Melhores Plataformas de Aluguel de GPU na Nuvem em 2026: Preço, Capacidade, Rede e Suporte

As melhores plataformas de aluguel de GPU na nuvem que os compradores de 2026 devem colocar na lista curta não são as plataformas com o menor número de GPU por hora. O melhor teste é saber se a plataforma consegue entregar a GPU de que você precisa, na região de que você precisa, com o modelo de rede e suporte que sua carga de trabalho realmente consegue usar.

Para um pequeno serviço de inferência, um pod H100 barato com inicialização rápida pode superar um cluster corporativo reservado. Para treinamento distribuído, a resposta se inverte: topologia de rede, armazenamento local, reprodutibilidade da imagem, certeza de cota e tempo de resposta do suporte importam mais do que alguns dólares por GPU-hora. Para muitas equipes de produto, a opção de menor risco não é alugar GPUs de forma alguma, mas comparar a carga de trabalho auto-hospedada com uma base de referência de API de modelo gerenciado antes de assinar uma reserva.

Este guia compara as melhores plataformas de aluguel de GPU na nuvem que as equipes de 2026 provavelmente avaliarão para treinamento de IA, inferência, fine-tuning, geração em lote de mídia, notebooks de pesquisa e implantações corporativas com aprovação de compras. Preços e disponibilidade mudam rapidamente, então trate as observações de preço como indicativas e verifique novamente as páginas dos provedores antes de comprar.

Resposta Rápida: A Lista Curta das Melhores Plataformas de GPU na Nuvem em 2026

Use esta tabela como a versão rápida da lista curta das melhores plataformas de aluguel de GPU na nuvem em 2026, e depois leia as notas dos provedores para entender as compensações por trás de cada escolha.

Se você só precisa de um endpoint de modelo, comece comparando uma rota de API de modelo com aluguel de GPU. Se você precisa de pesos personalizados, controle de serving de baixo nível ou execuções grandes de treinamento, use o restante deste guia para escolher as melhores plataformas de GPU na nuvem para treinamento de IA em 2026 e inferência em produção.

Como Avaliamos as Melhores Plataformas de Aluguel de GPU na Nuvem em 2026

Para este artigo, os pesos da classificação são práticos e não apenas teóricos:

Para a comparação das melhores plataformas de aluguel de GPU na nuvem em 2026, as verificações de origem abaixo usam páginas oficiais dos provedores e páginas públicas de preços disponíveis em 13 de outubro de 2026.

1. RunPod: Melhor Cloud de GPU Self-Service para Pods Rápidos e Inferência Serverless

RunPod é uma das respostas mais práticas para equipes que querem acesso a GPU rapidamente, sem um ciclo longo de compras. Sua página de preços lista preços por segundo para Pods sob demanda, Serverless, Clusters e Network Storage. Ela também separa Community Cloud e Secure Cloud, o que é importante: a Community Cloud pode ser atraente para cargas de trabalho exploratórias, enquanto a Secure Cloud é o padrão mais seguro para trabalhos de produção mais controlados.

A página pública de preços da RunPod lista exemplos como H100 PCIe a partir de $1.99/h na Community Cloud e $2.89/h na Secure Cloud, H100 SXM por $2.69/h e $3.49/h, H200 por $3.59/h e $4.59/h, e B200 por $5.98/h e $6.79/h. Essas tarifas fazem da RunPod um dos lugares mais fáceis para fazer benchmarking de uma nova carga de trabalho antes de negociar um cluster.

Escolha a RunPod quando você precisar de:

• Acesso rápido a uma única GPU ou a uma implantação pequena com várias GPUs.
• Inferência serverless em que cold start, filas e economia por solicitação são importantes.
• Um amplo menu de gerações de GPU sem a sobrecarga de configuração de hyperscaler.
• Uma linha de base de preço prática para a comparação das melhores plataformas de aluguel de GPU na nuvem em 2026.

