【GPU VPS 01】带 GPU 的 VPS 怎么租最划算？H100 / A100 / L4 价格横评（2026）

本篇是 GPU VPS 系列的第 1 篇，专门做「价格横评」——把 H100 / A100 / L4 的 2026 租用价、计费逻辑和自建账一次算清。如果你更关心「普通 VPS 怎么用上 GPU」「跑 Stable Diffusion 要什么显卡」或「云端出图工作流怎么搭」，请直接跳到本系列第 2、3、4 篇。

这两年 AI 应用火了之后，最常被问到的问题不是"哪家的 CPU 小机便宜"，而是"我想跑大模型 / 做推理 / 炼模型，带显卡的 VPS 怎么租才不亏"。答案没那么简单：GPU 云的定价是云计算里最混乱的一块。同型号一张 H100，有的厂商报 2.99 美元一小时，三大厂却要 12 美元，差距能到 5 倍。更麻烦的是 2026 年还叠加了显存（DRAM）涨价和 Blackwell 换代的影响，老一代 A100 反而因为性价比高变得一卡难求，经常缺货。本文把 2026 年最新的租用价、计费逻辑、自建账和选购结论一次讲清，重点看本站立场相关的 Vultr 和 Contabo，帮你把钱花在刀刃上。

延伸阅读

更多相关攻略推荐：在 GPU VPS 上装 CUDA 跑大模型：驱动、nvidia-s、2026 按小时 GPU 成本横评：H100 / A100 / A4、2026 实测：GPU VPS 上部署 ComfyUI 跑 Stab、2026 游戏服 VPS 怎么选：高主频 CPU、内存与 DDoS 、2026 高主频 CPU VPS：单核性能、建站与游戏服的隐藏指标。

为什么 GPU 云价格这么"乱"

普通 VPS 的定价相对透明：核心、内存、流量三件套，差个两三倍顶天了。但 GPU 云不是。原因有几条：第一，显卡本身分 PCIe 版和 SXM 版，SXM 走 NVLink、带宽更高，价格天然更贵；第二，单卡还是 8 卡整机、有没有 InfiniBand 集群网络，成本天差地别；第三，按需（on-demand）、抢占式（spot/preemptible）、包年预留（reserved）三种计费模式能差出 2 到 5 倍。把这三层叠加起来，同一张 H100 在不同渠道报价差出好几倍也就不奇怪了。

所以看价格时，必须固定对比口径：都说"按需、单卡、美国区、美元/小时"，否则没有可比性。下面这张表就是按这个口径整理的。还要注意一个隐性变量——区域。同样一张卡在欧洲机房可能比美国便宜 10%–20%，但延迟和到大陆的线路会变差；做面向国内用户的推理服务时，这条要重新权衡。

2026 年主流显卡租用价横评

下表汇总了 2026 年 8 月各厂商 H100、A100、L4 的公开按需价（单卡、美国区、美元/小时）。注意 Contabo 目前主推 H100 / H200 / L40S，并未上架 A100；L4 一档它对应的是显存更大的 L40S（48GB）。

一眼能看出三个结论：其一，专攻型 GPU 云（Vultr、RunPod、Lambda、Contabo 这类）普遍比三大厂便宜一大截，H100 上甚至能便宜 3 到 5 倍；其二，Vultr 的 H100、A100、L4 三档齐全且价格居中偏低，是"既要便宜又要稳"的折中选择；其三，Contabo 的 H100 起步价非常低（约 1.09 美元/时起，欧洲机房、欧元计费），但机型集中在 H100/H200/L40S，没有 A100，且更偏包月固定计费。

按小时还是包月？计费模型怎么选

GPU 云的计费粒度差别巨大，选错模式可能多花一倍钱。主流有三类：

• 按秒/按小时（on-demand）：最灵活，用完就删。适合试跑、调参、突发批量任务。RunPod、Vultr、Lambda 都支持按小时甚至按秒。
• 抢占式 / Spot：便宜 50%–70%，但厂商可提前 2 分钟回收。只适合带检查点、能容错的任务，比如训练循环里定期存盘。
• 包月 / 预留（reserved）：连续跑满一个月，单位成本最低。Vultr 的 L40S 包 36 个月可压到约 0.85 美元/时；Contabo 的 GPU 云更偏这种固定月付模式。

