Cost, Billing, and Ops2026年10月13日Flatkey Team

2026年最佳云GPU租赁平台：价格、容量、网络与支持

面向AI团队的2026年实用GPU云平台精选，比较价格水平、容量、网络、支持，以及何时应以模型API作为更好的基线。

2026年买家应优先考虑的最佳云 GPU 租赁平台，并不是那些每小时 GPU 价格最低的平台。更好的标准是：该平台能否在你需要的区域交付你所需的 GPU，以及其网络和支持模式是否真正适合你的工作负载。

对于小型推理服务，一个启动迅速的低价 H100 节点可能胜过预留的企业级集群。对于分布式训练，答案则相反：网络拓扑、本地存储、镜像可复现性、配额确定性以及支持响应时间，比每个 GPU 小时便宜几美元更重要。对许多产品团队来说，风险最低的选择甚至不是租 GPU，而是在签订预留合同之前，先把自托管工作负载与托管模型 API 基线进行对比。

本指南比较了 2026 年团队在 AI 训练、推理、微调、批量媒体生成、研究笔记本以及采购驱动的企业部署中可能会评估的最佳云 GPU 租赁平台。价格和可用性变化很快，因此请将价格说明视为方向性参考，并在购买前重新核对提供商页面。

快速答案：2026 年最佳 GPU 云平台入围名单

买家需求	最佳匹配	突出优势	注意事项
快速自助式节点和无服务器推理	RunPod	广泛的自助 GPU 选择、按秒计费、Community 和 Secure Cloud 选项、无服务器端点	Community 容量和支持预期与 Secure Cloud 不同
简单的专用 GPU 实例	Lambda Cloud	清晰的实例定价、B200/H100/A100 选项、API/CLI 访问、无出口流量费用定位	上线前需要确认区域和大集群可用性
企业 AI 云和大规模集群	CoreWeave	强 AI 基础设施定位、公开 GPU 价格表、Kubernetes 原生姿态、GB200/B200/H200/H100 条目	更适合准备好使用云原生基础设施的团队，而不是随意的笔记本环境
最低价市场淘货	Vast.ai	市场深度、广泛的消费级和数据中心 GPU 供给、可能出现非常低的现货价格	主机质量、网络、持久性和支持会因列表而异
注重成本且公布费率的 AI 云	Crusoe Cloud	公开的 H100/H200/B200 风格价格定位、面向集群的 GPU 云、推理和存储项目费用	生产环境需核实区域、配额和支持承诺
超大规模云厂商治理和集成数据栈	Google Cloud、AWS、Azure	成熟的身份、合规、网络、托管存储、企业采购、GPU 预留/容量计划	通常列表价格更高、配额摩擦更多，且需要配置的服务也更多
OCI 裸金属和 RDMA 超级集群	Oracle Cloud Infrastructure	面向企业集群的强裸金属 GPU 和 RDMA 能力	采购和容量讨论通常更复杂
开发者笔记本和轻量实验	Paperspace/DigitalOcean、Colab、Kaggle	原型设计和演示的简单入口	并不是严肃生产集群的最佳控制面
不需要直接 GPU 控制时	Flatkey 加上模型 API	一个 API 密钥、统一计费、多种模型路由、无需运营 GPU 的回退和使用跟踪	不能替代需要自定义内核、私有权重或完整硬件控制的工作负载

将此表作为最佳云 gpu 租赁平台 2026 入围名单的快速版本，然后阅读各提供商说明，了解每种选择背后的权衡。

如果你只需要模型端点，先比较模型 API 路径与 GPU 租赁。如果你需要自定义权重、底层服务控制或大规模训练任务，请使用本指南其余部分来选择适合 AI 训练 2026 和生产推理的最佳云 gpu 平台。

