
Vai Hostinger spēj padarīt augstas klases grafisko procesoru aparatūras nomu praktisku? Es izvietoju B200, novērsu savienojuma problēmu un izmērīju reālo izsecināšanu, attēlu ģenerēšanu un uzraudzību. Lasiet tālāk, lai uzzinātu rezultātus, izmaksas un ierobežojumus, kas jāņem vērā pirms nomas.

Es novērtēju Hostinger GPU Hosting, balstoties uz divām izvietošanas reizēm, strādājošā B200 veiktspējas testu rezultātiem, hPanel vadīklām un sarunām ar atbalsta dienestu. Es pārbaudīju arī publicētos norēķinu un naudas atmaksas noteikumus. Vērtēšanā izmantoju HostAdvice mitināšanas vērtēšanas metodiku, taču šis ir viena pārbaudīta B200 momentuzņēmums, nevis darbspējas laika pētījums vai visu grafisko procesoru modeļu salīdzinājums.
| Pārbaude | Vērtējums /10 | Vērtējuma pamatojums |
| Cenas un plāni | 8.1 | Elastīga grafisko procesoru noma pa stundām un konfigurācijas, taču nepārtraukta maksas aprēķināšana, neatmaksājamie kredīti un iespējas apturēt instanci trūkums ierobežo izdevīgumu. |
| Funkcijas | 8.8 | Jaudīgi grafiskie procesori, liela videokartes atmiņa (VRAM), lietotņu veidnes un uzraudzības rīki, taču nav iebūvētu rezerves kopiju vai pastāvīgās krātuves. |
| Veiktspēja | 8.8 | Lieliski BF16 rezultāti, ātra Qwen izsecināšana un SDXL attēlu ģenerēšana mazāk nekā sekundē, lai gan ilgstošas darba slodzes nav pārbaudītas. |
| Lietošanas ērtums | 8.0 | Ātra izvietošana un vienkārša pārvaldība, taču grafisko procesoru krājumu ierobežojumi un sākotnējā SSH problēma radīja neapmierinātību. |
| Atbalsta līmenis | 7.8 | Ātras, detalizētas mākslīgā intelekta atbildes un noderīga dokumentācija, taču saziņa ar speciālistu un savienojuma problēmu novēršana prasīja laiku. |
| Kopējais vērtējums | 8.3 | Iespaidīga grafisko procesoru veiktspēja un pieejama izvietošana, ko mazina norēķinu ierobežojumi, ierobežotas atkopšanas iespējas un sarežģījumi, saņemot atbalstu. |

Hostinger GPU Hosting izmanto nomas modeli pēc pieprasījuma, nevis fiksētus mēneša abonementus, kādus parasti piedāvā vietņu mitināšanas pakalpojumi. Jūs nomājat grafisko procesoru (GPU) resursus tādām darba slodzēm kā mākslīgā intelekta izsecināšana, modeļu izstrāde, papildu apmācība un attēlu ģenerēšana; maksa ir atkarīga no atlasītās konfigurācijas.
Grafisko procesoru katalogā ir pieejamas iespējas, sākot no RTX 4090 un L40S līdz A100 un NVIDIA B200, un katrai no tām ir atšķirīga atmiņas ietilpība un skaitļošanas iespējas. Tomēr pieejamība var ietekmēt Jūsu izvēli. RTX 4090, kuru sākotnēji vēlējos izmēģināt, nebija pieejama noliktavā hPanel, lai gan tā bija norādīta Hostinger publiskajā cenu lapā.
Hostinger piedāvā gan standarta, gan Dedicated B200 instances, turklāt pēdējās maksā vairāk. Varat arī izvēlēties dažādu centrālā procesora (CPU), operatīvās atmiņas (RAM) un krātuves vietas apjomu. Manā pirmajā konfigurācijā bija 16 procesora kodoli, 32 GB operatīvās atmiņas un 300 GB krātuves vietas. Es to izvēlējos, lai atbalstītu savus mākslīgā intelekta veiktspējas testus, nevis izmantotu mazāko pieejamo konfigurāciju.
Hostinger iekasē maksu par grafiskā procesora izmantošanu, izmantojot priekšapmaksas kredītus. Tomēr pirms instances palaišanas es ņemtu vērā vairākus nosacījumus:
Šo nosacījumu dēļ ilgākiem mākslīgā intelekta uzdevumiem ir īpaši svarīgi plānot izmaksas. Jums vajadzēs pietiekami daudz kredītu gan apstrādes, gan iestatīšanas laika segšanai, turklāt jāņem vērā arī aizkavēšanās un neveiksmīgi savienojumi.
Es izmēģināju GPU Hosting, izmantojot esošu Hostinger kontu, kurā jau bija pieejami kredīti, tāpēc neveicu jaunu pirkuma noformēšanu. Jaunie klienti var papildināt savu kredītu atlikumu pēc instances konfigurēšanas. Hostinger atbalsta maksājumu kartes un digitālos makus, piemēram, PayPal, taču pieejamās metodes ir atkarīgas no klienta reģiona.
Es arī neatradu atsevišķu bezmaksas grafiskā procesora (GPU) izmēģinājuma versiju. Uz grafisko procesoru iegādi un MI kredītiem neattiecas Hostinger standarta 30 dienu mitināšanas pakalpojumu naudas atmaksas garantija, tāpēc pirms maksājuma veikšanas es pārbaudītu galīgo konfigurāciju un kredītu prasības.
Lielākā priekšrocība ir elastība. Varat izmantot dārgu grafisko procesoru aparatūru īslaicīgai darba slodzei, neiegādājoties un neuzturot savu serveri. Tomēr reklamētā stundas likme neatspoguļo visu ainu.
Mana pieredze arī parādīja, kāpēc resursu nodrošināšana un savienojamība ietekmē cenu. Laiks, kas pavadīts, novēršot problēmas ar nepieejamu serveri, joprojām var palielināt izmaksas, ja instance darbojas un patērē kredītus.
Pirms maksas darba slodzes palaišanas es pārbaudītu galīgo kredītu patēriņa ātrumu hPanel, pārliecinātos par grafiskā procesora pieejamību un sagatavotu ārējo krātuvi. Īsiem, rūpīgi plānotiem darbiem nomas modelis ir piemērots. Ilgākām vai neparedzamām darba slodzēm ir svarīgi sekot līdzi kredītu patēriņam.

