2026 按小时 GPU 成本横评：H100 / A100 / A4000 哪家 VPS 最划算？

延伸阅读

更多相关攻略推荐：独服、裸金属、VPS 到底差在哪：什么时候该升级、【VPS 硬件选型指南 (存储 篇) 04】不同业务场景的磁盘体感与、【跑分解读 01】别被商家的虚假宣传骗了！VPS 性能跑分全指南：Y、【VPS 进阶玩法精选 022】VPS 计费门道：预付、按比例、发票、2026 VPS 选购决策树与白皮书：一张图看懂怎么买。

先说结论：2026 年别再闭眼买大厂的 H100

如果你正在为文生图、模型推理或训练选 GPU，先把一句话记牢：2026 年同样的 H100 80GB 单卡，AWS 按需每小时约 6.9 到 12.3 美元，而 RunPod、Vast.ai、Thunder Compute 这类新算力云只要 1.4 到 3 美元。价格差接近 4 到 8 倍，而芯片是同一块硅。对中小型团队和个人开发者来说，这意味着每月账单可能差出几千美元。

但便宜不等于无脑冲。市场被分成了几个层级：超大规模云（AWS、GCP、Azure、Oracle）卖的是合规、SLA 和全球网络；新算力云（RunPod、Lambda Labs、Vast.ai、CoreWeave、Together AI、Nebius）卖的是价格和机器学习体验；Vultr 这种传统 VPS 厂商则用更可预期的账单和全球节点切入。下面我们把实测典型价格摊开讲。

2026 年价格为什么会分化这么厉害

很多读者第一反应是：同样一块 H100，凭什么差价能到 8 倍？根子在于“你买的不是芯片，是一整套服务”。超大规模云把合规资质、跨区专线、企业级支持、托管存储和安全审计都打包进了单价，而这些对大多数 AI 工作负载并不是刚需。新算力云砍掉了这套臃肿的中间层，只卖裸算力和最起码的镜像环境，价格自然腰斩再腰斩。

另一个推手是供给结构变了。2026 年专业算力云（neocloud）囤了大量 H100、H200 和 A100，靠薄利多销抢客户；而超大规模云把高端卡优先留给自家大模型训练和长期合约客户，零售配额紧、价格硬。再加上实时比价 API 和价格追踪站点的出现，买家第一次能像比价机票一样比 GPU，信息透明把溢价一点点挤掉了。所以结论很朴素：除非你的业务真的依赖大厂的合规和网络，否则把 GPU 需求挪到新算力云，是 2026 年最划算的一次迁移。

2026 各家 GPU 每小时价格实测横评

下面这张表是把多个 2026 年价格快照归一化到“单卡每小时美元”后的典型区间。市场波动很大，Vast.ai 这类集市价格每天浮动，所以凡是不确定的我都标了“约”。RTX A4000、RTX 4090 这类消费卡在超大规模云上基本买不到单卡，所以对应格留空。

GPU          显存     Vultr   Lambda   RunPod   Vast.ai    AWS      GCP      Azure    典型最低
RTX A4000    16GB     -       -       $0.25    $0.17      -        -        -        ~$0.17
RTX 4090     24GB    $0.50    $0.50    $0.34    $0.27      -        -        -        ~$0.27
L40S         48GB     -       -       $0.79    $0.60      -        -        -        ~$0.60
A100 80GB    80GB    $0.62    $1.29    $1.39    $1.89     ~$5.26   ~$4.05   ~$5.00    ~$0.62
H100 80GB    80GB    $2.99    $2.49    $1.99    $1.38     ~$6.88   ~$9.00   ~$12.29   ~$1.38

几个关键观察：

• A100 是性价比之王：Vultr 的 A100 80GB 按需只要 0.62 美元/小时，是整套表里最便宜的“数据中心级大显存”选项。如果你的模型能塞进 80GB，A100 比 H100 省一大半。
• H100 的价格断层最夸张：超大规模云单卡 6.9 到 12.3 美元，新算力云 1.4 到 3 美元。除非你要的是大厂的合规和网络，否则没必要为同款芯片多付 4 倍。
• 消费卡最便宜：RTX 4090 最低 0.27 美元/小时，RTX A4000 最低 0.17 美元/小时。它们显存小（16 到 24GB），但做文生图、量化推理绰绰有余。
• L40S 是被低估的推理卡：48GB 显存、数据中心定位，价格却只有 H100 的零头，对 7B 到 70B 模型的服务场景非常友好。

显存和性价比到底怎么看

选 GPU 不能只看每小时单价，更要看“显存够不够”和“每美元能跑多少活”。一个简单心法：先按模型大小卡显存下限，再在满足下限的卡里挑最便宜的。

• 7B 到 13B 模型：量化后 4 到 14GB 显存，RTX 4090（24GB）或 A4000（16GB）足够，单价最低。
• 30B 到 70B 量化模型：需要 24 到 48GB，L40S（48GB）或 A100 40GB 是甜点区。
• 70B 全精度 / 训练 / 多卡并行：贴着 80GB 显存上限，A100 80GB 或 H100 80GB 才稳。
• 文生图（SDXL、Flux 等）：16 到 24GB 显存就能跑，消费卡性价比最高。