我们如何评估 2026 年最佳云 GPU 租赁平台

在本文中，排名权重更偏向实际可用性，而不是纯理论：

因素	购买前需要检查什么
价格	GPU 小时费、承诺使用折扣、现货/可中断价格、存储、快照、出口流量、空闲时间、支持费用、失败任务重试
容量	在你所需区域内，H100、H200、B200、B300、GB200、L40S、A100 和 RTX 级 GPU 是否 वास्तव वास्तव真正可用
网络	节点内的 NVLink/NVSwitch、跨节点的 InfiniBand 或高带宽以太网、放置组、fabric 可见性、存储吞吐量
运营匹配度	API/CLI、镜像、日志、可观测性、持久卷、密钥、IAM、正常运行时间预期、支持路径
工作负载匹配度	训练、微调、推理、批处理、媒体生成、笔记本、受监管工作负载、临时实验

对于最佳云 gpu 租赁平台 2026 的比较，下面的来源检查使用了截至 2026 年 10 月 13 日可获得的官方提供商页面和公开定价页面。

1. RunPod：适合快速节点和无服务器推理的最佳自助 GPU 云

对于希望快速获得 GPU 访问、又不想经历漫长采购周期的团队来说，RunPod 是最实用的选择之一。其定价页面列出了按秒计费的按需 Pods、Serverless、Clusters 和 Network Storage。它还区分了 Community Cloud 和 Secure Cloud，这一点很重要：Community Cloud 可能对探索性工作负载更有吸引力，而 Secure Cloud 则是更受控生产工作的更安全默认选择。

RunPod 的公开定价页面列出了示例价格，例如 Community Cloud 上的 H100 PCIe 为 $1.99/hr，Secure Cloud 上为 $2.89/hr；H100 SXM 为 $2.69/hr 和 $3.49/hr；H200 为 $3.59/hr 和 $4.59/hr；B200 为 $5.98/hr 和 $6.79/hr。这些费率使 RunPod 成为在谈判集群之前先对新工作负载进行基准测试的最便捷地点之一。

在以下情况下选择 RunPod：

需要快速访问单 GPU 或小规模多 GPU 部署。
需要服务器无关推理，且冷启动、排队和按请求经济性很重要。
希望在不承担超大规模云厂商设置开销的情况下获得广泛的 GPU 代际选择。
需要一个实用的价格基线，用于 best cloud gpu rental platforms 2026 对比。

以下情况需谨慎：

需要为某个上线日期保证容量。
需要严格的企业采购、私有网络或合规审查。
工作负载依赖稳定的高吞吐存储和多节点网络行为。

官方来源：RunPod pricing

2. Lambda Cloud：最佳简单专用 GPU 租赁体验

Lambda Cloud 对于希望获得专用 GPU 实例、清晰实例规格和简单启动流程的开发者与 AI 团队来说，是一个很强的默认选择。其当前实例页面显示，团队可以按小时租用 NVIDIA H100、H200、B200 和 A100 GPU，在几分钟内启动，使用 UI/API/CLI 工作流，并运行多 GPU 实例。

Lambda 的公开表格目前显示，例如 8x NVIDIA B200 SXM6 为每 GPU 小时 $6.69，8x NVIDIA H100 SXM 为每 GPU 小时 $3.99，8x A100 SXM 为每 GPU 小时 $2.79，V100 为每 GPU 小时 $0.79，且不含税。页面也将透明定价和无出站流量费用作为卖点。

在以下情况下选择 Lambda：

需要工程和财务都能理解的清晰按需 GPU 定价。
需要专用的 1x、2x、4x 或 8x GPU 实例。
希望从单节点平滑过渡到更大的 Lambda 托管集群。
希望在不先搭建完整超大规模云厂商栈的情况下访问 B200 或 H100。

以下情况需谨慎：

需要跨区域容量保证。
需要深度托管 Kubernetes、企业 IAM 或高级多云网络。
正在与市场型主机对比，而最低可用价格可能更低但更不稳定。

官方来源：Lambda instances

3. CoreWeave：面向企业 GPU 集群的最佳 AI 原生云

CoreWeave 不只是一个便宜的 GPU 租赁页面。它是围绕 GPU 密集型工作负载、类 Kubernetes 基础设施、存储以及适用于严肃训练和推理任务的容量而构建的专业 AI 云。对于已经明确知道自己需要集群 GPU 的团队来说，CoreWeave 应该位于首选名单的前列。

