MornAI (Chenjianyun): A100 से RTX 4090 तक GPU क्षमता घंटे के हिसाब से किराए पर

MornAI GPU कंप्यूट क्षमता किराए पर देने वाला प्लेटफॉर्म है, जो खुद को हाई-एंड ग्राफिक्स कार्ड तक तुरंत पहुंच के रूप में पेश करता है। इसमें A100, RTX 4090 और RTX 3090 जैसे मॉडल तीन रूपों में मिलते हैं - क्लाउड होस्ट, क्लाउड कंटेनर और फिजिकल मशीन - और बिलिंग घंटे, दिन, सप्ताह या महीने के हिसाब से होती है, लंबी अवधि पर छूट के साथ। जो टीमें डीप लर्निंग मॉडल प्रशिक्षित करती हैं, बड़े मॉडल फाइन-ट्यून करती हैं या वैज्ञानिक गणना करती हैं, उनके लिए यह एक जानी-पहचानी परेशानी हल करता है: पहले प्रयोग से पहले कार्ड खरीदने, सर्वर जोड़ने, डेटा सेंटर ढूंढने और ऑपरेशन खड़ा करने की जरूरत नहीं।


अपना GPU सर्वर बनाने की छिपी लागत अक्सर कम आंकी जाती है। खरीद में समय लगता है, चुना गया मॉडल बाद में बदलना कठिन होता है, खाली पड़ी मशीनें भी मूल्य खोती रहती हैं, बिजली और कूलिंग तय खर्च हैं, और ड्राइवर, CUDA तथा फ्रेमवर्क के संस्करण प्रशिक्षण शुरू होने से पहले ही इंजीनियरिंग घंटे खा जाते हैं। किराया जरूरी नहीं कि प्रति यूनिट कीमत कम करे; उसका मूल्य यह है कि एक स्थिर संपत्ति ऐसे खर्च में बदल जाती है जिसे चालू-बंद किया जा सके, और यह तब सबसे अधिक मायने रखता है जब परियोजना की मांग बदलती रहती है। MornAI की पेशकश इसी तर्क पर है: छोटे कामों के लिए कंटेनर, ऑपरेटिंग सिस्टम पर पूरा नियंत्रण चाहिए तो क्लाउड होस्ट, और विशेष प्रदर्शन चाहिए तो फिजिकल मशीन।

कीमत के बारे में प्रदाता GPU दरों को पारंपरिक पब्लिक क्लाउड के 10 से 30 प्रतिशत के बराबर बताता है, और खाली पड़े संसाधनों से कमाई करने वाले कार्यक्रम का भी जिक्र करता है। ये प्रदाता के दावे हैं, और वास्तविक लागत कार्ड मॉडल, किराये की अवधि और उस समय के स्टॉक पर बहुत निर्भर करती है, इसलिए छूट का आंकड़ा सीधे लगाने के बजाय अपने काम के घंटों पर हिसाब करना बेहतर है।

मुख्य क्षमताएं

मांग पर GPU क्षमता

A100, RTX 4090 और RTX 3090 श्रेणी के कार्ड डीप लर्निंग प्रशिक्षण, बड़े मॉडल का फाइन-ट्यूनिंग, वैज्ञानिक गणना और रेंडरिंग को कवर करते हैं, और GPU की संख्या CPU, मेमोरी तथा डिस्क के साथ तय की जा सकती है। स्रोत में केवल कार्ड श्रेणियां दी गई हैं, मेमोरी क्षमता, इंटरकनेक्ट या प्रति कार्ड प्रदर्शन नहीं, इसलिए ऑर्डर से पहले कंप्यूट मार्केटप्लेस पेज पर सटीक विनिर्देश जांचें।

तैयार वातावरण

सिस्टम इमेज में डीप लर्निंग, बड़े भाषा मॉडल और वैज्ञानिक गणना के स्टैक पहले से होते हैं, इसलिए नया इंस्टेंस खाली CUDA इंस्टॉल से शुरू नहीं होता। शोधकर्ताओं और बिना समर्पित ऑपरेशन टीम वाले छोटे समूहों के लिए यहां बचाए गए घंटे अक्सर बचाए गए पैसे से अधिक मूल्यवान होते हैं।

