Průvodce9 min čtení

Pronájem GPU pro AI modely: paměť, kompatibilita a skutečný účet

Jak vybrat GPU pro vlastní AI model: paměť, ARM64 a x86, runtime, kapacita a náklady zastaveného stroje. České nabídky a postup prvního testu.

Redakce Launchbox · 6. listopadu 2026 · 12 zdrojů

Ve zkratce

Vlastní AI model potřebuje dost paměti, vhodný software a někoho, kdo se o jeho provoz postará.
Při pronájmu GPU proto začněte konkrétním modelem a teprve potom hledejte stroj.
Do ceny pokusu patří i instalace, načítání dat a čekání mezi úlohami: zastavená instance může dál stát peníze.

Kolik paměti model opravdu potřebuje

Začněte přesným názvem modelu, jeho verzí a formátem vah. Počet parametrů je jen začátek. Stejný model může zabrat velmi odlišnou paměť podle přesnosti uložení a kvantizace. Přidejte paměť pro kontext, souběžné požadavky a samotný běhový software.

Část paměťového rozpočtu	Co zjistit před objednávkou	Kde se často chybuje
Váhy modelu	Velikost konkrétních souborů a podporovaný formát	Název modelové rodiny nenahrazuje konkrétní checkpoint
KV cache, paměť průběžného kontextu	Délku kontextu a počet současných sekvencí	Jedna krátká odpověď neprokazuje kapacitu pro celý tým
Runtime a systém	Rezervu pro systém, aktivace a pracovní buffery	Celá uvedená paměť není volná jen pro váhy
Více GPU nebo uzlů	Způsob dělení modelu a podporu komunikace	Součet kapacit není automaticky jedna souvislá paměť

Hrubá aritmetika pomůže vyřadit nereálné varianty: 70 miliard parametrů po dvou bytech je přibližně 140 GB jen pro váhy, při desetinném počítání GB. Při čtyřech bitech vychází holé váhy na 35 GB, ale skutečný soubor přidává metadata a kvantizační režii. Ani tato nižší hodnota nezahrnuje kontext a runtime. Berte ji jako odhad pro první výběr, ne jako potvrzení, že se model spustí.

Pronajímaný DGX Spark s GB10 od GPUwerk má 128 GB sjednocené paměti, o kterou se dělí CPU a GPU. U samostatné grafické karty naproti tomu sledujete její vlastní VRAM. Obě kapacity nelze zaměňovat ani z nich odvozovat stejnou rychlost: záleží také na propustnosti paměti, operacích modelu a softwaru. Model se může vejít a přesto odpovídat příliš pomalu pro živý chat.

GPUwerk nabízí i dva propojené Sparky s celkovými 256 GB napříč uzly. Model musí umět váš software rozdělit mezi stroje; nejde o jeden sjednocený 256GB prostor. U většího modelu proto ověřujte konkrétní distribuovanou konfiguraci, nikoli jen součet paměti v nabídce.

Ověřte runtime dřív než cenu

DGX Spark používá procesor Arm. Hotový obraz určený pouze pro x86-64 na něm nelze považovat za připravený k běhu. Ověřte ARM64 podporu obrazu, knihoven, CUDA a konkrétní kombinace runtime s kvantizací modelu. Pokud převádíte už existující produkční aplikaci, vezměte do testu její skutečné závislosti.

Na GPUwerk můžete vycházet z návodů pro vLLM a llama.cpp, tedy software, který model načte a obsluhuje požadavky. Volbu ovlivňuje i formát vah. GGUF je běžná cesta pro llama.cpp či Ollamu, ale samotná přípona souboru ještě nepotvrzuje podporu konkrétního modelu v nainstalované verzi. Připravený obraz usnadní první pokus, zatímco základní systémový obraz vyžaduje vlastní instalaci a spuštění serveru.

U pronajatého Sparku od GPUwerk dostanete přístup do zákaznického kontejneru na vyhrazeném fyzickém stroji. Root uvnitř kontejneru není root hostitelského systému. Vlastní ovladač ani kernel tu nenainstalujete, privilegovaný režim a Docker uvnitř Dockeru nejsou dostupné. Není tu ani systemd: službu spouštíte ze shellu, v tmux nebo pomocí startovacího skriptu v pracovním prostoru. Návod pro běžný virtuální server tedy může vyžadovat úpravu.

Počítejte i s místem na disku. Terabajtové NVMe sdílí hostitelský systém, obrazy, připravené modely a váš pracovní prostor; celý 1 TB není vyhrazený pro vaše soubory. Volné místo zjistíte až na konkrétním uzlu. Soubory pod /workspace přežijí restart a obnovu obrazu, zatímco balíčky instalované mimo něj se při obnově obrazu ztratí.

