Giá thuê GPU theo giờ: P40, RTX 3090, V100 đo thật

Giá thuê GPU theo giờ trên AIDev Cloud tháng 10/2026 là từ 7.000đ/giờ cho Tesla P40, 15.000đ/giờ cho RTX 3090 và 20.000đ/giờ cho V100 32GB. Thuê theo giờ nghĩa là dùng bao nhiêu giờ trả bấy nhiêu, xong việc thì trả máy. Muốn biết thật sự tốn bao nhiêu cho một việc thì phải nhìn cả tốc độ của card, không chỉ giá mỗi giờ.

Ngày 13/10/2026 mình thuê cùng lúc ba máy P40, RTX 3090 và V100 32GB trên AIDev Cloud, chạy cùng một bộ việc: chatbot bằng Ollama và tạo ảnh SDXL. Kết quả chính:

• Trên RTX 3090, 100 ảnh SDXL tốn khoảng 2.800đ và 1 triệu token chatbot khoảng 28.800đ, chi phí mỗi việc thấp nhất trong ba card.

• Chatbot gpt-oss:20b chạy 145 token/giây trên RTX 3090, 109 trên V100, 45 trên P40.

• Máy sẵn sàng sau 78 đến 94 giây, có sẵn driver NVIDIA, CUDA, Docker và Miniconda.

• Gói RTX 3090 Standard 15.000đ/giờ kèm 25 vCPU, 55GB RAM, 300GB NVMe, nạp ví bằng QR ngân hàng.

Thuê GPU theo giờ là gì, tính tiền thế nào?#

Bạn chọn gói (card, CPU, RAM, ổ đĩa), bấm tạo máy, khoảng một đến hai phút sau có một máy Ubuntu hoặc Windows để kết nối vào làm việc. Tiền trừ vào ví theo giờ. Không cần mua card, không lo điện, không cam kết dài hạn. Dữ liệu trên máy bị xóa khi trả máy, nên tải kết quả về trước khi trả.

Trang thuê GPU theo giờ của AIDev Cloud ghi rõ cách tính tiền:

• Tính theo giờ, từ lúc máy sẵn sàng đến lúc trả máy, giờ lẻ làm tròn lên một giờ.

• Trả máy là dừng tính tiền ngay. Máy tắt vẫn giữ nguyên tài nguyên cho bạn nên vẫn tính giờ, vì vậy xong việc thì trả máy chứ đừng chỉ tắt.

• Nạp ví bằng QR chuyển khoản ngân hàng, không cần thẻ quốc tế, số dư không hết hạn.

• Mặc định SSH qua cổng NAT, cần IP tĩnh thì thêm 1.000đ/giờ.

Vì tính theo giờ, hãy gộp các lần chạy ngắn thành một phiên liền mạch để dùng trọn giờ đã trả.

Bảng giá thuê GPU theo giờ trên AIDev Cloud#

Giá đọc trên trang AIDev Cloud ngày 13/10/2026. Mỗi card có gói Standard và Pro, khác nhau ở CPU, RAM và ổ đĩa đi kèm:

Ba máy trong bài là các gói Standard. Gói Pro hợp khi bạn xử lý dữ liệu lớn trước khi đưa vào GPU, cần nhiều RAM để nạp dataset, hoặc cần chỗ lưu nhiều model. Máy nào cũng là máy ảo đầy đủ, chọn được Ubuntu 24.04 hoặc Windows 10; image Ubuntu có sẵn driver NVIDIA, CUDA, Docker và Miniconda. Cần IP tĩnh thì thêm 1.000đ/giờ.

Card nào nhanh hơn: P40, RTX 3090 hay V100?#

Ba máy cùng image Ubuntu 24.04, cùng 25 vCPU Xeon và 55GB RAM, chỉ khác card. Máy V100 là bản PCIe 32GB, driver 580.173.02.

Việc thứ nhất là chatbot: Ollama 0.40.3, hai model qwen3.5:9b và gpt-oss:20b, cùng một câu hỏi tiếng Việt, tối đa 512 token đầu ra (qwen3.5:9b tự dừng ở 333 đến 382 token), lấy trung vị ba lần chạy sau khi model đã nạp.

Việc thứ hai là tạo ảnh SDXL 1024×1024, 25 bước, chạy bằng diffusers và PyTorch 2.14.1.

Số TFLOPS trong bảng là đo thật bằng phép nhân ma trận 4096×4096, nên thấp hơn mức đỉnh lý thuyết ghi trên trang gói (P40 là 12 TFLOPS).

