
Dokáže Hostinger zpřístupnit špičkový hardware GPU k praktickému pronájmu? Nasadil jsem B200, vyřešil problém s připojením a změřil skutečnou inferenci, generování obrázků i monitorování. Přečtěte si výsledky, náklady a omezení, která je důležité znát před pronájmem.

Hostinger GPU Hosting jsem ohodnotil na základě dvou zkušeností s nasazením, výsledků výkonnostních testů funkční B200, ovládacích prvků v hPanel a rozhovorů s podporou. Zkontroloval jsem také zveřejněné podmínky účtování a vrácení peněz. Řídím se metodikou hodnocení hostingových služeb HostAdvice, jde však o záznam jednoho testovaného B200, nikoli o studii dostupnosti ani srovnání všech modelů GPU.
| Test | Skóre /10 | Proč toto skóre |
| Ceny a tarify | 8.1 | Flexibilní hodinový pronájem GPU a konfigurace, ale nepřetržité účtování, nevratné kredity a nemožnost pozastavení instance omezují výhodnost. |
| Funkce | 8.8 | Výkonné GPU, štědrá paměť VRAM, šablony aplikací a nástroje pro monitorování, ale žádné vestavěné zálohy ani trvalé úložiště. |
| Výkon | 8.8 | Vynikající výsledky BF16, rychlá inference Qwen a generování SDXL za méně než sekundu, ačkoli dlouhodobé výpočetní úlohy zůstávají neotestované. |
| Snadnost použití | 8.0 | Rychlé nasazení a snadná správa, ale omezená dostupnost GPU a počáteční problém s SSH způsobily frustraci. |
| Úroveň podpory | 7.8 | Rychlé a podrobné odpovědi AI a užitečná dokumentace, ale kontaktování pracovníka podpory a řešení problémů s připojením zabralo čas. |
| Celkem | 8.3 | Působivý výkon GPU a snadné nasazení, vyvážené omezeními účtování, omezenými možnostmi obnovení a komplikacemi při kontaktování podpory. |

Hostinger GPU Hosting využívá model pronájmu na vyžádání, nikoli pevné měsíční předplatné, jaké obvykle najdete u webhostingových služeb. Zdroje GPU si pronajímáte pro výpočetní úlohy, jako jsou inference modelu AI, vývoj modelů, dolaďování modelů a generování obrázků, přičemž poplatky se odvíjejí od zvolené konfigurace.
Katalog GPU zahrnuje možnosti od RTX 4090 a L40S až po A100 a NVIDIA B200, které nabízejí různé kapacity paměti a výpočetní možnosti. Výběr však může ovlivnit dostupnost. RTX 4090, kterou jsem původně chtěl otestovat, byla v hPanel vyprodaná, přestože se zobrazovala na veřejné stránce s cenami Hostinger.
Hostinger nabízí standardní instance B200 i instance Dedicated B200, přičemž druhé jmenované jsou dražší. Můžete také vybrat různé přidělení CPU, RAM a úložiště. Moje první konfigurace zahrnovala 16 jader CPU, 32 GB RAM a 300 GB úložiště, které jsem zvolil pro podporu svých výkonnostních testů AI, místo abych se spoléhal na nejmenší dostupné nastavení.
Hostinger účtuje využití GPU prostřednictvím předplacených kreditů. Před spuštěním instance bych však zvážil několik podmínek:
Tyto podmínky jsou obzvlášť důležité při plánování nákladů na delší úlohy AI. Potřebujete dostatek kreditů na pokrytí zpracování i nastavení a zároveň je třeba počítat se zpožděním nebo neúspěšným připojením.
GPU Hosting jsem otestoval prostřednictvím stávajícího účtu Hostinger, na kterém už byly k dispozici kredity, takže jsem neprovedl nový nákup. Noví zákazníci si mohou po konfiguraci instance dobít zůstatek. Hostinger podporuje platební karty a digitální peněženky, například PayPal, dostupné způsoby platby však závisí na regionu zákazníka.
Nenarazil jsem ani na samostatnou bezplatnou zkušební verzi GPU. Nákupy GPU a kredity AI jsou vyloučeny ze standardní 30denní záruky vrácení peněz za hosting od Hostingeru, proto bych před platbou ověřil konečnou konfiguraci a požadavky na kredity.
Největší výhodou je flexibilita. K drahému hardwaru GPU můžete získat přístup při krátkodobé výpočetní úloze, aniž byste musel kupovat nebo udržovat vlastní server. Inzerovaná hodinová sazba však nevypovídá o všem.
Moje zkušenost také ukázala, proč jsou zřízení instance a připojení důležité pro cenu. Čas strávený řešením problémů s nedostupným serverem může stále zvyšovat vaše náklady, pokud instance běží a čerpá kredity.
Před spuštěním placené výpočetní úlohy bych zkontroloval konečnou rychlost čerpání kreditů v hPanel, ověřil dostupnost GPU a zajistil externí úložiště. Model pronájmu dává smysl pro krátké, dobře naplánované úlohy. U delších nebo nepředvídatelných úloh je nezbytné sledovat čerpání kreditů.