Tenha cuidado quando:

• Você precisar de capacidade garantida para uma data de lançamento.
• Você precisar de procurement corporativo rigoroso, rede privada ou revisão de conformidade.
• Sua carga de trabalho depender de armazenamento estável de alta taxa de transferência e do comportamento de fabric multinó.

Fonte oficial: preços da RunPod

2. Lambda Cloud: Melhor Experiência Simples de Aluguel de GPU Dedicada

A Lambda Cloud é uma opção padrão forte para desenvolvedores e equipes de IA que querem instâncias de GPU dedicadas com formatos de instância claros e um fluxo de lançamento simples. Sua página atual de instâncias diz que as equipes podem alugar GPUs NVIDIA H100, H200, B200 e A100 por hora, iniciar em minutos, usar fluxos de trabalho via UI/API/CLI e executar instâncias com várias GPUs.

A tabela pública da Lambda atualmente mostra, por exemplo, 8x NVIDIA B200 SXM6 por $6.69 por GPU-hora, 8x NVIDIA H100 SXM por $3.99 por GPU-hora, 8x A100 SXM por $2.79 por GPU-hora e V100 por $0.79 por GPU-hora, sem incluir impostos. Ela também posiciona a página em torno de preços transparentes e sem taxas de egress.

Escolha a Lambda quando você precisar de:

• Preços claros de GPU sob demanda que engenharia e finanças possam entender.
• Instâncias dedicadas de 1x, 2x, 4x ou 8x GPUs.
• Um caminho limpo de um nó para clusters maiores gerenciados pela Lambda.
• Acesso a B200 ou H100 sem construir primeiro uma pilha completa de hyperscaler.

Tenha cuidado quando:

• Você precisar de garantias de capacidade entre regiões.
• Você precisar de Kubernetes gerenciado avançado, IAM corporativo ou networking multi-cloud avançado.
• Você estiver comparando com hosts de marketplace em que o menor preço disponível pode ser mais baixo, mas menos previsível.

Fonte oficial: instâncias Lambda

3. CoreWeave: Melhor Nuvem Nativa de IA para Clusters de GPU Corporativos

A CoreWeave não é apenas uma página barata de aluguel de GPU. É uma nuvem especializada em IA, construída em torno de cargas de trabalho intensivas em GPU, infraestrutura no estilo Kubernetes, armazenamento e capacidade para operações sérias de treinamento e inferência. Para equipes que já sabem que precisam de GPUs em cluster, a CoreWeave fica perto do topo da lista curta.

A página de preços da CoreWeave expõe linhas para NVIDIA GB200 NVL72, HGX B200, HGX H200, HGX H100, GH200 e infraestrutura de suporte. A página mostra exemplos como GB200 NVL72 por $42.00/h e linhas separadas on-demand, spot e voltadas para inferência para vários tipos de GPU. Sua estrutura de preços é mais detalhada do que um simples marketplace de GPU única, o que reflete sua orientação para cluster e plataforma.

Escolha a CoreWeave quando você precisar de:

• Infraestrutura corporativa de IA em vez de aluguel avulso.
• Operações de GPU nativas do Kubernetes.
• Gerações de GPU de ponta como GB200, B200, H200 e H100.
• Melhores conversas sobre planejamento de capacidade, capacidade reservada e suporte.

Tenha cuidado quando:

• Você precisar apenas de um notebook curto ou de uma execução única de fine-tuning.
• Sua equipe ainda não estiver pronta para operar contêineres, armazenamento, rede e pipelines de implantação.
• Você precisar de capacidade de autoatendimento instantânea sem vendas ou coordenação de conta.

