Dokumentasi

Semua yang Anda perlukan untuk mulai memakai CloudGPU.

rocket_launchPanduan Cepat

1

Buat akun

Daftar di CloudGPU dengan email atau Google — tanpa kartu.

Buat akun →
2

Buka halaman Deploy

Buka halaman Deploy dan pilih model — DeepSeek, Qwen, Llama, atau Mistral.

Buka halaman Deploy →
3

Klik Deploy

Pilih GPU, klik Deploy. Sisanya kami tangani — penyiapan GPU, unduh model, server API.

4

Salin endpoint API

Anda mendapat URL API kompatibel OpenAI yang siap dipakai.

5

Tempel ke kode Anda

Setel base_url ke endpoint Anda. Selesai — tanpa biaya per token, Anda membayar waktu GPU.

Tempel ke kode Anda →

smart_toyBiarkan asisten coding AI menyewa GPU

Server MCP CloudGPU memungkinkan Cursor, Cline, opencode, Claude Code, dan klien MCP lain memberi penawaran harga, menyewa GPU setelah Anda setuju, menjalankan pekerjaan, mengunduh hasil, lalu mematikan GPU. Batas anggaran dan waktu setiap instance ditegakkan oleh server CloudGPU.

Siapkan server MCP →

apiMemakai instance Anda sebagai endpoint API

Untuk pengembang yang membangun AI agent, chatbot, atau aplikasi apa pun yang butuh backend LLM dengan biaya per jam tetap, bukan penagihan per token.

Setiap instance Ollama yang berjalan memberi Anda endpoint kompatibel OpenAI. Buka instance itu di Dasbor lalu klik API tombolnya untuk menyalin salah satu dari ini:

OpenAI Python SDK

from openai import OpenAI client = OpenAI( base_url="https://<random-id>-i.cloudgpu.app/v1", api_key="ollama", # any non-empty string ) resp = client.chat.completions.create( model="qwen2.5:0.5b", messages=[{"role": "user", "content": "Hello"}], ) print(resp.choices[0].message.content)

curl

curl https://<random-id>-i.cloudgpu.app/api/chat \ -H "Content-Type: application/json" \ -d '{ "model": "qwen2.5:0.5b", "messages": [{ "role": "user", "content": "Hello" }], "stream": false, "keep_alive": "30m" }'

Tips: keep_alive

Sertakan "keep_alive": "30m" di setiap permintaan agar model tetap di VRAM selama 30 menit setelah panggilan terakhir. Tanpa itu, Ollama melepas model setelah 5 menit menganggur dan permintaan berikutnya kena penalti cold-load 30–90 detik.

memoryGPU mana yang sebaiknya saya pilih?

Semua harga di bawah adalah harga ritel per jam.

Ukuran modelVRAM minimumGPU yang disarankanHarga
0,5B – 8B (Qwen 2.5, Llama-3.1-8B, Mistral-7B)16 GBRTX 4090 24 GB$0.39/jam
13B – 32B terkuantisasi (Qwen-32B-AWQ, CodeLlama-34B)32 GBRTX 5090 32 GB$0.69/jam
30B+ presisi penuh, inferensi batch sedang48 GBRTX 4090 48 GB$0.69/jam
70B terkuantisasi (Llama-3.3-70B-AWQ, Qwen3-72B-Int4)40 GBA100 40G$0.79/jam
70B presisi penuh, batch produksi80 GBA800 80G$1.19/jam
LLM konteks panjang + penalaran panjang96 GBH20 96G$1.29/jam
Inferensi enterprise / produksi multi-agent80 GBH800 80G$1.79/jam

Beberapa kartu bisa disewa lebih dari satu dalam satu instance (hingga 8): pilih jumlah kartu di halaman Deploy, dan harga per jam dikalikan dengan jumlah kartu.

