Was du wissen musst: Der GPU VPS kombiniert eine dedizierte NVIDIA RTX PRO 6000 GPU mit 18 vCPUs, 96 GB RAM und 900 GB Speicher. Er kostet 999 € / 1.199 $ / 969 £ pro Monat (zzgl. MwSt.), mit 15% Rabatt bei 12-Monats-Laufzeit und 20% bei 24 Monaten. Verfügbar in Europa und US Central, mit Ubuntu 24.04 und CUDA vorinstalliert. GPU VPS 18 ist für KI-Inferenz, Rendering und Single-Node-Simulation gebaut – nicht für Multi-Node-Trainingscluster.
Heute launchen wir GPU VPS, das erste Produkt in unserem Sortiment, das eine dedizierte NVIDIA-GPU mit den Flatrate-Preisen und dem schnellen Setup verbindet, die du von einem Contabo VPS kennst. Mit dedizierten GPU-Ressourcen im VPS-Format bringt es die Vorteile beider Welten zusammen: eine GPU, die vollständig für deine Instanz reserviert ist – kombiniert mit der schnellen Bereitstellung, transparenten Preisen und der Flexibilität der VPS-Plattform.
KI treibt die Nachfrage nach GPU-Rechenleistung in bezahlbaren, nutzerfreundlichen Formaten stärker an als je zuvor – und die Lücke im GPU-VPS-Segment bei Contabo war deutlich spürbar. Enterprise-GPUs bieten wir bereits über die GPU Cloud an. Ansonsten blieben bisher nur wenige Alternativen: anteilige Rechenzeit bei einem Hyperscaler mieten, sein Glück auf einem Marktplatz versuchen oder sich an einen ganzen GPU-Server binden.
Was gefehlt hat, ist eine dedizierte GPU, die erschwinglich ist, in Minuten bereit steht und zu einem festen Monatspreis ohne versteckte Kosten kommt. Genau das bietet GPU VPS. Du kannst jetzt deine eigenen LLMs auf deiner eigenen Infrastruktur in einem EU- oder US-Rechenzentrum betreiben. So einfach und bezahlbar kennt man selbst gehostete KI noch nicht.
Wenn du Inferenz-, Rendering- oder Simulationsaufgaben bisher auf einem CPU-only VPS laufen lässt und gegen eine Wand läufst – oder jedes Mal eine steigende Hyperscaler-Rechnung beobachtest – ist GPU VPS genau das Richtige für dich. Lies weiter für mehr Details, einschließlich detaillierter Informationen zur leistungsstarken NVIDIA-Karte, die wir ausgewählt haben, und was sie für deine KI- und ML-Projekte leisten kann.
Eine dedizierte GPU, verbunden mit einem VPS
GPU VPS ist eine neue Stufe neben Core VPS, Performance VPS und Max Performance VPS: eine dedizierte NVIDIA-GPU, an einen Performance VPS angebunden – kein geteiltes oder anteiliges Stück einer Karte. Die Launch-Konfiguration, GPU VPS 18, kommt mit einer NVIDIA RTX PRO 6000 (96 GB GDDR7-VRAM, basierend auf NVIDIAs Blackwell-Architektur), 18 vCPUs, 96 GB RAM und 900 GB NVMe-Speicher.
Das Konzept dahinter: die Stärken zweier Setups zu kombinieren, die normalerweise eine Entweder-oder-Entscheidung erfordern. Die GPU ist dediziert – du bekommst garantierte parallele Rechenleistung ohne Noisy Neighbors auf der Karte, so wie ein Dedicated Server dir garantierte Hardware gibt. Der Server drumherum ist ein VPS, also profitierst du von allen Vorteilen der Contabo VPS-Plattform: mit deinen bevorzugten Apps und Add-Ons anpassen, in Minuten in Betrieb nehmen, einen festen Monatspreis zahlen und bei Projektende kündigen. Da die GPU die schwere Arbeit dieser Workloads übernimmt, hält das VPS-Format den Preis niedrig und die Flexibilität hoch.
Der GPU VPS kommt standardmäßig mit Ubuntu 24.04 und vorinstalliertem CUDA. Die üblichen VPS-Add-Ons sind ebenfalls verfügbar, darunter Speichererweiterung, Private Networking und eine Reihe von 1-Klick-Apps.
Der Preis startet bei 999 € / 1.199 $ / 969 £ pro Monat (zzgl. MwSt.), mit 15% Rabatt bei 12 Monaten und 20% bei 24 Monaten. Das ist ein fester Monatsbeitrag – egal, ob die GPU über Nacht im Leerlauf ist oder einen Rendering-Job mit voller Last durchzieht.
Was 96 GB VRAM für deine Workloads bedeuten
Die RTX PRO 6000 ist eine professionelle GPU der Blackwell-Generation mit 96 GB GDDR7-Speicher, 24.064 CUDA-Kernen und 120 TFLOPS FP32-Rechenleistung bei rund 1,8 TB/s Speicherbandbreite. Wir haben sie gewählt, weil diese Zahlen genau das treffen, was Single-Node-KI, Rendering und Simulation wirklich brauchen – nicht den größten Preis-Schlagzeilen-Wert.
