Thunder Compute

Thunder Compute es un proveedor de GPU en la nube pensado para quien entrena modelos, ejecuta evaluaciones o deja que sus agentes consuman cómputo sin frenar. No reservas una máquina con meses de antelación ni apartas un rack. Pides una GPU, la tienes en menos de un minuto, ejecutas tu código y dejas de pagar cuando el trabajo termina. Ese es el argumento en una línea. Sin cola, sin hardware ocioso.

La empresa nació como laboratorio de investigación en sistemas. Los fundadores se conocieron en Georgia Tech, donde los investigadores reservaban tiempo de GPU con semanas de antelación en una hoja de cálculo compartida, de modo que los experimentos se paraban cada vez que otro tenía la reserva. Ese cuello de botella se convirtió en el producto: Thunder Compute virtualiza las GPU para que el hardware siga ocupado en vez de quedarse parado entre reservas. Y Combinator respaldó al equipo en su lote del verano de 2024.

El precio de la GPU en la nube pesa tanto como la tecnología. La mayoría de los proveedores te redondea a la hora y te cobra los datos que salen. Aquí no. Entonces, ¿cuánto te ahorra eso de verdad? Depende de cuánto tiempo muerto consumes ahora.

El servicio se divide en dos productos. Las instancias son máquinas GPU persistentes a las que te conectas y que conservas, con facturación por minuto mientras están encendidas. Los sandboxes son trabajos aislados y de vida corta que puedes multiplicar por cientos con unas pocas líneas de Python, con facturación por segundo. Ambos corren sobre la misma flota, algo que importa si te fijas en que el alquiler de A100 y la capacidad de la nube de GPU H100 sigan disponibles cuando los necesitas. El límite principal es el alcance: es infraestructura para quien ya sabe programar. No hay un editor visual sin código, y si tu carga cabe en una GPU de portátil, alquilar por horas rara vez tiene sentido. Conviene saber qué compras.

Cómo empezar

1. Regístrate en la consola y añade un método de pago, porque la facturación arranca en cuanto una GPU se enciende.
2. Elige un editor o una interfaz: la extensión de VS Code, la línea de comandos, la consola web o el servidor MCP para flujos de agentes.
3. Crea una instancia con un solo comando como tnr create --gpu a100, o abre un sandbox desde Python con la librería thunder_sandbox.
4. Conéctate desde VS Code, la CLI o el navegador y ejecuta tu código actual sobre la GPU.
5. Haz una instantánea del disco cuando termines si quieres conservar tu entorno, y luego apaga la instancia para parar el contador.