2 ноября 2026 г. · Анатолий Крылов, редактор Терафермы
Google Colab Pro или аренда GPU: что дешевле для обучения в 2026
Google Colab Pro стоит $9,99 в месяц и даёт 100 вычислительных единиц, это около 84 часов на T4 или 13 часов на A100 80 ГБ. По цене часа Colab недорог: A100 80 ГБ обходится примерно в $0,75, около 63 ₽. Но единицы тратятся всё время, пока ноутбук подключён, мощная карта не гарантирована, а оплатить подписку российской картой нельзя. Арендованная RTX 3090 стоит 34 ₽ в час, A100 80 ГБ — 154 ₽, оплата поминутная и только за время работы сервера.
Тарифы Colab в 2026 году
У Colab три платных варианта. Все считают время в вычислительных единицах (compute units), которые расходуются с разной скоростью в зависимости от карты.
| Тариф | Цена | Единиц | Особенности |
|---|---|---|---|
| Colab бесплатный | $0 | Нет | T4, когда есть свободные, короткие сессии |
| Pay As You Go | $9,99 за 100 | 100 | Единицы без подписки |
| Colab Pro | $9,99 в месяц | 100 в месяц | Доступ к мощным GPU, больше памяти |
| Colab Pro+ | $49,99 в месяц | 500 в месяц | Фоновое выполнение для долгих сессий |
Единицы, по данным Google, сгорают через 90 дней после начисления. Цены приведены по данным на октябрь 2026.
Сколько единиц в час расходует каждая карта, Google в тарифе не пишет, это видно только в интерфейсе. Независимые замеры на 10.03.2026:
| Карта в Colab | Единиц в час | Часов на 100 единиц | ≈ Цена часа | ≈ в рублях |
|---|---|---|---|---|
| T4 16 ГБ | 1,19 | 84 | $0,12 | 10 ₽ |
| L4 24 ГБ | 1,71 | 58 | $0,17 | 14 ₽ |
| A100 40 ГБ | 5,40 | 18 | $0,54 | 45 ₽ |
| A100 80 ГБ | 7,52 | 13 | $0,75 | 63 ₽ |
| G4 (RTX PRO 6000) | 8,71 | 11 | $0,87 | 73 ₽ |
Пересчёт по курсу 83,62 ₽ за доллар. Для H100 в Colab Pro надёжных замеров расхода нет.
Цена аренды для сравнения
| Карта в аренде | Память | Тариф, ₽/ч | Что ближе в Colab |
|---|---|---|---|
| RTX 3090 | 24 ГБ | 34 | T4 и L4, но в 2–3 раза быстрее |
| L4 | 24 ГБ | 89 | L4 |
| RTX 4090 | 24 ГБ | 54 | A100 40 ГБ по скорости в небольших задачах |
| A100 80 ГБ | 80 ГБ | 154 | A100 80 ГБ |
| RTX PRO 6000 | 96 ГБ | 195 | G4 |
Если смотреть только на цену часа, Colab выглядит дешевле или сопоставимо. Разница появляется, когда считаешь не час, а готовую модель.
Почему цена часа обманчива
Единицы тратятся, пока ноутбук подключён. В Colab вы платите за время, когда среда выполнения активна, а не когда считает код. Пока вы читаете ошибку, правите ячейку или пьёте чай, A100 расходует 7,5 единицы в час. В аренде то же самое, платите за время работы сервера, но сервер можно остановить в одну кнопку, а запустить снова за пару минут.
Мощная карта не гарантирована. Colab выдаёт GPU в зависимости от доступности. Вы можете выбрать A100, но получить её не в любой момент. Для дедлайна диплома это риск: обучение откладывается на вечер или ночь.
Сессии обрываются. Обычные ноутбуки работают ограниченное время, а при неактивности вкладки сессия отключается. Фоновое выполнение есть только в Pro+. Обрыв посреди эпохи без чекпоинта означает, что потраченные единицы ушли впустую.
