Die NVIDIA RTX A6000 ist eine Enterprise- GPU, basiert auf der Ampere-Architektur und verfügt über 48 GB Speicher mit 768 GB/s Speicherbandbreite und einer TDP von 300 W. Sie liefert 38,7 TFLOPS FP32-Rechenleistung. Derzeit bei 9 Anbieter verfügbar, ab 0,27 €/GPU/Stunde, mit einem Marktmedian von 0,47 €/GPU/Stunde über 29 Konfigurationen.
Hardware-Spezifikationen
Gleich bei allen Anbietern
Medianpreis über alle Anbieter
10 Angebote von 9 Anbietern
Sortiert nach aufsteigendem Preis. Konfigurationen direkt vergleichen.
| Anbieter | Anzahl | vCPU | RAM | Region | Pro GPU/Std. | Gesamt/Std. | Aktion |
|---|---|---|---|---|---|---|---|
| ×1 | 9 | 50 GB | 0,455 € | 0,46 € | Starten | ||
| ×1 | 64 | 31 GB | Ab0,266 € +28.6% 30T | Ab0,27 € | Starten | ||
Thunder ComputeEmpfehlungslink | ×1 | 4 | 32 GB | -- | 0,301 € | 0,30 € | Starten |
| ×1 | 28 | 58 GB | 0,429 € 0.0% 30T | Ab0,43 € | Starten | ||
| ×2 | 60 | 116 GB | Ab0,451 € -35.2% 30T | Ab0,90 € | Starten | ||
Bis zu429 €Guthaben | ×1 | 9 | 50 GB | 0,455 € | 0,46 € | Starten | |
| ×1 | 8 | 32 GB | 0,472 € 0.0% 30T | Ab0,47 € | Starten | ||
| ×1 | 28 | 58 GB | 0,472 € -12.7% 30T | Ab0,47 € | Starten | ||
| ×1 | 10 | 60 GB | -- | 0,524 € | Ab0,52 € | Starten | |
Sesterce CloudEmpfehlungslink | ×1 | 12 | 64 GB | Ab0,538 € 0.0% 30T | Ab0,54 € | Starten | |
| ×1 | 14 | 100 GB | -- | 0,936 € | Ab0,94 € |
LLMs, die auf die NVIDIA RTX A6000 passen
Geschätzter VRAM-Bedarf beliebter Open-Weight-LLMs bei 16 Bit (FP16/BF16), 8 Bit (FP8/INT8) und 4 Bit (INT4/MXFP4), bei 48 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 Passt knapp auf 4× |
| Solar Open2 250B Upstage | 250 Mrd. 15 Mrd. aktiv | 601 GB Zu groß | 330 GB 8× · 54 GB frei | 192 GB 8× · 192 GB frei oder 4× · 19 % übrig |
| Qwen3 235B-A22B Alibaba | 235 Mrd. 22 Mrd. aktiv | 564 GB Zu groß | 310 GB 8× · 74 GB frei | 181 GB 4× · 11 GB frei |
| Laguna-S 2.1 Poolside | 118 Mrd. 8 Mrd. aktiv | 282 GB 8× · 102 GB frei | 155 GB 4× · 37 GB frei | 90 GB 2× · 5,7 GB frei |
| gpt-oss-120b OpenAI | 117 Mrd. 5,1 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 78 GB 2× · 18 GB frei |
| Qwen3.6 35B-A3B Alibaba | 35 Mrd. 3 Mrd. aktiv | 86 GB 2× · 9,7 GB frei | 47 GB Passt knapp auf 1× | 28 GB 1× · 20 GB frei |
| Qwen3 32B Alibaba | 32,8 Mrd. | 79 GB 2× · 17 GB frei | 43 GB 1× · 4,8 GB frei | 25 GB 1× · 23 GB frei |
| Gemma 4 31B Google | 31,3 Mrd. | 75 GB 2× · 21 GB frei | 41 GB 1× · 6,7 GB frei | 24 GB 1× · 24 GB frei |
| GLM-4.7 Flash Z.ai | 31,2 Mrd. | 75 GB 2× · 21 GB frei | 41 GB 1× · 6,8 GB frei | 24 GB 1× · 24 GB frei |
| Qwen3.6 27B Alibaba | 27,8 Mrd. | 67 GB 2× · 29 GB frei | 37 GB 1× · 11 GB frei | 21 GB 1× · 27 GB frei |
| Mistral Small 3.2 24B Mistral AI | 24 Mrd. | 58 GB 2× · 38 GB frei | 32 GB 1× · 16 GB frei | 18 GB 1× · 30 GB frei |
| gpt-oss-20b OpenAI | 21 Mrd. 3,6 Mrd. aktiv | — Nicht veröffentlicht | — Nicht veröffentlicht | 17 GB 1× · 31 GB frei |
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?