helpPertanyaan yang Sering Diajukan

Bagaimana cara penagihannya?expand_more
Opsi per menit memiliki minimum 1 menit; menit prabayar yang tidak terpakai dikembalikan saat instans dihapus. Beberapa konfigurasi ditagih per jam penuh dengan minimum 1 jam; sisa waktu dalam jam tersebut tidak dikembalikan jika dihentikan sendiri. Periode penagihan, biaya minimum, dan pembayaran awal ditampilkan sebelum konfirmasi. Tanpa langganan. Aturan dan contoh tagihan
Berapa deposit minimumnya?expand_more
Isi saldo minimum yang disarankan adalah $5. Tidak ada kredit pendaftaran.
Bisakah instance saya dihentikan lalu dinyalakan lagi?expand_more
Menghapus instance, termasuk saat saldo habis, menghapus disk lokalnya. Akun yang memenuhi syarat pengisian saldo dapat menyimpan file proyek secara eksplisit di Workspace, memulihkan versi pada Job berikutnya, atau menerapkannya ke GPU yang sedang berjalan. File tersimpan mengikuti kuota dan aturan retensi. Workspace tidak otomatis mencadangkan seluruh disk atau mengumpulkan hasil; simpan atau unduh hasil sebelum menghapus instance. Yang perlu disimpan sebelum menghapus instance
Apa saja yang sudah terpasang di instance?expand_more
Setiap templat adalah image siap pakai dengan SSH root: Ollama (kosong, atau dengan Qwen, DeepSeek-R1, Llama, Gemma, Mistral, GLM, atau Phi terpasang), JupyterLab + Ollama, ComfyUI, atau LLaMA-Factory. Templat yang menyajikan API (Ollama, ComfyUI) juga mendapat URL HTTPS publik.
Apakah ada API-nya?expand_more
Ada. Setiap instance membuka REST API kompatibel OpenAI (untuk templat LLM) atau REST API khusus model (untuk templat gambar/audio). Klik tombol API pada instance yang berjalan di dasbor untuk contoh curl, Python, dan Node yang siap disalin.
Bagaimana cara mendapat dukungan?expand_more
Kirim email ke support@cloudgpu.app atau kunjungi halaman Kontak kami. Selama masa beta kami berupaya membalas dalam 24 jam.
Apa bedanya Templat dan Deploy?expand_more
Templat adalah katalognya — cari dan saring semua yang bisa dijalankan, lihat mana yang siap dan mana yang belum. Deploy adalah tempat Anda benar-benar menyalakannya: pilih templat atau GPU polos, pilih kartunya, dan Anda dapat URL. Telusuri di Templat, nyalakan di Deploy.
Bisakah saya men-deploy model kustom?expand_more
Untuk LLM, templat Ollama kami mendukung model apa pun di pustaka Ollama — setelah deploy, pakai tombol "Pilih Model" untuk menarik apa saja dari qwen2.5:0.5b sampai llama3.1:70b.
Bagaimana menghubungkan model yang sudah di-deploy ke aplikasi saya?expand_more
Buka instance Anda yang berjalan di dasbor lalu klik tombol API. Anda akan mendapat endpoint kompatibel OpenAI di /v1/chat/completions plus kode siap tempel untuk curl, Python (requests + OpenAI SDK), dan Node.js. Masukkan ke LangChain / AutoGen / CrewAI cukup satu baris.
Unduhan dari Hugging Face atau GitHub lambat. Apa yang bisa saya lakukan?expand_more
Jalankan cloudgpu-net on di terminal instance. Perintah ini menyalakan akselerasi unduhan untuk shell tersebut, untuk Hugging Face, GitHub, Civitai, dan situs serupa. Selama menyala, pip dan unduhan lain bisa lebih lambat: jalankan cloudgpu-net off untuk mematikannya, dan cloudgpu-net status untuk mengecek. Di skrip startup, jalankan cloudgpu-net on sebelum mengunduh. Jika mesin tidak punya akselerasi, perintah ini akan memberi tahu.

Masih ada pertanyaan?

Hubungi dukungan