同一天的热榜里，H100 租价是最该先算的一项：同一张 H100，有报价 $2.69/小时，也有 $12.29/小时。价差近 4.6 倍，但这不是“哪家更便宜”的结论，而是提醒：GPU 成本不能按卡型乘小时直接比。
先把报价拆成合同边界：是不是同一规格的 H100，整卡还是切片，CPU、内存、本地盘是否包含，公网出站和存储怎么计费，按需、预留、竞价实例的可用性差多少，计费粒度和最短租期是什么。训练任务还要看抢占后的 checkpoint 和重跑成本；推理要看长期利用率和弹性。低价实例如果配额不足、带宽不够，等待和失败重试会把小时价优势吃掉。
对比时至少记录抓取日期、区域、承诺期和附加费。data-receipts 的 GPU 定价仓库把同一 H100 的挂牌价放在一起，价值在暴露差异，不在替团队做选择。更可靠的做法是拿自己的负载跑基准：固定模型、batch 和序列长度，记录 tokens/s、GPU 利用率、失败重试、存储与网络费用，再折算成每百万 token 或每训练小时成本。只看 hourly rate，很容易把便宜实例用成更贵的方案。
同日还有两个信号：加拿大 RTR 实时支付系统上线，影响的是支付后端和 24/7 可用性；S2Arm 因“把游戏代码重写到 ARM64、在 iPhone/iPad/Mac 原生运行”获得高星，但仓库描述只是技术路径，涉及游戏代码和平台授权，不能直接等同于可分发产品。它们各有明确受众，却不如 GPU 租价这样普遍影响 AI 开发成本。先算清 H100 账单，再决定是否为实时支付或 ARM64 移植投入时间。
评论
还没有公开评论，欢迎留下第一条讨论。