CoreWeave 的定价页面列出了 NVIDIA GB200 NVL72、HGX B200、HGX H200、HGX H100、GH200 以及配套基础设施等条目。页面显示的示例包括 GB200 NVL72 为 $42.00/hr，并且针对多种 GPU 类型分别提供按需、现货和面向推理的条目。其定价结构比简单的单 GPU 市场更详细，这反映了其集群和平台导向。

在以下情况下选择 CoreWeave：

需要企业级 AI 基础设施，而不是一次性租用。
需要 Kubernetes 原生的 GPU 运维。
需要 GB200、B200、H200 和 H100 等高端 GPU 代际。
希望在容量规划、保留容量和支持方面有更好的沟通。

以下情况需谨慎：

只需要一个短期 notebook 或一次性的微调任务。
团队尚未准备好运维容器、存储、网络和部署流水线。
需要无需销售或账户协调即可立即自助获取容量。

官方来源：CoreWeave pricing

4. Crusoe Cloud：适合与 CoreWeave 和 Lambda 对比的最佳成本导向 AI 云

对于评估面向 AI 的 GPU 云，而不是通用超大规模云厂商 VM 的团队来说，Crusoe Cloud 已经成为一个严肃的选择。其公开定价页面包含 H100、H200、B200、GB200 风格的参考项，以及存储、网络和支持相关条目。2026 年 10 月 13 日的公开页面抓取显示，在可见定价数据中 H100 约为 $3.90/hr，H200 约为 $4.29/hr，同时还有额外的存储和网络行项目，应以实时报价为准。

在以下情况下选择 Crusoe：

需要带有公开定价信号和面向集群基础设施的 AI 云。
需要与 Lambda、CoreWeave、RunPod Secure Cloud 以及超大规模云厂商进行成本比较。
希望把计算、存储、推理和支持放在一个地方讨论生产环境方案。

以下情况需谨慎：

需要尽可能低的社区市场 GPU 价格。
在容量预留之前，需要特定区域或启动窗口。
尚未将存储、出站流量和支持与 GPU 小时成本一起建模。

官方来源：Crusoe Cloud pricing

5. Vast.ai：寻找最低 GPU 价格的最佳市场

Vast.ai 与本列表中的大多数平台不同。它是一个 GPU 市场，因此价格、硬件、可靠性、位置、网络、磁盘和主机行为都会因列表而异。这种差异性正是它的价值所在：如果你的工作负载能够容忍中断，并且你能仔细筛选列表，Vast.ai 可以实现非常低的 GPU 小时成本。

Vast.ai 尤其适用于：

带检查点的批处理作业。
低价格优先于可预测支持的实验。
诸如 RTX 4090 和 RTX 5090 风格作业等消费级 GPU 工作负载。
愿意自动化列表选择和实例验证的团队。

以下情况则不太适合：

您需要企业级支持和可预测的 SLA。
您需要稳定的多节点网络。
您有敏感数据，并需要更强的隔离保障。
您无法容忍主机消失或性能不达标。

在评估 2026 年最佳云 GPU 租赁平台用于生产环境时，应将 Vast.ai 视为价格发现和弹性批处理选项，而不是受支持的企业级 GPU 云的即插即用替代品。

官方来源：Vast.ai pricing

6. Google Cloud: 最适合 AI Hypercomputer、Vertex AI 和企业数据重力

如果您的工作负载本就位于 BigQuery、GKE、Vertex AI、Cloud Storage 或 Google 企业控制附近，那么 Google Cloud 是一个强大的 GPU 平台。对于严肃的 AI 基础设施，相关决策不只是“一个 H100 多少钱？”更重要的是，您的工作负载是否能受益于 Google 的托管服务、网络、预留、数据栈以及 AI Hypercomputer 架构。

Google Cloud 的 GPU 定价和加速器优化机器文档覆盖了 A3 和 A4 级系统，包括 A3 Ultra/H200 风格以及 A4X/GB200 风格基础设施。这使得 Google 对企业平台团队来说，比对只想找绝对最低廉一小时 GPU 的开发者更合适。

当您需要以下能力时，选择 Google Cloud：

与 GKE、Vertex AI、BigQuery 和企业 IAM 集成的 GPU 基础设施。
在同一云中实现托管数据与模型工作流。
用于更大容量规划的预留和承诺使用路径。
当周边 Google 技术栈很重要时，作为 2026 年最佳 AI 训练云 GPU 平台的一个严肃选项。