तीन रूप

क्लाउड होस्ट तब उपयुक्त है जब ऑपरेटिंग सिस्टम पर पूरा नियंत्रण चाहिए, कंटेनर छोटे और दोहराए जा सकने वाले कामों के लिए, और फिजिकल मशीन उन प्रशिक्षण व रेंडरिंग के लिए जिनमें विशेषता और स्थिर प्रदर्शन चाहिए। हर रूप का ऑपरेशन बोझ और लागत ढांचा अलग है, और परियोजना विकास के साथ इनके बीच बदल सकती है।

लचीली बिलिंग और शेड्यूलिंग

बिलिंग घंटे से दिन, सप्ताह और महीने तक होती है, लंबी अवधि पर छूट मिलती है, और प्लेटफॉर्म मांग के अनुसार संसाधन बदलने के लिए सेकंड-स्तरीय शेड्यूलिंग का जिक्र करता है। जो शोध कुछ समय तेजी से चलता है और फिर रुक जाता है, उसके लिए मासिक प्रतिबद्धता से घंटे की बिलिंग नियंत्रित करना आसान होता है।

प्रबंधित इंफ्रास्ट्रक्चर और सहायता

प्लेटफॉर्म हार्डवेयर का ऑपरेशन संभालता है और चौबीसों घंटे विशेषज्ञ सहायता का दावा करता है, साथ ही अकादमिक काम के लिए एक-से-एक मार्गदर्शन बताता है। सहायता के ठोस माध्यम, प्रतिक्रिया समय और मार्गदर्शन का दायरा स्रोत में विस्तार से नहीं दिया गया।

शुरुआत के चरण

1. आधिकारिक साइट mornai.cn पर पंजीकरण करें और लॉगिन करें।
2. कंप्यूट मार्केटप्लेस खोलें और क्लाउड होस्ट, क्लाउड कंटेनर या फिजिकल मशीन चुनें।
3. सिस्टम इमेज चुनें, जैसे डीप लर्निंग, बड़े भाषा मॉडल या वैज्ञानिक गणना वाला इमेज।
4. हार्डवेयर कॉन्फ़िगर करें: GPU मॉडल और संख्या चुनें, फिर CPU, मेमोरी और डिस्क क्षमता तय करें।
5. बिलिंग अवधि चुनें - घंटा, दिन, सप्ताह या महीना - साप्ताहिक और मासिक पर छूट के साथ।
6. इंस्टेंस बनाएं, कंसोल में जानकारी देखें और एक क्लिक में लॉगिन करके काम शुरू करें।

कीमत और बिलिंग

• बिलिंग घंटे, दिन, सप्ताह और महीने चार स्तरों में है, लंबी अवधि पर छूट बढ़ती है, इसलिए बजट कैलेंडर महीने के बजाय परियोजना की गति पर बनाया जा सकता है।
• प्रदाता GPU कीमत को पारंपरिक पब्लिक क्लाउड के 10 से 30 प्रतिशत के बराबर बताता है, जो सापेक्ष दावा है और तुलना वाले क्लाउड तथा कार्ड मॉडल नहीं बताता।
• स्रोत में प्रति कार्ड दर, न्यूनतम किराया अवधि, जमानत और वापसी नियम नहीं दिए गए; वास्तविक कोटेशन कंप्यूट मार्केटप्लेस पेज पर देखना होगा।
• खाली संसाधनों से कमाई के कार्यक्रम का जिक्र है, पर भागीदारी की शर्तें, निपटान तरीका और समर्थित मॉडल स्रोत में नहीं बताए गए।

किन टीमों के लिए उपयुक्त

• ऐसे AI स्टार्टअप जिनकी कंप्यूट जरूरत प्रशिक्षण के दौर और शांत उत्पाद चरण के बीच बदलती रहती है और जो एक बार का हार्डवेयर खर्च टालना चाहते हैं।
• असमान मांग और छोटे केंद्रित प्रयोगों वाले विश्वविद्यालय और शोध समूह।
• बड़े पैमाने के प्रशिक्षण या जटिल रेंडरिंग वाली कॉर्पोरेट अनुसंधान टीमें, जिन्हें लचीली शेड्यूलिंग और कम निष्क्रिय लागत चाहिए।
• 3090 या 4090 श्रेणी के कार्ड पर हल्का इन्फरेंस और रेंडरिंग करने वाले व्यक्तिगत डेवलपर और डिजाइनर, जिनके लिए वर्कस्टेशन खरीदने से प्रवेश आसान है।