Jaudīgs grafiskais procesors ir noderīgs tikai tad, ja varat piekļūt aparatūrai, uzticami izpildīt savas darba slodzes un iegūt rezultātus saprātīgā laikā. Hostinger reklamē savu NVIDIA B200 ar 192 GB videokartes atmiņu (VRAM), taču es vēlējos noskaidrot, kā tas izpaužas faktiskajā veiktspējā.
Es pievērsos trim jautājumiem:
Pirmajā B200 izvietošanas reizē radās savienojuma problēma. hPanel rādīja privāto IP adresi, kurai nevarēju piekļūt no sava klēpjdatora, un Hostinger atzina, ka informācijas panelī attēlotajai IP adresei ir problēma.
Lai nošķirtu šo sākotnējo problēmu no aparatūras veiktspējas, es palaidu jaunu B200 instanci un veiksmīgi izveidoju savienojumu, izmantojot SSH un jauno savienojuma galapunktu. Tālāk aprakstītos veiktspējas testus pabeidzu 2026. gada 26. oktobrī.
Tāpēc tālāk redzamie rezultāti ir iegūti ar darbojošos aizstājējinstanci. Iepriekšējā savienojamības problēma joprojām ir daļa no mana kopējā vērtējuma, taču tā netraucēja man novērtēt GPU veiktspēju.
Es izmantoju Ubuntu 24.04 B200 instanci ar 16 kodolu CPU piešķīrumu, 32 GB operatīvās atmiņas (RAM) un aptuveni 300 GB nodrošinātas krātuves vietas Hostinger Losandželosas reģionā. No sava Pop!_OS klēpjdatora es izveidoju savienojumu, izmantojot SSH, pārbaudīju aparatūru ar nvidia-smi un instalēju CUDA iespējotu PyTorch vidi. Serveris uzrādīja NVIDIA draivera versiju 595.91.07; PyTorch 2.11.0+cu128 atpazina GPU un atbalstīja BF16 aprēķinus.
Pēc tam es izpildīju trīs veidu darba slodzes: īsus BF16 matricu reizināšanas un GPU atmiņas kopēšanas testus, Qwen2.5-7B-Instruct valodas modeļa izsecināšanu un Stable Diffusion XL attēlu ģenerēšanu. Es atkārtoju mākslīgā intelekta darba slodzes ar fiksētiem iestatījumiem un reģistrēju katra atsevišķā izpildes mēģinājuma laiku, nevis paļāvos uz vienu labāko rezultātu. Visbeidzot, es pārbaudīju hPanel lapu Metrics, lai noskaidrotu, vai tajā tiek rādīta GPU aktivitāte.
Šie testi sniedz praktisku ieskatu vienas instances darbībā. Tie neapliecina ilgtermiņa darbspējas laiku, veiktspēju ilgstošas vairāku stundu slodzes laikā vai to, kā B200 salīdzināms ar konkurējošu GPU mitināšanas pakalpojumu sniedzēju piedāvājumiem identiskos apstākļos. Es arī neveicu tīkla caurlaidspējas vai vairāku lietotāju izsecināšanas veiktspējas testu.
Pirmais iepriecinošais rezultāts bija tas, ka Ubuntu uzreiz atpazina NVIDIA B200. nvidia-smi identificēja vienu B200 ar 182,624 MiB uzrādītās GPU atmiņas, savukārt PyTorch norādīja, ka ierīcei pieejami 178.34 GiB. Šie bināro mērvienību skaitļi kopumā atbilst reklamētajai 192 GB videokartes atmiņai (VRAM), lai gan programmatūrai nolasāmais apjoms nav gluži tāds pats skaitlis, kāds norādīts pārdošanas lapā.

Operētājsistēma uzrādīja arī 32 GiB operatīvās atmiņas (RAM) un 268 GiB piemontētas failu sistēmas ietilpību, kā tas bija redzams pašā vidē. Procesors tika identificēts kā AMD EPYC 9575F, lai gan lscpu uzrādīja 224 loģiskos procesorus. Es pārbaudīju konteinera CPU vadības iestatījumus, nevis interpretēju šo skaitli kā 224 kodolus, kas iekļauti manā plānā.
cgroup limits bija 1,600,000 mikrosekundes katrā 100,000 mikrosekundes periodā, nodrošinot instancei 16 CPU ekvivalentus. Tas atbilda manis izvēlētajam 16 kodolu piešķīrumam. Lasītājiem šī atšķirība ir svarīga, jo resursdatorā redzamā CPU topoloģija var šķist daudz dāsnāka par faktiski piešķirto jaudu mitinātai darba slodzei.
Lai sākotnēji novērtētu B200 skaitļošanas jaudu, es ar PyTorch veicu matricu reizināšanu BF16 formātā. BF16 šajā gadījumā ir noderīgs, jo to plaši izmanto mākslīgā intelekta modeļu aprēķinos, lai gan neliels sintētisks matricu veiktspējas tests neaizstāj pilna modeļa darbināšanu.
Veicot 12 atkārtojumus, mazākā 4,096 × 4,096 matrica uzrādīja aplēsto veiktspēju 1,402.7 TFLOP/s, bet operācijas mediānais laiks bija 0.098 milisekundes. 8,192 × 8,192 matricas aplēstā veiktspēja bija 1,668.8 TFLOP/s, bet mediānais laiks — 0.659 milisekundes. Tie ir pārbaudītajām operācijām aprēķināti aritmētiskās caurlaidspējas novērtējumi, nevis neatkarīgi pārbaudīta lietotņu veiktspēja ilgstošas darbības režīmā.
Es izmērīju arī 512 MiB grafiskā procesora atmiņas kopēšanu GPU ietvaros. Tās mediānais izpildes laiks bija aptuveni 0.17 milisekundes, kas atbilst ziņotajai datu caurlaidspējai 3,137.1 GB/s. Šis tests mēra datu pārvietošanu grafiskā procesora atmiņā; tas neatspoguļo modeļa lejupielādes, datu nolasīšanas no servera diska vai datu sūtīšanas ātrumu internetā.

Viss sākotnējās veiktspējas testa skripts darbojās 2.646 sekundes. Man patika redzēt, ka PyTorch atpazīst karti un veic šīs operācijas bez CUDA kļūdām, taču tik īss darbības laiks ir arī ierobežojums. Pēc dažām skaitļošanas milisekundēm nevaram secināt, ka grafiskais procesors ilgstoša apmācības uzdevuma laikā nodrošinās tādu pašu caurlaidspēju vai temperatūru.
Sintētiskās caurlaidspējas rezultāti bija iepriecinoši, taču vēlējos redzēt, kā B200 tiek galā ar reālu valodas modeli. Ielādēju Qwen2.5-7B-Instruct, izmantojot Hugging Face Transformers un BF16, un lūdzu tam paskaidrot paātrināšanu ar grafisko procesoru. Pārbaudē izmantoju vienu uzvedni un maksimāli 128 ģenerētus tokenus, atkārtojot testu trīs reizes ar vienādiem iestatījumiem.
Modeļa izgūšana un ielāde ierakstītajā testā aizņēma 35.40 sekundes. Pēc tam pirmā 128 tokenu atbilde aizņēma 23.094 sekundes, kas atbilst tikai 5.54 tokeniem sekundē. Sākumā rezultāts šķita neapmierinošs, taču nākamo divu testu rezultāti bija citādi.
Otrajā testā 128 tokenu ģenerēšana aizņēma 1.005 sekundes jeb 127.30 tokenus sekundē. Trešajā testā tas aizņēma 1.029 sekundes jeb 124.35 tokenus sekundē. Tādējādi abu nākamo testu vidējais ātrums bija aptuveni 125.8 tokeni sekundē, un starp tiem bija ļoti maza atšķirība.

