14 октября 2026 г. · Анатолий Крылов, редактор Тераферма

Час на арендованной GPU: какие задачи ИИ реально уложить в 60 минут

Аренда GPU на час даёт 40–50 минут полезной работы после подключения и загрузки модели. За это время на RTX 4090 за 48 ₽ можно сгенерировать 500–700 картинок SDXL, расшифровать 20–40 часов аудио Whisper, обучить LoRA для SDXL или сравнить три языковые модели на своих вопросах. Обучение крупных моделей и генерация длинных видео в это время не укладываются.

Из чего складывается час

Видеокарта считает не все 60 минут. Типичный бюджет времени:

Этап	Время	Оплачивается
Подбор и запуск машины	1–7 минут	нет
Подключение, проверка nvidia-smi	2–3 минуты	да
Установка зависимостей	1–10 минут	да
Загрузка модели и данных	2–10 минут	да
Полезная работа	35–50 минут	да
Выгрузка результатов	2–5 минут	да

Самые вариативные строки: зависимости и загрузка. Модель SDXL весит около 7 ГБ, Flux dev — 20–30 ГБ вместе с текстовыми энкодерами, языковая модель 8B — 16 ГБ. На машинах Тераферма канал от 100 Мбит/с, и на практике модель на 16 ГБ качается от пары минут до десяти.

Списание начинается, когда сервер готов к работе, и идёт поминутно. Поэтому «час» — условность: закончили за 42 минуты, заплатили за 42. Как устроена такая оплата, подробно описано на странице почасовая аренда сервера с GPU.

Что уложить в 60 минут: таблица задач

Оценки для 45 минут полезной работы на одной карте. Скорость зависит от настроек, поэтому берите цифры как ориентир, а не как обещание.

Задача	Карта	Что успеете	Стоимость часа, ₽
Генерация SDXL, 30 шагов	RTX 4090	500–700 картинок	48
Flux dev в FP8, 20–28 шагов	RTX 4090	100–170 картинок	48
Flux schnell, 4 шага	RTX 4090	700+ картинок	48
Обучение LoRA для SDXL	RTX 4090	1–2 LoRA на 20–30 картинках	48
Расшифровка Whisper large-v3-turbo	RTX 4090	20–40 часов аудио	48
Расшифровка Whisper	RTX 3090	15–30 часов аудио	26
Тест 2–3 языковых моделей 8–32B	RTX 4090	развернуть, прогнать 50–100 вопросов, замерить скорость	48
Пакетная обработка текстов моделью 8B	RTX 4090	5 000–15 000 коротких документов	48
QLoRA для LLM 7–8B, до 2 000 примеров	RTX 4090 или RTX 5090	1 эпоха, на пределе	48 / 83
Тест модели 70B в 4 битах	A100 80 ГБ	развернуть и прогнать свои вопросы	97
Видео, модель на 5 млрд параметров	RTX 4090	5–15 коротких роликов	48

Задачи, которые помещаются с запасом

Генерация изображений

Самый удобный сценарий для короткой аренды: модель загружается один раз, потом карта работает без перерыва. На RTX 4090 картинка SDXL в 1024×1024 при 30 шагах занимает 4–6 секунд. За 45 минут это 450–675 изображений, хватит на серию иллюстраций, варианты баннеров или фото товаров для каталога.

Чтобы не терять время, подготовьте промпты списком и запускайте генерацию пакетом через API ComfyUI или скрипт на diffusers. Ручная работа в интерфейсе с подбором каждой картинки — тоже нормальный сценарий, но тогда карта большую часть времени ждёт вас, а не считает.

Расшифровка аудио

Whisper large-v3-turbo в пакетном режиме на RTX 4090 расшифровывает 60 минут записи за 1–2 минуты. За 45 минут выходит 20–40 часов аудио: архив интервью, курс лекций, записи созвонов за квартал. Заранее загрузите файлы туда, откуда они быстро скачаются, и запустите обработку всей папкой. Скорость и цена на разных картах разобраны в статье Whisper на GPU.