Медленная дешёвая карта. У T4, карты 2018 года на 70 Вт, пропускная способность памяти 320 ГБ/с. RTX 3090 даёт 936 ГБ/с и в обучении CNN и трансформеров обычно в 2–3 раза быстрее. Час T4 дешевле, но эпоха на ней дольше.
Расчёт: цена обучения, а не часа
Формула: стоимость обучения = цена часа × время эпохи × число эпох × коэффициент простоя.
Коэффициент простоя показывает, во сколько раз реальное время подключения больше чистого времени обучения. Для Colab с отладкой в ноутбуке он обычно 1,5–2: среда активна, пока вы работаете с кодом. Для сервера, который вы запускаете под готовый скрипт, — 1,1–1,2.
Пример 1. YOLO на 6 000 снимков, 100 эпох. На RTX 3090 эпоха — около 3 минут, обучение — 5 часов.
- Аренда RTX 3090: 5 × 1,2 = 6 часов, 204 ₽.
- Colab T4: эпоха в 2,5 раза дольше, 12,5 часа × 1,5 = около 19 часов, 22 единицы, около $2,2, примерно 185 ₽.
Здесь Colab дешевле, если подписка уже оплачена и сессия не оборвётся. Но 19 часов на T4 почти наверняка придётся разбить на несколько сессий: обычный ноутбук не работает сутками, а при закрытой вкладке среда может отключиться. Аренда выигрывает в сроке: результат через 6 часов, а не через сутки с риском обрыва.
Пример 2. LoRA для LLM 8B, 12 часов чистого обучения на A100 80 ГБ.
- Аренда A100: 12 × 1,1 = 13,2 часа, 2 033 ₽.
- Colab Pro: 12 × 1,5 = 18 часов × 7,52 = 135 единиц. Это больше месячной подписки Pro: понадобится докупить 100 единиц, итого около $20, примерно 1 670 ₽. И непрерывные 12 часов обучения в обычном ноутбуке без фонового выполнения остаются под вопросом.
Пример 3. Дообучение модели 32B, 30 часов на A100 80 ГБ.
- Аренда A100: 30 × 1,1 = 33 часа, 5 082 ₽.
- Colab Pro+: 30 × 1,5 = 45 часов × 7,52 = 338 единиц из 500 в месяц за $49,99, около 4 180 ₽. Но обучение придётся разбить на несколько сессий с чекпоинтами.
| Задача | Аренда | Colab |
|---|---|---|
| YOLO, 100 эпох | 204 ₽, ≈ 6 часов | ≈ 185 ₽ на T4, ≈ 19 часов |
| LoRA 8B, 12 часов A100 | 2 033 ₽ | ≈ 1 670 ₽ (Pro + 100 единиц) |
| Дообучение 32B, 30 часов A100 | 5 082 ₽ | ≈ 4 180 ₽ (Pro+) |
Расчёты Colab сделаны по курсу 83,62 ₽ за доллар и без учёта наценки посредников, если подписку оплачивают через них.
Оплата из России
Это часто решающий пункт. Google не принимает российские банковские карты для оплаты подписок, поэтому Colab Pro напрямую не оплатить. Остаются зарубежная карта или посредники, которые оформляют подписку за рубли с наценкой.
Баланс на Тераферме ведётся в рублях. Пополнить можно картой российского банка (до 10 000 ₽ за раз) или криптовалютой (USDT, BTC и др.) от 500 ₽, счёт для юрлиц появится скоро. Минимальной подписки нет: можно пополнить 500 ₽ и потратить их на курсовую на RTX 3090 за 34 ₽ в час.
Когда Colab — хороший выбор
- Учебные ноутбуки и короткие эксперименты. Запустить пример из курса, обучить небольшую сеть за 20 минут, показать результат преподавателю.
- Бесплатный T4. Для первых шагов в PyTorch и маленьких моделей бесплатный Colab будет отличным стартом.
- Есть зарубежная карта и мало часов в месяц. 100 единиц Pro на T4 и L4 дают много часов за небольшие деньги.
Когда аренда выгоднее
- Длинное обучение. Больше 6–12 часов без перерыва, с гарантией, что сервер не отключат посреди эпохи.