Atšķirība ir ievērojama. Tā saskan ar iespēju, ka pirmo ģenerēšanu ietekmēja vienreizēja iestatīšana vai slinkā inicializācija, taču precīzu cēloni nenoskaidroju. Es neslēptu 23 sekunžu rezultātu un nepasniegtu vēlākos testus kā tādus, kādus sasniegs ikviens pirmais pieprasījums. Ja apkalpojat modeli, svarīgs ir gan sākotnējais latentums, gan ātrākās atkārtotās atbildes.
PyTorch ziņoja par maksimālo grafiskā procesora atmiņas piešķīrumu 14.21 GiB apmērā. Tā ir tikai neliela daļa no B200 pieejamās atmiņas, tāpēc šis tests demonstrē praktiski izmantojamu izsecināšanu atsevišķam pieprasījumam, nevis modeļa mitināšanas priekšrocības, ja tam patiešām nepieciešams gandrīz 192 GB videokartes atmiņas (VRAM). Es nepārbaudīju vienlaicīgu apstrādi, pakešapstrādi, garākus konteksta logus vai optimizētu izsecināšanas serveri, piemēram, vLLM.
Otrajai reālās lietotnes pārbaudei izmantoju Stable Diffusion XL, lai izveidotu 1,024 × 1,024 produkta attēlu, kurā melns rokas pulkstenis novietots uz tumša marmora. Izmantoju 25 izsecināšanas soļus, FP16 svarus un vienu un to pašu uzvedni un nejaušības sākumvērtību visos trīs testos. Tādējādi ieguvu atkārtojamus mērījumus, nevis trīs nesaistītus attēlus ar atšķirīgu sarežģītības pakāpi.
SDXL modeļa iegūšana un ielāde aizņēma 18.29 sekundes. Pirmā attēla izveide aizņēma 3.275 sekundes. Otrā un trešā attēla izveide attiecīgi aizņēma 0.915 un 0.913 sekundes, un stabilizētā darbības režīma vidējais rādītājs bija 0.914 sekundes uz attēlu. PyTorch process ziņoja par maksimālo grafiskā procesora (GPU) atmiņas piešķīrumu 11.49 GiB.

Es pārbaudīju arī eksportētos attēlus. Visi trīs faili bija identiski līdz pat baitam, kas atbilda iestatījumam ar fiksētu nejaušības sākumvērtību un parādīja, ka atkārtotajā testā tika iegūts tāds pats rezultāts. Pulkstenis, atstarojošā virsma un apgaismojums pirmajā acu uzmetienā šķita pārliecinoši, lai gan, rūpīgi aplūkojot ciparnīcu, bija redzamas nelielas ģenerētiem produktu attēliem raksturīgas neatbilstības. Šīs mākslinieciskās nepilnības nevajadzētu uzskatīt par grafiskā procesora aparatūras kļūdām.
Rezultāts bija īpaši noderīgs, jo deva man konkrētu uzdevumu novērtēšanai: tiklīdz konveijers bija ielādēts, pilna izmēra SDXL attēls tika izveidots mazāk nekā sekundē. Tomēr tā bija viena attēla ģenerēšana, izmantojot vienu SDXL modeli, nevis video ģenerēšanas, lielu pakešu vai visu nomai pieejamo attēlu modeļu veiktspējas tests.
Iepriekš apskatā Hostinger Metrics lapa bija rādījusi līdzenas līnijas, jo grafiskais procesors bija dīkstāvē. Pēc veiktspējas testu palaišanas es atgriezos tajā pašā 1 stundas skatā un abos grafikos redzēju aktivitāti. Skaitļošanas caurlaidspēja tika rādīta kā 297 TFLOPs, bet videokartes atmiņas (VRAM) diagrammā bija redzams pieaugums, tostarp, norādot kursoru uz punktu, bija redzams rādījums 14.3 GB.

Tas bija noderīgs apstiprinājums tam, ka hPanel reģistrēja darba slodzi, nevis turpināja rādīt nulli. Tādējādi Metrics lapa sniedza vairāk informācijas nekā uzreiz pēc izvietošanas. 1 stundas, 24 stundu, 7 dienu un 30 dienu iespējas bija viegli atrast.
Es tomēr neieteiktu tieši salīdzināt hPanel rādītos 297 TFLOPs ar sintētisko rezultātu 1,668.8 TFLOP/s. Testa laikā netika noskaidrots informācijas paneļa paraugu ņemšanas intervāls un aprēķina metode, turklāt tā videokartes atmiņas (VRAM) rādījums nav identisks PyTorch procesa līmeņa maksimālajam atmiņas piešķīrumam. Grafiki ir noderīgi aktivitātes un izmaiņu novērošanai laika gaitā, taču tie neaizstāj darba slodzes izpildes laika vai sistēmas mērījumus.
Hostinger otrā B200 instance nodrošināja izmantojamu GPU paātrinājumu trīs ļoti atšķirīgos testos. Sintētiskie BF16 rezultāti liecināja par ātru īsu aprēķinu izpildi, Qwen2.5-7B sasniedza aptuveni 126 tokenus sekundē pēc neparasti lēnas pirmās izmērītās atbildes, bet Stable Diffusion XL pēc inicializēšanas ģenerēja 1,024 pikseļu attēlus aptuveni 0.91 sekundē. Es arī apstiprināju 16 kodolu CPU kvotu un vēroju, kā hPanel parādās aktivitāte.
Tie ir pozitīvi rezultāti, taču es tos neuztvertu kā solījumu par katru MI darba slodzi. Testi bija īsi un tika veikti vienā instancē, izmantojot modeļus, kas ir salīdzinoši mazi, ņemot vērā B200 pieejamo videokartes atmiņu (VRAM). Es nepārbaudīju ilgstošu apmācību, maksimālo vienlaicīgo apstrādi, ilgtermiņa pieejamību vai ārējā tīkla ātrumu. Arī iepriekšējā SSH savienojuma galapunkta problēma joprojām ir atsevišķs darbības risks, lai gan aizstājējserveris pieslēdzās veiksmīgi.

Es izmēģināju Hostinger GPU Hosting tā, kā izmēģinātu jaunu GPU nomas pakalpojumu: atrast piemērotu videokarti, pārbaudīt faktiskās izmaksas, palaist instanci un noskaidrot, cik viegli ir pārvaldīt vidi pēc tās palaišanas.
Es arī vēlējos noskaidrot, kā GPU pakalpojums iekļaujas plašākajā Hostinger hPanel, jo servera palaišana tiešsaistē ir tikai puse no pieredzes.
Izvietošana bija ātra. Pirkšanas process bija mazāk paredzams. GPU, ko izvēlējos publiskajā cenu lapā, nebija pieejams hPanel, un tā vietā saņemtās instances stundas likme bija daudz augstāka. Lūk, kā noritēja pieredze — no pirmā klikšķa līdz pārvaldības rīkiem.
Es sāku Hostinger vietnē un atvēru Products > Hosting > GPU hosting. Man patika, ka GPU mitināšanai bija skaidri marķēta atsevišķa sadaļa līdzās tīmekļa mitināšanai, VPS mitināšanai un mākoņmitināšanai. Man nebija jāatver vispārīgs VPS produkts vai jānoskaidro, vai GPU aparatūra ir pieejama kā papildinājums.

Saite atvēra Hostinger GPU Hosting galveno lapu, kurā tika reklamēta NVIDIA grafisko procesoru noma par stundas likmi mākslīgajam intelektam, renderēšanai un citiem skaitļošanas ziņā intensīviem darbiem. Tieši zem galvenā virsraksta atradās poga Get started. Noklikšķinot uz tās, instance netika uzreiz izveidota un mani nenovirzīja uz reģistrācijas lapu; tā pārvietoja mani lejup pa to pašu lapu uz GPU cenu sadaļu.

Tā bija piemērota vieta, kur sākt. Cenu sadaļā pieejamie GPU modeļi bija parādīti atsevišķās kartītēs, norādot to reklamētās sākuma stundas likmes, videokartes atmiņu (VRAM) un ieteicamo lietojumu. Es varēju salīdzināt aparatūru, pirms man lūdza konfigurēt serveri. Publiskajā lapā redzamais klāsts sniedzās no RTX 4090 līdz dārgākiem datu centru GPU, tostarp B200.

