部分 GPU 租赁

在 Clore.ai 上从一台 8 GPU 机器中租用 1 块或 2 块 GPU，只为你使用的部分付费

你不必租整台机器。 在约 60% 的已列服务器上，你可以从多 GPU 机架中单独取出一块 GPU，并按比例支付价格。在 2026 年 8 月 24 日的快照中，这一比例是 2,202 台服务器中的 1,331 台 以及 2,153 个独立 GPU 插槽可用 —— 其中许多显卡，否则你只能通过租用一台 5 美元/小时的八卡机器才能用到。

本合集中的几乎每个指南都只需一块 GPU。微调 7B 模型、以 Q4 提供 Qwen3.8-27B 服务、用 LTX-2.5 生成视频——每项只用一块卡。部分租用使这些工作负载能够落到更好的硬件上，而不只是剩余的单卡机器上。

运作方式

一台配备 8× RTX 5090 的机架会以日租机架价格挂牌。当你租用其中 2 块 GPU 时：

你的价格 = rig_price × (gpu_count / total_gpus)

其他都不变。计费仍按分钟计算，订单仍会为你提供带 SSH 的 Docker 容器，而你支付的 GPU 会通过其硬件 UUID 绑定到你的容器——因此分配在重启或 PCI 重新枚举后仍会保持，其他同租用户也无法访问它们。

整机	整机	你获得	你支付
8× RTX 5090 @ 4.80 美元/小时	4.80 美元/小时	1 块 GPU	0.60 美元/小时
8× RTX 5090 @ 4.80 美元/小时	4.80 美元/小时	2 块 GPU	1.20 美元/小时
4× RTX 4090 @ 0.80 美元/小时	0.80 美元/小时	1 块 GPU	$0.20/hr

值得了解的规则

规则	详情
仅按需	现货订单始终租用整台机架
仅限同型号机架	混合机架（2× 4090 + 6× 3090）无法拆分
机主可选择退出	由于机主选择，某些机架仅支持整机租用
GPU 为独占	订单中的 UUID 归你独占；其他租户会得到不同的卡
CPU、RAM 和磁盘不拆分	机架的系统资源与同租用户共享——请确认这台机器有足够的 RAM 供所有人使用，而不只是你
超频配置文件	部分订单不能设置 OC 配置文件——API 返回 oc_not_supported_for_partial

在从大型机架中取用一块 GPU 之前，请先检查系统 RAM。 GPU 分配是独占的，系统内存不是。一台配有 32GB RAM 的 8 卡机架并不适合需要独占 32GB 的工作负载——应寻找 RAM 明显高于其租户使用总和的机架。全网机群的 RAM 中位数为 32GB，前十分位为 129GB。

从网页界面租用一块 GPU

1. 打开 市场 并选择一台多 GPU 服务器。

2. 在服务器卡片上选择你想要的 GPU 数量。支持部分租用的服务器会显示空闲插槽选择器；不支持的服务器仅支持整机租用。

3. 当你更改数量时，价格会按比例更新。

4. 像往常一样配置镜像和端口，然后租用。

通过 API 租用一块 GPU

列表会告诉你可用项。 partial_gpu_rental 要么是 false 或一个对象：

{
  "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]
  }
}

传入 gpu_count （以及可选地 gpu_indices，从 free_indices中选择）在创建订单时：

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 是可选的——传入 gpu_count 即可，后端会为你选择空闲 GPU。两者都省略则表示租用整台机架。

使用 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],
)

你可能收到的错误及其含义：

错误	含义
not_enough_free_gpus	在你读取和写入之间，有人占用了这些插槽——请重新读取 free_indices
invalid_gpu_count	小于 1 或大于 total_gpus
gpu_indices_count_mismatch	列表长度不等于 gpu_count
gpu_index_out_of_range	超出 0 … total_gpus-1
duplicate_gpu_index	同一索引重复两次
partial_not_supported	混合型号机架，或机主已选择退出

按每块 GPU 计算更便宜吗？

有时是的，但这不是重点。根据快照，按机架规模划分的每块 GPU 每小时中位价格：

GPU	1-GPU 服务器	2–3 块 GPU	4–7 块 GPU	8+ 块 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

较老的显卡批量租用会便宜很多；RTX 5090 机架则溢价更高。 真正的收益是可用性 —— 部分租用把大约一千台多 GPU 机器变成了可单独租用的显卡，而大多数空闲的 3090/4090/5090 资源实际上就分布在这里。

下一步

• GPU 价格与可用性 —— 当前在线的内容

• GPU 对比 ——哪张卡适合哪种工作负载

• 多 GPU 设置 —— 当你确实需要整台机架时

• Python SDK · CLI 自动化

链接

• 市场

• Clore.ai API 文档