GPU VPS ya está aquí: poder de NVIDIA dedicado a precio de VPS

Lo que necesitas saber: el GPU VPS combina una GPU NVIDIA RTX PRO 6000 dedicada con 18 vCPUs, 96 GB de RAM y 900 GB de almacenamiento. Cuesta €999 / $1,199 / £969 al mes (más IVA), con 15% de descuento en planes de 12 meses y 20% en planes de 24 meses. Disponible en Europa y US Central, con Ubuntu 24.04 y CUDA preinstalados. Está diseñado para inferencia de IA, rendering y simulación en un solo nodo, no para clusters de entrenamiento multi-nodo.

Hoy lanzamos GPU VPS, el primer producto de nuestra línea que combina una GPU de NVIDIA dedicada con los precios planos y el setup rápido que ya conoces de un VPS de Contabo. Con recursos de GPU dedicados en formato VPS, toma lo mejor de ambos mundos: una GPU reservada por completo para tu instancia, junto con el aprovisionamiento ágil, los precios transparentes y la flexibilidad de la plataforma VPS.

La IA impulsa la demanda de GPU más que nunca, y el hueco en el segmento de GPU VPS en Contabo era evidente. Ya ofrecemos GPUs empresariales a través de la GPU Cloud; fuera de ahí, las opciones habituales son alquilar tiempo de cómputo fraccionado a un hyperscaler, probar suerte en un marketplace o comprometerte con un servidor GPU completo.

Lo que faltaba era una GPU dedicada: asequible, lista en minutos y con un precio mensual fijo sin costos ocultos. Eso es exactamente lo que ofrece GPU VPS. Ahora puedes correr tus propios LLMs en tu propia infraestructura, en un centro de datos de la UE o de EE. UU. que tú eliges. La IA autoalojada nunca había sido tan accesible.

Si has estado corriendo trabajos de inferencia, rendering o simulación en un VPS solo con CPU y has llegado a un límite, o si ves la factura de un hyperscaler crecer con cada token, GPU VPS es para ti. Sigue leyendo para el panorama completo, incluida información detallada sobre la poderosa tarjeta de NVIDIA que elegimos y lo que puede hacer por tus proyectos de IA y ML.

Una GPU dedicada integrada en un VPS

GPU VPS es un nuevo tier junto a Core VPS, Performance VPS y Max Performance VPS: una GPU de NVIDIA dedicada conectada a un Performance VPS, no una fracción compartida de una. La configuración de lanzamiento, GPU VPS 18, viene con una NVIDIA RTX PRO 6000 (96 GB de VRAM GDDR7, basada en la arquitectura Blackwell de NVIDIA), 18 vCPUs, 96 GB de RAM y 900 GB de almacenamiento NVMe.

El objetivo del formato es tomar lo mejor de dos configuraciones que normalmente te obligan a elegir. La GPU es dedicada, así que tienes cómputo paralelo garantizado sin vecinos ruidosos en la tarjeta, igual que un Dedicated Server te garantiza hardware exclusivo. El servidor que la rodea es un VPS, así que obtienes todas las ventajas de la plataforma Contabo VPS: personalízalo con tus apps y complementos, tenlo corriendo en minutos, paga un precio mensual fijo y cancela cuando termine un proyecto. Como la GPU se encarga del trabajo pesado de estos workloads, correrla en la plataforma VPS en lugar de en una máquina dedicada completa es exactamente lo que mantiene el precio bajo y la flexibilidad alta.

El GPU VPS incluye de serie Ubuntu 24.04 y CUDA preinstalado. Los complementos de VPS habituales también están disponibles, incluyendo Storage Extension, Private Networking y una variedad de apps de 1 clic.

El precio comienza en €999 / $1,199 / £969 al mes (más IVA), con 15% de descuento en planes de 12 meses y 20% en planes de 24 meses. Es una tarifa mensual fija, ya sea que la GPU esté inactiva toda la noche o ejecute un trabajo de renderizado a plena carga.

La tarjeta que hace el trabajo

La RTX PRO 6000 es una GPU profesional de la generación Blackwell con 96 GB de memoria GDDR7, 24,064 núcleos CUDA y 120 TFLOPS de cómputo FP32, con cerca de 1.8 TB/s de ancho de banda de memoria. La elegimos porque esos números se alinean con lo que el trabajo de IA, rendering y simulación en un solo nodo realmente necesita, no con el titular de precio más llamativo.

Los 96 GB de VRAM son la especificación que más importa. Mantienen un modelo de 70,000 millones de parámetros en una sola tarjeta, y los Tensor Cores de 5.ª generación añaden soporte FP4, para que puedas servir modelos aún más grandes o con contextos más largos a menor precisión sin fragmentarlos entre varias máquinas. Para inferencia local de LLMs, RAG y pipelines de agentes, esa es la diferencia entre correr en una GPU o pelear con la fragmentación en varias instancias.

Para rendering, los RT Cores de 4.ª generación y los 96 GB de memoria mantienen escenas grandes en la GPU en lugar de paginarlas, que es lo que alarga los tiempos de render. La tarjeta también cuenta con certificación ISV para herramientas profesionales como Maya, Houdini y Cinema 4D, así que la compatibilidad está garantizada, no solo esperada. Para trabajo científico, el fuerte throughput FP32 y el alto ancho de banda aceleran simulaciones de CFD, dinámica molecular y FEM en un solo nodo sin necesidad de escalar a un cluster multi-nodo.

