GPU NVIDIA por hora, no Brasil.

Você carrega créditos e o pod desconta por hora enquanto está ligado. Desligou, parou de pagar. Sem mensalidade e sem contrato.

Os GPU Pods rodam sobre uma NVIDIA T4 compartilhada com divisão justa: 100% da placa quando ociosa e VRAM garantida por tamanho de pod (2, 4 ou 8 GB). Com a placa livre, o pod usa até 14 GB de VRAM sem custo adicional; se outros clientes precisarem de espaço, ele reinicia com uma parte menor, nunca abaixo do contratado. Há também a placa inteira, que começa com a VRAM livre e cresce até 14 GB, pagando proporcional. Placas dedicadas (RTX, A100, H100) são sob consulta, com ativação em até 3 dias úteis.

Templates prontos: Ollama, JupyterLab, PyTorch, VS Code Server e Whisper, com CUDA configurado. Cada pod tem IP próprio, SSH e disco NVMe.

Não. O GPU Pod já é um container Docker com a GPU, isolado dos outros clientes que dividem a mesma placa, e por segurança não permite criar outro container dentro dele (o Docker falha com "unshare: operation not permitted"). Dentro do pod você instala o que precisar com pip, conda ou apt, e guarda seus arquivos em /data. Para rodar suas próprias imagens Docker ou docker compose com GPU, peça uma placa dedicada, com acesso root à máquina inteira. Sem GPU, uma Cloud VPS também roda Docker normalmente.

O pod é desligado, a cobrança para e seus dados ficam guardados por 3 dias. Recarregou, o pod volta sozinho em até 2 minutos. Depois de 3 dias sem recarga, o pod e todos os dados são apagados.

Sim. Modelos de até ~7B parâmetros quantizados rodam bem no pod Large (8 GB de VRAM) com Ollama. Para modelos maiores, peça uma placa dedicada.

No datacenter da OPEN em São Paulo. Latência baixa para o Brasil, dados no país e cobrança em reais.