Výkonný grafický procesor je užitečný jen tehdy, když máte přístup k hardwaru, můžete spolehlivě spouštět své výpočetní úlohy a získávat výsledky v přiměřeném čase. Hostinger propaguje svůj NVIDIA B200 s pamětí VRAM o velikosti 192 GB, ale chtěl jsem zjistit, jak se to projeví na skutečném výkonu.
Zaměřil jsem se na tři otázky:
Při mém prvním nasazení B200 nastal problém s připojením. hPanel zobrazoval privátní IP adresu, ke které jsem se z notebooku nemohl připojit, a Hostinger potvrdil problém s IP adresou zobrazenou na nástěnce.
Abych oddělil tento počáteční problém od výkonu hardwaru, spustil jsem novou instanci B200 a úspěšně se připojil přes SSH pomocí nové adresy. Následující výkonnostní testy jsem dokončil 26. října 2026.
Níže uvedené výsledky tedy pocházejí z funkční náhradní instance. Předchozí problém s připojením zůstává součástí mého celkového hodnocení, ale nezabránil mi vyhodnotit výkon GPU.
Použil jsem instanci B200 s Ubuntu 24.04, přiděleným výkonem 16 jader CPU, 32 GB RAM a přibližně 300 GB zřízeného úložiště v regionu Los Angeles společnosti Hostinger. Z notebooku s Pop!_OS jsem se připojil přes SSH, ověřil hardware pomocí nvidia-smi a nainstaloval prostředí PyTorch s podporou CUDA. Server hlásil ovladač NVIDIA verze 595.91.07; PyTorch 2.11.0+cu128 rozpoznal GPU a podporoval výpočty BF16.
Poté jsem spustil tři typy výpočetních úloh: krátké testy násobení matic BF16 a kopírování dat v rámci paměti GPU, inferenci jazykového modelu Qwen2.5-7B-Instruct a generování obrázků pomocí Stable Diffusion XL. Úlohy AI jsem zopakoval s pevně nastavenými parametry a zaznamenal dobu jednotlivých běhů, místo abych se spoléhal na jediný nejlepší výsledek. Nakonec jsem v hPanel zkontroloval stránku Metrics, abych zjistil, zda se na ní zobrazuje aktivita GPU.
Tyto testy poskytují praktický přehled o jedné instanci. Nepotvrzují dlouhodobou dostupnost, výkon při nepřetržitém zatížení po dobu několika hodin ani to, jak si B200 vede ve srovnání s konkurenčními poskytovateli GPU za stejných podmínek. Neprovedl jsem ani test síťové propustnosti nebo výkonnostní test inference pro více uživatelů.
Prvním uklidňujícím výsledkem bylo, že Ubuntu okamžitě rozpoznalo NVIDIA B200. Nástroj nvidia-smi identifikoval jednu B200 s nahlášenou pamětí GPU o velikosti 182,624 MiB, zatímco PyTorch uvedl, že zařízení má k dispozici 178.34 GiB. Tyto hodnoty v binárních jednotkách jsou zhruba v souladu s inzerovanou pamětí VRAM o velikosti 192 GB, ačkoli množství čitelné softwarem není přesně stejné jako údaj uvedený na prodejní stránce.

Operační systém také zobrazoval 32 GiB RAM a 268 GiB kapacity připojeného souborového systému, jak bylo vidět přímo z prostředí. Procesor byl identifikován jako AMD EPYC 9575F, ačkoli lscpu zobrazil 224 logických CPU. Zkontroloval jsem nastavení řízení CPU kontejneru, místo abych tento údaj považoval za 224 jader zahrnutých v mém tarifu.
Limit cgroup činil 1,600,000 mikrosekund na období 100,000 mikrosekund, což instanci poskytovalo výkon odpovídající 16 CPU. To odpovídalo přidělení 16 jader, které jsem zvolil. Pro čtenáře je důležité tento rozdíl zdůraznit, protože topologie CPU viditelná na hostitelském systému může vypadat mnohem štědřeji než kapacita skutečně přidělená hostované výpočetní úloze.
Jako první měření hrubého výpočetního výkonu B200 jsem v PyTorch spustil násobení matic ve formátu BF16. BF16 se zde hodí, protože se běžně používá pro výpočty modelů AI, avšak malý syntetický výkonnostní test matic nenahrazuje spuštění kompletního modelu.
Při 12 opakováních dosáhla menší matice o rozměrech 4,096 × 4,096 odhadovaného výkonu 1,402.7 TFLOP/s při mediánu doby operace 0.098 milisekund. Matice o rozměrech 8,192 × 8,192 dosáhla odhadovaného výkonu 1,668.8 TFLOP/s při mediánové době 0.659 milisekund. Jde o odhady aritmetické propustnosti vypočítané pro testované operace, nikoli o nezávisle ověřený trvalý výkon aplikace.
Změřil jsem také kopírování 512 MiB dat v rámci paměti GPU. Dokončilo se s mediánem přibližně 0.17 milisekundy, což odpovídá vykázané propustnosti užitečných dat 3,137.1 GB/s. Tento test měří přesun dat v rámci paměti GPU; neukazuje rychlost stahování modelu, čtení z disku serveru ani přenosu dat přes internet.

Celý základní testovací skript doběhl za 2.646 sekundy. Potěšilo mě, že PyTorch kartu rozpoznal a provedl tyto operace bez chyb CUDA, krátké trvání testu je však zároveň jeho omezením. Z několika milisekund výpočtů nelze vyvodit, že GPU udrží stejnou propustnost nebo teplotu během dlouhého trénování.
Syntetická propustnost byla povzbudivá, ale chtěl jsem zjistit, jak si B200 poradí se skutečným jazykovým modelem. Načetl jsem Qwen2.5-7B-Instruct prostřednictvím Hugging Face Transformers v BF16 a požádal ho, aby vysvětlil akceleraci GPU. Test využíval jedno zadání a maximálně 128 vygenerovaných tokenů, přičemž se stejným nastavením proběhl třikrát.
Stažení a načtení modelu trvalo v zaznamenaném běhu 35.40 sekundy. První odpověď o délce 128 tokenů pak trvala 23.094 sekundy, což odpovídá pouhým 5.54 tokenu za sekundu. Výsledek zpočátku vypadal neuspokojivě, ale další dva běhy ukázaly jiný obrázek.
Druhý běh vygeneroval 128 tokenů za 1.005 sekundy, tedy rychlostí 127.30 tokenu za sekundu. Třetí běh trval 1.029 sekundy, tedy rychlostí 124.35 tokenu za sekundu. Průměrná rychlost dvou pozdějších běhů tak činila přibližně 125.8 tokenu za sekundu a mezi výsledky byl jen velmi malý rozdíl.

Rozdíl je značný. Odpovídá tomu, že první generování mohla ovlivnit jednorázová příprava nebo líná inicializace, ale přesnou příčinu jsem nezjistil. Výsledek 23 sekund bych nezatajoval ani bych pozdější běhy nevydával za rychlost, které dosáhne každý první požadavek. Při provozování modelu jsou důležité jak počáteční latence, tak rychlejší opakované odpovědi.
PyTorch hlásil maximální obsazení paměti GPU 14.21 GiB. To představuje jen malou část dostupné paměti B200, takže tento test dokládá použitelnost inference pro jeden požadavek, nikoli výhodu hostování modelu, který skutečně potřebuje téměř 192 GB paměti VRAM. Netestoval jsem souběžné zpracování, dávkové zpracování, delší kontextová okna ani optimalizovaný inferenční server, jako je vLLM.
Pro druhou reálnou aplikaci jsem použil Stable Diffusion XL k vytvoření produktového obrázku černých náramkových hodinek položených na tmavém mramoru v rozlišení 1,024 × 1,024. Použil jsem 25 inferenčních kroků, váhy FP16 a stejné zadání i náhodné semínko ve všech třech bězích. Díky tomu jsem získal opakovatelná měření, nikoli tři nesouvisející obrázky s různou mírou složitosti.
Stažení a načtení modelu SDXL trvalo 18.29 sekundy. Vytvoření prvního obrázku trvalo 3.275 sekundy. Druhý a třetí obrázek vznikly za 0.915 a 0.913 sekundy, což představuje průměrnou dobu 0.914 sekundy na obrázek v ustáleném stavu. Proces PyTorch vykázal maximální obsazení paměti GPU 11.49 GiB.

