Déployez des modèles sur des GPUs dédiés. Facturation à la seconde uniquement sur les réplicas en cours d’exécution, options GPU abordables à partir de $0.61/hr, et les problèmes d’inférence sont à notre charge.
Facturation à la seconde sur les réplicas actifs. Passage à zéro, paiement zéro. Aucun frais pour les endpoints inactifs, aucun engagement minimum.
Aperçu de la facturation
3 réplicas 4090 × 2h 15m 42s en cours d’exécution
= 3 × 8,142s × $0.000608/s
= $14.85
Toutes les charges de travail n’ont pas besoin d’un H200. Choisissez parmi RTX 4090, RTX 5090, H100 — adaptez le GPU à la taille de votre modèle et à votre budget.
RTX 4090
24 GB
à partir de$0.61/hr
H100
80 GB
à partir de$1.99/hr
H200
141 GB
à partir de$2.99/hr
OOM, erreurs CUDA, échecs de chargement de modèle — notre équipe diagnostique et résout les problèmes. Vous obtenez une explication claire, pas une trace de pile cryptique.
Report via console or email
Our team investigates root cause
You get diagnosis + resolution
Options de déploiement
Choisissez le bon modèle de déploiement pour votre charge de travail
Pay per token600+ models availableZero infrastructure managementAuto-scaling includedBest for variable workloads
Isolated GPU resourcesGuaranteed latency SLACustom models & LoRA adaptersScale-to-zero supportBest for predictable, high-throughput workloadsPlateforme
Tout ce dont vous avez besoin pour déployer, faire évoluer et gérer l'inférence IA en production.
Propulsé par des moteurs de serving optimisés sur des GPUs NVIDIA H200, H100 et RTX 4090. Latence inférieure à la seconde pour les applications en temps réel.
Passez automatiquement de 0 à N réplicas en fonction du trafic. Définissez les réplicas min/max et le délai de réduction d'échelle pour correspondre à vos schémas de trafic.
Remplacez à chaud les adaptateurs LoRA sur des endpoints en cours d'exécution sans redémarrage. Déployez plusieurs variantes affinées sur un seul modèle de base.
Choisissez parmi NVIDIA H200, H100 et RTX 4090. Sélectionnez le parallélisme tensoriel et le nombre de GPU pour répondre aux exigences de votre modèle.
Facturation à l'heure GPU avec une granularité à la seconde. Mise à l'échelle à zéro en cas d'inactivité — aucun engagement minimum, aucun coût de GPU inactif.
Support technique dédié, SLA personnalisés et accès prioritaire aux nouveaux types de GPU. Remises sur volume pour les grands déploiements.
Catalogue
Déployez en un clic les LLMs les plus populaires, ou importez votre propre modèle Hugging Face.
Workflow
Tout ce dont vous avez besoin pour déployer, faire évoluer et gérer l’inférence IA en production.
001
Choisissez votre modèle
Recherchez parmi plus de 50 000 modèles sur Hugging Face, ou collez l’URL de votre dépôt privé.
002
Choisissez votre GPU
Consultez le GPU recommandé pour votre modèle. Choisissez celui qui correspond à votre budget.
003
Déployer
Votre point de terminaison est en ligne en quelques minutes. URL compatible OpenAI prête à l’emploi.
POST
api.example.com/v1/chat/completions
Tarification
| GPU | VRAM | Prix / heure-GPU |
|---|---|---|
NVIDIA H200 SXMPopulaire | 141 GB | $2.99 |
NVIDIA H100 SXM | 80 GB | $1.99 |
NVIDIA RTX 4090 | 24 GB | $0.61 |
Besoin d’une capacité réservée ou d’une tarification personnalisée ?
Parlez à notre équipeFAQ
Per-second on running replicas only. When your endpoint is scaled to zero or stopped, you pay nothing. No minimum commitments, no idle charges.
Vous avez encore des questions ? Contacter le support
Plus de 200 modèles, des GPUs à la demande et des environnements d’exécution d’agents sécurisés — unifiés sous une seule API. Gratuit pour commencer, évolutif à mesure que vous grandissez.
