21 октября 2026 г. · Анатолий Крылов, редактор Тераферма
Аренда GPU для студентов: сколько стоит обучить модель для диплома и курсовой
Аренда GPU для студента обходится дешевле, чем кажется: курсовая по машинному обучению обычно укладывается в 5–15 часов на RTX 3090, это 130–390 ₽. Диплом с серией экспериментов требует 30–80 часов, это 780–2 080 ₽ на той же карте. Главное условие — платить только за часы, когда карта считает, а код писать и отлаживать на своём ноутбуке.
Сколько GPU-часов нужно для учебной работы
Большинство студенческих работ по ML не обучают модель с нуля, а дообучают готовую: взять предобученную сеть и научить её на своём датасете. Это в десятки раз дешевле.
| Тип работы | Пример задачи | Карта | GPU-часов | Стоимость |
|---|---|---|---|---|
| Лабораторная | Классификатор на CIFAR или MNIST | RTX 3060 | 1–2 | 12–24 ₽ |
| Курсовая, компьютерное зрение | Дообучение ResNet или YOLO на 3–5 тыс. фото | RTX 3090 | 5–15 | 130–390 ₽ |
| Курсовая, NLP | Дообучение BERT-подобной модели для классификации текстов | RTX 3090 | 3–10 | 78–260 ₽ |
| Диплом, CV | Сравнение 3–4 архитектур, подбор гиперпараметров | RTX 3090 | 30–60 | 780–1 560 ₽ |
| Диплом, LLM | QLoRA модели 7–8B на своём корпусе, оценка | RTX 4090 | 20–50 | 960–2 400 ₽ |
| Диплом, генерация | LoRA для Stable Diffusion или Flux, серия генераций | RTX 4090 | 10–30 | 480–1 440 ₽ |
| Магистерская, исследование | Своя архитектура, абляции, много запусков | RTX 4090 или A100 | 80–200 | 3 840–9 600 ₽ на RTX 4090 |
Часы даны как ориентир для аккуратной работы: код отлажен на маленьком примере, эксперименты запускаются пакетами. Если держать сервер включённым, пока пишете текст, умножайте на два-три.
Как считать время обучения для своего датасета, показано на примере в статье про обучение YOLO на своих данных: время эпохи × число эпох × цена часа.
Какую видеокарту выбрать студенту
Для учебных задач важнее всего объём видеопамяти: он определяет, какую модель и с каким батчем вы запустите. Скорость вторична — разница между картами в часах, а не в днях.
| Карта | Память | Цена, ₽/час | Для чего |
|---|---|---|---|
| RTX 3060 | 12 ГБ | 12 | Лабораторные, небольшие CNN, отладка |
| RTX 4060 Ti | 16 ГБ | 21 | BERT, YOLO, Stable Diffusion 1.5 |
| RTX 3090 | 24 ГБ | 26 | Почти всё для курсовой и диплома, QLoRA 7–8B |
| RTX 4090 | 24 ГБ | 48 | То же быстрее, Flux, LLM |
| RTX A6000 | 48 ГБ | 66 | QLoRA 13–32B, большие батчи |
| A100 | 80 ГБ | 97 | Когда памяти 48 ГБ действительно мало |
Для большинства студентов оптимальна RTX 3090: 24 ГБ хватает на дообучение моделей компьютерного зрения, классификаторов текста и QLoRA для языковых моделей до 8B. Посмотреть доступные машины можно в каталоге аренды RTX 3090.