Prohlédl jsem si také exportované obrázky. Všechny tři soubory byly bajt po bajtu totožné, což odpovídalo nastavení s pevným náhodným semínkem a ukázalo, že opakovaný test vytvořil stejný výstup. Hodinky, odrazivý povrch a osvětlení působily na první pohled přesvědčivě, při bližším prozkoumání ciferníku se však projevily drobné nesrovnalosti typické pro generované obrázky produktů. Tyto umělecké nedokonalosti by se neměly zaměňovat za chyby hardwaru GPU.
Výsledek byl obzvlášť užitečný, protože mi poskytl konkrétní úlohu k vyhodnocení: po načtení pipeline se plnohodnotný obrázek SDXL vytvořil za méně než sekundu. Šlo však o generování jednotlivých obrázků pomocí jednoho modelu SDXL, nikoli o výkonnostní test generování videa, zpracování velkých dávek nebo všech obrazových modelů dostupných k pronájmu.
Stránka Metrics v Hostingeru během dřívější části recenze zobrazovala rovné čáry, protože GPU nebylo aktivní. Po spuštění výkonnostních testů jsem se vrátil do stejného zobrazení za 1 hodinu a zaznamenal aktivitu v obou grafech. Výpočetní propustnost byla uvedena jako 297 TFLOPs a graf paměti VRAM ukazoval viditelný nárůst, včetně hodnoty 14.3 GB při najetí kurzorem.

To bylo užitečné potvrzení, že hPanel zaznamenával výpočetní úlohu, místo aby dál zobrazoval rovnou nulu. Díky tomu byla stránka Metrics informativnější než bezprostředně po nasazení. Možnosti 1 hodina, 24 hodin, 7 dní a 30 dní se daly snadno najít.
Přesto bych se vyhnul přímému číselnému srovnávání údaje 297 TFLOPs v hPanel a výsledku syntetického testu 1,668.8 TFLOP/s. Metoda výpočtu ani vzorkovací interval řídicího panelu nebyly během mého testu upřesněny a údaj o paměti VRAM není totožný s maximálním obsazením paměti vykázaným na úrovni procesu PyTorch. Grafy se hodí k rozpoznání aktivity a změn v čase; nenahrazují měření doby běhu konkrétní úlohy ani měření systému.
Druhá instance B200 od Hostingeru mi poskytla použitelnou akceleraci GPU ve třech velmi odlišných testech. Syntetické výsledky BF16 ukázaly rychlé krátké výpočty, Qwen2.5-7B dosáhl po nezvykle pomalé první měřené odezvě přibližně 126 tokenů za sekundu a Stable Diffusion XL vytvářel obrázky s rozlišením 1,024 pixelů za přibližně 0.91 sekundy po inicializaci. Také jsem ověřil přidělený výkon 16 jader CPU a sledoval, jak se aktivita zobrazuje v hPanel.
Jde o pozitivní výsledky, ale nepovažoval bych je za záruku pro všechny výpočetní úlohy AI. Testy byly krátké a proběhly na jedné instanci, přičemž použité modely byly ve srovnání s dostupnou pamětí VRAM B200 poměrně malé. Neměřil jsem dlouhodobý trénink, maximální souběžné zpracování, dlouhodobou dostupnost ani rychlost externí sítě. Problém s předchozí adresou pro připojení přes SSH navíc zůstává samostatným provozním problémem, přestože se náhradní server úspěšně připojil.

K Hostinger GPU Hosting jsem přistupoval stejně jako k novému pronájmu GPU: najít vhodnou kartu, zjistit skutečné náklady, spustit instanci a po jejím zprovoznění posoudit, jak snadno se prostředí spravuje.
Chtěl jsem také zjistit, jak služba GPU zapadá do rozsáhlejšího hPanel Hostingeru, protože zprovoznění serveru představuje jen polovinu zkušenosti.
Samotné nasazení bylo rychlé. Nákupní proces byl méně předvídatelný. GPU, kterou jsem vybral na veřejné stránce s cenami, nebyla v hPanel dostupná a její náhrada měla mnohem vyšší hodinovou sazbu. Tady je průběh celé zkušenosti od prvního kliknutí až po nástroje pro správu.
Začal jsem na webu Hostingeru a otevřel Products > Hosting > GPU hosting. Líbilo se mi, že GPU hosting má vlastní jasně označenou položku vedle webhostingu, hostingu VPS a cloudhostingu. Nemusel jsem otevírat obecný produkt VPS ani zjišťovat, zda je možné přidat hardware GPU jako doplněk.

Odkaz otevřel vstupní stránku služby Hostinger GPU Hosting, která nabízela hodinový pronájem GPU NVIDIA pro AI, vykreslování a další výpočetně náročné úlohy. Přímo pod hlavním nadpisem bylo tlačítko Get started. Po kliknutí se instance ihned nevytvořila ani jsem nebyl přesměrován na registraci; stránka se posunula níže, do sekce s cenami GPU.

Bylo to rozumné místo, kde začít. Sekce s cenami zobrazovala dostupné modely GPU na samostatných kartách a uváděla jejich inzerované počáteční hodinové sazby, paměť VRAM a doporučená použití. Mohl jsem porovnat hardware, než jsem byl vyzván ke konfiguraci serveru. Nabídka na veřejné stránce sahala od RTX 4090 až po dražší GPU pro datová centra, včetně B200.

Nejprve jsem se rozhodl pro NVIDIA RTX 4090. Hostinger ji nabízel od $0.42 za hodinu s 24 GB paměti VRAM a doporučoval ji pro vývoj, experimentování, generování obrázků a videí, 3D vykreslování a inferenci s menšími modely.
To mi připadalo jako rozumný začátek pro plánované testy inference modelu AI, generování obrázků a výkonu GPU. Nemusel jsem si pronajímat jednu z nejdražších karet jen proto, abych si stanovil praktický výchozí bod.

