快速入门

无需事先具备 GPU 或 AI 经验。本指南让你在 5 分钟内从零开始运行 AI。

步骤 1：创建账户并充值

1. 前往 clore.ai → 注册

2. 验证你的电子邮件

3. 前往 账户 → 存款

4. 通过以下方式添加资金 CLORE, BTC, USDT，或 USDC （最低约 $5 即可开始）

步骤 2：选择 GPU

前往 市场 并根据你的任务进行选择：

我想要做的事	最低 GPU	预算/天
与 AI 聊天（7B 模型）	RTX 3060 12GB	~$0.15
与 AI 聊天（32B 模型）	RTX 4090 24GB	~$0.50
生成图像（FLUX）	RTX 3090 24GB	~$0.30
生成视频	RTX 4090 24GB	~$0.50
生成音乐	任何 4GB+ 的 GPU	~$0.15
语音克隆 / TTS	RTX 3060 6GB+	~$0.15
转录音频	RTX 3060 8GB+	~$0.15
微调模型	RTX 4090 24GB	~$0.50
运行 70B+ 模型	A100 80GB	~$2.00

重要 — 不仅要检查 GPU！

• 内存： 大多数 AI 工作负载最低 16GB+

• 网络： 建议 500Mbps+（模型从 HuggingFace 下载）

• 磁盘： 模型存储需 50GB+ 可用空间

快速 GPU 指南

GPU	显存	价格	适用范围
RTX 3060	12GB	$0.15–0.30/天	TTS、音乐、小型模型
RTX 3090	24GB	$0.30–1.00/天	图像生成、32B 模型
RTX 4090	24GB	$0.50–2.00/天	最高可到 35B，推理快速
RTX 5090	32GB	$1.50–3.00/天	70B 量化，最快
A100 80GB	80GB	$2.00–4.00/天	70B FP16，严肃训练
H100 80GB	80GB	$3.00–6.00/天	400B+ MoE 模型

步骤 3：部署

点击 租用 你选择的服务器，然后配置：

• 订单类型： 按需（保证）或竞价（便宜 30–50%，可能被中断）

• Docker 镜像： 见下方配方

• 端口： 务必包含 22/tcp （SSH）+ 你的应用端口

• 环境： 添加任何所需的 API 密钥

🚀 一键配方

与 AI 聊天（Ollama + Open WebUI）

运行本地 AI 的最简单方式 — 类似 ChatGPT 的界面，可使用任何开源模型。

镜像：ghcr.io/open-webui/open-webui:ollama
端口：22/tcp，8080/http

部署后，打开 HTTP URL → 创建账户 → 选择模型（Llama 4 Scout、Gemma 3、Qwen3.5）→ 开始聊天！

图像生成（ComfyUI）

用于 FLUX、Stable Diffusion 等的基于节点的工作流。

镜像：yanwk/comfyui-boot:cu126-slim
端口：22/tcp，8188/http
环境：CLI_ARGS=--listen 0.0.0.0

图像生成（Stable Diffusion WebUI）

Stable Diffusion、SDXL 和 SD 3.5 的经典 UI。

镜像：universonic/stable-diffusion-webui:latest
端口：22/tcp，8080/http

LLM API 服务器（vLLM）

具备 OpenAI 兼容 API 的生产级服务。

镜像：vllm/vllm-openai:latest
端口：22/tcp，8000/http
命令：vllm serve Qwen/Qwen3.5-9B-Instruct --host 0.0.0.0 --max-model-len 8192

音乐生成（ACE-Step）

生成带人声的完整歌曲 — 适用于任何 4GB+ GPU！

端口：22/tcp，7860/http

SSH 登录，然后：

git clone https://github.com/ACE-Step/ACE-Step-1.5.git && cd ACE-Step-1.5
pip install -r requirements.txt
python app.py --port 7860 --listen 0.0.0.0