Sākotnēji izvēlējos NVIDIA RTX 4090. Hostinger to reklamēja par cenu, sākot no $0.42 stundā, ar 24 GB videokartes atmiņu (VRAM), un ieteica izstrādei, eksperimentiem, attēlu un video ģenerēšanai, 3D renderēšanai un izsecināšanai ar mazākiem modeļiem.
Tas šķita saprātīgs sākumpunkts manis ieplānotajām mākslīgā intelekta izsecināšanas, attēlu ģenerēšanas un GPU veiktspējas pārbaudēm. Man nevajadzēja nomāt vienu no dārgākajām kartēm tikai tāpēc, lai iegūtu praktisku sākotnējo atskaites punktu.

Kad biju izvēlējies RTX 4090, tās kartītē noklikšķināju uz Get GPU. Tas mani novirzīja uz Hostinger konta reģistrācijas lapu. Tajā varēja reģistrēties, izmantojot Google vai GitHub, kā arī ierastos e-pasta adreses un paroles laukus.
Tālruņa numura lauks bija atzīmēts kā neobligāts, un atsevišķa izvēles rūtiņa attiecās uz reklāmas ziņojumu saņemšanu, izmantojot WhatsApp un SMS.

Reģistrācijas ekrāns bija vienkāršs. Vēl svarīgāk — GPU izvēle vēl nebija mani saistījusi ar konkrēta servera iegādi.
Pēc konta izveides vai pieteikšanās es nonācu hPanel GPU sadaļā, kur faktiski varēja izvēlēties aparatūru un to palaist. Panelī bija redzams 2,000 kredītu atlikums.
Panelī bija redzams 2,000 kredītu atlikums, jo man jau bija Hostinger konts ar pieejamiem kredītiem. Ja reģistrējaties pirmo reizi un Jums vēl nav kredītu atlikuma, pēc GPU instances konfigurēšanas nonāksiet maksājuma posmā, kur pirms pirkuma pabeigšanas varēsiet izvēlēties sev vēlamo maksājuma veidu.
GPU lapa hPanel bija pārskatāma un viegli uztverama. Virs saraksta Hostinger paskaidroja, ka GPU instances varu palaist tieši no paneļa, bet atlasāmā aparatūra bija redzama zem kredītu atlikuma. Sarakstā bija norādīti septiņi modeļi, tostarp RTX 4090, ko biju izvēlējies, taču lielākā daļa pogu Select bija atspējotas.

Mēģināju atlasīt RTX 4090 un konstatēju, ka tā poga ir pelēkota. Novietojot kursoru virs tās, parādījās ziņojums “Nav noliktavā”. Šajā sesijā nevarēju atlasīt arī RTX 5090, L40S, A100 vai RTX PRO 6000. Man bija pieejamas tikai divas opcijas: NVIDIA B200 un B200 (Dedicated).

Tas bija būtiskākais šķērslis pirkšanas procesā. Publiskajā cenu lapā man tika piedāvāts nomāt RTX 4090 par $0.42 stundā, taču patiesībā šo GPU resursu nodrošināt nevarēju.
Vismaz Hostinger hPanel skaidri norādīja uz šo ierobežojumu, nevis ļāva man aizpildīt konfigurācijas veidlapu un tikai pēc izvietošanas saskarties ar kļūmi. Tomēr tas nozīmēja, ka man bija jāpārskata gan testējamā aparatūra, gan budžets.
Es izvēlējos standarta NVIDIA B200, kura cena bija norādīta no $4.50 stundā un kurai bija 192 GB videokartes atmiņa (VRAM). Lielākā atmiņas ietilpība ļāva arī vēlāk testēt prasīgākas mākslīgā intelekta darba slodzes.
Alternatīvā B200 (Dedicated) sākumcena bija $7.08 stundā, un man nebija īpašu prasību pēc ekskluzīvas piekļuves GPU, kas attaisnotu šīs papildu izmaksas. Lai turpinātu, standarta B200 gadījumā noklikšķināju uz Select.
Pēc B200 atlasīšanas Hostinger atvēra lapu “Deploy savu GPU instanci”. GPU opcijas bija izvietotas kreisajā kolonnā, bet atlasītās instances konfigurācija — labajā pusē. Šāds izkārtojums bija ērts: varēju pārskatīt B200 līdzās pieejamajām alternatīvām, vienlaikus redzot servera iestatījumus un tā ekspluatācijas izmaksas.

Es nosaucu instanci par hostinger-gpu-review-b200. Hostinger norādīja, ka atsevišķi vārdi nosaukumā jāatdala ar defisēm, tāpēc nosaukšanas noteikums bija skaidri saprotams jau pašā veidlapā.
Nākamais lauks bija reģions, un tas atklāja otru praktisko ierobežojumu: nolaižamajā izvēlnē bija pieejama tikai Losandželosa, Amerikas Savienotās Valstis. Šajā izvietošanas sesijā man nebija citas atrašanās vietas, ko izvēlēties.

Instances lieluma izvēlei bija jāpievērš lielāka uzmanība, nekā sākumā biju gaidījis. Hostinger bija iepriekš izvēlējies konfigurāciju ar 2 kodoliem, 64 GB operatīvo atmiņu (RAM) un 100 GB krātuves vietu par 506 kredītiem stundā. Atverot nolaižamo izvēlni, atklājās citas centrālā procesora (CPU), operatīvās atmiņas (RAM) un krātuves vietas kombinācijas ar atšķirīgām likmēm. Izvēle nebija vienkārša progresija, kurā mazāks centrālā procesora kodolu skaits vienmēr nozīmētu zemāku cenu; piemēram, opcija ar 4 kodoliem bija norādīta par 450 kredītiem stundā.

Es izvēlējos X-Large opciju: 16 centrālā procesora (CPU) kodolus, 32 GB operatīvās atmiņas (RAM) un 300 GB krātuves vietu par 488 kredītiem stundā. Tas nodrošināja serverim lielāku centrālā procesora un diska ietilpību iestatīšanai un testu veikšanai, nepārejot uz konfigurāciju ar 32 kodoliem.
Tā bija arī nedaudz lētāka stundā nekā iepriekš izvēlētā opcija ar 2 kodoliem. Svarīgākais cenas aspekts ir tas, ka Hostinger reklamētā B200 cena — $4.50 stundā — bija sākumcena. Manai faktiski izvēlētajai konfigurācijai likme bija 488 kredīti stundā, kas, spriežot pēc Hostinger cenu kartītēs norādītās likmes, atbilst aptuveni $4.88 stundā.
Pēc tam atvēru opciju Atlasīt operētājsistēmu vai lietojumprogrammu. Papildus Ubuntu 24.04 Hostinger piedāvāja gatavas iespējas Ollama, JupyterLab, Unsloth un InvokeAI. Šīs iespējas varētu ietaupīt iestatīšanas laiku tiem, kuri pievēršas konkrētai mākslīgā intelekta lietojumprogrammai. Es izvēlējos Ubuntu 24.04, jo vēlējos tīru operētājsistēmu un kontroli pār rīkiem, ko instalēju turpmākajām pārbaudēm.