Po výběru RTX 4090 jsem na její kartě klikl na Get GPU. Tím jsem se dostal na registrační stránku účtu Hostinger. Nabízela registraci přes Google nebo GitHub a také obvyklá pole pro e-mailovou adresu a heslo.
Pole pro telefonní číslo bylo označeno jako nepovinné a samostatné zaškrtávací políčko se týkalo propagačních zpráv přes WhatsApp a SMS.

Registrační obrazovka byla přehledná. A co bylo důležitější, výběr GPU mě zatím nezavazoval ke koupi konkrétního serveru.
Po vytvoření účtu nebo přihlášení jsem přešel do sekce GPU v hPanel, kde bylo možné skutečně vybrat hardware a spustit jej. Panel zobrazoval zůstatek kreditů ve výši 2,000.
Panel zobrazoval zůstatek kreditů ve výši 2,000, protože jsem již měl účet Hostinger s dostupnými kredity. Pokud se registrujete poprvé a nemáte žádný zůstatek kreditů, po konfiguraci instance s GPU se zobrazí krok platby, ve kterém si před dokončením nákupu můžete zvolit preferovaný způsob platby.
Stránka GPU v hPanel byla přehledná a snadno se v ní orientovalo. Nad seznamem Hostinger vysvětloval, že instance GPU mohu spouštět přímo z panelu, a dostupný hardware se zobrazoval pod viditelným zůstatkem kreditů. Bylo uvedeno sedm modelů, včetně RTX 4090, který jsem si vybral, ale většina tlačítek Select byla neaktivní.

Zkusil jsem vybrat RTX 4090 a zjistil jsem, že jeho tlačítko je zašedlé. Když jsem na něj najel kurzorem, zobrazila se zpráva „Vyprodáno“. V dané relaci jsem také nemohl vybrat RTX 5090, L40S, A100 ani RTX PRO 6000. K dispozici jsem měl pouze dvě možnosti: NVIDIA B200 a B200 (Dedicated).

Tohle byla nejvýraznější překážka při nákupu. Veřejná stránka s cenami mě vybízela k pronájmu RTX 4090 za $0.42 za hodinu, ale tuto GPU jsem ve skutečnosti nemohl zřídit.
Hostinger alespoň omezení v hPanel jasně uvedl, místo aby mi umožnil vyplnit konfiguraci a pak narazit na chybu až po nasazení. Přesto to znamenalo, že jsem musel znovu zvážit testovaný hardware i rozpočet.
Vybral jsem standardní NVIDIA B200, nabízenou od $4.50 za hodinu s 192 GB paměti VRAM. Její větší kapacita paměti mi také poskytla prostor k pozdějšímu testování náročnějších výpočetních úloh AI.
Alternativa B200 (Dedicated) začínala na $7.08 za hodinu a neměl jsem žádný zvláštní požadavek na výhradní přístup ke GPU, který by takovou příplatkovou cenu odůvodňoval. Pokračoval jsem kliknutím na Select u standardní B200.
Po výběru B200 Hostinger otevřel stránku Deploy pro nasazení instance GPU. Možnosti GPU zůstaly ve sloupci vlevo a konfigurace vybrané instance se zobrazovala vpravo. Toto rozvržení fungovalo dobře: mohl jsem si prohlédnout B200 spolu s dostupnými alternativami, aniž bych ztratil přehled o nastavení serveru nebo provozních nákladech.

Instanci jsem pojmenoval hostinger-gpu-review-b200. Hostinger uvedl, že jednotlivá slova v názvu mají být oddělena pomlčkami, takže pravidlo pojmenování bylo jasné přímo z formuláře.
Dalším polem byl region, který odhalil druhé praktické omezení: rozbalovací nabídka obsahovala pouze Los Angeles ve Spojených státech. V této relaci nasazení jsem si nemohl vybrat žádné jiné umístění.

Výběru velikosti instance jsem musel věnovat více pozornosti, než jsem zpočátku čekal. Hostinger předem vybral konfiguraci se 2 jádry, 64 GB RAM a 100 GB úložištěm za 506 kreditů za hodinu. Po otevření rozbalovací nabídky se zobrazily další kombinace CPU, RAM a úložiště s různými sazbami. Výběr nepředstavoval jednoduchou posloupnost, v níž by každý nižší počet jader CPU znamenal nižší cenu; například možnost se 4 jádry byla uvedena za 450 kreditů za hodinu.

Zvolil jsem možnost X-Large: 16 jader CPU, 32 GB RAM a 300 GB úložiště za 488 kreditů za hodinu. Server tak získal více výkonu CPU a kapacity disku pro nastavení a spouštění testů, aniž bych přešel na konfiguraci s 32 jádry.
Byla také o něco levnější za hodinu než předem vybraná možnost se 2 jádry. Důležité je, že inzerovaná sazba Hostingeru za B200 ve výši $4.50 za hodinu byla pouze výchozí cenou. Moje skutečně vybraná konfigurace měla sazbu 488 kreditů za hodinu, což odpovídá přibližně $4.88 za hodinu podle kurzu vyplývajícího z cenových karet Hostingeru.
Poté jsem otevřel možnost Výběr operačního systému nebo aplikace. Kromě Ubuntu 24.04 nabízel Hostinger hotové možnosti pro Ollama, JupyterLab, Unsloth a InvokeAI. Tyto možnosti mohly ušetřit čas při nastavování někomu, kdo se zaměřuje na konkrétní aplikaci AI. Vybral jsem Ubuntu 24.04, protože jsem chtěl čistý operační systém a mít kontrolu nad nástroji, které nainstaluji pro následné testování.

Hostinger nabízel také volitelné pole pro klíč SSH. Při úvodním nasazení jsem ho nevyužil a nepřidával klíč během placení. Panel později zobrazil údaje pro připojení pomocí hesla, takže absence klíče mě nepřipravila o inzerovaný způsob přihlášení. U serveru, který by běžel delší dobu, bych však upřednostnil přístup přes SSH pomocí klíče.
Než jsem klikl na Deploy, souhrn zobrazoval zvolenou instanci B200, konfiguraci X-Large a hodinovou sazbu 488 kreditů, které se odečítaly z mého zůstatku 2,000 kreditů.
Hostinger odhadoval, že zůstatek vystačí přibližně na čtyři hodiny nepřetržitého používání. Líbilo se mi, že se tento odhad zobrazil hned nad tlačítkem nasazení: průběžné náklady tak byly viditelnější než na cenové kartě, která uvádí pouze cenu Od $4.50/hod.