Обучение LoRA для изображений

LoRA для SDXL на 20–30 фотографиях занимает 20–40 минут на RTX 4090. За 60 минут можно обучить одну LoRA и проверить её на десятке генераций или обучить две с разными настройками и сравнить. Датасет с подписями подготовьте до запуска, это самая долгая ручная часть.

LoRA для Flux на той же карте обычно занимает 1–2 часа: в короткую сессию это уже не помещается, закладывайте два-три.

Выбор языковой модели

Если вы выбираете модель для своего сервиса, час на арендованной карте будет самым дешёвым способом проверить её на своих данных. Схема: развернуть vLLM или Ollama, загрузить 2–3 кандидата по очереди, прогнать один и тот же набор из 50–100 реальных вопросов, сравнить ответы и замерить скорость. Модели 8B и 14B на RTX 4090 загружаются за минуты, 32B в 4 битах грузится чуть дольше.

Задачи на пределе часа

QLoRA для языковой модели 7–8B. 1 000–2 000 коротких примеров, одна эпоха на RTX 4090 или RTX 5090 занимает 30–60 минут. Укладывается, если датасет готов, а скрипт обучения проверен заранее. Три эпохи на 2 000 примеров — уже 1–1,5 часа.

Пакетная обработка текстов. Классификация, извлечение данных, суммаризация моделью 8B через vLLM. При батчинге RTX 4090 выдаёт больше тысячи токенов в секунду суммарно, это 3–4 млн токенов за 60 минут. Сколько документов это составит, зависит от длины ответа: при 300 токенах на документ — около 10 000.

Генерация видео. Модели на 5 млрд параметров, например Wan 2.2 5B, на RTX 4090 делают ролик в несколько секунд за минуты. За час получится 5–15 коротких клипов. Модели на 14 млрд параметров на этой карте работают в разы медленнее, и за то же время выйдет всего несколько роликов.

Что за час не успеть

• Полное дообучение модели от 7B. Нужно несколько карт по 80 ГБ и часы или дни работы.
• QLoRA для моделей 14B и больше на большом датасете. 10 000 примеров на 14B — 5–8 часов на RTX 4090.
• Обучение модели с нуля. Даже небольшая модель на миллионах примеров занимает сутки и больше.
• Длинное видео в высоком разрешении. Минутный ролик открытой моделью становится многочасовой задачей даже на мощных картах.
• Финальный рендер анимации. Зависит от сцены, но анимация на сотни кадров в Cycles редко укладывается в 60 минут на одной карте.

Для таких задач час служит тестом: проверить, что код работает, замерить скорость шага и посчитать, сколько займёт полный прогон. Как посчитать бюджет обучения в GPU-часах, разобрано в статье сколько стоит обучить нейросеть.

Пример: час для интернет-магазина

Небольшой магазин хочет обновить карточки товаров. Задача на один сеанс аренды RTX 4090:

• 0–8 минута. Машина запущена с шаблоном ComfyUI, загружены SDXL и заранее обученная LoRA в стиле магазина. Пока машина подбиралась, деньги не списывались.
• 8–40 минута. Пакетная генерация: 40 товаров по 8 вариантов фона, 320 картинок по 4–6 секунд. Скрипт берёт промпты из файла и складывает результаты в папку.
• 40–50 минута. Апскейл 40 лучших вариантов до 2048 пикселей.
• 50–55 минута. Архив с результатами скачивается на свой компьютер, сервер останавливается.

Итог: 55 минут, около 44 ₽ и готовые изображения для 40 карточек. Самая трудоёмкая часть, отбор лучших вариантов, уже идёт на своём компьютере и не стоит денег за аренду.