Pro první test lze použít terminál v prohlížeči; SSH klíč není podmínkou tohoto přístupu. Připravený modelový endpoint ale ověřujte i z hlediska autentizace a vystavení do internetu. Volání přes localhost uvnitř instance samo o sobě nevypíná její vnější endpoint. U vlastních služeb zvolte, zda mají být veřejné; pro soukromý přístup je můžete navázat na localhost a použít SSH tunel.

Kolik stojí práce a kolik čekání

GPUwerk uvádí pro jeden Spark 0,79 USD za hodinu běhu a minutové účtování. Při zákazníkem vyžádaném zastavení drží stroj pro vás a účtuje 75 % běžné sazby, v ceníku uvedených jako 0,59 USD za hodinu. Zastavení tedy není bezplatné parkování. Výpočty níže používají tyto zveřejněné hodinové sazby před daní k 6. listopadu 2026.

Režim jednoho Sparku	Výpočet	Náklad v USD před daní
Osm hodin běhu, potom zrušení	8 × 0,79	6,32
Osm hodin běhu a šestnáct hodin zastavení	8 × 0,79 + 16 × 0,59	15,76 za den
Celých 24 hodin běhu	24 × 0,79	18,96 za den
Třicet dní s osmi hodinami běhu a šestnácti zastavení denně	30 × 15,76	472,80
Nepřetržitý běh třicet dní, tedy 720 hodin	720 × 0,79	568,80

Denní zastavení v tomto scénáři ušetří 96 USD za třicet dní. Přesných 75 % z 0,79 je 0,5925 USD; tabulka používá zveřejněnou zaokrouhlenou sazbu 0,59 USD. Pro účet z krátkých běhů sledujte minutové účtování a konečné zaokrouhlení v přehledu spotřeby. Uvedených osm hodin zahrnuje i přípravu, stahování modelu a testování v době, kdy je stroj účtovaný jako běžící. Přičtěte čas správce, případné externí úložiště a další služby, které si k řešení objednáte.

Zrušení instance, označené jako terminate, ukončuje účtování výpočtu a smaže pracovní prostor. Před ním musíte výsledky a potřebná data uložit jinam. Pokud se vrátíte další den, počítejte s novým nasazením, nahráním dat a aktuální dostupností stroje. Ušetřená noc může být vykoupená delší přípravou a čekáním na kapacitu.

Minimální dobití je 10 USD. Při prvním dobití přidá nabídka bonus nejvýše 10 USD, takže za zaplacených 10 USD získáte 20 USD kreditu. K nasazení potřebujete zůstatek alespoň na hodinu běhu. Dobití samo stroj nerezervuje a jednorázový bonus nepatří do rozpočtu dalších měsíců. Dlouhodobá rezervace má jiné podmínky: platíte za celé období včetně zastaveného času. Pro krátký pokus proto nejprve porovnejte závazek s průběžným tarifem.

Co se stane při vyčerpání kreditu

Při nulovém kreditu nebo dosažení nastaveného rozpočtu se instance zastaví a stroj uvolní. Pracovní prostor na něm zůstává nejvýše 48 hodin; přidělení stejného stroje jinému zákazníkovi jej může smazat dříve. Obnovit práci lze jen tehdy, pokud data ještě existují a po dobití nebo zvýšení rozpočtu instanci znovu spustíte. GPUwerk pracovní prostory nezálohuje, proto důležité výstupy průběžně ukládejte mimo pronajatý stroj.

Kterou nabídku zařadit do výběru

GPUwerk provozuje česká společnost PRINT IT! SE; zakladatelem služby je Samuel Seidel. Jeho nabídka dává smysl zejména pro krátké vyhodnocení otevřeného modelu na Sparku, pokud potřebujete velkou sdílenou paměť a vyhovuje vám Arm. Nabízí také pronajímatelnou RTX 5090 za 0,89 USD za hodinu; volnou kapacitu je nutné zkontrolovat při nasazení. L40S je zatím na čekací listině, takže ji neplánujte jako okamžitě dostupnou náhradu.