Klikl jsem na Deploy. Hostinger mi poté zobrazil obrazovku Zřizování GPU a oznámil, že mohu stránku opustit, zatímco zřizování bude pokračovat. V této fázi nebylo nutné ručně provádět žádné další nastavení infrastruktury.

Přibližně o dvě minuty později se na obrazovce potvrzení úspěšného dokončení zobrazilo „Vše je připraveno!“ a informace, že instance s GPU je spuštěná a funkční. Byla označena jako hostinger-gpu-review-b200, instance B200 s pamětí VRAM o velikosti 192 GB a konfigurací X-Large. Jako další krok byla jasně uvedena možnost Manage, takže bylo zřejmé, kam přejít po dokončení zřízení.

Na této potvrzovací obrazovce jsem klikl na Manage, abych si prohlédl ovládací prvky, které budu používat po nasazení. Toto přímé předání bylo příjemným detailem: nebylo nutné vracet se na hlavní stránku hPanel a hledat svůj nový server.
Po kliknutí na Manage se otevřela vyhrazená oblast pro správu GPU, nikoli běžný ovládací panel webhostingu. Levá nabídka obsahovala jen tři položky: Přehled, Metrics a Exposed services. Po rozsáhlých obrazovkách výběru produktu jsem ocenil, jak přehledná tato navigace byla.
Přehled okamžitě odpovídal na otázky, které bych měl po pronájmu drahého hardwaru: Běží instance? Kterou GPU a jaké prostředky jsem dostal? Jaká je rychlost čerpání kreditů? Jak se připojím? Karta instance označovala hostinger-gpu-review-b200 jako Spuštěnou a potvrzovala NVIDIA B200, paměť VRAM o velikosti 192 GB, 16 jader CPU, 32 GB RAM, disk o velikosti 300 GB, Ubuntu 24.04 a umístění v Los Angeles.

Přímo na kartě instance byly dva ovládací prvky: Restartovat a Odstranit. Jejich viditelnost je užitečná, protože při platbě za každou hodinu potřebujete vědět, jak spravovat životní cyklus instance. Během této části testu jsem žádnou z těchto akcí neprovedl, takže hodnotím pouze to, jak snadno byly ovládací prvky dostupné, a netvrdím, že jsem ověřil jejich fungování.
Nad kartou serveru Hostinger zobrazoval výpočetní propustnost, využití paměti VRAM a čerpání kreditů. Při prvním zaznamenání se zobrazovala propustnost 0 TFLOPs a průměrné využití paměti VRAM 0 GB, protože jsem dosud nespustil žádnou výpočetní úlohu na GPU.
Souhrn kreditů ukazoval celkem 488 vyčerpaných kreditů, rychlost čerpání 488 kreditů za hodinu a zbývající zůstatek 1,512 kreditů. Tuto přehlednost jsem uvítal, zejména vzhledem k tomu, jak rychle se může placené využívání GPU nasčítat.
Panel Připojení obsahoval veřejnou adresu IPv4, příkaz SSH, který bylo možné zkopírovat, a heslo v jedné sekci. Příkaz SSH obsahoval uživatelské jméno Ubuntu a nestandardní port SSH; pole pro heslo mělo ovládací prvky pro jeho zobrazení a zkopírování.
Hostinger také upozorňoval, že heslo změněné přes SSH už nebude odpovídat heslu uloženému v hPanel. Informace pro připojení jsem tak mohl najít, aniž bych musel hledat v dokumentaci, samotný snímek obrazovky však nedokazuje, že se mi přes SSH skutečně podařilo přihlásit.
Po prohlédnutí stránky Přehled jsem otevřel Metrics. Hostinger nabízel časové filtry pro 1 hodinu, 24 hodin, 7 dní a 30 dní. Stránka zobrazovala grafy výpočetní propustnosti v TFLOPs a využití paměti VRAM v GB. Grafy byly jednoduché a přehledné, nerušily je žádné nesouvisející systémové grafy.

Oba grafy byly v době pořízení snímků obrazovky rovné a ukazovaly nulu. Před spuštěním úlohy AI se to dalo očekávat, proto bych tyto hodnoty nepovažoval za důkaz výkonu GPU ani za známku závady monitorovacího systému.
Užitečný test přijde později: spustit skutečnou výpočetní úlohu, sledovat grafy při změnách využití a porovnat je s měřeními přímo v Ubuntu.
Poté jsem otevřel Exposed services, sekci určenou ke zpřístupnění aplikace běžící na serveru s GPU přes internet. Protože jsem žádnou službu nevytvořil, stránka zobrazovala prázdný stav s tlačítkem Přidat službu. Hostinger také zobrazil varování, že cokoli zveřejníte, bude přístupné každému, kdo zná adresu, pokud aplikace nemá vlastní přihlašování.

Toto varování jsem ocenil. Výpočetní úlohy GPU často zahrnují notebooky, inferenční API a další vývojářská rozhraní, která nemají být volně přístupná. Vstupní bod se snadno hledal, ale zatím jsem zde žádnou veřejnou službu nepřidal ani neotestoval, takže z těchto snímků obrazovky samotných nemohu posoudit zbytek tohoto postupu ani možnosti zabezpečení.
Teprve po kontrole obrazovek specifických pro GPU jsem se vrátil na stránku Home v hPanel. Díky tomu jsem získal jiný pohled na snadnost používání: kde bych instanci s GPU našel, kdybych se přihlásil znovu později, místo abych na ni přešel přes tlačítko Manage po nasazení?
Moje stránka Home se otevřela s výrazným zadáním pro asistenta AI a dlouhou oblastí Vaše podnikání plnou stávajících webových stránek.
U každého webu byla akce Manage site a u několika položek se zobrazovala připomenutí týkající se dočasných domén. Níže jsem viděl tabulku VPS s IP adresami, stavy spuštění, daty vypršení platnosti a tlačítky pro správu. Vlevo navigace sdružovala weby, domény, e-maily, další služby, nástroje pro tvorbu webů, agenty AI, marketingové nástroje a služby pro vývojáře.