- Нужна конкретная карта к сроку. Выбираете машину в каталоге и запускаете сразу.
- Большая память. 24 ГБ на RTX 3090 и 4090, 48 ГБ на RTX A6000, 80 ГБ на A100, и всё без очереди за премиальными GPU.
- Нужен сервер, а не ноутбук. SSH, свой Docker-образ, запуск API для демо, несколько процессов одновременно.
- Оплата без зарубежной карты. Баланс в рублях, пополнение от 500 ₽, без подписки и сгорающих единиц.
Как устроена аренда с первого запуска до остановки сервера, описано в пошаговой инструкции как арендовать GPU.
Как не платить за простой ни там, ни там
Простой остаётся главной статьёй лишних расходов и в Colab, и в аренде. Несколько правил работают в обоих случаях.
Отлаживайте на маленьких данных. Прогоните одну эпоху на 1–5% датасета и убедитесь, что код доходит до конца без ошибок, сохраняет чекпоинт и пишет метрики. Только после этого запускайте полное обучение.
Запускайте обучение скриптом, а не ячейкой. Скрипт в tmux или через nohup не зависит от вкладки браузера и не обрывается при разрыве связи. В ноутбуке оставьте анализ результатов.
Сохраняйте чекпоинты каждые 20–30 минут. Обрыв сессии в Colab или отключение машины в аренде тогда стоит не всё обучение, а последние полчаса.
Готовьте данные заранее. Распаковка архива и предобработка картинок на GPU-машине — это оплаченные минуты дорогой карты. Сделайте это локально и загружайте готовый датасет.
Следите за загрузкой карты. Если nvidia-smi показывает загрузку GPU ниже 60–70%, карта ждёт данные: увеличьте num_workers в DataLoader или размер батча. Иначе вы платите за мощность, которой не пользуетесь.
Выключайте сразу. В аренде остановите сервер, как только скачали результаты: оплата поминутная. В Colab отключите среду выполнения вручную — закрытая вкладка не всегда освобождает её сразу.
Бесплатный Colab: что реально можно сделать
Бесплатный тариф даёт T4 с 16 ГБ памяти, когда есть свободные карты, и ограниченное время сессии. Для учёбы этого хватает на многое:
- пройти курс по PyTorch или TensorFlow с готовыми ноутбуками;
- дообучить ResNet или небольшой ViT на нескольких тысячах картинок;
- запустить YOLO на маленьком датасете для лабораторной;
- поэкспериментировать с моделями до 3–7B в 4 битах.
Ограничения начинаются, когда обучение длится дольше пары часов, когда модели нужно больше 16 ГБ или когда результат нужен к конкретному сроку. Тогда пора считать, что выгоднее: подписка или почасовая аренда.
Как перенести проект из Colab на арендованный сервер
- Сохраните ноутбук. Скачайте .ipynb или экспортируйте код в .py — скрипт удобнее запускать в фоне.
- Выпишите зависимости.
pip freeze > requirements.txtв Colab покажет, какие версии библиотек вы использовали. - Выберите машину. Для задач, которые шли на T4, хватит RTX 3090 — карта описана на странице аренды RTX 3090.
- Запустите шаблон с Jupyter. Интерфейс тот же, что в Colab, так что можно продолжить работу в ноутбуке.
- Перенесите данные. Вместо Google Drive —
scp,rsyncили скачивание датасета прямо на сервер. - Сохраняйте чекпоинты и выгружайте результаты. После остановки сервера диск удаляется, как и среда Colab после окончания сессии.
Как студент собрал диплом по компьютерному зрению на арендованной карте, читайте в кейсе со студентом, а бюджеты типовых учебных задач — в статье про аренду GPU для студентов.
Colab Pro дёшев по цене часа и удобен для коротких экспериментов, если у вас есть зарубежная карта. Для длинного обучения, гарантированной карты и памяти от 24 ГБ аренда надёжнее, а при учёте простоя и обрывов часто и дешевле в пересчёте на готовую модель.
Перенесите свой ноутбук на арендованную RTX 3090 и запустите обучение без лимита сессии.