Fonte oficial: preços da CoreWeave

4. Crusoe Cloud: Melhor Nuvem de IA com Foco em Custo para Comparar com CoreWeave e Lambda

A Crusoe Cloud tornou-se uma opção séria para equipes que avaliam nuvens de GPU focadas em IA, em vez de VMs genéricas de hyperscaler. Sua página pública de preços inclui referências a H100, H200, B200, GB200, itens de armazenamento, rede e suporte. A extração da página pública em 13 de outubro de 2026 mostrou H100 em torno de $3.90/h e H200 em torno de $4.29/h nos dados de preço visíveis, com linhas adicionais de armazenamento e rede que devem ser verificadas em relação à cotação ao vivo.

Escolha a Crusoe quando você precisar de:

• Uma nuvem de IA com sinais públicos de preço e infraestrutura orientada a cluster.
• Uma comparação de custo contra Lambda, CoreWeave, RunPod Secure Cloud e hyperscalers.
• Conversas de produção sobre computação, armazenamento, inferência e suporte em um só lugar.

Tenha cuidado quando:

• Você precisar da GPU de marketplace comunitário mais barata possível.
• Você exigir uma região específica ou janela de lançamento antes que a capacidade seja reservada.
• Você ainda não tiver modelado armazenamento, egress e suporte junto com a hora de GPU.

Fonte oficial: preços da Crusoe Cloud

5. Vast.ai: Melhor Marketplace para os Menores Preços Possíveis de GPU

A Vast.ai é diferente da maioria das plataformas desta lista. É um marketplace de GPU, então preço, hardware, confiabilidade, localização, rede, disco e comportamento do host variam conforme a listagem. Essa variabilidade é o ponto: se sua carga de trabalho puder tolerar interrupções e você puder avaliar as listagens cuidadosamente, a Vast.ai pode gerar custos por hora de GPU muito baixos.

A Vast.ai é especialmente útil para:

• Jobs em lote com checkpointing.
• Experimentos em que preço baixo supera suporte previsível.
• Cargas de trabalho com GPU de consumo, como jobs no estilo RTX 4090 e RTX 5090.
• Equipes dispostas a automatizar a seleção de listagens e a validação de instâncias.

É menos ideal quando:

• Você precisa de suporte empresarial e SLAs previsíveis.
• Você precisa de rede estável para vários nós.
• Você tem dados sensíveis e precisa de garantias mais fortes de isolamento.
• Você não pode tolerar que um host desapareça ou apresente desempenho abaixo do esperado.

Ao avaliar as melhores cloud gpu rental platforms 2026 para produção, trate a Vast.ai como uma opção de descoberta de preço e batch elástico, não como um substituto direto de uma nuvem de GPU empresarial com suporte.

Fonte oficial: preços da Vast.ai

6. Google Cloud: Melhor para AI Hypercomputer, Vertex AI e Massa Crítica de Dados Empresariais

O Google Cloud é uma plataforma de GPU forte quando sua carga de trabalho já está próxima do BigQuery, GKE, Vertex AI, Cloud Storage ou dos controles empresariais do Google. Para infraestrutura séria de IA, a decisão relevante não é apenas "quanto custa uma H100?" É se sua carga de trabalho se beneficia dos serviços gerenciados do Google, da rede, das reservas, da pilha de dados e da arquitetura AI Hypercomputer.

A documentação de preços de GPU e de máquinas otimizadas para aceleradores do Google Cloud cobre sistemas da classe A3 e A4, incluindo infraestrutura no estilo A3 Ultra/H200 e A4X/GB200. Isso torna o Google uma opção mais forte para equipes de plataforma corporativa do que para um desenvolvedor que busca a GPU de uma hora mais barata possível.

Escolha o Google Cloud quando você precisar de:

• Infraestrutura de GPU integrada ao GKE, Vertex AI, BigQuery e IAM corporativo.
• Fluxos de trabalho gerenciados de dados e modelos em uma única nuvem.
• Caminhos de reserva e uso comprometido para planejamento de capacidade maior.
• Uma opção séria entre as melhores cloud gpu platforms for ai training 2026 quando a pilha do Google ao redor importa.