Toto vše v jednom má své výhody. Skupiny produktů jsou jasně označené a stávající zákazník Hostingeru může z jednoho účtu přejít k několika typům hostingu. V mém případě ale množství obsahu souvisejícího s weby stránku vizuálně zahlcovalo.
Moje nová GPU nebyla na viditelné části stránky Home tak výrazná jako položky webů a VPS. Jakmile jsem se k ní dostal, cílenější navigace pro přehled, Metrics a Exposed services mi vyhovovala více.
Neobvykle dlouhý seznam webů odráží obsah, který už byl v mém účtu; nový zákazník bez dalších služeb může mít stránku méně přeplněnou. Přesto je toto rozlišení pro čtenáře důležité: nasazení GPU je krátký, cílený proces, zatímco širší řídicí panel hPanel se snaží obsloužit všechny produkty Hostingeru najednou.
Největší předností použitelnosti Hostinger GPU Hosting bylo to, co následovalo poté, co jsem našel dostupnou GPU. Konfigurační stránka zobrazovala dostupné možnosti a jejich cenu, obrazy Ubuntu a aplikací AI se daly snadno najít, nasazení trvalo přibližně dvě minuty a tlačítko Manage mě přivedlo přímo na přehledný panel instance.
Podařilo se mi najít specifikaci GPU, rychlost čerpání kreditů, informace o SSH a hlavní ovládací prvky správy, aniž bych se musel prokousávat složitou cloudovou konzolí.
Tato pohodlnost by však neměla zastřít omezení, která se projeví ještě před nasazením. Na veřejné stránce jsem zvolil RTX 4090, ale po přechodu do hPanel jsem si ji nemohl pronajmout; většina uvedených GPU nebyla dostupná a v mé relaci byl jediným regionem pro nasazení Los Angeles. B200 byla výrazně dražší než zamýšlená RTX 4090 a sazba konfigurace X-Large byla vyšší než inzerovaná počáteční sazba B200. Obecné zobrazení Home v hPanel také působilo přeplněněji než stránky zaměřené na GPU.

Hostinger nabízí nepřetržitou online podporu prostřednictvím chatu na ovládacím panelu a další možnosti kontaktu přes WhatsApp a e-mail na adrese support@hostinger.com. Na rozdíl od některých poskytovatelů hostingu nenabízí telefonickou podporu.
Hlavní zkušenost s podporou se nyní točí kolem Hostinger Agent, asistenta AI, který dokáže odpovídat na otázky, řešit problémy, vyhledávat dokumentaci a provádět určité akce související se správou účtu. Hostinger také v případě potřeby další pomoci nabízí přístup k Customer Success Specialists.
V rámci této recenze jsem vyzkoušel chat podpory se skutečným dotazem ohledně instance s GPU NVIDIA B200. Chtěl jsem zjistit, jak rychle získám přesné technické pokyny, a především jak snadné je na požádání spojit se přímo s pracovníkem podpory.
Prošel jsem si také znalostní bázi Hostingeru, abych posoudil kvalitu dokumentace k GPU a zjistil, zda zákazníci dokážou vyřešit běžné problémy bez kontaktování podpory.
K chatu podpory jsem se dostal kliknutím na Agent v horní části hPanel. Chat se otevřel vedle stránky správy GPU, takže jsem při komunikaci s podporou mohl sledovat svou spuštěnou instanci B200 a její čerpání kreditů.

Hostinger Agent je nástupcem Kodee, bývalého asistenta AI podpory od Hostingeru. Hostinger spojil Kodee se svou širší sadou specializovaných nástrojů AI do jednotného asistenta. Podle Hostingeru dokáže tento asistent vysvětlovat technické problémy, poskytovat pokyny k řešení potíží, navrhovat relevantní dokumentaci a provádět podporované akce v zákaznickém účtu.
Můj test se však zaměřil na technické rady a předání pracovníkovi podpory, nikoli na to, aby asistent mohl provádět změny na účtu.
Položil jsem praktický dotaz ohledně účtování GPU a uchovávání dat. Protože Hostinger účtuje za instance s GPU po hodinách, chtěl jsem vědět, zda mohu server mezi výpočetními úlohami AI pozastavit, aniž bych přišel o nainstalované aplikace, modely a soubory. Také jsem se zeptal, zda restart zastaví účtování a co mám udělat pro zachování svého prostředí, pokud bude nutné instanci odstranit.
Asistent odpověděl za méně než 30 sekund.
Jeho odpověď se věnovala všem třem otázkám. Vysvětlil, že restart pouze znovu spustí server a účtování nezastaví. Hostinger v současnosti nenabízí funkci pozastavení ani zastavení, která by zákazníkům umožnila zachovat instanci s GPU bez účtování. Odstraněním instance se účtování zastaví, ale její místní data se trvale smažou.
Odpověď šla ještě dál a vysvětlila, jak mohu zachovat své pracovní prostředí. Doporučila přesunout modely a datové sady do externího úložiště, exportovat závislosti Pythonu nebo Condy, zaznamenat verze CUDA a PyTorch a uložit konfigurační soubory a skripty pro nasazení.

Ocenil jsem podrobnost odpovědi. Asistent se neomezil na prosté konstatování, že instance s GPU nelze pozastavit, ale také vysvětlil, co mám udělat před odstraněním serveru. Jeho doporučení navíc odpovídala oficiální dokumentaci Hostingeru k účtování GPU, takže jsem si mohl ověřit správnost vysvětlení.
Odpovědět na technický dotaz však byla jen první část mého testu podpory. Poté jsem chtěl mluvit přímo s pracovníkem podpory.
V 17:23 jsem požádal Hostinger Agent, aby mě spojil s pracovníkem zákaznické podpory a potvrdil mi podrobnosti ohledně účtování GPU a uchovávání dat. Místo zprostředkování spojení asistent zopakoval pravidla a vybídl mě, abych pokračoval s podporou AI, s tím, že to bude rychlejší.
V 17:24 jsem požádal znovu a výslovně. Tentokrát jsem uvedl, že pravidlům rozumím a nepotřebuji další vysvětlení od AI. Výslovně jsem chtěl mluvit s pracovníkem podpory a byl jsem ochoten počkat.
V 17:25 asistent znovu shrnul pravidla účtování a poté nabídl dvě možnosti: Wait for a human review a Pokračovat s Hostinger Agent.

Vybral jsem možnost kontroly pracovníkem podpory a potvrdil, že chci pokračovat v komunikaci s člověkem. Hostinger poté zobrazil zprávu, že kontrola probíhá, odpočet a pole, do kterého jsem mohl specialistovi poskytnout další informace.