Hostinger piedāvāja arī izvēles SSH atslēgas lauku. Sākotnējai izvietošanai to atstāju tukšu, nevis pievienoju atslēgu pirkuma noformēšanas laikā. Vēlāk panelī tika parādīta informācija par savienojuma izveidi, izmantojot paroli, tāpēc atslēgas neesamība nenozīmēja, ka man nebūtu pieejama norādītā pieteikšanās metode. Tomēr ilgāk darbojošamies serverim es dotu priekšroku SSH piekļuvei, izmantojot atslēgu.
Pirms noklikšķināju uz Deploy, kopsavilkumā bija redzama izvēlētā B200, X-Large konfigurācija un stundas likme — 488 kredīti — līdzās manam 2,000 kredītu atlikumam.
Hostinger lēsa, ka atlikuma pietiks aptuveni četrām stundām nepārtrauktas lietošanas. Man patika, ka šis aprēķins bija redzams tieši virs izvietošanas pogas: tas padarīja pastāvīgos izdevumus pamanāmākus nekā cenu kartīte, kurā norādīta tikai sākumcena no $4.50 stundā.

Noklikšķināju uz Deploy. Pēc tam Hostinger parādīja ekrānu “Notiek GPU iestatīšana” un informēja, ka varu pamest lapu, kamēr turpinās resursu nodrošināšana. Šajā posmā nebija jāveic papildu manuāla infrastruktūras iestatīšana.

Aptuveni pēc divām minūtēm veiksmes ekrānā tika apstiprināts, ka viss ir gatavs, un norādīts, ka GPU instance darbojas. Tajā bija norādīts, ka hostinger-gpu-review-b200 ir B200 ar 192 GB videokartes atmiņu (VRAM) un X-Large izmēru. Nākamā darbība bija skaidri parādīta kā Manage, tāpēc bija acīmredzams, kur doties pēc resursu nodrošināšanas pabeigšanas.

Šajā apstiprinājuma ekrānā noklikšķināju uz Manage, lai apskatītu vadīklas, ko izmantotu pēc izvietošanas. Šī tiešā pāreja bija patīkams papildinājums: nebija jāatgriežas hPanel sākumlapā un jāmeklē jaunais serveris.
Manage atvēra īpašu GPU pārvaldības sadaļu, nevis parastu tīmekļa mitināšanas vadības paneli. Kreisajā izvēlnē bija tikai trīs sadaļas: pārskats, Metrics un Exposed services. Pēc plašajiem produktu izvēles ekrāniem novērtēju, cik pārskatāma bija šī navigācija.
Pārskata sadaļa uzreiz sniedza atbildes uz jautājumiem, kas man rastos pēc dārgas aparatūras nomas: vai tā darbojas? Kuru GPU un kādus resursus saņēmu? Kāds ir kredītu patēriņa ātrums? Kā izveidot savienojumu? Instances kartītē hostinger-gpu-review-b200 bija atzīmēta kā darbojošās, un tajā tika apstiprināts, ka saņēmu NVIDIA B200, 192 GB videokartes atmiņu (VRAM), 16 procesora kodolus, 32 GB operatīvās atmiņas (RAM), 300 GB disku, Ubuntu 24.04 un Losandželosas atrašanās vietu.

Tieši instances kartītē bija divas vadīklas: “Restartēt” un “Dzēst”. To redzamība ir noderīga, jo, maksājot par katru stundu, ir jāzina, kā pārvaldīt instances dzīves ciklu. Šajā testa daļā neveicu nevienu no šīm darbībām, tāpēc vērtēju vadīklu pieejamību, nevis apgalvoju, ka esmu pārbaudījis to darbību.
Virs servera kartītes Hostinger rādīja skaitļošanas caurlaidspēju, videokartes atmiņas (VRAM) lietojumu un kredītu tēriņus. Sākotnējā attēlā bija redzama 0 TFLOPs caurlaidspēja un vidējais 0 GB videokartes atmiņas (VRAM) lietojums, jo vēl nebiju palaidis GPU darba slodzi.
Kredītu kopsavilkumā bija norādīts, ka kopā izlietoti 488 kredīti, kredītu patēriņa ātrums ir 488 kredīti stundā un atlikumā ir 1,512 kredīti. Šāda pārskatāmība bija noderīga, jo īpaši ņemot vērā, cik ātri var uzkrāties maksas grafiskā procesora izmantošanas izmaksas.
Panelī Connection vienā sadaļā bija redzama publiskā IPv4 adrese, kopējama SSH komanda un parole. SSH komandā bija iekļauts Ubuntu lietotājvārds un ports, kas nav noklusējuma ports; paroles laukā bija parādīšanas un kopēšanas vadīklas.
Hostinger arī brīdināja, ka SSH vidē nomainītā parole vairs neatbildīs parolei, kas saglabāta hPanel. Tāpēc varēju atrast savienojuma informāciju, nemeklējot to dokumentācijā, lai gan ar ekrānuzņēmumu vien nepietiek, lai pierādītu, ka man izdevās pieteikties, izmantojot SSH.
Pēc pārskata pārskatīšanas atvēru sadaļu Metrics. Hostinger piedāvāja laika filtrus: 1 stunda, 24 stundas, 7 dienas un 30 dienas. Lapā diagrammās bija attēlota skaitļošanas caurlaidspēja TFLOPs un videokartes atmiņas (VRAM) lietojums GB. Diagrammas bija vienkāršas un viegli pārskatāmas, un uzmanību nenovērsa nesaistītas sistēmas diagrammas.

Abās diagrammās rādītāji bija nulle, kad uzņēmu ekrānuzņēmumus. Tas bija sagaidāms, pirms tiek palaists mākslīgā intelekta uzdevums, tāpēc šos rādījumus neuzskatītu par pierādījumu grafiskā procesora veiktspējai vai uzraudzības sistēmas kļūmei.
Noderīgākais pārbaudījums būs vēlāk: palaidiet īstu darba slodzi, pārbaudiet diagrammas, mainoties lietojumam, un salīdziniet tās ar Ubuntu vidē iegūtajiem mērījumiem.
Pēc tam atvēru sadaļu Exposed services — sadaļu, kurā var padarīt internetā sasniedzamu lietojumprogrammu, kas darbojas grafiskā procesora serverī. Tā kā nebiju izveidojis pakalpojumu, lapā bija tukšs stāvoklis un poga “Pievienot pakalpojumu”. Hostinger arī brīdināja, ka ikviens, kam ir adrese, varēs piekļūt publicētajam saturam, ja vien lietojumprogrammai nebūs savas pieteikšanās iespējas.

Man šis brīdinājums patika. Grafiskā procesora darba slodzēs bieži tiek izmantotas piezīmju grāmatiņas, izsecināšanas API un citas izstrādes saskarnes, kurām nevajadzētu būt publiski pieejamām. Sākumpunktu bija viegli atrast, taču vēl nebiju šeit pievienojis vai pārbaudījis publisku pakalpojumu, tāpēc no šiem ekrānuzņēmumiem vien nevaru novērtēt pārējo darbplūsmu vai drošības iespējas.
Tikai pēc tam, kad biju pārbaudījis GPU paredzētos ekrānus, es atgriezos hPanel Home. Tas ļāva man citādi paraudzīties uz lietošanas ērtumu: kur es atrastu GPU instanci, ja vēlāk pieteiktos vēlreiz un nevis ieietu, izmantojot pogu Manage pēc izvietošanas?
Mana Home lapa atvērās ar izceltu AI asistenta uzvedni un garu sadaļu Jūsu uzņēmums, kas bija pilna ar esošām vietnēm.
Katrai vietnei bija darbība Manage site, un pie vairākiem ierakstiem bija redzami atgādinājumi par pagaidu domēniem. Tālāk es redzēju VPS tabulu ar IP adresēm, darbības statusiem, derīguma termiņiem un pārvaldības pogām. Kreisajā pusē navigācija apvienoja vietnes, domēnus, e-pastus, citus pakalpojumus, vietņu veidotājus, AI aģentus, mārketinga rīkus un izstrādātājiem paredzētus pakalpojumus.