Para poner las cosas en perspectiva: una tarjeta como esta cuesta alrededor de €16,000 en el mercado minorista, y la tecnología GPU avanza lo suficientemente rápido como para que comprarla sea una apuesta real en cuanto a valor de reventa y aprovechamiento. Rentarla por mes a un precio fijo es una forma de usar esa clase de GPU sin inmovilizar capital ni cargar con la depreciación. Obtienes hardware actual sin tener que adivinar hacia dónde va el mercado de GPUs.

Dónde encaja en el mercado de GPUs

El mercado de GPUs se divide hoy en tres segmentos, y cada uno te pide que sacrifiques algo. Los hyperscalers te dan acceso administrado, pero con un sobreprecio y facturación por token y por hora que puede convertirse en un costo desbocado en cuanto un workload crece. Los proveedores de marketplace y GPU spot son más baratos, pero la disponibilidad y el precio varían, lo que dificulta planear un proyecto real. Los servidores de GPU dedicados ofrecen capacidad estable, pero con tiempos de adquisición más largos, un costo de entrada mayor y un compromiso de servidor completo incluso para un trabajo de una sola GPU.

GPU VPS está pensado para estar en el medio de los tres. Te da una GPU dedicada, reservada para tu instancia como un Dedicated Server reserva hardware, sin sobreasignación ni competencia por recursos de GPU. Te da un precio mensual fijo en lugar de facturación por uso, así que el costo se planea una vez y no te preocupa cada mes. Y aprovisiona en minutos, sin tiempos de espera de adquisición ni el compromiso de servidor completo que pide una máquina dedicada. El workload corre en tu propia infraestructura, en un centro de datos de la UE o de EE. UU. que tú eliges, lo que mantiene modelos, prompts y datos dentro de tu propio stack y jurisdicción, no en el de un hyperscaler.

Para quién es GPU VPS

GPU VPS está construido para equipos e individuos cuyo trabajo necesita una GPU dedicada, no un cluster. Los tres grupos a continuación son los que más provecho le sacarán, aunque tiene muchos otros casos de uso potenciales.

Para desarrolladores de IA y ML: corre inferencia, fine-tuning o entrenamiento con LoRA en tus propios modelos, y mantén tus LLMs locales, RAG y pipelines de agentes cerca de tu app y tus datos en lugar de detrás de la API de otra persona. Este es el grupo al que más le importa la soberanía de datos: el modelo y sus entradas nunca salen de tu instancia.

Para estudios de rendering y efectos visuales: render 3D, motion design y compositing, con capacidad de burst para picos de entrega que una sola workstation no puede absorber. La certificación de herramientas profesionales de la tarjeta significa que Maya, Houdini y Cinema 4D se comportan como se espera.

Para equipos científicos y de ingeniería: CFD en un solo nodo, dinámica molecular, FEM y flujos de trabajo de ciencia de datos que son demasiado lentos en una CPU pero no necesitan un cluster multi-nodo con NVLink.

GPU VPS no está orientado al entrenamiento de modelos a gran escala en múltiples nodos. Para ese tipo de workloads, la infraestructura basada en H100 o A100 con NVLink es la mejor opción, y GPU VPS está diseñado para explotar sus puntos fuertes en lugar de competir ahí.

Cómo configurar uno

Ordena GPU VPS como cualquier otro producto de Contabo: el setup se completa en minutos. Como ya mencionamos, la imagen de lanzamiento es Ubuntu 24.04 con CUDA preinstalado, así que no hay configuración de drivers antes de poder usar la GPU.

Lanzamos GPU VPS en nuestros centros de datos de Europa y US Central por ahora, con planes de expansión según la demanda.

Encontrar el balance correcto

Creemos que la respuesta honesta a «¿por qué no añadir GPUs en todos los centros de datos y en todos los planes?» es que la capacidad de GPU no escala como la capacidad de CPU y almacenamiento. Limitarnos a dos centros de datos y una configuración fija en el lanzamiento es una decisión práctica que nos permite ofrecerte este producto al precio correcto y con la fiabilidad que ya conoces de Contabo.

Lo que sí creemos es que el hueco entre «rentar una fracción de GPU de un hyperscaler por token» y «comprar o arrendar un servidor GPU dedicado completo» estaba desatendido, y que una GPU dedicada sobre aprovisionamiento y precios estilo VPS lo llena mejor que cualquiera de los dos extremos.

Hacia dónde va GPU VPS

Empezamos con un número limitado de instancias de GPU VPS 18 en nuestros centros de datos de la UE y de EE. UU., con planes de expansión según la demanda. Esto significa dos cosas: si quieres hacerte de un GPU VPS, ¡no esperes demasiado! Y por supuesto, si tienes feedback o quieres ver este producto en otras configuraciones y centros de datos, cuéntanos. Tu feedback es parte de cómo decidimos qué sigue.

Construimos GPU VPS porque no creemos que la IA autoalojada y el cómputo con GPU deban estar encerrados detrás de los precios de un hyperscaler o de la compra de un servidor completo. Si lo usas para construir algo interesante, nos gustaría genuinamente saberlo, así que no dudes en escribirnos y mostrarnos lo que construiste.

FAQ