सीमाएं और जांचने योग्य बातें

• स्रोत में केवल कार्ड श्रेणियां हैं, मेमोरी क्षमता, प्रति कार्ड प्रदर्शन, NVLink जैसा GPU इंटरकनेक्ट और नेटवर्क बैंडविड्थ नहीं; मल्टी-GPU प्रशिक्षण तय करने से पहले ये कंसोल में जांचें।
• हर रूप की उपलब्धता स्टॉक पर निर्भर है और लोकप्रिय कार्ड पर मांग के चरम पर कतार लग सकती है, इसलिए समय-सारिणी में गुंजाइश रखें।
• 10 से 30 प्रतिशत का आंकड़ा प्रदाता की तुलना है जिसमें संदर्भ क्लाउड और कार्ड मॉडल नहीं बताए गए, इसलिए लागत का आकलन अपने घंटों और विनिर्देशों पर करें।
• डेटा सुरक्षा, अनुपालन प्रमाणन, डेटा कहां रखा जाएगा और बैकअप नीति स्रोत में नहीं है; संवेदनशील डेटा या नियमित क्षेत्रों में कुछ भी अपलोड करने से पहले प्रदाता से पुष्टि करें।
• फिजिकल मशीन के किराए में डिलीवरी और विशेषता की पुष्टि शामिल है, पर उपलब्ध कराने का समय और बंद करने की प्रक्रिया नहीं बताई गई, इसलिए छोटी परियोजनाएं पहले क्लाउड होस्ट या कंटेनर पर जांचें।
• चौबीसों घंटे सहायता और एक-से-एक मार्गदर्शन की घोषणा है, पर प्रतिक्रिया समय और सेवा सीमा स्पष्ट नहीं, इसलिए महत्वपूर्ण परियोजना में समस्या-निवारण पूरी तरह बाहरी सहायता पर न छोड़ें।

सामान्य प्रश्न

अपने GPU खरीदकर सर्वर बनाने से इसमें क्या अंतर है

कार्ड खरीदना एक बार का पूंजीगत निवेश है, जिसके बाद जगह, बिजली, कूलिंग और ऑपरेशन का लगातार खर्च आता है, और चुना मॉडल बदलना कठिन होता है। MornAI GPU क्षमता घंटे, दिन, सप्ताह या महीने के हिसाब से क्लाउड होस्ट, कंटेनर और फिजिकल मशीन के रूप में किराए पर देता है, इसलिए परियोजना खत्म होने या मांग घटने पर किराया रोका जा सकता है। अंतर लागत ढांचे के लचीलेपन में है, प्रति यूनिट कीमत के पक्के तौर पर कम होने में नहीं।

कौन से GPU उपलब्ध हैं

स्रोत में A100, RTX 4090 और RTX 3090 बताए गए हैं। ये बड़े मॉडल के प्रशिक्षण, डीप लर्निंग और रेंडरिंग को कवर करते हैं, पर मेमोरी क्षमता और इंटरकनेक्ट कॉन्फ़िगरेशन कंप्यूट मार्केटप्लेस के इंस्टेंस कॉन्फ़िगरेशन पेज पर पुष्टि करें।

क्या वातावरण खुद इंस्टॉल करना होता है

सिस्टम इमेज में डीप लर्निंग, बड़े भाषा मॉडल और वैज्ञानिक गणना का वातावरण पहले से होता है, इसलिए नए इंस्टेंस में आमतौर पर CUDA और फ्रेमवर्क शून्य से सेट करने की जरूरत नहीं होती। अगर परियोजना किसी खास संस्करण पर टिकी है, तो इमेज के भीतर संस्करणों का मेल पहले जांच लें।

बिलिंग कैसे होती है

बिलिंग घंटे, दिन, सप्ताह या महीने में होती है और लंबी अवधि पर छूट मिलती है; प्रदाता GPU कीमत को पारंपरिक पब्लिक क्लाउड के 10 से 30 प्रतिशत पर रखता है। प्रति कार्ड दर, न्यूनतम अवधि और जमानत के नियम स्रोत में नहीं हैं, इसलिए मार्केटप्लेस पेज का ताजा कोटेशन मान्य है।