein Mitmieter kann darauf zugreifen.

Rig	Gesamtes Rig	Sie nehmen	Sie zahlen
8× RTX 5090 @ 4,80 $/Std.	4,80 $/Std.	1 GPU	0,60 $/Std.
8× RTX 5090 @ 4,80 $/Std.	4,80 $/Std.	2 GPUs	1,20 $/Std.
4× RTX 4090 @ 0,80 $/Std.	0,80 $/Std.	1 GPU	$0,20/Stunde

Regeln, die man kennen sollte

Regel	Detail
Nur On-Demand	Spot-Bestellungen nehmen immer das ganze Rig
Nur Rigs mit demselben Modell	Ein gemischtes Rig (2× 4090 + 6× 3090) kann nicht aufgeteilt werden
Hosts können sich abmelden	Manche Rigs sind nur als ganze Maschine verfügbar, nach Wahl des Hosts
GPUs sind exklusiv	Ihre UUIDs gehören für die Bestellung Ihnen; andere Mieter bekommen andere Karten
CPU, RAM und Festplatte werden nicht aufgeteilt	Die Systemressourcen des Rigs werden mit den Mitmietern geteilt — prüfen Sie also, ob die Maschine genug RAM für alle hat, nicht nur für Sie
Übertaktungsprofile	Eine Teilbestellung kann kein OC-Profil setzen — die API gibt zurück oc_not_supported_for_partial

Prüfen Sie den System-RAM, bevor Sie eine GPU aus einem großen Rig nehmen. Die GPU-Zuweisung ist exklusiv, der Systemspeicher nicht. Ein 8×-Rig mit 32 GB RAM ist ein schlechter Host für eine Arbeitslast, die allein 32 GB benötigt — suchen Sie nach Rigs, deren RAM die Summe dessen, was ihre Mieter verwenden, deutlich übersteigt. Der Median-RAM im gesamten Fuhrpark beträgt 32 GB, und das oberste Dezil liegt bei 129 GB.

Eine GPU über die Weboberfläche mieten

1. Öffnen Sie die Marktplatz und wählen Sie einen Multi-GPU-Server aus.

2. Auf der Serverkarte wählen Sie, wie viele GPUs Sie möchten. Server, die Teilmiete unterstützen, zeigen die Auswahl für freie Slots; Server, die das nicht tun, sind nur als gesamtes Rig verfügbar.

3. Der Preis aktualisiert sich proportional, wenn Sie die Anzahl ändern.

4. Konfigurieren Sie das Image und die Ports wie gewohnt und mieten Sie dann.

Eine GPU über die API mieten

Das Listing sagt Ihnen, was verfügbar ist. partial_gpu_rental ist entweder false oder ein Objekt:

{
  "id": 115625,
  "specs": { "gpu": "8x NVIDIA GeForce RTX 5090" },
  "partial_gpu_rental": {
    "total_gpus": 8,
    "available_gpus": 6,
    "free_indices": [0, 2, 4, 5, 6, 7]
  }
}

Übergeben Sie gpu_count (und optional gpu_indices, ausgewählt aus free_indices) beim Erstellen der Bestellung:

curl -X POST https://api.clore.ai/v1/create_order \\
  -H "auth: $CLORE_API_TOKEN" \\
  -H "Content-Type: application/json" \\
  -d '{
    "renting_server": 115625,
    "type": "on-demand",
    "currency": "USD-Blockchain",
    "image": "pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel",
    "ports": {"22": "tcp"},
    "gpu_count": 2,
    "gpu_indices": [0, 2]
  }'

gpu_indices ist optional — übergeben Sie gpu_count allein und das Backend wählt freie GPUs für Sie aus. Lassen Sie beides weg, und Sie mieten das ganze Rig.

Mit dem Python-SDK / CLI:

clore deploy 115625 \\
  --image pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel \\
  --type on-demand --currency USD-Blockchain \\
  --gpu-count 2 --gpu-indices 0,2

from clore_ai import CloreAI

clore = CloreAI(api_token="...")
clore.create_order(
    server_id=115625,
    image="pytorch/pytorch:2.11.0-cuda12.8-cudnn9-devel",
    type="on-demand",
    currency="USD-Blockchain",
    gpu_count=2,
    gpu_indices=[0, 2],
)

Fehler, die zurückgegeben werden können, und was sie bedeuten:

Fehler	Bedeutung
not_enough_free_gpus	Jemand hat die Slots zwischen Ihrem Lesen und Ihrem Schreiben belegt — erneut lesen free_indices
invalid_gpu_count	Weniger als 1 oder mehr als total_gpus
gpu_indices_count_mismatch	Die Listenlänge entspricht nicht gpu_count
gpu_index_out_of_range	Ein Index außerhalb von 0 … total_gpus-1
duplicate_gpu_index	Der gleiche Index zweimal
partial_not_supported	Gemischtes Modell-Rig oder der Host hat sich abgemeldet

Ist es pro GPU günstiger?

Manchmal, und das ist nicht der Hauptpunkt. Medianpreis pro GPU und Stunde nach Rig-Größe, aus dem Snapshot:

GPU	Server mit 1 GPU	2–3 GPUs	4–7 GPUs	8+ GPUs
RTX 4090	$0.165	$0.156	$0.172	$0.156
RTX 3090	$0.083	$0.083	$0.073	$0.083
RTX 3080	$0.079	$0.069	$0.058	$0.052
RTX 5090	$0.270	$0.271	$0.322	$0.443

Ältere Karten werden in größeren Stückzahlen deutlich günstiger; RTX 5090-Rigs liegen preislich im Premiumsegment. Der eigentliche Gewinn ist die Verfügbarkeit — Teilmiete macht ungefähr tausend Multi-GPU-Maschinen zu einzeln mietbaren Karten, und genau dort liegt der Großteil der freien 3090/4090/5090-Kapazität.

Nächste Schritte

• GPU-Preise & Verfügbarkeit — was gerade live ist

• GPU-Vergleich — welche Karte für welche Arbeitslast

• Multi-GPU-Einrichtung — wenn Sie doch das ganze Rig wollen

• Python-SDK · CLI-Automatisierung

Links

• Marktplatz

• Clore.ai API-Dokumentation