实测里还有个反直觉的点：H100 的吞吐大约是 A100 的 1.8 到 2 倍（以 Llama 类任务计），但价格只差 1.5 到 2 倍。所以对“吞吐敏感、跑得满”的训练任务，H100 的单位产出反而可能更划算；对“跑不满、零星用”的开发任务，A100 才是省钱答案。

文生图 / 推理 / 训练 选型矩阵

把上面拆开，给你一张可以直接照抄的选型矩阵。

场景            推荐 GPU          典型单价     备注
文生图(SDXL)    RTX 4090 / A4000  $0.27-0.50  16-24GB 够用，消费卡最香
轻量推理(7-13B) RTX 4090          $0.27-0.50  量化后显存宽松
中等推理(30-70B) L40S / A100 40G $0.6-1.3   48GB 是甜点
高吞吐推理(70B+) A100 80GB         $0.62-1.9   Vultr 低至 0.62
微调/训练        A100 80GB         $0.62-2.8   多卡用 Lambda 集群
极限训练(H100)   H100 80GB         $1.4-3.0    新算力云，别碰大厂

注意“典型单价”是按需价，spot（抢占式）还能再砍 20% 到 60%。如果你做的是批量文生图、离线摘要这类能容忍中断的活，直接选 spot。

省钱策略：spot、休眠、预留

账单控制有三把刀，按优先级排：

第一刀：用 spot 抢占式实例

RunPod 社区云的 H100 spot 约 1.25 美元/小时，比按需 1.99 便宜近四成；Vast.ai 的 spot 常常不到 1 美元。代价是可能被回收，所以只适合可重跑的批处理，不适合对外服务的在线推理。

第二刀：休眠 / 缩到零

很多账单是被“空转”吃掉的。开发机不用就关机，推理用 RunPod 的 Serverless（FlashBoot 冷启动号称亚 2 秒）或 Vultr 的弹性方案，空闲时不计费。一个常见坑：有人开了一台 H100 跑了一整周却只用了 5 小时，剩下 163 小时都在烧钱。把“用完即停”写进脚本。

第三刀：预留 / 包月

Lambda Labs、Together AI、CoreWeave 的预留实例比按需便宜 30% 到 60%。缺点是通常要绑 1 到 3 个月、有最低承诺。只有当你确认要连续跑满一个月以上，预留才划算。短期、波动大的需求，宁可走 spot + 休眠。

还有两个隐藏成本：出网流量费和存储费。AWS、GCP 出网约 0.09 到 0.12 美元/GB，大量产出图片或视频时这块能占总支出 10% 到 30%；RunPod Serverless、Fluence 这类零出网方案对文生图很友好。存储按 0.07 到 0.18 美元/GB/月算，记得清理 checkpoint。

几个常见平台的现实情况

结合本次横评，把 vultr、contabo、dmit 这几个在中文圈常被拿来比价的厂商也放进来聊几句，方便你做整体架构。

• Vultr：GPU 产品线定价清晰，A100 80GB 低至 0.62 美元/小时，RTX 4090 约 0.5 美元/小时，按秒计费、全球节点多、账单可预期。适合想要“传统云体验 + 稳定 GPU”的团队，尤其做 Mistral-7B 这类小模型推理时单卡性价比很高。缺点是大显存 H100 供给相对少，价格也比最便宜的集市略高。
• Contabo：以欧洲低价 VPS 出名，也提供带 GPU（如 RTX 系列、部分 A100）的实例，欧洲区价格有竞争力，适合预算敏感、主要服务欧洲用户的项目。坑点是 GPU 型号和库存不如专业算力云透明，抢手卡常售罄，下单前务必确认显存和具体型号。
• DMIT：以亚太低延迟、网络质量稳定著称，但本身不是 GPU 算力厂商。更现实的用法是把 DMIT 当控制面 / API 网关 / 中转节点，GPU 重活外包给 RunPod、Vast.ai 或 Vultr，这样亚太用户访问延迟低，又不用为 GPU 空转付高价。

实测避坑清单

• 别只看贴牌价：单卡价往往不含 vCPU、内存、存储和出网费。一套完整实例的“真实单价”可能比贴牌高 30% 到 80%。
• 注意最小计费单位：有的是按秒（RunPod、Vultr），有的是按小时。按小时计费下，哪怕只用 10 分钟也扣整小时。
• H100 经常缺货：Lambda Labs 的 H100 热门时段要排队数小时，集市价格波动大。非必须就上 A100。
• 量化能救显存：4-bit / 8-bit 量化让 70B 模型塞进一张 4090，吞吐反而更高、单 token 成本更低，质量下降通常人眼难辨。
• 别在超大规模云跑开发：nops 的测算显示，GPU 利用率只有 5% 时，AWS H100 的“有效每小时成本”会被空转放大到约 245 美元。开发测试请用便宜算力云或本地。

给不同预算的一句选型建议

如果你只想要一句话带走：预算紧、做文生图或量化推理，闭眼选 RTX 4090（约 0.27 美元/小时），显存不够再上 L40S；要跑 70B 级别服务或微调，A100 80GB（Vultr 低至 0.62）是甜点；只有吞吐拉满的大模型训练才值得碰 H100，而且一定走新算力云的 1.4 到 3 美元区间，千万别回大厂挨 12 美元的刀。把 spot 和休眠写进工作流，账单通常能再砍一半。