Tome cuidado quando:

• Você só precisa de um teste rápido com uma GPU.
• Você é sensível a preço e não precisa do plano de controle mais amplo do Google.
• Você não orçou armazenamento, transferência de dados, serviços gerenciados e tempo de antecedência de cotas.

Fontes oficiais: preços de GPU do Google Cloud, máquinas otimizadas para aceleradores do Google Cloud

7. AWS: Melhor para Aquisição Empresarial Madura e Capacity Blocks

A AWS continua sendo um item padrão da shortlist para grandes empresas porque já possui grande parte da superfície de identidade, rede, segurança, compras e plano de dados. Para trabalhos com GPU, as famílias importantes da AWS incluem P5 para cargas de trabalho baseadas em H100 e os sistemas mais novos no estilo P6/P6e com Blackwell e GB200, à medida que ficam disponíveis. A AWS também oferece Capacity Blocks for ML, projetados para reservar capacidade de GPU por uma janela de tempo definida.

Escolha a AWS quando você precisar de:

• Alinhamento existente de VPC, IAM, data lake, conformidade e compras.
• Uma solução de capacidade reservada para janelas de treinamento conhecidas.
• Integração estreita com S3, EKS, SageMaker, fluxos adjacentes ao Bedrock e operações empresariais.

Tome cuidado quando:

• Você precisa de cota instantânea para H100/H200/B200.
• Você está comparando apenas o preço bruto por hora de GPU.
• Sua equipe não modelou custos de EBS, FSx, S3, NAT, transferência de dados, observabilidade e suporte.

A AWS costuma ser uma das melhores GPU cloud platforms 2026 para empresas, mas raramente é a resposta mais simples para equipes pequenas que só precisam de algumas GPUs nesta tarde.

Fontes oficiais: instâncias P5 da AWS, instâncias P6 da AWS, AWS Capacity Blocks for ML

8. Microsoft Azure: Melhor para Empresas Padronizadas em Microsoft

O Azure é semelhante ao AWS e ao Google Cloud em um aspecto importante: a decisão de plataforma geralmente é guiada pela padronização empresarial, identidade, rede, conformidade e serviços de dados adjacentes, e não pelo menor preço público de GPU. As famílias Azure ND H100 v5 e ND H200 v5 são as linhas que a maioria dos compradores examinará para cargas de trabalho sérias de IA.

A Azure Retail Prices API em 13 de outubro de 2026 mostrou exemplos de Standard_ND96isr_H100_v5 a $98.32/h em várias regiões dos EUA e exemplos de Standard_ND96isr_H200_v5 em torno de $110.24/h em algumas regiões. Esses são preços no nível da VM, não uma taxa simples de mercado para uma única GPU, então os compradores devem dividir pelo número real de GPUs apenas quando a VM inteira estiver totalmente utilizada e então adicionar armazenamento, rede, suporte e tempo ocioso.

Escolha o Azure quando você precisar de:

• Alinhamento com identidade, rede, segurança e compras da Microsoft.
• Azure ML, AKS, armazenamento e governança empresarial em torno de cargas de trabalho de GPU.
• Uma boa integração com ambientes existentes de dados e aplicativos Microsoft.

Tome cuidado quando:

• Sua equipe está tentando otimizar apenas o custo por hora de GPU.
• A cota de GPU ainda não foi aprovada.
• Você não verificou a disponibilidade regional para a família exata de VM.

Fontes oficiais: Azure Retail Prices API, tamanhos de VM otimizados para GPU do Azure

9. Oracle Cloud Infrastructure: Melhor para GPU Bare Metal e Avaliação de Supercluster RDMA

O Oracle Cloud Infrastructure vale a pena ser avaliado quando a आवश्यकता não é uma VM de GPU casual, mas uma implantação de IA em bare metal ou no estilo supercluster. A OCI investiu fortemente em clusters de GPU, rede RDMA e posicionamento de infraestrutura empresarial de IA, e pode ser particularmente relevante para equipes que já usam Oracle Cloud ou estão negociando grandes implantações reservadas.