Похожая схема работает для расшифровки: файлы загружены в облако заранее, на сервере запускается один скрипт на всю папку, через 40 минут готовые тексты выгружаются, сервер останавливается. Главное в обоих случаях, чтобы всё оплаченное время карта считала, а человек не принимал решения.

Как выжать максимум из часа

1. Подготовьте всё до запуска. Код, requirements.txt, датасет в облачном хранилище или на Hugging Face, список промптов или вопросов. Каждая минута подготовки на сервере уже оплачена.
2. Используйте готовый шаблон. В кабинете есть окружения с PyTorch и Jupyter, ComfyUI и vLLM. Они экономят 5–10 минут на установке.
3. Запускайте пакетом. Скрипт, который обрабатывает всю очередь без вашего участия, использует карту на 90–100%. Ручная работа — на 20–50%.
4. Сохраняйте результаты по ходу. При остановке сервера данные на нём удаляются. Выгружайте результаты на свой диск или в облако не в последнюю минуту, а частями.
5. Остановите сервер сразу. Задача закончилась: скачали результаты, нажали «Остановить». Списание прекращается сразу, а округление идёт до минуты, а не до часа.

Час как тест перед большой задачей

Даже если задача займёт десятки часов, первый час стоит потратить на разведку. За него нужно ответить на четыре вопроса:

• Помещается ли задача в память карты с реальным батчем и длиной контекста, а не на игрушечном примере.
• Сколько длится один шаг обучения или обработка одного элемента. Умножив на объём данных, вы получите время всего прогона.
• Загружена ли карта полностью. Если nvidia-smi показывает 40–60%, узкое место в подгрузке данных или процессоре, и это нужно исправить до долгого запуска.
• Работает ли сохранение и возобновление. Остановите задачу, запустите с чекпоинта. Если что-то сломано, лучше узнать это сразу.

Такой тест на RTX 4090 стоит 48 ₽ и часто экономит тысячи: вы выбираете карту по замеру, а не по догадке, и не теряете сутки на прогоне, который упал бы через три часа.

Какую карту брать на час

Для коротких задач выбор карты влияет и на время, и на цену. Быстрая карта успеет больше, но стоит дороже. Простое правило:

• Генерация изображений, LoRA, Whisper, модели до 14B — RTX 4090 или RTX 3090. Разница в скорости в генерации изображений заметная, в расшифровке и генерации токенов — меньше.
• Модели 32B с длинным контекстом, Flux в полной точности, видео — RTX 5090 с 32 ГБ.
• Модели 70B, тест перед большим обучением — A100 80 ГБ. Стоит 97 ₽/ч.
• Проверка обучения на H100 перед долгим запуском — 339–417 ₽/ч. Этого хватает, чтобы замерить скорость шага и понять, сколько займёт полный прогон.

Сравните цены с учётом скорости: если карта в два раза быстрее и стоит меньше чем в два раза дороже, на пакетной задаче она выгоднее. Если вы только начинаете и хотите разобраться, как устроен сам процесс, прочитайте что такое аренда GPU.

Сколько стоит час на разных картах

Карта	Память	60 минут, ₽	30 минут, ₽	10 минут, ₽
RTX 3060	12 ГБ	12	6	2
RTX 3090	24 ГБ	26	13	4,3
RTX 4090	24 ГБ	48	24	8
RTX 5090	32 ГБ	83	42	14
A100	80 ГБ	97	49	16

Минимального срока аренды нет. Можно запустить машину на 10 минут, проверить, что код работает, и остановить.

Час на арендованной GPU даёт 40–50 минут чистой работы. В них помещаются генерация сотен картинок, расшифровка десятков часов аудио, обучение LoRA для изображений и сравнение языковых моделей. Длинное обучение и тяжёлое видео за час не сделать, но можно проверить код и посчитать бюджет полного прогона.

Подготовьте данные и скрипт заранее, выберите карту в каталоге аренды GPU и запустите задачу. Баланс пополняется криптовалютой от 500 ₽, оплата картой появится позже.