Šādam risinājumam ir savas priekšrocības. Produktu grupas ir skaidri nosauktas, un esošs Hostinger klients no viena konta var piekļūt vairāku veidu mitināšanai. Tomēr manā gadījumā vietnēm veltītā satura apjoms padarīja lapu vizuāli pārblīvētu.
Mans jaunais GPU nebija tik pamanāms Home redzamajā saturā kā vietnes un VPS ieraksti. Kad biju to atradis, GPU paredzētā sadaļu Overview, Metrics un Exposed services navigācija šķita mērķtiecīgāka.
Neparasti garais vietņu saraksts atspoguļo to, kas jau bija manā kontā; jauna klienta lapa, kurā nav citu pakalpojumu, varētu būt mazāk pārblīvēta. Tomēr šī atšķirība lasītājam ir svarīga: GPU izvietošana ir īss, mērķtiecīgs process, savukārt plašākais hPanel informācijas panelis cenšas vienlaikus apkalpot visus Hostinger produktus.
Hostinger GPU Hosting lietojamības spēcīgākā puse izpaudās pēc tam, kad atradu pieejamu GPU. Konfigurācijas lapā bija redzamas izvēles iespējas un to izmaksas, Ubuntu un AI lietotņu diska attēlus bija viegli atrast, izvietošana tika pabeigta aptuveni divās minūtēs, un poga Manage mani uzreiz novirzīja uz kompaktu instances informācijas paneli.
Varēju atrast GPU specifikāciju, kredītu patēriņa ātrumu, SSH informāciju un galvenās administrēšanas vadīklas, neiedziļinoties sarežģītā mākoņpakalpojuma konsolē.
Taču šī ērtība nedrīkst likt aizmirst ierobežojumus pirms izvietošanas. Publiskajā lapā izvēlējos RTX 4090, taču, nonākot līdz hPanel, to nomāt nevarēju; lielākā daļa norādīto GPU nebija pieejami, un manas sesijas laikā Losandželosa bija vienīgais izvietošanas reģions. B200 bija ievērojami dārgāks par man paredzēto RTX 4090, un X-Large konfigurācijas likme bija augstāka par reklamēto B200 sākumcenu. Arī hPanel vispārējais Home skats šķita pārblīvētāks nekā GPU paredzētās lapas.

Hostinger sniedz tiešsaistes atbalstu visu diennakti, 7 dienas nedēļā, izmantojot informācijas panelī pieejamo tērzēšanu, kā arī WhatsApp un e-pastu support@hostinger.com. Atšķirībā no dažiem mitināšanas pakalpojumu sniedzējiem tas nepiedāvā atbalstu pa tālruni.
Galvenais atbalsta kanāls tagad ir Hostinger Agent — MI asistents, kas var atbildēt uz jautājumiem, novērst problēmas, atrast dokumentāciju un veikt noteiktas konta pārvaldības darbības. Hostinger nodrošina arī piekļuvi Customer Success Specialists, ja vajadzīga papildu palīdzība.
Šim apskatam es pārbaudīju tiešsaistes tērzēšanu, vaicājot par reālu problēmu saistībā ar savu NVIDIA B200 GPU instance. Vēlējos noskaidrot, cik ātri varu saņemt precīzus tehniskos norādījumus un, vēl svarīgāk, cik viegli ir tieši sazināties ar speciālistu, kad tādu lūdzu.
Es arī izskatīju Hostinger zināšanu bāzi, lai novērtētu GPU dokumentācijas kvalitāti un noskaidrotu, vai klienti var atrisināt biežākās problēmas, nesazinoties ar atbalsta dienestu.
Tiešsaistes tērzēšanai piekļuvu, hPanel augšdaļā noklikšķinot uz Agent. Tērzēšana tika atvērta līdzās GPU pārvaldības lapai, ļaujot man sarakstes laikā apskatīt savu darbojošos B200 instanci un tās kredītu patēriņu.

Hostinger Agent ir Hostinger agrākā MI atbalsta asistenta Kodee pēctecis. Hostinger apvienoja Kodee ar plašāku specializēto MI rīku klāstu, izveidojot vienotu asistentu. Saskaņā ar Hostinger teikto, asistents var izskaidrot tehniskas problēmas, sniegt norādījumus to novēršanai, ieteikt atbilstošu dokumentāciju un veikt klienta kontā atbalstītās darbības.
Tomēr mans tests bija vērsts uz tehnisku konsultāciju saņemšanu un saziņu ar speciālistu, nevis uz to, lai ļautu aģentam veikt izmaiņas kontā.
Es uzdevu praktisku jautājumu par GPU norēķiniem un datu saglabāšanu. Tā kā Hostinger par GPU instancēm iekasē maksu par katru stundu, vēlējos uzzināt, vai varu apturēt savu serveri starp AI darba slodzēm, nezaudējot tajā instalētās lietotnes, modeļus un failus. Es arī jautāju, vai, restartējot serveri, maksa vairs netiks iekasēta un kā man rīkoties, lai saglabātu savu vidi, ja instance būtu jādzēš.
Aģents atbildēja mazāk nekā 30 sekunžu laikā.
Atbildē tika aplūkotas visas trīs bažas. Tajā tika paskaidrots, ka, restartējot serveri, tas tikai tiek palaists no jauna, bet maksa joprojām tiek iekasēta. Hostinger pašlaik nepiedāvā apturēšanas funkciju, kas ļautu klientiem saglabāt GPU instanci, vienlaikus izvairoties no maksas. Dzēšot instanci, maksa vairs netiek iekasēta, taču tās lokālie dati tiek neatgriezeniski dzēsti.
Atbildē tika paskaidrots arī, kā es varētu saglabāt savu darba vidi. Tika ieteikts pārsūtīt modeļus un datu kopas uz ārējo krātuvi, eksportēt Python vai Conda atkarības, pierakstīt CUDA un PyTorch versijas, kā arī saglabāt konfigurācijas failus un izvietošanas skriptus.

Man patika detalizācijas līmenis. Tā vietā, lai vienkārši norādītu, ka GPU instances nevar apturēt, asistents paskaidroja, kas man būtu jādara pirms servera dzēšanas. Tā sniegtie norādījumi arī atbilda Hostinger oficiālajai dokumentācijai par norēķiniem par GPU izmantošanu, tāpēc varēju pārbaudīt skaidrojuma precizitāti.
Tomēr atbilde uz tehnisko jautājumu bija tikai mana atbalsta testa pirmā daļa. Pēc tam vēlējos tieši aprunāties ar speciālistu.
Plkst. 17:23 es lūdzu Hostinger Agent savienot mani ar klientu atbalsta speciālistu, lai apstiprinātu informāciju par norēķiniem par GPU izmantošanu un datu saglabāšanu. Tā vietā, lai organizētu savienojumu, aģents atkārtoja noteikumus un mudināja turpināt sarunu ar AI atbalstu, paskaidrojot, ka tā būs ātrāk.
Plkst. 17:24 es vēlreiz skaidri izteicu savu lūgumu. Šoreiz norādīju, ka saprotu noteikumus un man nav vajadzīgs vēl viens AI skaidrojums. Es īpaši vēlējos aprunāties ar speciālistu un biju gatavs gaidīt.
Plkst. 17:25 asistents vēlreiz apkopoja norēķinu noteikumus, pirms piedāvāja divas iespējas: Wait for a human review un turpināt sarunu ar Hostinger Agent.