Escolha a OCI quando você precisar de:

• Opções de GPU bare metal e conversas de aquisição em escala de cluster.
• Rede no estilo RDMA como parte da discussão de arquitetura.
• Gestão de conta empresarial e capacidade negociada.

Tome cuidado quando:

• Você precisa de preços públicos transparentes de clique para alugar para uma única GPU.
• Sua equipe não tem experiência com operações de bare metal/cluster na nuvem.
• Você quer flexibilidade no estilo de marketplace em vez de planejamento de capacidade empresarial.

Fonte oficial: Instâncias de GPU da Oracle Cloud

10. Nebius: Melhor nuvem de IA emergente para compradores europeus e de infraestrutura dedicada de IA

A Nebius é um provedor de infraestrutura de IA a ser acompanhado porque foi construída especificamente em torno de cargas de trabalho de nuvem de IA, e não como uma nuvem de uso geral em primeiro lugar. Equipes que avaliam localização de dados na UE, especialização em nuvem de IA e capacidade dedicada de GPU devem incluí-la na lista de seleção.

Escolha a Nebius quando precisar de:

• Infraestrutura de nuvem orientada por IA com clusters de GPU.
• Conversas sobre infraestrutura europeia ou específica por região.
• Um provedor que fique entre a maturidade dos hyperscalers e o foco especializado em nuvem de IA.

Tome cuidado quando:

• Você precisa do mapa global de regiões mais amplo.
• Sua equipe de compras precisa de um longo histórico público de operação no seu segmento.
• Você precisa de uma tabela pública estática de preços para cada formato de GPU antes de falar com vendas.

Fonte oficial: Nebius AI Cloud

11. Opções de GPU da Paperspace e da DigitalOcean: melhores para notebooks e fluxos de trabalho menores de desenvolvedores

A Paperspace, agora parte da DigitalOcean, continua útil para notebooks de GPU amigáveis ao desenvolvedor, experimentos e fluxos de trabalho menores. Normalmente não é a plataforma escolhida para a maior execução de treinamento distribuído, mas pode ser uma forma simples de começar com desenvolvimento com suporte de GPU sem montar uma stack empresarial de cluster.

Escolha a Paperspace ou as opções de GPU da DigitalOcean quando precisar de:

• Um ambiente focado em notebooks ou no desenvolvimento.
• Integração mais simples para equipes pequenas.
• Um caminho com menor sobrecarga operacional do que configurar uma implantação de GPU em um hyperscaler.

Tome cuidado quando:

• Você precisa de capacidade garantida de GPU de ponta em escala.
• Você precisa de fabrics especializados de múltiplos nós.
• Você precisa de controles de cluster empresariais e compromissos de suporte.

Fontes oficiais: Preços da Paperspace, GPU Droplets da DigitalOcean

E quanto às melhores plataformas gratuitas de computação em nuvem com GPU em 2026?

As opções das melhores plataformas gratuitas de computação em nuvem com GPU em 2026 são boas para aprendizado, demonstrações, notebooks e छोटे experimentos. Elas não substituem compras para cargas de trabalho de IA em produção.

Use ambientes de notebook gratuitos ou de baixo custo, como Colab ou Kaggle, quando:

• O conjunto de dados é pequeno.
• Você pode tolerar limites de sessão.
• Você não precisa de rede privada ou suporte de produção.
• A reprodutibilidade é menos importante do que a experimentação rápida.

Mude para uma nuvem de GPU paga quando:

• Você precisa de um runtime estável.
• Você precisa de persistência de dados previsível.
• Você precisa de segredos de produção, VPCs, IAM, logs e suporte.
• Execuções com falha ou sessões interrompidas custam mais do que a economia na conta de GPU.

