Частичная аренда GPU

Арендуйте 1 или 2 GPU из рига с 8 GPU на Clore.ai и платите только за то, что берёте

Вам не нужно арендовать всю машину. Примерно на 60% перечисленных серверов можно взять одну GPU из многогпу-рига и платить пропорциональную долю цены. На снимке от 24 августа 2026 года это было 1,331 из 2,202 серверов и 2,153 свободных отдельных слота GPU — многие из них — это карты, до которых иначе можно было бы добраться только, арендовав бокс с восемью GPU за $5/час.

Почти каждый гайд в этой подборке работает на одной GPU. Дообучение модели 7B, обслуживание Qwen3.8-27B в Q4, генерация видео с LTX-2.5 — по одной карте. Частичная аренда и позволяет этим нагрузкам попадать на хорошее железо, а не только на оставшиеся одногпу-машины.

Как это работает

Риг с 8× RTX 5090 указан по суточной цене рига. Когда вы арендуете 2 из этих GPU:

ваша цена = rig_price × (gpu_count / total_gpus)

Больше ничего не меняется. Оплата по-прежнему поминутная, заказ по-прежнему дает вам Docker-контейнер с SSH, а GPU, за которые вы заплатили, привязываются к вашему контейнеру по их аппаратному UUID — так что выделение сохраняется после перезагрузки или повторной нумерации PCI, и ни один сосед по аренде не сможет к ним прикоснуться.

Риг	Весь риг	Вы берете	Вы платите
8× RTX 5090 @ $4.80/час	$4.80/час	1 GPU	$0.60/час
8× RTX 5090 @ $4.80/час	$4.80/час	2 GPU	$1.20/час
4× RTX 4090 @ $0.80/час	$0.80/час	1 GPU	$0.20/ч

Правила, которые стоит знать

Правило	Подробность
Только on-demand	Spot-заказы всегда забирают весь риг
Только риги одной модели	Смешанный риг (2× 4090 + 6× 3090) нельзя разделить
Хосты могут отказаться	Некоторые риги доступны только целиком, по выбору хоста
GPU выделяются эксклюзивно	Ваши UUID принадлежат только вашему заказу; другие арендаторы получат другие карты
CPU, RAM и диск не делятся	Системные ресурсы рига используются совместно с соседями по аренде — проверьте, что у машины хватает RAM для всех, а не только для вас
Профили разгона	Частичный заказ не может задать профиль OC — API возвращает oc_not_supported_for_partial

Проверьте системную RAM, прежде чем брать одну GPU с большого рига. Назначение GPU эксклюзивно, системная память — нет. Риг 8× с 32 ГБ RAM — плохой хост для нагрузки, которой самой по себе нужно 32 ГБ — ищите риги, у которых RAM с запасом превышает сумму того, что будут использовать его арендаторы. Медианный объем RAM по всему парку — 32 ГБ, а верхний дециль — 129 ГБ.

Аренда одной GPU через веб-интерфейс

1. Откройте Маркетплейс и выберите сервер с несколькими GPU.

2. На карточке сервера выберите, сколько GPU вам нужно. Серверы, поддерживающие частичную аренду, показывают выбор свободных слотов; серверы, которые этого не поддерживают, доступны только целиком.

3. Цена обновляется пропорционально по мере изменения количества.

4. Настройте образ и порты как обычно, затем арендуйте.

Аренда одной GPU через API

В объявлении указано, что доступно. partial_gpu_rental — это либо false либо объект:

{
  "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]
  }
}

Передайте gpu_count (и при необходимости gpu_indices, выбранные из free_indices) при создании заказа:

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 — необязателен — передайте gpu_count только его, и бэкенд сам выберет свободные GPU за вас. Не указывайте оба параметра, и вы арендуете весь риг.

С помощью 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],
)

Ошибки, которые вы можете получить, и что они означают:

Ошибка	Значение
not_enough_free_gpus	Кто-то занял слоты между вашим чтением и записью — перечитайте free_indices
invalid_gpu_count	Меньше 1 или больше total_gpus
gpu_indices_count_mismatch	Длина списка не равна gpu_count
gpu_index_out_of_range	Индекс вне 0 … total_gpus-1
duplicate_gpu_index	Один и тот же индекс дважды
partial_not_supported	Риг с разными моделями или хост отказался

Это дешевле за GPU?

Иногда, и в этом не главный смысл. Медианная цена за GPU в час в зависимости от размера рига, по снимку:

GPU	Сервер с 1 GPU	2–3 GPU	4–7 GPU	8+ GPU
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

Более старые карты заметно дешевеют при массовой аренде; риги с RTX 5090 стоят дороже. Настоящий выигрыш — в доступности — частичная аренда превращает примерно тысячу многогпу-машин в карты, которые можно арендовать по отдельности, и именно там на самом деле сосредоточена большая часть свободной емкости 3090/4090/5090.

Дальнейшие шаги

• Цены и доступность GPU — что доступно прямо сейчас

• Сравнение GPU — какая карта для какой задачи

• Настройка нескольких GPU — когда вам действительно нужен весь риг

• Python SDK · Автоматизация через CLI

Ссылки

• Маркетплейс

• Документация API Clore.ai