TensorPool
TensorPool · Programación
TensorPool es una plataforma de nube de GPU que alquila clústeres B200, B300, H100 y H200 por horas mediante una CLI, con trabajos estilo git, almacenamiento NFS compartido y facturación por minuto.
Acerca de TensorPool
What Is TensorPool
TensorPool es una plataforma de nube de GPU para alquilar clústeres por horas. Está pensada para ingenieros de machine learning que entrenan y ajustan modelos, pero no quieren gestionar cuentas de proveedor, solicitudes de cuota ni interrupciones spot a mano. Describes un trabajo en un archivo de configuración corto, lo envías y TensorPool busca capacidad entre varios proveedores y lo ejecuta.
La propuesta es velocidad y precio. TensorPool publica sus precios de forma abierta, y su tarifa bajo demanda de 1,99 dólares por hora por una H100 SXM queda muy por debajo de lo que cobran los grandes proveedores. Si quieres alquilar una GPU H100 o comparar un alquiler de GPU B200 con el de un hiperescalador, la página de precios pone las cifras una al lado de la otra. La capacidad va de una sola GPU a clústeres de cientos, según el plan que uses.
El principal inconveniente es que TensorPool gira en torno a un flujo de trabajo para desarrolladores, no a un panel con botones. Necesitas soltura con la terminal y una mentalidad basada en contenedores. Además, en algunos casos recurre a capacidad spot e interrumpible, así que las ejecuciones largas sin supervisión tienen cierto riesgo si no usas sus funciones de recuperación.
Getting Started
- Regístrate en tensorpool.dev con GitHub o correo electrónico y reclama el crédito gratuito de 20 dólares por dar una estrella al repositorio de GitHub.
- Instala la CLI de TensorPool y autentícala con el token de tu cuenta.
- Escribe una configuración de trabajo con el tipo de GPU, la imagen de contenedor y el comando que quieres ejecutar.
- Envía el trabajo con la CLI. TensorPool elige el proveedor más barato disponible y arranca la ejecución.
- Recupera los registros y los resultados con la CLI, o míralos en directo mientras corre el trabajo.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de TensorPool.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Ingenieros de ML
- Equipos de investigación pequeños
- Startups con presupuesto ajustado
Tareas
- Ajuste fino de modelos de lenguaje grandes
- Ejecutar experimentos en paralelo
- Inferencia por lotes y procesamiento de datos
Casos de uso
- Entrenamientos nocturnos
- Usar una nube de GPU para entrenar modelos sin contrato
- Equipos que salen de los hiperescaladores para recortar gasto en GPU
Funciones clave
Trabajos de GPU con la CLI como centro
TensorPool ejecuta el trabajo a través de una herramienta de línea de comandos, no de una consola web. Defines un trabajo en un archivo de configuración y lo envías como enviarías un commit. Atrae a ingenieros que ya viven en la terminal y quieren que el aprovisionamiento de GPU encaje en sus scripts y canalizaciones de CI.
Flujos de trabajo estilo git
Los trabajos se comportan como cambios de código. Envías uno, sigues su estado y recuperas los resultados al terminar. TensorPool solo cobra el tiempo de ejecución, así que los huecos entre pasos no suman a la factura. El modelo encaja mejor con canalizaciones de entrenamiento repetibles que con sesiones interactivas puntuales.
Recuperación de spot con varios proveedores
Detrás de la CLI hay un planificador que compara proveedores de GPU y elige la opción más barata que sirva para tu trabajo. Cuando una instancia interrumpible se corta, la recuperación de spot reinicia la ejecución en hardware nuevo, y el entrenamiento sigue sin que intervengas.
Cuaderno para ML nb.dev
nb.dev es la versión de TensorPool de Jupyter, hecha para trabajo de ML. Conecta una GPU a cualquier cuaderno al instante, captura el estado completo de la máquina, incluidos la memoria de GPU y los pesos del modelo, y ramifica esa instantánea a tantas máquinas nuevas como quieras. Así, el prueba y error secuencial se convierte en experimentos en paralelo.