Die 96 GB VRAM sind die entscheidende Spec. Sie halten ein Modell mit 70 Milliarden Parametern auf einer einzigen Karte. Die Tensor-Cores der 5. Generation ergänzen das um FP4-Unterstützung – damit lassen sich noch größere oder kontextreichere Modelle mit niedrigerer Präzision betreiben, ohne sie auf mehrere Maschinen aufteilen zu müssen. Für lokale LLM-Inferenz, RAG und Agent-Pipelines ist das der Unterschied zwischen einer GPU und dem Kämpfen mit Fragmentierung über mehrere Instanzen hinweg.
Beim Rendering halten die RT-Cores der 4. Generation und die 96 GB Speicher große Szenen auf der GPU – statt sie ein- und auszupagen, was Renderzeiten in die Länge zieht. Die Karte ist außerdem ISV-zertifiziert für professionelle Tools wie Maya, Houdini und Cinema 4D, sodass Kompatibilität garantiert ist und nicht nur erhofft wird. Für wissenschaftliche Anwendungen bewegt der starke FP32-Durchsatz und die hohe Bandbreite Single-Node-CFD-, Molekulardynamik- und FEM-Simulationen voran, ohne dass ein Multi-Node-Cluster nötig ist.
Zur Einordnung: Eine solche Karte kostet im Einzelhandel rund 16.000 € beim Direktkauf – und GPU-Technologie entwickelt sich schnell genug, dass ein Kauf eine echte Wette auf Wiederverkaufswert und Auslastung ist. Sie monatlich zu einem Festpreis zu mieten, ist ein Weg, diese GPU-Klasse zu nutzen, ohne Kapital zu binden oder Abschreibungen zu tragen. Du bekommst aktuelle Hardware, ohne raten zu müssen, wohin sich der GPU-Markt entwickelt.
Wo GPU VPS in den GPU-Markt passt
Der GPU-Markt teilt sich heute in drei Segmente auf – und jedes verlangt einen Kompromiss. Hyperscaler bieten verwalteten Zugang, aber zu einem Aufpreis und mit Token-und-Stunden-Abrechnung, die sich schnell zu unkontrollierten Kosten aufbaut, sobald ein Workload wächst. Marketplace- und Spot-GPU-Anbieter sind günstiger, aber Verfügbarkeit und Preis schwanken – das lässt sich schlecht für ein echtes Projekt planen. Dedicated GPU-Server bieten stabile Kapazität, verlangen aber längere Beschaffungszeiten, höhere Einstiegskosten und eine Full-Server-Bindung, auch für einen Single-GPU-Job.
GPU VPS ist so gebaut, dass es zwischen allen dreien sitzt. Es gibt dir eine dedizierte GPU, reserviert für deine Instanz, wie ein Dedicated Server Hardware reserviert – keine Überbuchung, kein Konkurrieren um GPU-Ressourcen. Du bekommst einen festen Monatspreis statt getakteter Abrechnung, sodass die Kosten einmalig planbar sind. Und es stellt in Minuten bereit, ohne Beschaffungswartezeit oder die Full-Server-Bindung einer dedizierten Maschine. Der Workload läuft auf deiner eigenen Infrastruktur in einem EU- oder US-Rechenzentrum deiner Wahl – Modelle, Prompts und Daten bleiben in deinem eigenen Stack und deiner Jurisdiktion, nicht bei einem Hyperscaler.
Für wen GPU VPS gemacht ist
GPU VPS ist für Teams und Einzelpersonen gebaut, deren Arbeit eine dedizierte GPU braucht – keinen Cluster. Die drei Gruppen unten dürften den größten Nutzen ziehen, aber die Einsatzmöglichkeiten sind vielfältiger.
Für KI- und ML-Entwickler: Inferenz, Fine-Tuning oder LoRA-Training auf eigenen Modellen; lokale LLMs, RAG und Agent-Pipelines nah an deiner App und deinen Daten statt hinter der API eines anderen. Das ist die Gruppe, für die Datensouveränität am meisten zählt – Modell und Eingaben verlassen deine Instanz nicht.
Für Rendering- und VFX-Studios: 3D-Rendering, Motion Design und Compositing, mit Burst-Kapazität für Deadline-Spitzen, die eine einzelne Workstation nicht abfangen kann. Die professionelle Tool-Zertifizierung der Karte bedeutet, dass Maya, Houdini und Cinema 4D sich so verhalten wie erwartet.
Für wissenschaftliche und Engineering-Teams: Single-Node-CFD, Molekulardynamik, FEM und Data-Science-Workflows, die auf einer CPU zu langsam sind, aber keinen Multi-Node-NVLink-Cluster brauchen.
GPU VPS ist nicht auf groß angelegtes, Multi-Node-Modelltraining ausgelegt. Für diese Klasse von Workloads ist H100- oder A100-basierte Infrastruktur mit NVLink die bessere Wahl – und GPU VPS ist so konzipiert, seine Stärken auszuspielen, statt dort zu konkurrieren.
