Die NVIDIA RTX A4000 ist eine Enterprise- GPU, basiert auf der Ampere-Architektur und verfügt über 16 GB Speicher mit 448 GB/s Speicherbandbreite und einer TDP von 140 W. Sie liefert 19,2 TFLOPS FP32-Rechenleistung. Derzeit bei 6 Anbieter verfügbar, ab 0,05 €/GPU/Stunde, mit einem Marktmedian von 0,13 €/GPU/Stunde über 29 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
8 Angebote von 6 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | — | — | -- | 0,223 € | 0,22 € | Starten | |
| ×2 | 8 | 63 GB |    +2 | Ab0,054 € +8,3 % 30T | Ab0,11 € | Starten | |
 LiumEmpfehlungslink | ×6 | 112 | 62 GB | | 0,107 € 0,0 % 30T | Ab0,64 € | Starten |
| ×1 | 4 | 21 GB |  | 0,134 € 0,0 % 30T | Ab0,13 € | ||
| ×2 | 32 | 126 GB | | Ab0,152 € +429,1 % 30T | Ab0,30 € | Starten | |
Bis zu446 €Guthaben | ×1 | — | — | -- | 0,223 € | 0,22 € | Starten |
| ×1 | — | — | -- | 0,268 € 0,0 % 30T | 0,27 € | ||
 Sesterce CloudEmpfehlungslink | ×1 | 8 | 45 GB | | Ab0,785 € 0,0 % 30T | Ab0,79 € | Starten |
| ×1 | 8 | 45 GB | | 0,928 € +511,8 % 30T | Ab0,93 € | Starten |
LLMs, die auf die NVIDIA RTX A4000 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 16 GB pro GPU. Gezeigt werden die 12 größten passenden Modelle.
| Modell | Parameter | 16 Bit | 8 Bit | 4 Bit |
|---|---|---|---|---|
| DeepSeek V4 Flash DeepSeek | 284 Mrd. | — Nicht veröffentlicht | — Nicht veröffentlicht | 192 GB Knapp auf 11× · 10 % übrig |
| Solar Open2 250B Upstage | 250 Mrd. 15 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 192 GB Knapp auf 11× · 9 % übrig |
| Qwen3 235B-A22B Alibaba | 235 Mrd. 22 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 181 GB Knapp auf 11× · 16 % übrig |
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB Zu groß | 155 GB 11× · 21 GB frei | 90 GB 6× · 5,7 GB frei |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 6× · 18 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 6× · 9,7 GB frei | 47 GB Passt knapp auf 3× | 28 GB 2× · 4,4 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 6× · 17 GB frei | 43 GB 3× · 4,8 GB frei | 25 GB 2× · 6,8 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 6× · 21 GB frei oder 4× · 2 % übrig | 41 GB 3× · 6,7 GB frei | 24 GB 2× · 8 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 6× · 21 GB frei oder 4× · 2 % übrig | 41 GB 3× · 6,8 GB frei | 24 GB 2× · 8 GB frei |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB 6× · 29 GB frei oder 4× · 15 % übrig | 37 GB 3× · 11 GB frei oder 2× · 4 % übrig | 21 GB 2× · 11 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB 4× · 6,4 GB frei | 32 GB Passt knapp auf 2× | 18 GB 2× · 14 GB frei oder 1× · 4 % übrig |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 2× · 15 GB frei oder 1× · 16 % übrig |
Schätzungen: Modellgewichte plus 20 % für KV-Cache und Laufzeit-Overhead, bei kurzen Kontextlängen. Lange Kontexte und große Batches benötigen mehr. Als „knapp“ markierte Zeilen fassen die Gewichte, aber nicht diesen vollen Puffer. Ein ×N-Wert ist der gesamte VRAM über N dieser GPUs und sagt nichts über den Durchsatz der Verbindung aus. Wie wir das schätzen · Stattdessen vom Modell aus starten
Mehr von dieser Seite?
Falsche Daten?