Para produção, "GPU gratuita" deve ser tratada como uma etapa de prototipagem, não como estratégia de plataforma.

Fontes oficiais: Google Colab, notebooks do Kaggle

Comparação de preços: por que o menor custo por hora de GPU pode perder

O erro mais fácil em uma comparação das melhores plataformas de nuvem GPU em 2026 é classificar pelo preço horário da GPU e parar por aí. Isso ignora a conta real.

Use esta equação antes de escolher:

Custo de saída aceita =
  tempo de execução da GPU
+ tempo ocioso
+ atraso na fila
+ novas tentativas de jobs com falha
+ armazenamento e snapshots
+ egress e movimentação de dados
+ orquestração e observabilidade
+ suporte e tempo de engenharia
dividido pelas saídas aceitas

Para treinamento, saída aceita pode significar um checkpoint bem-sucedido, uma pontuação de benchmark ou um modelo ajustado. Para inferência, pode significar uma solicitação concluída que atenda aos objetivos de latência e qualidade. Para geração de mídia, pode significar uma imagem ou vídeo aceito, não apenas uma renderização concluída.

É aqui que uma linha de base de API de modelo importa. Se sua equipe não precisa de pesos privados, CUDA personalizada, controle de LoRA ou serving especializado, compare o aluguel de GPU com uma rota de modelo gerenciado. A Flatkey foi projetada para essa linha de base: uma chave, uma fatura, roteamento compatível com OpenAI em muitos provedores de modelo, visibilidade de uso e opções de fallback. Isso não é o mesmo produto que uma nuvem de GPU, mas muitas vezes é a comparação certa antes de alugar capacidade.

Leituras relacionadas da Flatkey:

• Preços de aluguel de GPU explicados
• Custos ocultos da nuvem de GPU
• GPU serverless vs GPU dedicada
• Nuvem de GPU vs API de modelo
• TCO de cluster de GPU

Matriz de decisão: qual plataforma você deve escolher?

Lista de Verificação de Compras para as Melhores Plataformas de GPU na Nuvem para Treinamento de IA em 2026

Antes de escolher entre as melhores plataformas de gpu na nuvem para treinamento de ia em 2026, faça a cada provedor estas perguntas:

1. Qual SKU exato de GPU, tamanho de memória e interconexão estão disponíveis na data de lançamento?
2. A capacidade é on-demand, spot, reservada, comprometida ou aprovada pela equipe comercial?
3. O preço cotado é por GPU, por nó, por VM, por cluster ou por solicitação?
4. Qual armazenamento está incluído, e quanto custam snapshots, object storage, sistemas de arquivos compartilhados e discos de alto desempenho?
5. Quais taxas de saída de dados, rede privada, IP público, NAT, balanceador de carga ou transferência entre regiões se aplicam?
6. O que acontece quando um job é interrompido?
7. As instâncias podem ser interrompidas sem perder o estado do disco?
8. Imagens, drivers, versões do CUDA, configurações do NCCL e runtimes de contêiner são controlados por você ou pelo provedor?
9. Que resposta de suporte está incluída no nível de gasto que você espera?
10. O provedor pode reservar o mesmo tipo de GPU durante todo o cronograma do projeto?
11. Existe um status público, SLA ou processo de incidentes?
12. Como você medirá o custo por saída aceita após a primeira semana?

A plataforma que responde a essas perguntas com clareza costuma ser mais segura do que a plataforma com o menor preço visível.

Recomendação Final

Para a maioria das equipes que comparam as melhores plataformas de aluguel de gpu na nuvem em 2026, comece com três frentes:

1. Use RunPod ou Lambda para benchmarking rápido e prático de cargas de trabalho.
2. Use CoreWeave, Crusoe, OCI, AWS, Google Cloud ou Azure para capacidade séria e conversas de compras corporativas.
3. Use Flatkey ou outra rota de API de modelo gerenciada como base quando o controle direto de GPU não for necessário.