Nabídka	Kdy ji porovnat	Co zjistit pro konkrétní model
GPUwerk Spark	Krátké vyhodnocení s minutovým účtováním, velká sjednocená paměť	ARM64, runtime, rezervu paměti, souběh a cenu zastavení
ZonerCloud AI/GPU Server	Delší pronájem s českým dodavatelem a konfiguracemi až se čtyřmi GPU	Konkrétní kartu, celé fakturační období a podmínky dostupnosti
vshosting NVIDIA GPU Cloud	Když potřebujete výběr GPU a podporu provozu	Konkrétní konfiguraci, minimální účtovanou dobu a úplnou nabídku
Runpod Pods	Když chcete vybírat samostatné GPU instance a obrazy	VRAM zvolené karty, region a účtování disků po zastavení
Vast.ai	Když hledáte konkrétní kombinaci GPU a hostitele na tržišti	Podmínky hostitele, úložiště, síť, přerušitelnost a místo běhu

ZonerCloud AI/GPU Server má zobrazenou základní měsíční cenu 12 450 Kč bez DPH včetně energie. RTX 5090 poskytovatel omezuje na testování nebo nekomerční projekty. Konkrétní GPU a celou konfiguraci si potvrďte v nabídce; tato částka není cenou všech karet v přepínači. H200 NVL vyžaduje individuální smlouvu. Orientační hodinový přepočet ZonerCloudu není příslib, že osmihodinový test koupíte za osm hodin této sazby. U vshostingu začíná L40S na 26 EUR za den za přístup k celé jedné kartě; pro rozpočet si nechte potvrdit daň, délku pronájmu a zbytek konfigurace. Odlišné karty a různé fakturační jednotky nelze seřadit podle čísla u hodiny.

U Runpod Pods rozlišujte dočasný disk kontejneru od úložiště pro modely. Disk kontejneru se při zastavení vymaže. Volume disk pod /workspace přežije zastavení, ale skončí s odstraněním Podu a platí se i ve vypnutém stavu. Network volume existuje nezávisle na Podu, připojuje se při jeho vytvoření a nahrazuje jeho volume disk. Volba úložiště tedy rozhoduje i o tom, co můžete bezpečně zrušit.

Vast.ai je tržiště nabídek hostitelů. Zastavení zachová data a dál účtuje úložiště, ale GPU může mezitím získat někdo jiný. Při restartu proto můžete čekat na kapacitu. Destroy instanci i její data smaže; před koncem nájemní smlouvy je třeba exportovat také data, která chcete zachovat. Zkontrolujte hostitele, délku smlouvy, síťové poplatky a přerušitelnost konkrétní nabídky.

U obou porovnávejte stejné požadavky na paměť, počet GPU, region a dobu uchování dat. Karta s menší pamětí může vyžadovat výraznější kvantizaci nebo rozdělení modelu, a tím změnit kvalitu i složitost provozu.

Také u českého dodavatele kontrolujte skutečné umístění instance. Vlastní Sparky GPUwerk jsou v Hradci Králové, ale platforma využívá i partnerské stroje. Výchozí umístění je v EHP; při volbě libovolné lokace můžete dostat partnerský stroj mimo EHP. Zemi a příslušnost k EHP ukazuje konzole u přiděleného stroje. Partnerský Spark zvolíte výslovně; partner má fyzický přístup k zařízení a tato varianta nemá SLA. Po výpadku či stažení partnerského stroje služba ponechává pracovní prostor 24 hodin pro zkopírování dat, pokud je stroj dosažitelný; pak jej smaže. Průběžné kopie proto potřebujete i zde. U vyhrazeného stroje nadále počítejte s přístupem správce infrastruktury.

Jak provést první test bez zbytečného pronájmu

Sepište konfiguraci. Model a verzi vah, kvantizaci, runtime, architekturu procesoru, potřebnou délku kontextu a počet souběžných požadavků.
Připravte malou sadu skutečných úloh. Použijte stejná zadání, podle kterých posuzujete dnešní řešení. Předem určete správný výsledek a přijatelnou dobu odpovědi.
Ověřte přístup a cenu. Zkontrolujte dostupnou kapacitu, způsob spuštění, účtovanou přípravu, cenu zastavení a export dat. Nastavte rozpočet ještě před delším během.
Změřte jednotlivce i souběh. Zaznamenejte čas do prvního tokenu, dobu celé odpovědi, počet vstupních a výstupních tokenů a chybné běhy. Jednu krátkou odpověď nezaměňujte za test provozu pro deset lidí.
Spočítejte přijatý výsledek. Celou cenu testu vydělte počtem výstupů, které prošly vaší kontrolou. Připište čas instalace a oprav; samotné tokeny za sekundu o využitelnosti nerozhodnou.
Exportujte a zkontrolujte kopii. Uložte výstupy, konfiguraci a potřebné váhy či postup jejich opětovného získání. Teprve potom instanci zrušte a ověřte ukončení účtování.

Pro pouhé shrnutí několika dokumentů bez vlastního provozního týmu začněte spíš u AI předplatného nebo API. Pronájem GPU má větší smysl, když potřebujete konkrétní otevřený model, ovládáte jeho provoz a dokážete změřit, co vám vlastní konfigurace přináší.