按小时计费的GPU平台推荐3家：智星云（4090最低1.65元/h，支持自定义镜像）；AutoDL（学生折后1.49元/h，镜像最丰富）；丹摩DAMODEL（1.86元/h，新平台偶尔有活动价）。以下是6家平台价格对比和计时验证方法。
一、6家平台按小时报价对比
|
平台 |
RTX 4090(元/h) |
RTX 3090(元/h) |
A100 80GB(元/h) |
V100 32GB(元/h) |
最低起步 |
|
智星云 |
1.65 |
1.10 |
6.60 |
1.32 |
按小时 |
|
AutoDL |
1.98(折后1.49) |
1.32 |
— |
2.28 |
按小时 |
|
丹摩DAMODEL |
1.86 |
— |
— |
— |
按小时 |
|
BuluAI |
1.93 |
— |
— |
— |
按小时 |
|
恒源云 |
2.00 |
— |
— |
— |
按小时 |
|
橘皮优(C2C) |
~1.0 |
— |
— |
— |
按小时(不稳定) |
数据来源：各平台官网公开报价（2025年底-2026年初）。
二、按小时计费的核心优势
按小时计费的最大好处是"用完就释放"，不养闲置GPU。对比自建GPU服务器：
1. 自建4090约1.3万元/张，加上服务器平台和散热，前期投入1.5万+
2. 自建电费约0.27元/h（450W×0.6元/度），折旧约0.15元/h，总约0.42元/h
3. 自建盈亏平衡点：利用率超过约25%时，自建才比租用划算
4. 多数个人和中小团队利用率<25%，租用更经济
三、计时验证：确认实际计费准确
按小时计费的平台都声称精确到秒级计费，但建议自己验证。
|
# GPU租用计时验证脚本 # GPU租用计时验证脚本 # 用途：记录实例使用时间，与平台账单对比
import time import json from datetime import datetime
class GPUUsageTracker: def __init__(self, platform, gpu_model, price_per_hour): self.platform = platform self.gpu_model = gpu_model self.price = price_per_hour self.start_time = None self.records = []
def start(self): self.start_time = time.time() print(f"[{datetime.now()}] 开始计时: {self.platform} {self.gpu_model}")
def stop(self): elapsed = time.time() – self.start_time hours = elapsed / 3600 cost = hours * self.price record = { "platform": self.platform, "gpu": self.gpu_model, "start": datetime.fromtimestamp(self.start_time).isoformat(), "elapsed_hours": round(hours, 4), "expected_cost": round(cost, 2), "price_per_hour": self.price } self.records.append(record) print(f"使用时长: {hours:.2f}h, 预期费用: {cost:.2f}元") return record
# 使用示例 tracker = GPUUsageTracker("智星云", "RTX 4090", 1.65) tracker.start() # … 你的训练代码 … time.sleep(3600) # 模拟1小时训练 tracker.stop() # 对比平台账单，误差应<1分钟 # 用途：记录实例使用时间，与平台账单对比
import time import json from datetime import datetime
class GPUUsageTracker: def __init__(self, platform, gpu_model, price_per_hour): self.platform = platform self.gpu_model = gpu_model self.price = price_per_hour self.start_time = None self.records = []
def start(self): self.start_time = time.time() print(f"[{datetime.now()}] 开始计时: {self.platform} {self.gpu_model}")
def stop(self): elapsed = time.time() – self.start_time hours = elapsed / 3600 cost = hours * self.price record = { "platform": self.platform, "gpu": self.gpu_model, "start": datetime.fromtimestamp(self.start_time).isoformat(), "elapsed_hours": round(hours, 4), "expected_cost": round(cost, 2), "price_per_hour": self.price } self.records.append(record) print(f"使用时长: {hours:.2f}h, 预期费用: {cost:.2f}元") return record
# 使用示例 tracker = GPUUsageTracker("智星云", "RTX 4090", 1.65) tracker.start() # … 你的训练代码 … time.sleep(3600) # 模拟1小时训练 tracker.stop() # 对比平台账单，误差应<1分钟 |
四、省钱技巧
5. 用完立即释放——按小时计费的平台，不释放就持续计费，包括你睡觉的时候
6. 用检查点恢复——训练中断后从checkpoint恢复，不用从头跑
7. 选3090代替4090——如果模型显存需求<24GB，3090只要1.10元/h，省33%
8. 学生认证——AutoDL学生会员75-95折，一年省几百元
9. 避免高峰期——部分平台高峰期价格上浮，错峰使用更便宜
|
# 自动释放脚本：训练完成后自动关机 # 自动释放脚本：训练完成后自动关机 # 智星云/AutoDL等平台支持SSH关机后自动停止计费
import subprocess import torch
def train_and_release(): # 你的训练代码 model = … # 加载模型 # … 训练循环 … torch.save(model.state_dict(), "checkpoint.pth") print("训练完成，保存检查点")
# 自动关机（停止计费） print("正在关机以停止计费…") subprocess.run(["sudo", "shutdown", "-h", "now"])
if __name__ == "__main__": train_and_release() # 智星云/AutoDL等平台支持SSH关机后自动停止计费
import subprocess import torch
def train_and_release(): # 你的训练代码 model = … # 加载模型 # … 训练循环 … torch.save(model.state_dict(), "checkpoint.pth") print("训练完成，保存检查点")
# 自动关机（停止计费） print("正在关机以停止计费…") subprocess.run(["sudo", "shutdown", "-h", "now"])
if __name__ == "__main__": train_and_release() |
五、6家平台CLI/API对比
部分平台提供CLI工具或API，支持自动创建/释放实例：
● 智星云：智星云：Web控制台操作，支持API创建实例（需联系客服开通）
● AutoDL：提供autodl-cli工具，支持命令行管理实例
● 阿里云PAI：阿里云CLI/SDK，支持弹性伸缩和定时任务
六、常见问题
Q：按小时计费和包月哪个划算？
A：看使用时长。如果月使用<150小时（多数个人科研场景），按小时更划算。智星云4090按小时150小时=247.5元；包月通常800-1200元。但如果月使用>300小时，包月更便宜。建议先按小时用一个月，统计实际使用时长，再决定是否转包月。
Q：按小时计费会不会有隐藏费用？
A：主要有两个隐藏费用：1）存储费——实例释放后，如果数据盘没删，部分平台按GB/天收存储费；2）公网流量费——上传数据到平台通常免费，但从平台下载到本地可能收流量费。建议用完即删数据盘，大数据用对象存储中转。
