A10 · 24 GB
Lambda Labs · Reference listing
$0.7500
On-Demand /Std.
- GPUs
- 1
- vCPU
- —
- Spot /Std.
- —
- Region
- Reference listing
Erfasste Anbieter
4 GPU-Modelle erfasst
Lambda Labs GPU-Preise
Lambda Labs betreibt eigene Cluster und positioniert sich im oberen Segment: konsistente, unternehmenstaugliche Instanzen auf H100/H200- und A100-Hardware, mit einfachem Stundenpreis und ohne Marktplatz-Schwankungen. Consumer-Hardware gibt es nicht.
Günstigste einzelne GPU aktuell
$0.7500
Pro GPU und Stunde, On-Demand, über alle erfassten Modelle.
- GPU-Angebote
- 4
- Spot-Kapazität
- Nein
- NVLink
- Ja
- Preise zuletzt aktualisiert
- 2026-10-12
Vorteile
- Konsistente, gut ausgestattete Instanzen mit vorhersehbarer Leistung
- Einfache Stundenpreise ohne Bieten
- Geeignet für Multi-Node-Training mit hoher Interconnect-Bandbreite
- Einfache API und CLI für Automatisierung
Nachteile
- Keine unterbrechbare Spot-Stufe wie bei Marktplätzen
- Kleinerer Hardware-Katalog; keine Consumer-GPUs
- Kapazität für die neuesten GPUs ist begrenzt und nur On-Demand
Preisverlauf (30 Tage)
Jeder Punkt ist ein selbst erhobener Tages-Snapshot. Durchgezogen = On-Demand, gestrichelt = Spot.
On-Demand
Spot / unterbrechbar
Quelle: unsere eigenen Tages-Snapshots
Egress & Speicher
Instanzen enthalten ein festes SSD-Kontingent; persistenter Speicher und ausgehender Transfer werden separat berechnet. Aktuelle Preise auf der Anbieterseite prüfen.
Live-Preisvergleich
Nach Anbieter, GPU oder Region filtern – Filter laufen lokal im Browser.
| Anbieter | GPU-Modell | VRAM | GPUs | vCPU | Region | On-Demand /Std. | Spot /Std. | Aktionen |
|---|---|---|---|---|---|---|---|---|
| Lambda Labs | A10 | 24 GB | 1 | — | Reference listing | $0.7500 Bestpreis | — | Preise ansehen |
| Lambda Labs | A100 SXM | 80 GB | 1 | — | Reference listing | $1.2900 Bestpreis | — | Preise ansehen |
| Lambda Labs | H100 PCIe | 80 GB | 1 | — | Reference listing | $2.4900 Bestpreis | — | Preise ansehen |
| Lambda Labs | H200 SXM | 141 GB | 1 | — | Reference listing | $3.2900 Bestpreis | — | Preise ansehen |
A100 SXM · 80 GB
Lambda Labs · Reference listing
$1.2900
On-Demand /Std.
- GPUs
- 1
- vCPU
- —
- Spot /Std.
- —
- Region
- Reference listing
H100 PCIe · 80 GB
Lambda Labs · Reference listing
$2.4900
On-Demand /Std.
- GPUs
- 1
- vCPU
- —
- Spot /Std.
- —
- Region
- Reference listing
H200 SXM · 141 GB
Lambda Labs · Reference listing
$3.2900
On-Demand /Std.
- GPUs
- 1
- vCPU
- —
- Spot /Std.
- —
- Region
- Reference listing
Keine Angebote passen zu diesen Filtern. Erhöhen Sie das Preislimit oder leeren Sie die Suche.
Häufige Fragen
Alles rund um Cloud-GPU-Miete, Affiliate-Tracking und unsere Preisdatenerhebung.
Wie ist die GPU-Preisstruktur dieses Anbieters aufgebaut?
Fast alle Cloud-GPU-Anbieter rechnen die Rechenleistung sekunden- oder stundenweise ab und zusätzlich den persistenten Speicher sowie den ausgehenden Datentransfer. Die Werte auf dieser Seite sind der Rechenpreis für eine einzelne GPU, normalisiert, damit Sie verschiedene Instanzgrößen ohne eigenes Rechnen vergleichen können.
Bekomme ich hier unterbrechbare oder Spot-Kapazität?
Das hängt vom Anbieter ab und steht in der Verfügbarkeitsspalte. Marktplatz-Plattformen bieten meist eine gebotsbasierte unterbrechbare Stufe, während dedizierte Clouds in der Regel nur On-Demand-Kapazität verkaufen. Wenn Spot verfügbar ist, ist er fast immer günstiger – sofern Ihre Workload Checkpoints schreiben und neu starten kann.
Gibt es einen Mindestvertrag oder eine Mindestlaufzeit?
Für On-Demand- und Spot-Kapazität in der Regel nicht: Sie zahlen pro Stunde oder Sekunde und können jederzeit stoppen. Reservierte Verträge gibt es bei einigen Anbietern und sie senken den effektiven Preis, sind aber für die hier gezeigten Preise nicht erforderlich.
Wie werden Speicher und Egress berechnet?
Persistente Volumes werden pro GB und Monat abgerechnet, ausgehender Transfer pro GB über dem Inklusivvolumen des Anbieters. Diese Kosten kommen zur GPU-Stunde hinzu und können bei datenintensiven Pipelines die Rechnung dominieren – planen Sie sie daher ausdrücklich ein.