GPUs.io vise à rendre les prix des GPU cloud plus faciles à comparer. Voici comment les données sont collectées et présentées, et les points auxquels faire attention.
Dernière mise à jour : 29 juillet 2026
Nous nous concentrons sur les instances GPU cloud à la demande et nous efforçons de présenter les prix de manière cohérente afin de pouvoir comparer les fournisseurs côte à côte.
Les prix et la disponibilité peuvent évoluer rapidement. GPUs.io est fourni au mieux de nos capacités et en l'état. Vérifiez toujours le prix final sur le site du fournisseur avant tout achat.
Nous collectons les données de prix et de configuration à partir de sources publiques telles que la documentation des fournisseurs, leurs pages de tarifs et, lorsqu'elles existent, leurs API.
Lorsqu'un fournisseur publie plusieurs prix (régions, remises d'engagement, tarifs Spot, crédits promotionnels), nous privilégions en général les prix à la demande les plus comparables.
Les fournisseurs décrivent leurs SKU différemment (dénomination des GPU, VRAM, packs CPU/RAM, tarif horaire ou mensuel). Nous normalisons lorsque c'est possible pour permettre un filtrage et un tri cohérents.
Le tri repose généralement sur l'indicateur de prix sélectionné (par exemple le prix horaire). Les filtres restreignent les instances et fournisseurs affichés selon des critères comme le type de GPU et les principales caractéristiques.
Si deux entrées semblent à égalité, il peut exister des différences cachées (région, réseau, stockage, minimums de facturation, taxes/TVA).
Les pages GPU listent des LLM à poids ouverts populaires et la VRAM que nous estimons nécessaire pour chacun. La taille des poids de chaque modèle est mesurée à partir des fichiers de son checkpoint publié sur Hugging Face, et non déduite de son nombre de paramètres — un calcul fondé sur les paramètres n'est pas fiable pour les modèles publiés dans des formats quantifiés récents. Un checkpoint dont la taille mesurée ne correspond à aucune précision connue est mis de côté plutôt que publié sur une supposition.
Aux poids, nous ajoutons 20 % pour le cache KV, les activations et la surcharge du framework, en supposant des contextes courts. Les contextes longs, les grands batchs, le décodage spéculatif et le service de plusieurs modèles demandent tous davantage. Les tailles pour une précision à laquelle un modèle n'a pas été publié (par exemple une version 4 bits d'un modèle publié en 16 bits) sont estimées à partir de quantifications communautaires mesurées, puis arrondies à la hausse. Un modèle dont les poids tiennent, mais pas la surcharge, est indiqué comme tenant de justesse, avec la marge que cette configuration laisse réellement : il se chargera, mais un contexte long ou un grand batch peut encore saturer la carte.
Une valeur « ×N » signifie que le modèle tient dans la VRAM totale de N de ces GPU. Elle ne dit rien de la bande passante d'interconnexion, que nous ne suivons pas et qui détermine si la répartition d'un modèle sur plusieurs cartes est réellement rapide. Considérez chaque valeur comme un point de départ et vérifiez avant de vous engager dans une location.
Nous actualisons les données des fournisseurs en continu. Certaines sources se mettent à jour instantanément, d'autres avec du retard. Le site peut afficher un horodatage de dernière mise à jour lorsqu'il est disponible.
Une correction à signaler ? Écrivez à [email protected] avec un lien vers la source.