JarvisLabs
Nuvem NVIDIA de GPU e CPU com pagamento por uso, modelos gerenciados, VMs com acesso root e cobrança por minuto.
Sobre JarvisLabs
A JarvisLabs aluga capacidade computacional de GPU e CPU para treinamento de IA, inferência, notebooks e outras cargas de trabalho aceleradas. Seu catálogo de GPUs inclui hardware NVIDIA H200, H100, RTX Pro 6000 Blackwell, A100, A30 e L4, além de máquinas virtuais de CPU para uso geral. Você pode escolher um modelo gerenciado com JupyterLab, VS Code, um endpoint de API ou SSH, ou usar uma VM com acesso root para personalizar kernels, drivers, contêineres, orquestração, daemons e executores de CI. As configurações de GPU variam de uma a oito placas. As instâncias sob demanda são cobradas por minuto; as tarifas de GPU informadas vão de $0.41 a $3.99 por hora de GPU. O armazenamento custa $0.10 por GB por mês, e a transferência de saída dentro da região é gratuita. Pausar uma instância interrompe a cobrança de computação, embora os encargos de armazenamento continuem. Capacidade reservada, clusters e implantações com mais de 25 GPUs exigem uma cotação comercial. A JarvisLabs é adequada para cargas de trabalho que se beneficiam de provisionamento rápido e intervalos curtos de cobrança. As desvantagens são os custos contínuos de armazenamento durante a pausa, as restrições regionais de alguns produtos e a ausência de teste gratuito.
Funcionalidades
Treinamento e ajuste fino de LLM
Execute tarefas de treinamento e ajuste fino com uma ou várias GPUs em hardware H200, H100, A100, A30 ou L4, com configurações de até oito GPUs.
Experimentos baseados em notebooks
Inicie contêineres gerenciados com JupyterLab ou VS Code, armazenamento persistente e uma pilha CUDA pré-configurada para trabalhos iterativos de aprendizagem profunda.
Infraestrutura de GPU personalizada
Use uma VM sob demanda com acesso root por SSH quando uma carga de trabalho exigir drivers ou kernels personalizados, Docker ou Kubernetes, daemons ou um executor de CI auto-hospedado.
Inferência e endpoints de API
Implante cargas de inferência de baixo custo em instâncias A30 ou L4, ou exponha um modelo gerenciado como endpoint de API sem administrar o sistema operacional subjacente.
Vantagens
- A cobrança sob demanda por minuto limita os encargos de computação de experimentos executados durante apenas parte de uma hora.
- Os modelos gerenciados cuidam do sistema operacional, dos drivers, do CUDA e do contêiner, preservando o armazenamento entre a interrupção e a inicialização.
- As VMs com acesso root permitem kernels e drivers personalizados, Docker, Kubernetes, daemons e executores de CI auto-hospedados.
Limitações
- Instâncias pausadas ainda geram encargos de armazenamento de $0.10 por GB por mês, portanto projetos ociosos não ficam isentos de custos.
- As máquinas virtuais de CPU estão disponíveis somente na região da Índia (Noida), o que pode limitar requisitos de latência ou localização dos dados.
- Não há teste gratuito; os usuários precisam adicionar fundos à conta antes de testar uma carga de trabalho real no serviço.
Planos de preços
H200 SXM
- 141 GB de VRAM
- 368 GB de RAM
- 28 vCPU
- 1, 2, 4 ou 8 GPUs
H100 SXM
- 80 GB de VRAM
- 200 GB de RAM
- 16 vCPU
- 1, 2, 4 ou 8 GPUs
RTX Pro 6000 Blackwell
- 96 GB de VRAM
- 160 GB de RAM
- 28 vCPU
- 1, 2, 4 ou 8 GPUs
A100 80GB
- 80 GB de VRAM
- 112 GB de RAM
- 16 vCPU
- 1, 2, 4 ou 8 GPUs
A100 40GB
- 40 GB de VRAM
- 112 GB de RAM
- 16 vCPU
- 1, 2, 4 ou 8 GPUs
A30
- 24 GB de VRAM
- 112 GB de RAM
- 16 vCPU
- 1, 2, 4 ou 8 GPUs
L4
- 24 GB de VRAM
- 124 GB de RAM
- 32 vCPU
- 1, 2, 4 ou 8 GPUs
VM de CPU com 2 vCPU
- 2 vCPU
- 8 GB de RAM
- Sob demanda
- Região da Índia (Noida)
VM de CPU com 4 vCPU
- 4 vCPU
- 16 GB de RAM
- Sob demanda
- Região da Índia (Noida)
VM de CPU com 8 vCPU
- 8 vCPU
- 32 GB de RAM
- Sob demanda
- Região da Índia (Noida)
VM de CPU com 16 vCPU
- 16 vCPU
- 64 GB de RAM
- Sob demanda
- Região da Índia (Noida)
VM de CPU com 32 vCPU
- 32 vCPU
- 128 GB de RAM
- Sob demanda
- Região da Índia (Noida)
* As informações de preços são apenas indicativas. Consulte o anúncio mais recente no site oficial de JarvisLabs.