以下情况需要谨慎：

您只需要一个快速的单 GPU 测试。
您对价格非常敏感，并且不需要更广泛的 Google 控制平面。
您尚未为存储、数据传输、托管服务和配额前置时间做预算。

官方来源：Google Cloud GPU pricing，Google Cloud accelerator-optimized machines

7. AWS: 最适合成熟的企业采购与容量区块

AWS 仍然是大型企业的默认候选项之一，因为它已经掌握了身份、网络、安全、采购和数据平面的大量环节。对于 GPU 工作，重要的 AWS 系列包括用于基于 H100 的工作负载的 P5，以及随着可用性提升而出现的更新 P6/P6e 风格 Blackwell 和 GB200 系统。AWS 还提供用于机器学习的 Capacity Blocks，旨在为定义好的时间窗口预留 GPU 容量。

当您需要以下能力时，选择 AWS：

与现有 VPC、IAM、数据湖、合规和采购流程保持一致。
为已知训练窗口提供预留容量方案。
与 S3、EKS、SageMaker、Bedrock 邻近工作流以及企业运营紧密集成。

以下情况需要谨慎：

您需要立即获得 H100/H200/B200 配额。
您只是在比较原始 GPU 小时价格。
您的团队尚未建模 EBS、FSx、S3、NAT、数据传输、可观测性和支持成本。

AWS 通常是 2026 年企业最佳 GPU 云平台之一，但对于今天下午只需要几块 GPU 的小团队来说，往往不是最简单的答案。

官方来源：AWS P5 instances，AWS P6 instances，AWS Capacity Blocks for ML

8. Microsoft Azure: 最适合微软标准化企业

Azure 与 AWS 和 Google Cloud 的一个关键相似点是：平台决策通常由企业标准化、身份、网络、合规以及相邻数据服务驱动，而不是由最低的公开 GPU 价格决定。Azure ND H100 v5 和 ND H200 v5 系列是大多数买家在严肃 AI 工作负载中会重点查看的产品线。

2026 年 10 月 13 日的 Azure Retail Prices API 显示，在多个美国区域中，Standard_ND96isr_H100_v5 示例价格为 98.32 美元/小时，而 Standard_ND96isr_H200_v5 示例在某些区域约为 110.24 美元/小时。这些是 VM 级价格，不是简单的单 GPU 市场价格，因此买家只有在整台 VM 被充分利用时才应按实际 GPU 数量拆分，然后再加上存储、网络、支持和空闲时间成本。

当您需要以下能力时，选择 Azure：

与 Microsoft 身份、网络、安全和采购流程保持一致。
围绕 GPU 工作负载使用 Azure ML、AKS、存储和企业治理。
与现有 Microsoft 数据和应用环境高度匹配。

以下情况需要谨慎：

您的团队正试图纯粹按 GPU 小时进行优化。
GPU 配额尚未获批。
您尚未核实特定 VM 系列在对应区域的可用性。

官方来源：Azure Retail Prices API，Azure GPU optimized VM sizes

9. Oracle Cloud Infrastructure: 最适合裸金属 GPU 和 RDMA 超级集群评估

当需求不是普通 GPU VM，而是裸金属或超级集群式 AI 部署时，Oracle Cloud Infrastructure 值得评估。OCI 在 GPU 集群、RDMA 网络和企业 AI 基础设施定位方面投入巨大，尤其适合已经在使用 Oracle Cloud 或正在洽谈大规模预留部署的团队。

当您需要以下能力时，选择 OCI：

裸金属 GPU 选项和集群规模采购谈判。
作为架构讨论一部分的 RDMA 风格网络。
企业级账户管理和协商容量。

以下情况需要谨慎：

您需要单块 GPU 的透明、可点击租用的公开定价。
您的团队缺乏裸金属/云集群运维经验。
您希望拥有类似市场平台的灵活性，而不是企业级容量规划。

官方来源：Oracle Cloud GPU instances

10. Nebius：面向欧洲和专用 AI 基础设施买家的最佳新兴 AI 云

Nebius 是一家值得关注的 AI 基础设施提供商，因为它是围绕 AI 云工作负载而非通用云优先而专门构建的。评估 EU 数据驻留、AI 云专业化以及专用 GPU 容量的团队应将其纳入候选名单。