V 17:31, přibližně šest minut poté, co žádost vstoupila do procesu kontroly, jsem obdržel odpověď přiřazenou specialistce jménem Amber. Rozhraní zobrazilo „Odpověď zkontrolovala Amber.“
Amber mě požádala, abych uvedl název instance s GPU, body týkající se účtování nebo uchovávání dat, které jsem chtěl potvrdit, a případné související chyby či snímky obrazovky.

Uvedl jsem název instance hostinger-gpu-review-b200 a požádal o potvrzení tří důležitých bodů: neexistence funkce pozastavení, trvalého odstranění dat po odstranění instance a dostupnosti snímků instance, záloh nebo trvalého úložiště.
Položil jsem také otázku ohledně samotného procesu podpory. Protože rozhraní uvádělo, že odpověď zkontrolovala Amber, chtěl jsem vědět, zda už komunikuji přímo s ní, nebo zda stále komunikuji s AI.
V 17:33 jsem obdržel další podrobnou odpověď. Bylo v ní potvrzeno, že instance s GPU čerpají kredity i při nečinnosti, že jejich místní data se při odstranění trvale smažou a že Hostinger v současné době nenabízí snímky instancí s GPU, automatické zálohy ani trvalé úložiště.
Vysvětlovala také, že instance se odstraní okamžitě, jakmile zůstatek kreditů dosáhne nuly, bez jakékoli ochranné lhůty. Jako alternativu navrhovala exportovat prostředí na samostatný VPS, do cloudového úložiště nebo do místního počítače pomocí nástrojů, jako jsou scp nebo rsync.
Nejvýmluvnější část odpovědi se však týkala podpory poskytované lidmi. Hostinger výslovně potvrdil, že stále komunikuji s Hostinger Agent, asistentem s umělou inteligencí. Lidský specialista na konverzaci dohlížel nebo ji kontroloval, ale nebyl jsem přepojen na přímý individuální chat s člověkem.

Na tomto rozdílu záleží. Záměrně jsem požádal o lidského pracovníka podpory, nikoli o další automatické vysvětlení. Systém sice zajistil dohled člověka a poskytl úplnou technickou odpověď, ale neumožnil mi přímou komunikaci s člověkem, o kterou jsem žádal.
Od první otázky v 17:22 do závěrečného upřesnění v 17:33 trvala celá konverzace s podporou přibližně 11 minut. První odpověď AI dorazila za méně než 30 sekund, zatímco kontrola pracovníkem podpory se zobrazila zhruba šest minut poté, co jsem požádal o předání pracovníkovi podpory.
Po otestování chatu podpory jsem přešel do online centra nápovědy Hostinger , abych zjistil, jak snadno mohou zákazníci využívající GPU najít odpovědi bez kontaktování podpory.
Domovská stránka byla přehledná a dobře uspořádaná, s výrazným vyhledávacím polem a dokumentací rozdělenou do kategorií, jako jsou Začínáme, řídicí panel Hostinger, VPS, fakturace a certifikáty SSL. Mezi zobrazenými možnostmi jsem však nenašel samostatnou kategorii pro GPU.

Do vyhledávacího pole jsem zadal „gpu“ a Hostinger zobrazil 10 výsledků. Osm z nich se zaměřovalo přímo na GPU hosting a týkalo se výběru hardwaru, šablon aplikací, nasazení, správy instance, fakturace, veřejně zpřístupněných služeb, zabezpečení a srovnání s hostingem VPS. Zbývající dva se věnovaly zásadám vrácení peněz a řídicímu panelu Hostinger.

Líbilo se mi, že vyhledávání okamžitě nabídlo relevantní dokumentaci k GPU, přestože na domovské stránce nebyla samostatná kategorie. Ještě důležitější je, že články se zabývaly praktickými otázkami, jako je hodinové čerpání kreditů, ztráta dat po odstranění instance a zabezpečení aplikací přístupných veřejně.
Poté jsem si prohlédl jednotlivé návody, abych zjistil, nakolik srozumitelně tyto problémy vysvětlují a jak přesně jejich pokyny odpovídají mé praktické zkušenosti.
Prostudoval jsem návody Hostingeru k nastavení GPU a správě instance. Pokrývají výběr hardwaru, regiony, softwarové šablony, nasazení, monitorování a veřejně zpřístupněné služby.
Pokyny přesně odpovídaly mé zkušenosti s hPanel. Ocenil jsem také, že Hostinger uznal omezenou regionální dostupnost GPU, se kterou jsem se setkal, když bylo RTX 4090 vyprodáno a Los Angeles bylo jedinou dostupnou možností nasazení.
Průvodce účtováním GPU byl obzvlášť užitečný, protože se zabýval stejnými obavami, které jsem vznesl během chatu podpory.
Potvrzuje, že účtování pokračuje, i když je instance nečinná, restart účtování nezastaví a odstranění instance trvale smaže místní data.
Ještě důležitější je, že Hostinger upozorňuje, že automatické dobíjení kreditů ani upozornění na nízký zůstatek nejsou k dispozici. Dojdou-li kredity, instance bude okamžitě odstraněna.

To jsou zásadní informace pro každého, kdo provozuje úlohy AI bez dozoru, a líbilo se mi, že je Hostinger jasně vysvětlil.
Průvodce Hostingeru veřejným zpřístupněním služeb vysvětluje veřejný přístup, konfiguraci portů a podporované protokoly. Také objasňuje, že výběrem HTTPS se automaticky nenakonfiguruje šifrování TLS.
Doprovodný průvodce zabezpečením se věnuje ověřování uživatelů v aplikaci a ochraně firewallem. Uvítal bych však jasnější upozornění, že je třeba zachovat přístup přes SSH, než povolíte omezující pravidla firewallu.

Hostinger poskytl kvalitní podporu s pomocí AI, proces předání pracovníkovi podpory však měl prostor ke zlepšení.
Hostinger Agent zodpověděl můj dotaz ohledně GPU za méně než 30 sekund, vysvětlil důsledky pro účtování a doporučil praktické kroky k zachování mého prostředí. Jeho pokyny byly podrobné a v souladu s oficiální dokumentací.
Možnost lidského dohledu se zpřístupnila přibližně po šesti minutách a závěrečná odpověď se věnovala dalším otázkám, které jsem vznesl. Musel jsem však opakovaně žádat o předání pracovníkovi podpory a konverzaci nadále vedla AI, místo aby přešla k přímému chatu podpory se specialistou.
Znalostní báze byla dalším příjemným překvapením. Jejích osm článků zaměřených na GPU jasně vysvětlovalo nasazení, správu, účtování, zpřístupnění služeb a zabezpečení. Dokumentace k účtování byla obzvlášť užitečná pro pochopení rizik spojených s nepřetržitým čerpáním kreditů a trvalou ztrátou dat.