Аренда, Colab, Kaggle или университетский сервер
У студента обычно есть несколько вариантов, и аренда не всегда лучший.
| Вариант | Стоимость | Карты | Ограничения |
|---|---|---|---|
| Kaggle Notebooks | Бесплатно | P100 16 ГБ или 2× T4 | Около 30 часов GPU в неделю, сессии до 12 часов (по данным на октябрь 2026) |
| Google Colab бесплатный | Бесплатно | Обычно T4 | Лимиты меняются без предупреждения, сессии обрываются |
| Google Colab Pro | $9,99 в месяц за 100 вычислительных единиц (по данным на октябрь 2026) | T4, L4, A100 по наличию | Нужна зарубежная карта, единицы на A100 тратятся быстро |
| Университетский кластер | Бесплатно | Разные | Очередь, доступ через научного руководителя |
| Аренда GPU | Поминутно, от 12 ₽/час | От RTX 3060 до H100 | Платите за время, пока сервер запущен |
Разумнее всего комбинировать. Учебные ноутбуки и первые эксперименты делайте на Kaggle или в Colab. Когда модель не помещается в 16 ГБ, сессии обрываются посреди обучения или до защиты осталась неделя, переходите на арендованную карту.
Почему бесплатные варианты не всегда бесплатны. Обрыв сессии на десятом часу обучения без сохранённого чекпоинта означает потерянный день. Очередь на университетском кластере перед сессией может растянуться на недели. А 16 ГБ у P100 и T4 не хватает уже на QLoRA моделей 7–8B с нормальной длиной контекста и на Flux. Если ваша работа упирается в одно из этого, несколько сотен рублей аренды экономят больше времени, чем стоят.
Как магистрант совмещал эти варианты в реальном дипломе и сколько потратил за семестр, разобрано в кейсе видеокарта для диплома по машинному обучению.
Расчёт бюджета на диплом: пример
Возьмём типичный диплом по компьютерному зрению: распознавание дефектов на фотографиях, датасет 8 000 изображений, сравнение трёх моделей.
Этап 1. Отладка. Код и пайплайн данных проверяются на ноутбуке или в Kaggle на 200 картинках. GPU-аренда: 0 часов.
Этап 2. Базовые эксперименты. Три архитектуры по одному запуску на 50 эпох, по 2 часа каждый: 6 часов.
Этап 3. Подбор гиперпараметров. Лучшая архитектура, 8 запусков с разными learning rate, аугментациями и размером изображения, по 1,5 часа: 12 часов.
Этап 4. Финальное обучение. Лучшая конфигурация на 200 эпох, плюс два повтора с другими сидами для честных результатов в таблице: 3 × 4 = 12 часов.
Этап 5. Замеры и иллюстрации. Инференс на тестовой выборке, скорость, примеры ошибок для главы: 2 часа.
Итого: 6 + 12 + 12 + 2 = 32 часа. На RTX 3090 это 832 ₽, на RTX 4090 — 1 536 ₽, но на 4090 те же эксперименты пройдут быстрее, и часов может понадобиться меньше.
Заложите запас 30–50% на перезапуски: ошибка в разметке или сохранении чекпоинтов почти неизбежна. Бюджет с запасом выходит около 45 часов.
Курсовая по NLP: расчёт
Вторая частая тема — классификация текстов: отзывы, обращения в поддержку, новости по рубрикам. Датасет 20 000 текстов, модель семейства BERT для русского языка.
Одна эпоха дообучения такой модели на RTX 3090 при длине текста до 256 токенов занимает порядка 5–10 минут. Три эпохи займут 15–30 минут. Сравнение трёх моделей и пяти вариантов learning rate дают 15 запусков, то есть 4–8 часов вместе с оценкой на тестовой выборке.
Бюджет = 15 запусков × 0,4 часа × цена часа, то есть около 6 часов, или 156 ₽ на RTX 3090. С запасом на ошибки — до 10 часов.
Если в дипломе есть большая языковая модель
Темы с LLM в 2026 году стали обычными: чат-бот по документам кафедры, суммаризация, генерация ответов по базе знаний. Здесь два сценария с разным бюджетом.
Только инференс и RAG. Модель не обучается, а отвечает по найденным фрагментам документов. Qwen3 8B или gpt-oss-20b работают на RTX 3090. Основное время уходит на прогоны по тестовому набору вопросов: 5–15 часов на весь диплом.