当您需要以下情况时，选择 Nebius：

带有 GPU 集群的 AI 导向云基础设施。
欧洲或特定区域的基础设施沟通。
介于超大规模云成熟度与专注 AI 云之间的提供商。

以下情况需谨慎：

您需要最广泛的全球区域分布。
您的采购团队需要在您所在细分领域中较长的公开运营历史。
在与销售接触前，您需要每种 GPU 规格都有静态公开价格表。

官方来源：Nebius AI Cloud

11. Paperspace 和 DigitalOcean GPU 选项：最适合 Notebook 和较小的开发者工作流

Paperspace 现已成为 DigitalOcean 的一部分，但对于开发者友好的 GPU notebook、实验以及较小的工作流，它仍然很有用。它通常不是您会为最大规模分布式训练任务选择的平台，但对于在无需构建企业级集群栈的情况下开始 GPU 支持开发，它可以是一个干净利落的方式。

当您需要以下情况时，选择 Paperspace 或 DigitalOcean GPU 选项：

以 notebook 或开发优先的环境。
适合小团队的更简单入门流程。
比搭建超大规模云 GPU 部署更低的运维开销路径。

以下情况需谨慎：

您需要可保证的大规模高端 GPU 容量。
您需要专门的多节点网络互联。
您需要企业级集群控制和支持承诺。

官方来源：Paperspace pricing, DigitalOcean GPU Droplets

2026 年最佳免费 GPU 云计算平台如何？

2026 年最佳免费 GPU 云计算平台适合学习、演示、notebook 和小型实验。它们不能替代生产级 AI 工作负载的采购方案。

当以下情况成立时，可使用如 Colab 或 Kaggle 之类的免费或低成本 notebook 环境：

数据集较小。
您可以接受会话限制。
您不需要私有网络或生产支持。
快速试验比可复现性更重要。

当以下情况成立时，转向付费 GPU 云：

您需要稳定的运行时环境。
您需要可预测的数据持久化。
您需要生产密钥、VPC、IAM、日志和支持。
失败的运行或中断的会话成本高于节省下来的 GPU 费用。

对于生产环境，“免费 GPU”应被视为原型阶段，而不是平台策略。

官方来源：Google Colab, Kaggle notebooks

价格比较：为什么最便宜的 GPU 小时可能会输

在对 2026 年最佳 GPU 云平台进行比较时，最容易犯的错误就是按每小时 GPU 价格排序后就结束了。这会忽略真实账单。

在选择前使用以下公式：

已接受输出成本 =
  GPU 运行时间
+ 空闲时间
+ 排队延迟
+ 失败任务重试
+ 存储和快照
+ 出网和数据移动
+ 编排和可观测性
+ 支持和工程时间
除以已接受输出

对于训练，已接受输出可能意味着成功的检查点、基准分数或微调后的模型。对于推理，可能意味着满足延迟和质量目标的已完成请求。对于媒体生成，可能意味着被接受的图像或视频，而不仅仅是完成一次渲染。

这就是模型 API 基线的重要性所在。如果您的团队不需要私有权重、自定义 CUDA、LoRA 控制或专门的服务方式，那么请将 GPU 租赁与托管模型方案进行比较。Flatkey 就是为这一基线而设计的：一个密钥、一张账单、跨多个模型提供商的 OpenAI 兼容路由、使用可见性以及回退选项。这与 GPU 云不是同一种产品，但在租用算力之前，它往往是更合适的比较对象。

