RunPod

一句話結論

要租 GPU 跑訓練或推論，RunPod 的價格帶相當有競爭力，尤其是消費級卡；但便宜的機器搶手，要有搶不到的心理準備。

它是什麼

RunPod 是 GPU 雲端算力平台。你不用買卡、不用進機房，按小時租用。產品分幾種：Pods 是專屬 GPU 執行個體，適合開發與長時間任務，據官方說法涵蓋 30 多個地區；Serverless 是用量計費的推論服務，用 flex worker 自動伸縮；Clusters 支援多卡部署，最高到 64 張 GPU 並可共用儲存；Public Endpoints 則是預先部署好的模型（音訊、影像、影片、語言），按請求計費。

價格實況（Secure Cloud，2026-08-10 官網數字）

高階卡：B300（288GB）每小時 7.39 美元、B200（180GB）5.89、H200（141GB）4.39。80GB 級距：H100 SXM 2.99、H100 PCIe 2.89、H100 NVL 3.19。專業卡（48GB）：RTX Pro 6000 每小時 1.99、L40S 0.99、RTX 6000 Ada 0.84、A40 0.44。消費／中階卡：RTX 5090 0.99、RTX 4090 0.69、RTX 3090 0.50、L4 0.39、RTX A5000 0.27。A100 系列（80GB）PCIe 1.39、SXM 1.49。

RTX 4090 每小時 0.69 美元這個價位，用來跑 7B～13B 模型的微調或推論，性價比很難挑剔。

優點

• 消費級卡價格漂亮，A5000 每小時 0.27 美元幾乎是實驗成本的地板價。
• 卡種齊全，從 A5000 到 B300 都有，可以照任務挑合適規格而不是硬上大卡。
• Serverless 適合流量不穩的推論服務，沒請求就不燒錢。
• 開機速度快，比傳統雲端申請 GPU 配額的流程順暢太多。

缺點

• 熱門卡常常沒有現貨，尤其是便宜的 4090 與 A100，尖峰時段要碰運氣，這是這類平台的通病。
• Serverless 有冷啟動，模型大的時候第一個請求會等，對延遲敏感的服務要保溫實例，成本就上去了。
• 可靠性不如三大雲，這是價格便宜的代價，重要任務要自己做 checkpoint。
• 資料落地與合規文件較弱，企業採購常常過不了法遵這關。

適合誰

適合獨立開發者、研究生、AI 新創在做模型微調與實驗，以及需要彈性推論算力但不想被三大雲綁定的團隊。不適合對可用性有嚴格要求的正式生產服務，或是合規要求高的金融醫療專案。

替代方案

• Lambda Labs：同樣主打 GPU 租用，可用性口碑不錯，價格稍高。
• Vast.ai：更便宜的競價市場，但機器品質參差、穩定性風險更高。
• 三大雲（AWS／GCP／Azure）：貴很多，但合規文件與 SLA 完整，企業採購走得通。

台灣觀點

台灣的 GPU 現況是「買不到、電不夠、機房貴」，租雲端算力對多數團隊是唯一解。以 RTX 4090 每小時 0.69 美元計算，跑滿一個月約 500 美元，比自購一張卡加上電費機房的攤提划算得多，而且不必承擔硬體貶值。要注意兩件事：一是延遲，RunPod 的節點多在北美與歐洲，從台灣連過去做互動式開發會感覺得到卡頓，建議把資料同步到雲端後在遠端作業；二是計費是按開機時間算，不是按實際運算，忘記關機是最常見的燒錢方式，務必設好自動關機。

查證：官方定價頁（runpod.io/pricing），2026-08-10。