经验法则：如果你每天跑不到 12 小时，坚决选按小时；只有 7×24 满负荷训练才考虑包月。下面这段命令能帮你快速估算一笔账：

# 估算一张 H100 连续跑 N 小时的费用（美元）
GPU_RATE=2.99
HOURS=720   # 30 天 × 24 小时
echo "月成本约: $(echo "$GPU_RATE * $HOURS" | bc) 美元"
# 对比包月价（假设包月折算 1.6 美元/时）
echo "包月折算月成本约: $(echo "1.6 * 720" | bc) 美元"

自建 vs 租用：这笔账怎么算

很多人会想：我直接买张卡放家里或托管机房，是不是更划算？我们来算。2026 年一张全新 H100 裸卡约 2.5 万到 3 万美元，A100 约 1 万到 1.5 万美元，L4 约 2500 到 4000 美元。再算上主板、电源、整机、电费和托管。

结论很现实：只有当你 7×24 满负荷、且至少连续用一年以上，自建才可能回本。对绝大多数个人开发者和中小团队，租用的弹性、免维护、随时升级显卡代际的优势，远比那点差价重要。而且 2026 年 Blackwell（B200/H200）已经铺货，自建一旦买定就锁死一代，租用则随时能换。

Vultr 与 Contabo 怎么选

这两家都在本站的白名单里，定位却不同。

• Vultr：32 个全球机房、H100/A100/L40S/A10 等机型齐全，按小时计费、无最低消费，支持支付宝/银联/PayPal/加密货币，对国内用户最方便。适合需要全球化部署、按量弹性、经常切换机型的人。
• Contabo：德国老牌（2003 年成立），9 个机房，GPU 云主推 H100 / H200 / L40S，起步价极低（H100 约 1.09 欧元/时起），更偏欧洲节点和固定月付，含 10–324TB 流量。适合长期稳定跑在欧洲、对价格极其敏感的用户。

一句话：要灵活、要亚洲/美洲节点、要随时停，选 Vultr；要欧洲长期低价、能接受月付锁定，选 Contabo。

和 CPU 小机跑 AI 的取舍

预算实在紧，能不能用便宜的 CPU 小机（比如年付 10 美元的 RackNerd、ColoCrossing 套餐）跑 AI？能，但有边界。

• 能跑的：极小模型（如 0.5B–3B 量化后的本地对话）、简单 RAG 检索、CPU 版 ONNX 推理、传统机器学习（scikit-learn）。这些不吃显卡。
• 跑不动的：7B 以上大模型推理（除非极度量化且能忍几十 token/秒）、Stable Diffusion 出图、任何训练/微调。没有 CUDA 核心，一张图可能要等几分钟，训练更是以天计。

所以取舍很清楚：先用年付 CPU 小机把业务逻辑、数据管线、前后端跑起来；真正吃算力的一步，单独开一张 L4 或 A100 按需实例，算完就删。这样既省钱又把算力用在刀刃上。

怎么确认你真的租到了整张卡

GPU 云有一个容易踩的坑：有些低价套餐给的是"切分卡"或 vGPU，显存和算力被多租户共享。下单后第一件事应该是登录机器，用下面命令确认显卡型号、显存和实时利用率，避免花了 H100 的钱却只拿到四分之一算力。

nvidia-smi
nvidia-smi --query-gpu=name,memory.total,memory.used,utilization.gpu --format=csv

如果看到显存只有标称的四分之一，或者 utilization 长期为 0，多半是被邻居分走了。此时应换机型或联系厂商确认是否为独享整卡。另外，跑训练前用 nvidia-smi 盯一下温度，持续超过 85 度就要警惕散热或降频问题，长期高温会直接拖慢 throughput。对推理服务，建议同时跑一个压测脚本，确认实际 QPS 和你账单上的单价对得上。

实操建议：照着这张清单选

1. 先定 workload：推理为主选 L4（24GB 够跑 70B 量化或 SDXL）；训练/微调选 A100；大模型分布式训练才上 H100。
2. 先按小时试跑，用上面脚本估月成本，确认要长期跑再转包月。
3. 要全球节点和弹性，开 Vultr；要欧洲长期低价，开 Contabo 的 H100/L40S。
4. 训练任务一定开抢占式 + 定期检查点，能省一半以上。
5. 算清隐性成本：存储、出网流量（egress）、额外 IP 费。OCI 等已免出网费，但三大厂出网 0.08–0.12 美元/GB，别只看卡价。

最后提醒：GPU 云价格波动大，本文数字基于 2026 年 8 月公开价，下单前请到厂商页面再核一次。

💡 延伸阅读：关于架构与基础设施的更多深潜指南，请前往 VPS 主题导读中心 (Hub) 获取全盘策略。