决策矩阵：您应该选择哪个平台？

如果你的工作负载是...	从以下开始...	原因
一次性模型测试或小规模微调	RunPod、Lambda、Paperspace	上手快，定价也足够清晰
对价格敏感的批处理任务	Vast.ai、RunPod Community Cloud、Crusoe	如果你的任务可以检查点保存并恢复，起始价格更低
生产级无服务器推理	RunPod Serverless、托管模型 API、专业推理平台	你需要延迟、扩展能力以及按接受请求计算的成本
大规模分布式训练	CoreWeave、Lambda clusters、AWS、Google Cloud、Azure、OCI、Crusoe	网络拓扑和预留容量很重要
受企业监管的工作负载	AWS、Azure、Google Cloud、OCI、CoreWeave	身份、审计、采购、支持和合规控制都很重要
带自定义技术栈的私有模型服务	CoreWeave、Lambda、RunPod Secure Cloud、Crusoe、OCI	你需要对硬件和运行时的控制权
你只需要访问前沿/开放模型	Flatkey 和模型 API	如果模型路由就足够了，就避免 GPU 运维

2026 年最佳云 GPU AI 训练平台采购清单

在你从 2026 年最佳云 gpu ai 训练平台中做选择之前，向每家提供商提出以下问题：

上线当天可用的确切 GPU SKU、显存大小和互连是什么？
容量是按需、竞价、预留、承诺还是需销售批准？
报价是按 GPU、按节点、按 VM、按集群还是按请求计算？
包含哪些存储？快照、对象存储、共享文件系统和高性能磁盘分别怎么收费？
会产生哪些出站流量、私有网络、公共 IP、NAT、负载均衡器或跨区域传输费用？
如果任务被中断，会发生什么？
实例能否在不丢失磁盘状态的情况下停止？
镜像、驱动、CUDA 版本、NCCL 设置和容器运行时由你还是提供商控制？
在你预期的支出等级下包含什么样的支持响应？
提供商能否为整个项目周期预留同一种 GPU 类型？
有哪些公开状态页、SLA 或事故处理流程？
你将如何在第一周后衡量可接受输出成本？

能清楚回答这些问题的平台，通常比表面价格最低的平台更安全。

最终建议

对于大多数在比较 2026 年最佳云 gpu 租赁平台的团队，建议从三个方向开始：

使用 RunPod 或 Lambda 进行快速的实战工作负载基准测试。
在需要严肃容量和企业采购沟通时，使用 CoreWeave、Crusoe、OCI、AWS、Google Cloud 或 Azure。
在不需要直接 GPU 控制时，将 Flatkey 或其他托管模型 API 路线作为基线。

2026 年最佳 GPU 云平台的决定，归根结底是工作负载的决定。如果工作负载需要自定义内核、私有权重、底层服务控制或多节点训练，就租赁 GPU，并像评估价格一样认真评估网络和支持。如果工作负载只需要可靠的模型输出，先基准测试模型 API 路线；它可能会把原本需要数月的基础设施工作从路线图中移除。

常见问题

对于小型 AI 初创公司来说，2026 年最佳云 gpu 租赁平台有哪些？

先从 RunPod、Lambda、Crusoe 和 Paperspace/DigitalOcean 开始进行快速测试，然后如果你需要预留容量、私有网络或企业采购，再比较 CoreWeave 或超大规模云厂商。如果你不需要直接硬件控制，就把 Flatkey 或模型 API 作为基线。

2026 年用于 AI 训练的最佳 GPU 云平台有哪些？

对于严肃的多节点 AI 训练，请评估 CoreWeave、Lambda clusters、Crusoe、AWS、Google Cloud、Azure、OCI 和 Nebius。决定因素不只是 GPU 型号和价格。网络架构、存储吞吐量、容量预留和支持才是难点。

免费的 GPU 云平台足以用于生产环境吗？

不够。免费的 GPU 环境适合学习、演示和小型笔记本任务。生产工作负载需要稳定的运行时、可预测的存储、密钥管理、日志、支持以及成本控制。

像 Vast.ai 这样的市场平台适合生产环境吗？

对于合适的工作负载，它可以是安全的，尤其是带检查点保存和列表验证的批处理任务。对于敏感数据、稳定的低延迟服务，或需要企业支持和可预测多节点网络的工作负载，它风险更高。

我应该租 GPU 还是使用模型 API？

当你需要自定义权重、私有运行时控制、专用内核或多节点训练时，租 GPU。当前主要需要可靠的模型输出、快速集成、统一计费和回退方案时，使用模型 API。许多团队在最终决定前都应该同时测量两者。

来源清单

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