Es izvēlējos iespēju saņemt speciālista pārbaudi un apstiprināju, ka vēlos turpināt sarunu ar cilvēku. Pēc tam Hostinger parādīja ziņojumu, ka notiek pārbaude, laika atskaiti un lauku, kurā varēju sniegt speciālistam papildu informāciju.

17:31, aptuveni sešas minūtes pēc pieprasījuma nodošanas pārbaudei, saņēmu atbildi, kas bija saistīta ar speciālisti Amber. Saskarnē bija redzams uzraksts “Atbildi pārskatīja Amber.”
Amber ziņojumā lūdza norādīt GPU instances nosaukumu, jautājumus par norēķiniem vai datu glabāšanu, par kuriem vēlējos saņemt apstiprinājumu, kā arī visas atbilstošās kļūdas vai ekrānuzņēmumus.

Es norādīju instances nosaukumu hostinger-gpu-review-b200 un lūdzu apstiprināt trīs svarīgus jautājumus: vai nav iespējams apturēt instanci, vai dati pēc instances dzēšanas tiek neatgriezeniski izdzēsti un vai ir pieejami momentuzņēmumi, rezerves kopijas vai pastāvīgā krātuve.
Es arī uzdevu jautājumu par pašu atbalsta procesu. Tā kā saskarnē bija norādīts, ka atbildi pārskatījusi Amber, vēlējos uzzināt, vai tagad sarunājos tieši ar viņu vai joprojām sazinājos ar mākslīgo intelektu.
17:33 saņēmu vēl vienu detalizētu atbildi. Tajā tika apstiprināts, ka GPU instances turpina patērēt kredītus arī dīkstāves laikā, ka pēc to dzēšanas vietējie dati tiek neatgriezeniski izdzēsti un ka Hostinger pašlaik nenodrošina GPU momentuzņēmumus, automatizētas rezerves kopijas vai pastāvīgo krātuvi.
Tajā arī tika paskaidrots, ka instance tiek dzēsta nekavējoties, tiklīdz kredītu atlikums sasniedz nulli, bez nogaidīšanas perioda. Kā alternatīvu ieteica eksportēt vidi uz atsevišķu VPS, mākoņkrātuvi vai lokālo datoru, izmantojot tādus rīkus kā scp vai rsync.
Taču atbildes atklājošākā daļa attiecās uz atbalstu, ko sniedz cilvēki. Hostinger skaidri apstiprināja, ka joprojām sazinājos ar Hostinger Agent — mākslīgā intelekta asistentu. Cilvēks, speciālists, pārraudzīja sarunu vai to pārskatīja, taču mani nepāradresēja uz tiešu individuālu sarunu ar cilvēku.

Šī atšķirība ir svarīga. Es apzināti pieprasīju cilvēku pārstāvi, nevis vēl vienu automatizētu skaidrojumu. Lai gan sistēma nodrošināja cilvēka pārraudzību un sniedza pilnīgu tehnisku atbildi, tā nenodrošināja manis pieprasīto tiešo saziņu ar cilvēku.
No pirmā jautājuma plkst. 17:22 līdz pēdējam precizējumam plkst. 17:33 visa atbalsta sarakste ilga aptuveni 11 minūtes. Sākotnējā atbilde no mākslīgā intelekta pienāca mazāk nekā 30 sekundēs, savukārt speciālista iesaiste kļuva pamanāma aptuveni sešas minūtes pēc tam, kad lūdzu eskalēt jautājumu.
Pēc tiešsaistes tērzēšanas izmēģināšanas es pievērsos Hostinger tiešsaistes palīdzības centram , lai noskaidrotu, cik viegli grafisko procesoru klientiem atrast atbildes, nesazinoties ar atbalsta dienestu.
Sākumlapa bija pārskatāma un labi organizēta, ar izteikti redzamu meklēšanas joslu un dokumentāciju, kas bija sadalīta tādās kategorijās kā darba sākšana, Hostinger vadības panelis, VPS, norēķini un SSL sertifikāti. Tomēr starp redzamajām iespējām es neatradu atsevišķu grafisko procesoru kategoriju.

Meklēšanas joslā ievadīju “gpu”, un Hostinger parādīja 10 rezultātus. Astoņi bija tieši par GPU hosting un aptvēra aparatūras izvēli, lietojumprogrammu veidnes, izvietošanu, instanču pārvaldību, norēķinus, publiski pieejamus pakalpojumus, drošību un salīdzinājumu ar VPS mitināšanu. Pārējie divi bija par Hostinger naudas atmaksas politiku un vadības paneli.

Man patika, ka meklēšana uzreiz parādīja atbilstošu dokumentāciju par grafiskajiem procesoriem, lai gan sākumlapā nebija atsevišķas šīs tēmas kategorijas. Vēl svarīgāk — rakstos bija aplūkoti praktiski jautājumi, piemēram, kredītu patēriņš stundā, datu zudums pēc instances dzēšanas un publiski pieejamu lietojumprogrammu aizsardzība.
Tālāk es izskatīju atsevišķās rokasgrāmatas, lai noskaidrotu, cik skaidri tajās izskaidroti šie jautājumi un cik lielā mērā norādījumi atbilst manai praktiskajai pieredzei.
Es izskatīju Hostinger rokasgrāmatas par grafiskā procesora iestatīšanu un instanču pārvaldību. Tajās aplūkota aparatūras izvēle, reģioni, programmatūras veidnes, izvietošana, uzraudzība un publiski pieejami pakalpojumi.
Norādījumi lielā mērā atbilda manai pieredzei hPanel. Es arī novērtēju, ka Hostinger atzina reģionālos GPU pieejamības ierobežojumus, ar kuriem saskāros, kad RTX 4090 nebija noliktavā un Losandželosa bija mana vienīgā izvietošanas iespēja.
Šī GPU norēķinu rokasgrāmata bija īpaši noderīga, jo tajā tika aplūkotas tās pašas bažas, ko paudu tiešsaistes tērzēšanā.
Tajā apstiprināts, ka maksa tiek aprēķināta arī tad, kad instance ir dīkstāvē, atsāknēšana neaptur maksas aprēķināšanu un instances dzēšana neatgriezeniski izdzēš vietējos datus.
Vēl svarīgāk — Hostinger brīdina, ka nav pieejama automātiska kredītu atlikuma papildināšana un paziņojumi par mazu atlikumu. Ja kredīti beidzas, instance tiek nekavējoties izdzēsta.

Tā ir būtiska informācija ikvienam, kurš bez uzraudzības palaiž AI darba slodzes, un man patika, ka Hostinger to izskaidroja skaidri.
Hostinger pakalpojumu publiskās pieejamības rokasgrāmata skaidro publisko piekļuvi, portu konfigurēšanu un atbalstītos protokolus. Tajā arī paskaidrots, ka HTTPS izvēle automātiski nekonfigurē TLS šifrēšanu.
Pievienotajā drošības rokasgrāmatā aplūkota lietotņu autentifikācija un ugunsmūra aizsardzība. Tomēr es būtu vēlējies skaidrāku brīdinājumu par SSH piekļuves saglabāšanu, pirms tiek iespējoti ierobežojoši ugunsmūra noteikumi.