A decisão sobre as melhores plataformas de cloud GPU em 2026 é, em última análise, uma decisão sobre a carga de trabalho. Se a carga precisar de kernels personalizados, pesos privados, controle de serving em baixo nível ou treinamento multinó, alugue GPUs e avalie rede e suporte com a mesma atenção que o preço. Se a carga só precisar de saídas confiáveis de modelo, teste primeiro a rota de API de modelo; isso pode eliminar meses de trabalho de infraestrutura do roadmap.

FAQ

Quais são as melhores plataformas de aluguel de gpu na nuvem em 2026 para uma pequena startup de IA?

Comece com RunPod, Lambda, Crusoe e Paperspace/DigitalOcean para testes rápidos, depois compare CoreWeave ou hyperscalers se você precisar de capacidade reservada, rede privada ou compras corporativas. Use Flatkey ou APIs de modelo como base se não precisar de controle direto do hardware.

Quais são as melhores plataformas de GPU na nuvem em 2026 para treinamento de IA?

Para treinamento sério de IA multinó, avalie CoreWeave, clusters Lambda, Crusoe, AWS, Google Cloud, Azure, OCI e Nebius. Os fatores decisivos não são apenas o modelo de GPU e o preço. Fabric de rede, throughput de armazenamento, reserva de capacidade e suporte são as partes difíceis.

Plataformas de GPU na nuvem gratuitas são boas o suficiente para produção?

Não. Ambientes de GPU gratuitos são úteis para aprendizado, demos e pequenos notebooks. Cargas de produção precisam de runtime estável, armazenamento previsível, gerenciamento de segredos, logs, suporte e controle de custos.

Um marketplace como o Vast.ai é seguro para produção?

Pode ser seguro para a carga de trabalho certa, especialmente jobs em lote com checkpointing e validação de anúncios. É mais arriscado para dados sensíveis, serviços estáveis de baixa latência ou cargas que precisam de suporte corporativo e rede multinó previsível.

Devo alugar GPUs ou usar uma API de modelo?

Alugue GPUs quando precisar de pesos personalizados, controle privado de runtime, kernels especializados ou treinamento multinó. Use uma API de modelo quando precisar principalmente de saídas confiáveis do modelo, integração rápida, faturamento unificado e fallback. Muitas equipes devem medir ambos antes de se comprometerem.

Lista de Verificação de Fontes

• Preços do RunPod: https://www.runpod.io/pricing
• Instâncias da Lambda: https://lambda.ai/instances
• Preços da CoreWeave: https://www.coreweave.com/pricing
• Preços da Crusoe Cloud: https://www.crusoe.ai/cloud/pricing
• Preços da Vast.ai: https://vast.ai/pricing
• Preços de GPU do Google Cloud: https://cloud.google.com/compute/gpus-pricing
• Máquinas otimizadas para aceleradores do Google Cloud: https://cloud.google.com/compute/docs/accelerator-optimized-machines
• Instâncias P5 da AWS: https://aws.amazon.com/ec2/instance-types/p5/
• Instâncias P6 da AWS: https://aws.amazon.com/ec2/instance-types/p6/
• Capacity Blocks da AWS para ML: https://aws.amazon.com/ec2/capacityblocks/
• API de Preços de Varejo do Azure: https://prices.azure.com/api/retail/prices
• Tamanhos de VM acelerados por GPU do Azure: https://learn.microsoft.com/azure/virtual-machines/sizes/gpu-accelerated
• Instâncias de GPU do Oracle Cloud: https://www.oracle.com/cloud/compute/gpu/
• Nebius AI Cloud: https://nebius.com/
• Preços do Paperspace: https://www.paperspace.com/pricing
• Droplets de GPU da DigitalOcean: https://www.digitalocean.com/products/gpu-droplets
• Google Colab: https://colab.research.google.com/
• Notebooks do Kaggle: https://www.kaggle.com/docs/notebooks