步骤 4：连接

订单开始后：

1. 前往 我的订单 → 找到你的活跃订单

2. Web 界面： 点击 HTTP URL（例如， https://xxx.clorecloud.net)

3. SSH： ssh -p <port> root@<proxy-address>

首次启动需要 5–20 分钟 — 服务器正在从 HuggingFace 下载 AI 模型。在此期间出现 HTTP 502 错误是正常的。请等待并刷新。

部署	典型启动时间
Ollama + Open WebUI	3–5 分钟
ComfyUI	10–15 分钟
vLLM	5–15 分钟（取决于模型大小）
SD WebUI	10–20 分钟

步骤 5：开始创作

服务运行后，查看针对你具体用例的指南：

🤖 语言模型（聊天、编程、推理）

• Ollama — 最简单的模型管理方式

• Llama 4 Scout — Meta 最新，10M 上下文

• Gemma 3 — Google 的 27B，表现超过 405B 模型

• Qwen3.5 — 在数学上超过 Claude 4.5（2026 年 2 月！）

• DeepSeek-R1 — 连锁思维推理

• vLLM — 生产级 API 服务

🎨 图像生成

• FLUX.2 Klein — 每张图像 < 0.5 秒！

• ComfyUI — 基于节点的工作流

• FLUX.1 — 使用 LoRA + ControlNet 的最高质量

• Stable Diffusion 3.5 — 最佳文本渲染

🎬 视频生成

• FramePack — 仅需 6GB 显存！

• Wan2.1 — 高质量的文本到视频与图像到视频

• LTX-2 — 含音频的视频

• CogVideoX — 知乎 AI 的视频模型

🔊 音频与语音

• Qwen3-TTS — 语音克隆，支持 10+ 语言

• WhisperX — 转录 + 说话人区分

• Dia TTS — 多说话人对话

• Kokoro — 微型 TTS，仅需 2GB 显存

🎵 音乐

• ACE-Step — 在 < 4GB 显存上生成完整歌曲

💻 AI 编码

• TabbyML — 自托管的 Copilot，每月 $4.50

• Aider — 终端 AI 编码助手

🧠 训练

• Unsloth — 提速 2 倍，节省 70% 显存

• Axolotl — 基于 YAML 的微调

💡 初学者提示

1. 从 Ollama 开始 — 这是在本地尝试 AI 最简单的方式

2. RTX 4090 是最佳选择 — 以 $0.50–2/天 处理 90% 的用例

3. 使用竞价订单 用于试验 — 便宜 30–50%

4. 使用按需订单 用于重要工作 — 有保障，不会被中断

5. 在订单结束前下载你的输出 — 文件会在结束后被删除

6. 使用 CLORE 代币支付 — 通常比稳定币有更好费率

7. 检查内存和网络 — 低内存是失败的头号原因

故障排除

问题	解决方案
长时间出现 HTTP 502	等待 10–20 分钟以完成首次启动；检查内存是否 ≥ 16GB
服务无法启动	内存过低（需要 16GB+）或显存不足以支持该模型
模型下载缓慢	首次运行时正常；优先选择 500Mbps+ 的服务器
CUDA 内存不足（Out of Memory）	使用更小的模型或更大的 GPU；尝试量化版本
无法 SSH	检查端口是否在 22/tcp 配置中；等待服务器完全启动

🐍 Python SDK 与 CLI（推荐）

更喜欢编码而不是点击？安装官方 SDK：

pip install clore-ai
clore search --gpu "RTX 4090" --max-price 5.0
clore deploy 123 --image cloreai/ubuntu22.04-cuda12 --type on-demand --currency bitcoin --ssh-password mypass --port 22:tcp
clore ssh 456

或直接使用 Python：

from clore_ai import CloreAI

client = CloreAI()
servers = client.marketplace(gpu="RTX 4090", max_price_usd=5.0)
order = client.create_order(server_id=servers[0].id, image="cloreai/ubuntu22.04-cuda12", type="on-demand", currency="bitcoin")

→ 完整 Python 快速入门 | SDK 指南 | 异步操作、现货市场、服务器管理、错误处理

需要帮助？

• 📖 完整故障排除指南

• 📊 GPU 比较图表

• 💰 价格参考

• 💬 Discord

• 💬 Telegram

• 📧 [email protected]