Hostinger nodrošināja kvalitatīvu ar AI atbalstītu palīdzību, lai gan cilvēka iesaistes process varēja būt labāks.
Hostinger Agent atbildēja uz manu jautājumu par GPU mazāk nekā 30 sekundēs, izskaidroja norēķinu ietekmi un ieteica praktiskus soļus manas vides saglabāšanai. Norādījumi bija detalizēti un saskanēja ar oficiālo dokumentāciju.
Speciālista iesaiste kļuva pieejama pēc aptuveni sešām minūtēm, un galīgajā atbildē tika iztirzāti arī papildu jautājumi, ko uzdevu. Tomēr man nācās vairākkārt lūgt iesaistīt speciālistu, un sarunu turpināja vadīt AI, nevis tā pārtapa tiešā tērzēšanā ar speciālistu.
Zināšanu bāze bija vēl viens pluss. Tās astoņi raksti par GPU sniedza skaidrus skaidrojumus par izvietošanu, pārvaldību, norēķiniem, pakalpojumu publisku pieejamību un drošību. Norēķinu dokumentācija bija īpaši noderīga, lai izprastu nepārtraukta kredītu patēriņa un neatgriezeniska datu zuduma riskus.

Jā, izstrādātājiem un MI komandām, kurām vajadzīga ievērojama GPU jauda, nepērkot aparatūru. Pēc iesildīšanas mans B200 veica izsecināšanu ar Qwen ar ātrumu aptuveni 126 tokeni sekundē un ģenerēja SDXL attēlus aptuveni 0.91 sekundē.
Izvietošana bija ātra, tiklīdz man bija darbspējīgs SSH savienojuma galapunkts. Tomēr pirmā servera IP adreses attēlošanas problēma, mainīgā aparatūras pieejamība, neatmaksājamie kredīti un iespējas apturēt instanci vai izmantot iebūvētās rezerves kopijas trūkums rada būtiskus riskus.
| Plāna nosaukums | Centrālais procesors | RAM | Joslas platums | Cena | |
|---|---|---|---|---|---|
| Free Trial | - | Neierobežots | €0,00 | Informācija | |
| Game Panel 2 | 2 kodoli | 8 GB | 8 TB | €7,75 | Informācija |
| Game Panel 4 | 4 kodoli | 16 GB | 16 TB | €11,43 | Informācija |
| Game Panel 8 | 8 kodoli | 32 GB | 32 TB | €22,86 | Informācija |
| Description | Expert Review |
|---|---|
| Budžetam draudzīgs hostings ar augstu veiktspēju un vienkāršiem pārvaldības r�... | Read Shared Hosting Review |
| ast un drošs WordPress hostings ar vienas klikšķa instalēšanu un premium funkcij... | Read Wordpress Hosting Review |
| Mērogojama VPS mitināšana ar rezervētiem resursiem un root piekļuvi. | Read VPS Review |
| Ātrs, elastīgs mākoņhostings ar izcilu darbspējas laiku un mērogojamiem resursi... | Read Cloud Hosting Review |
| Droši un privāti hostinga risinājumi ar ārpusvalstu datu centru atrašanās viet�... | Read Offshore Hosting Review |
| Drošs un uzticams e-pasta hostings ar profesionālās klases funkcijām. | Read Email Hosting Review |
| Uzticama Python mitināšana ar elastīgām izstrādātāju vidēm. | Read Python Hosting Review |
| Augstas veiktspējas PHP hostings ar pilnīgu atbalstu dinamiskām vietnēm un lietot... | Read PHP Hosting Review |
| Uzticama Windows VPS mitināšana ar pilnīgu kontroli un pielāgošanas iespējām. | Read Windows VPS Review |
| Ātrs un elastīgs hostings, pielāgots Node.js lietotnēm ar optimālu veiktspēju. | Read Nodejs Hosting Review |
| Optimizēts hostings WooCommerce veikaliem ar augstu ātrumu un drošu integrāciju. | Read Woocommerce Hosting Review |
| Dedikēta serveru mitināšana nevainojamai Minecraft spēļu pieredzei. | Read Minecraft Server Hosting Review |
| Mērogojami hostinga risinājumi ar uzlabotām funkcijām digitālajām aģentūrām ... | Read Agency Hosting Review |
| Ātrs, drošs mitinājums, optimizēts Magento e-komercijas vietnēm. | Read Magento Hosting Review |
| Augstas veiktspējas Linux bāzēta mitināšana stabilai un drošai vietņu darbība... | Read Linux Hosting Review |
| Robusti Java mitināšanas risinājumi dinamiskām tīmekļa lietojumprogrammām un p... | Read Java Hosting Review |
| Optimizēta hostings e-komercijas vietnēm ar drošu, ātru un uzticamu veiktspēju. | Read Ecommerce Hosting Review |
| Uzticama Django mitināšana ar ātru darbību un drošu vidi. | Read Django Hosting Review |
| Viegli lietojams cPanel mitināšanas pakalpojums ar stabilu veiktspēju un uzticamu ... | Read Cpanel Hosting Review |
| Jaudīgs hostings uzņēmumiem ar ātru veiktspēju, drošību un mērogojamību. | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Veltīts SMTP servera mitināšana uzticamai un drošai e-pasta piegādei. | Read SMTP Server Review |
| Ātra un optimizēta hostings, kas pielāgots Ruby on Rails tīmekļa lietojumprogram... | Read Ruby on Rails Review |
| Funkcijām bagāta hostings ar OpenClaw integrāciju claw machine spēļu izstrādei ... | Read OpenClaw Review |
| Ātra un uzticama hostings ar Lielbritānijā bāzētiem serveriem optimālai vietēj... | Read UK Hosting Review |
| Pieejams un uzticams hostings ar serveriem Indijā zemai latentuma piekļuvei. | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Jā. Mans NVIDIA B200 veiksmīgi palaida Qwen2.5-7B inferenci un Stable Diffusion XL attēlu ģenerēšanu. Rezultāti atšķiras atkarībā no modeļa, ietvara un instances lieluma.
Hostinger reklamē 192 GB VRAM. Mans B200, izmantojot PyTorch, uzrādīja 178.34 GiB, kas atbilst atšķirībām starp decimālajām un binārajām atmiņas vienībām.
Nē. GPU kredīti turpina tikt patērēti, kamēr instance ir dīkstāvē vai tiek pārstartēta. Instances iznīcināšana aptur lietošanas maksu, taču neatgriezeniski dzēš tās lokālos datus.
Es nepamanīju īpašu GPU bezmaksas izmēģinājumu savā pasūtījuma noformēšanas laikā. Hostinger neietver GPU pirkumus un AI kredītus savā standarta 30 dienu naudas atmaksas garantijā.
Jā. SSH darbojās manā aizstāšanas B200 instancē, lai gan pirmajā izvietošanā tika parādīta privāta IP adrese, nevis izmantojams publisks SSH galapunkts.

Atbildiet uz dažiem vienkāršiem jautājumiem un atrast jums piemērotu perfekto risinājumu!
Sākt mitināšanas meklēšanu