RTX 3090 nhanh nhất ở cả hai việc. V100 sát nút ở việc tạo ảnh (chậm hơn 11%) và thắng ở phép nhân ma trận fp16 thuần, nhưng chậm hơn khoảng một phần tư khi chạy chatbot. P40 chậm hơn hẳn: chatbot bằng một phần ba RTX 3090, tạo ảnh chậm gấp 9 lần.

Thuê card nào thì tốn ít tiền nhất cho mỗi việc?#

Lấy giá mỗi giờ chia cho tốc độ đo được thì ra tiền cho cùng một việc:

Với chatbot, tính cho 1 triệu token đầu ra:

RTX 3090 cho chi phí thấp nhất ở cả hai việc: dưới 3.000đ cho 100 ảnh, dưới 30.000đ cho 1 triệu token. P40 hợp với việc nhẹ và ngắn, khi giá giờ thấp quan trọng hơn tốc độ; tạo ảnh hàng loạt thì nên chuyển sang RTX 3090. V100 dành cho lúc bạn cần đến 32GB VRAM.

Với tạo ảnh và chatbot, thuê RTX 3090 theo giờ trên AIDev Cloud là lựa chọn có chi phí mỗi việc thấp nhất trong ba card mình đo.

Các con số này chưa tính thời gian cài đặt, tải model và việc làm tròn giờ. Nếu bạn chỉ cần chạy 20 phút thì card nào cũng tính một giờ, lúc đó card rẻ giờ mới thật sự rẻ.

Nên chọn card nào cho việc gì?#

Muốn biết model của bạn cần bao nhiêu VRAM, xem bảng VRAM đo thật trong bài AI Local. Nếu chưa rõ GPU, VRAM là gì, đọc GPU là gì trước.

Từ lúc bấm thuê đến lúc chạy được mất bao lâu?#

Mình bấm tạo ba máy lúc 02:29 sáng 13/10. Máy P40 và RTX 3090 sẵn sàng sau 78 giây, V100 sau 94 giây, và SSH vào được ngay lần thử đầu.

Image "Ubuntu 24.04 AI" có sẵn driver NVIDIA, CUDA toolkit 12.9, Docker, Miniconda và Python 3.12, nhưng chưa có Ollama. Phần tốn thời gian là cài thêm và tải model:

curl -fsSL https://ollama.com/install.sh | sh
ollama pull qwen3.5:9b
ollama pull gpt-oss:20b

Mình đo hai lần, rạng sáng 13/10 và rạng sáng 14/10, mỗi ô lấy lần nhanh hơn. Thời gian tải phụ thuộc cả máy chủ của Ollama, PyTorch và Hugging Face lúc bạn tải.

Cộng lại, từ lúc bấm thuê đến câu trả lời đầu tiên của chatbot mất khoảng 4 đến 7 phút, đến bức ảnh SDXL đầu tiên khoảng 7 đến 9 phút. Thời gian này bạn vẫn trả tiền, nên việc nhỏ thì cài sẵn mọi thứ bằng một script để không ngồi gõ tay.

Lỗi hay gặp khi cài môi trường AI trên GPU#

Không tạo được môi trường ảo Python#

Image có sẵn Python 3.12 và Miniconda. Nếu muốn dùng venv của Python hệ thống thì cần cài thêm gói python3-venv. Cài theo đúng gợi ý trong thông báo lỗi thì báo không tìm thấy gói, vì danh sách gói trên máy mới chưa được cập nhật.

apt-get update && apt-get install -y python3.12-venv
python3 -m venv ~/v && . ~/v/bin/activate

PyTorch cài mặc định không chạy trên V100 và P40#

Từ PyTorch 2.11, lệnh pip install torch cài bản build cho CUDA 13, bản này chỉ có kernel cho card từ đời Turing (compute capability 7.5) trở lên. V100 là 7.0, P40 là 6.1. Cài vẫn thành công, chỉ đến lúc chạy phép tính đầu tiên trên GPU mới báo lỗi. Mình gặp lỗi này trên V100 hôm nay và trên P40 hôm 11/10.

torch.AcceleratorError: CUDA error: no kernel image is available for execution on the device

Cách sửa là cài bản build cho CUDA 12.6, đúng như chính thông báo lỗi gợi ý:

pip install torch --index-url https://download.pytorch.org/whl/cu126
python -c "import torch; print(torch.__version__, torch.cuda.get_arch_list())"

Kết quả trên máy V100:

2.14.1+cu126 ['sm_50', 'sm_60', 'sm_70', 'sm_75', 'sm_80', 'sm_86', 'sm_90']

Bản cu126 có sm_70 cho V100 và sm_60 chạy được trên P40. RTX 3090 chạy được cả hai bản.