So richtest du deinen GPU VPS ein
GPU VPS bestellst du wie jedes andere Contabo-Produkt, das Setup ist in Minuten abgeschlossen. Das Launch-Image ist Ubuntu 24.04 mit vorinstalliertem CUDA – kein Treiber-Setup, bevor du die GPU nutzen kannst.
Wir starten GPU VPS zunächst in unseren Standorten Europa und US Central, mit Plänen zur Erweiterung je nach Nachfrage.
Die richtige Balance finden
Die ehrliche Antwort auf „Warum nicht einfach GPUs in jeden Standort und jeden Plan einbauen?“ lautet: GPU-Kapazität skaliert nicht so wie CPU- und Speicherkapazität. Sich auf zwei Standorte und eine feste Konfiguration beim Launch zu beschränken ist eine pragmatische Entscheidung, die es uns erlaubt, dir dieses Produkt zum richtigen Preis und mit der Zuverlässigkeit anzubieten, die du von Contabo kennst.
Was wir überzeugt sind: Die Lücke zwischen „einen Bruchteil einer Hyperscaler-GPU pro Token mieten“ und „einen ganzen Dedicated GPU-Server kaufen oder leasen“ war unterversorgt. Eine dedizierte GPU auf einem VPS-Bereitstellungs- und VPS-Preismodell füllt sie besser als jedes der beiden Extreme.
Wie es mit GPU VPS weitergeht
Wir starten mit einer begrenzten Anzahl von GPU VPS 18-Instanzen in unseren EU- und US-Standorten, mit Plänen zur Erweiterung je nach Nachfrage. Das bedeutet zweierlei: Wenn du dir einen GPU VPS sichern möchtest, warte nicht zu lange! Und natürlich: Wenn du Feedback hast oder dieses Produkt in anderen Konfigurationen und Standorten sehen möchtest, sag es uns. Dein Feedback beeinflusst, was als Nächstes kommt.
Wir haben GPU VPS gebaut, weil wir nicht glauben, dass selbst-gehostete KI und GPU-Computing hinter Hyperscaler-Preisen oder einem Full-Server-Kauf versteckt sein sollten. Wenn du damit etwas Interessantes baust, würden wir es gerne hören – melde dich und zeig uns, was du gebaut hast.
FAQ
Warum eine GPU in einen VPS stecken statt in einen Dedicated Server?
Das VPS-Format vereint die Vorteile beider Setups. Die GPU ist dediziert, du bekommst garantierte parallele Rechenleistung ohne Sharing – während der VPS dir schnelle Self-Service-Bereitstellung, Flatrate-Preise und Flexibilität gibt. GPU VPS ist kein Upgrade vom Performance VPS, sondern ein eigenes Produkt für Inferenz-, Rendering- und Simulationsaufgaben, die CPU-only-Infrastruktur nicht effizient abdecken kann.
In welchen Contabo-Standorten kann ich einen GPU VPS bestellen?
GPU VPS startet in Europa und US Central, damit Verfügbarkeit und Performance konsistent bleiben. Wir werden weitere Standorte schnell auf Basis der Nachfrage hinzufügen – schau hier öfter vorbei für neue Infos!
Ist das eine dedizierte GPU oder geteilter Zugang zu einem Pool?
GPU VPS gibt dir eine dedizierte GPU – keinen Best-Effort-Zugang zu geteilter Beschleuniger-Kapazität. Die GPU ist ausschließlich für deine Instanz reserviert, genauso wie ein Dedicated Server physische Hardware für einen Kunden reserviert. Deshalb sitzt GPU als eigene Produktstufe: du wählst es, wenn ein Workload garantierte parallele Rechenleistung braucht, keine allgemeine CPU-Performance.
Warum die RTX PRO 6000 statt einer H100 oder H200?
GPU VPS ist für Single-Node-KI-Inferenz, Rendering und Simulation gebaut – und dort bietet die RTX PRO 6000 ein stärkeres Preis-Leistungs-Verhältnis als H100-Klasse-Beschleuniger. Diese Karten sind für groß angelegtes, Multi-Node-Training über viele verbundene GPUs gebaut – eine andere Aufgabe als das Betreiben eines eigenen Modells oder das Rendern einer Szene auf einer Maschine.
Kann ich meine GPU VPS-Instanz später in eine andere Region migrieren?
Nein. Da das GPU-VPS-Angebot begrenzt ist, ist regionsübergreifende Migration nicht verfügbar. Das stellt sicher, dass wir die Verfügbarkeit beständig halten können.
Ist GPU VPS für Training geeignet oder nur für Inferenz?
GPU VPS ist hauptsächlich für Inferenz und andere Single-Node-GPU-Workloads ausgelegt: Rendering, Videoverarbeitung und Data Science. Ausgewählte Fine-Tuning- und LoRA-Training-Workloads passen gut in das Speicher- und Rechenbudget einer einzelnen GPU. Groß angelegtes, Multi-Node-Training ist eine andere Infrastrukturklasse – GPU VPS ist nicht darauf ausgerichtet, sie zu ersetzen.
Unterstützt GPU VPS Windows?
Derzeit nicht. Wenn dein Workflow auf Windows angewiesen ist, ist dieses Produkt noch nichts für dich.