Дообучение QLoRA. Модель 7–8B дообучается на своём корпусе. Один запуск на 5–10 тысяч примеров занимает 1–4 часа на RTX 4090. С подбором параметров и оценкой выходит 20–50 часов. Сколько памяти нужно под разные размеры моделей, разобрано в статье про дообучение LoRA и QLoRA.
Модели 70B для диплома почти никогда не нужны: разница в качестве с 8B на узкой задаче часто меньше, чем разница от хорошего промпта или чистых данных, а час обходится в разы дороже.
Как не переплатить: семь правил
- Отлаживайте код не на арендованной карте. Ошибки путей, форматов и размерностей ловятся на CPU или бесплатном Colab на десятке примеров.
- Запускайте обучение и уходите. Пока модель учится, ваше присутствие не нужно. Пишите текст диплома на своём ноутбуке.
- Останавливайте сервер сразу после обучения. Скрипт может сам завершать работу, но остановить аренду нужно в кабинете. Приёмы против простоя собраны в статье как не платить за простой GPU.
- Скачивайте результаты до остановки. После остановки диск удаляется. Веса, логи и графики забирайте на свой компьютер или в облачное хранилище.
- Сохраняйте чекпоинты. Каждые несколько эпох. Если что-то упадёт на 9-м часу, вы продолжите, а не начнёте заново.
- Пакетируйте эксперименты. Один скрипт, который прогоняет 5 конфигураций подряд, дешевле пяти отдельных сессий с ручной настройкой между ними.
- Не берите H100 «на всякий случай». Для задач студенческого масштаба она загружена на 20–30% и стоит 339–417 ₽ в час. RTX 3090 справится за разумное время.
Отдельный совет для тех, кто работает в группе: договоритесь об одном общем аккаунте или чётко делите эксперименты. Два человека, которые параллельно запускают одно и то же, удваивают счёт без пользы для работы.
Как начать
- Зарегистрируйтесь и пополните баланс от 500 ₽. Сейчас пополнение — криптовалютой (USDT, BTC и другие монеты), оплата картой РФ и счёт для юрлиц появятся позже. 500 ₽ хватит на первые эксперименты курсовой на RTX 3090.
- Выберите карту и шаблон с PyTorch и Jupyter.
- Загрузите датасет и код, запустите обучение.
- Скачайте результаты и остановите сервер.
Если вы никогда не работали с удалённым сервером, первый запуск займёт около 15 минут: подключение через Jupyter в браузере не требует SSH-ключей и настройки терминала. Дальше всё как на своём компьютере, только с видеокартой на 24 ГБ.
Пошаговая инструкция с картинками есть на странице как арендовать GPU.
Что делать, если сроки горят
За неделю до защиты время дороже денег. Две практичные меры. Первая — взять карту быстрее: RTX 4090 вместо RTX 3090 сокращает время экспериментов примерно в полтора раза. Вторая — запустить несколько экспериментов параллельно на двух-трёх машинах. Суммарные GPU-часы почти не меняются, а результат готов в два-три раза раньше.
Что сказать научному руководителю
Расходы на GPU удобно описать в разделе диплома про вычислительные ресурсы: модель карты, объём памяти, число GPU-часов на каждый эксперимент. Это делает результаты воспроизводимыми и отвечает на частый вопрос комиссии: «На чём вы это обучали и сколько это стоит?» Логи с временем эпох у вас уже будут: Ultralytics, PyTorch Lightning и Hugging Face Trainer пишут их автоматически.
Ещё одна статья экономии — выбор времени. Ночью и в выходные свободных машин обычно больше, а длинное обучение, запущенное вечером, к утру закончится. Вы проверите результат за завтраком и остановите сервер, не переплачивая за часы ожидания.
Аренда видеокарты для студенческой работы по ML обходится в сотни рублей за курсовую и несколько тысяч за диплом, если платить только за реальное обучение. Бесплатные Kaggle и Colab подходят для отладки и маленьких экспериментов, аренда нужна, когда нужны 24 ГБ, стабильные сессии и предсказуемые сроки.
Посчитайте часы для своей работы по таблице выше и запустите первый эксперимент на RTX 3090.