SDXL trên P40 mất 220 giây một ảnh#

Lần chạy đầu trên P40 mình để fp16 như trên hai card kia, và mỗi ảnh mất 220 giây. Chạy lại bằng fp32 thì còn 62,6 giây, nhanh gấp 3,5 lần, đổi lại tốn 16,1GB VRAM thay vì 9,7GB.

Theo TechPowerUp, P40 tính fp16 chỉ bằng 1/64 tốc độ fp32 và không có Tensor Core. Bẫy này khó thấy nếu chỉ chạy benchmark: phép nhân ma trận fp16 mình đo riêng vẫn đạt 10 TFLOPS, ngang fp32, nhưng chạy cả model SDXL bằng fp16 thì chậm gấp 3,5 lần. Trên P40, chạy model tạo ảnh bằng fp32, còn chatbot thì Ollama đã tự lo.

pipe = StableDiffusionXLPipeline.from_pretrained("/root/sdxl", torch_dtype=torch.float32, variant="fp16").to("cuda")

Thuê theo giờ hợp với việc gì?#

Thuê theo giờ hợp nhất với việc có điểm bắt đầu và kết thúc rõ ràng: thử một model mới, tạo một loạt ảnh, train một model trong vài giờ, làm bài tập deep learning, hay dựng demo cho khách xem. Chuẩn bị sẵn script cài đặt, gộp việc vào một phiên liền mạch, xong thì tải kết quả về và trả máy.

Nếu máy cần chạy liên tục nhiều tuần, ví dụ một chatbot phục vụ khách hàng cả ngày, hãy nhân giá giờ với số giờ chạy thật rồi so với báo giá thuê tháng. AIDev Cloud nhận yêu cầu báo giá thuê tháng và bàn giao máy trong 24 đến 48 giờ. Phép tính mua card tự chạy so với thuê nằm ở bài AI Local.

Câu hỏi thường gặp#

Giá thuê GPU theo giờ là bao nhiêu?#

Giá thuê GPU trên AIDev Cloud ngày 13/10/2026: Tesla P40 từ 7.000đ/giờ, RTX 3090 từ 15.000đ/giờ, V100 32GB từ 20.000đ/giờ. Ngoài giá giờ, hãy tính tiền cho đúng việc của bạn: với tạo ảnh SDXL, RTX 3090 tốn khoảng 2.800đ cho 100 ảnh.

Tắt máy có bị tính tiền không?#

Ở AIDev Cloud, máy tắt vẫn giữ nguyên tài nguyên cho bạn nên vẫn tính giờ. Trả máy là dừng tính tiền ngay, nhớ tải dữ liệu cần giữ về trước khi trả.

Thuê GPU có cần thẻ quốc tế không?#

Không. AIDev Cloud nạp ví bằng QR chuyển khoản ngân hàng, tính tiền bằng đồng Việt Nam, số dư không hết hạn.

GPU thuê có chạy Windows được không?#

Có. AIDev Cloud có image Windows 10 cho mọi gói GPU, phù hợp với phần mềm chỉ có bản Windows. Cách cài một trợ lý AI trên máy Windows thuê có ở bài cài OpenClaw trên Windows.

Nên thuê RTX 3090 hay V100?#

Với tạo ảnh và chatbot, RTX 3090 nhanh hơn và rẻ hơn mỗi việc theo số đo ở trên. Chọn V100 32GB khi model hoặc batch cần từ 25 đến 32GB VRAM, không vừa 24GB của RTX 3090.

Đọc tiếp#

• AI Local: chạy LLM và AI tạo ảnh trên máy bạn: cần bao nhiêu VRAM, mua card hay thuê.

• GPU là gì: vì sao AI cần GPU, cách xem máy bạn có card gì.

• Cài Ollama trên Windows, macOS, Linux, Docker: bước đầu tiên sau khi có máy.

• ComfyUI là gì: tạo ảnh AI trên GPU thuê.

• Wan 2.2 cần bao nhiêu VRAM: tạo video AI trên RTX 3090 thuê, tiền máy cho từng clip.

Cần RTX 3090, V100 hay P40 trong vài giờ? Thuê GPU theo giờ trên AIDev Cloud: có máy sau khoảng một đến hai phút, đặt tại Hà Nội, nạp ví bằng QR ngân hàng, xong việc trả máy là dừng tính tiền.

Đo ngày 13/10/2026 (thời gian cài và tải đo thêm lần hai ngày 14/10/2026) trên ba máy AIDev Cloud Hà Nội (Tesla P40 24GB, RTX 3090 24GB, Tesla V100 PCIe 32GB; 25 vCPU Xeon, 55GB RAM, Ubuntu 24.04), Ollama 0.40.3, PyTorch 2.14.1+cu126, diffusers với SDXL base 1.0. Giá đọc trên trang AIDev Cloud cùng ngày.