Ano, vývojářům a týmům pracujícím s AI, které potřebují značnou výpočetní kapacitu GPU, aniž by si musely kupovat hardware. Moje B200 prováděla inferenci modelu Qwen rychlostí přibližně 126 tokenů za sekundu po zahřátí modelu a generovala obrázky pomocí SDXL za přibližně 0.91 sekundy.
Nasazení proběhlo rychle, jakmile jsem měl funkční adresu pro připojení přes SSH. Problém se zobrazením IP adresy prvního serveru, měnící se dostupnost hardwaru, nevratné kredity a absence možnosti pozastavení instance či vestavěných záloh však představují významná rizika.
| Název plánu | CPU | RAM | Šířka pásma | Cena | |
|---|---|---|---|---|---|
| Free Trial | - | Neomezený | 0 Kč | Podrobnosti | |
| Game Panel 2 | 2 jádra | 8 GB | 8 TB | 190 Kč | Podrobnosti |
| Game Panel 4 | 4 jádra | 16 GB | 16 TB | 280 Kč | Podrobnosti |
| Game Panel 8 | 8 jádra | 32 GB | 32 TB | 560 Kč | Podrobnosti |
| Description | Expert Review |
|---|---|
| Cenově dostupný hosting s vysokým výkonem a snadnými nástroji pro správu. | Read Shared Hosting Review |
| ast a zabezpečený WordPress hosting s instalací jedním kliknutím a prémiovými ... | Read Wordpress Hosting Review |
| Škálovatelný VPS hosting s vyhrazenými prostředky a root přístupem. | Read VPS Review |
| Rychlý, flexibilní cloud hosting s vynikající dostupností a škálovatelnými zd... | Read Cloud Hosting Review |
| Bezpečná a soukromá hostingová řešení s datovými centry v offshore lokalitác... | Read Offshore Hosting Review |
| Bezpečné a spolehlivé e-mailové hostování s profesionálními funkcemi. | Read Email Hosting Review |
| Spolehlivý hosting pro Python s flexibilními prostředími pro vývojáře. | Read Python Hosting Review |
| Vysoce výkonný PHP hosting s plnou podporou dynamických webových stránek a aplik... | Read PHP Hosting Review |
| Spolehlivý Windows VPS hosting s plnou kontrolou a možnostmi přizpůsobení. | Read Windows VPS Review |
| Rychlý a flexibilní hosting přizpůsobený aplikacím Node.js s optimálním výko... | Read Nodejs Hosting Review |
| Optimalizovaný hosting pro WooCommerce obchody s vysokou rychlostí a bezpečnou int... | Read Woocommerce Hosting Review |
| Hosting dedikovaných serverů pro bezproblémové herní zážitky v Minecraftu. | Read Minecraft Server Hosting Review |
| Škálovatelná hostingová řešení s pokročilými funkcemi pro digitální agentu... | Read Agency Hosting Review |
| Rychlý, bezpečný hosting optimalizovaný pro Magento e-commerce webové stránky. | Read Magento Hosting Review |
| Vysoce výkonný hosting založený na Linuxu pro stabilní a bezpečný provoz webov... | Read Linux Hosting Review |
| Robustní Java hostingová řešení pro dynamické webové aplikace a projekty. | Read Java Hosting Review |
| Optimalizovaný hosting pro e-commerce weby s bezpečným, rychlým a spolehlivým v�... | Read Ecommerce Hosting Review |
| Spolehlivý Django hosting s vysokou rychlostí a bezpečným prostředím. | Read Django Hosting Review |
| Snadno použitelný cPanel hosting s robustním výkonem a spolehlivou podporou. | Read Cpanel Hosting Review |
| Výkonný hosting pro firmy s vysokými rychlostmi, zabezpečením a škálovatelnost... | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Dedikovaný SMTP server hosting pro spolehlivé a bezpečné doručování e-mailů. | Read SMTP Server Review |
| Rychlý a optimalizovaný hosting šitý na míru webovým aplikacím Ruby on Rails. | Read Ruby on Rails Review |
| Funkce bohatý hosting s integrací OpenClaw pro vytváření a správu her s jeřáb... | Read OpenClaw Review |
| Rychlý a spolehlivý hosting s britskými servery pro optimální místní výkon. | Read UK Hosting Review |
| Dostupný a spolehlivý hosting se servery v Indii pro přístup s nízkou latencí. | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Ano. Moje NVIDIA B200 úspěšně spustila inferenci Qwen2.5-7B i generování obrázků ve Stable Diffusion XL. Výsledky se liší podle modelu, frameworku a velikosti instance.
Hostinger inzeruje 192 GB VRAM. Můj B200 v PyTorch hlásil 178,34 GiB, což odpovídá rozdílům mezi desetinnými a binárními jednotkami paměti.
Ne. GPU kredity se dál spotřebovávají, i když je instance nečinná nebo se restartuje. Zrušení instance zastaví účtování za používání, ale trvale odstraní její místní data.
Neviděl jsem při placení žádnou samostatnou bezplatnou zkušební verzi GPU. Hostinger vylučuje nákupy GPU a AI kredity ze své standardní 30denní záruky vrácení peněz.
Ano. SSH fungovalo na mé náhradní instanci B200, i když při prvním nasazení byla zobrazena privátní IP místo použitelného veřejného SSH endpointu.

Odpovězte na pár jednoduchých otázek a najděte pro vás perfektní řešení!
Začít s vyhledáváním hostinguHostAdvice.com poskytuje profesionální recenze hostingu nezávislé na jakémkoliv jiném subjektu. Naše recenze jsou objektivní, čestné a uplatňují stejná hodnotící kritéria pro všechny.
Peněžní odměna je přijímána od hodnocených společností. Kompenzace služeb a produktů nemá žádný vliv na směr nebo závěry našich recenzí. Ani neovlivňuje pořadí některých hostitelských společností.
Podpořte komunitu vlastníků internetových stránek přidáním vaší objektivní recenze vašeho hostitele stránek.