Almacenamiento NFS compartido y de objetos
TensorPool ofrece almacenamiento compartido NFS de alto rendimiento y un almacén de objetos compatible con S3. El nivel de objetos está distribuido por el mundo y almacena datos cerca de tus GPU, lo que según la empresa reduce la latencia entre regiones frente a Cloudflare R2. El almacenamiento compartido mantiene conjuntos de datos y checkpoints accesibles desde cada nodo del trabajo.
Ejecución en contenedores
Cada trabajo corre en un contenedor, así que traes tu propio entorno y tus dependencias. El enfoque evita el desfase de versiones típico de los servidores de GPU montados a mano, y significa que un trabajo que funciona en tu portátil se comporta igual en el clúster.
Precios transparentes por hora
La página de precios lista cada GPU por hora y la compara directamente con Lambda Labs y las grandes nubes. La B200 se queda en 4,99 dólares por hora y la L40S en 1,49, con la CPU a 0,015. No hay tarifa de plataforma escondida, y el almacenamiento se factura aparte por terabyte.
Escala elástica hasta 128 GPU
El plan estándar cubre hasta 128 GPU bajo demanda, y los acuerdos empresariales escalan a los miles con un SLA de disponibilidad del 99,9 %. Los equipos pueden empezar con una sola tarjeta y crecer con el mismo flujo de trabajo hasta un clúster grande sin cambiar de plataforma.
Ventajas y desventajas
Ventajas
- La tarifa bajo demanda de la H100, cerca de 1,99 dólares por hora, queda por debajo de casi todos los hiperescaladores para hardware comparable.
- La CLI y los trabajos estilo git encajan en los flujos de trabajo de ingeniería en lugar de imponer un panel nuevo.
- La recuperación de spot reinicia los trabajos interrumpidos de forma automática, lo que reduce el trabajo perdido en entrenamientos largos.
- El crédito gratuito de 20 dólares y la ausencia de mínimo mensual abaratan las pruebas antes de comprometerse.
- El almacenamiento compartido NFS y el compatible con S3 mantienen conjuntos de datos y checkpoints disponibles en todos los nodos.
Desventajas
- No hay una consola gráfica completa para gestionar trabajos, así que los usuarios sin perfil técnico lo pasarán mal.
- Los descuentos por compromiso y las reservas a gran escala exigen hablar con ventas, y no hay tarifa pública.
- La plataforma depende de capacidad spot en algunas regiones, lo que añade variabilidad a los tiempos de arranque y a la fiabilidad.
- La documentación y el soporte viven sobre todo en Slack y Discord, así que las respuestas no siempre son fáciles de encontrar.
Preguntas frecuentes
TensorPool alquila clústeres de GPU para entrenar, ajustar modelos y hacer inferencia. Envías trabajos en contenedores mediante una CLI y la plataforma se encarga del aprovisionamiento entre proveedores, así que tú no gestionas cuentas en la nube.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con TensorPool.
Alternativas a TensorPool
Base Code
Base44 (Wix) · Programación · ProductividadBase Code es un entorno de desarrollo en la nube compartido de Base44. El equipo describe cambios sobre un repositorio de GitHub en el chat, los ve en una vista previa y los envía como pull requests.
Google EmbeddingGemma 2
Google DeepMind · Escritura · Imagen · ProgramaciónGoogle EmbeddingGemma 2 es un modelo abierto de 740 millones de parámetros que convierte texto, código, imágenes, audio y fotogramas de vídeo en vectores de un mismo espacio de 768 dimensiones, y funciona en móviles y portátiles.
GitGlow
GitGlow · Programación · ProductividadGitGlow es un cliente Git de escritorio que reúne tu código y los cambios de tus agentes de IA en una sola revisión, para que sepas qué va a salir de tu máquina antes de publicarlo.