TensorPool
TensorPool · コーディング
TensorPoolは、CLI経由でB200、B300、H100、H200のクラスタをオンデマンドで借りられるGPUクラウドだ。TensorPool GPUクラウドはgit流のジョブ、共有NFSストレージ、分単位の課金を備える。
TensorPool について
What Is TensorPool
TensorPoolはGPUクラスタを時間単位で借りるためのクラウドだ。モデルを学習・微調整するMLエンジニアのうち、プロバイダのアカウント管理や割り当て申請、スポットの中断対応を手作業でやりたくない層を狙う。短い設定ファイルにジョブを書いて送ると、TensorPoolが複数のプロバイダをまたいで空きを探し、実行する。
売りは速さと価格にある。TensorPoolは料金を公開しており、H100 SXMのオンデマンド料金は1時間1.99ドルで、大手クラウドの相場を大きく下回る。H100 GPUを借りたい場合も、B200 GPUのレンタルを大手と比べたい場合も、料金ページで数字を並べて確認できる。規模は1枚から数百枚のクラスタまで、選んだプラン次第で広がる。
最大の難点は、TensorPoolがクリック操作の管理画面ではなく開発者向けのワークフローを前提にしている点だ。ターミナルに慣れ、コンテナ発想で動ける必要がある。加えて一部ではスポットや中断可能な容量に頼るため、復旧機能を使わなければ長時間の無人実行にはリスクが残る。
Getting Started
- tensorpool.devでGitHubかメールから登録し、GitHubリポジトリにスターを付けて20ドルの無料クレジットを受け取る。
- TensorPool CLIをインストールし、アカウントのトークンで認証する。
- GPUの種類、コンテナイメージ、実行したいコマンドを書いたジョブ設定を用意する。
- CLIでジョブを送る。TensorPoolが最も安いプロバイダを選び、実行を始める。
- CLIでログと成果物を取り出すか、実行中にライブで追う。
AIツール情報
TensorPoolの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- MLエンジニア：ターミナルに慣れていれば、プロバイダごとにアカウントを開かず柔軟にGPUを使える。
- 小規模な研究チーム：予約契約なしで1枚から数百枚へ広げられる。ただし長期契約の割引は営業への問い合わせが要る。
- 予算の厳しいスタートアップ：無料クレジットと低い時給が初期の学習コストを抑える。ワークロードがスポット容量を許容できる場合に限る。
タスク
- 大規模言語モデルの微調整：共有ストレージをマウントしたH100やB200のクラスタで実行でき、再起動してもチェックポイントが残る。
- 実験を並行で回す：nb.devノートブックならマシンの状態をスナップショットし、複数のGPUへ一度に分岐できる。
- バッチ推論とデータ処理：CLIがコンテナ化したジョブを送り、終了時に結果を返す。繰り返し使うパイプラインに向く。
シーン
- 夜間の学習：スポット復旧が横取り後に新しいハードウェアでジョブを再開するため、長時間の実行が無駄にならない。
- GPUクラウドで契約せずにモデルを学習：時間単位の課金なので、試したいアイデアを試して止められる。月額の縛りはない。
- 大手クラウドを離れてGPU費用を削りたいチーム：TensorPoolは同等の仕様で同じGPUをより安いオンデマンド料金で出す。
主な機能
CLI中心のGPUジョブ
TensorPoolはWebコンソールではなくコマンドラインツールでジョブを動かす。設定ファイルにジョブを書き、コミットを送るように投入する。ターミナルを日常的に使い、GPUの立ち上げを既存のスクリプトやCIパイプラインに組み込みたいエンジニアに向く。
git流のワークフロー
ジョブはコードの変更のように扱う。送って状態を追い、終わったら結果を取り戻す。TensorPoolは実行時間だけを課金するため、工程の合間の待ち時間は請求に乗らない。一度きりの対話セッションより、繰り返す学習パイプラインに合う。
複数プロバイダのスポット復旧
CLIの裏側でスケジューラがGPUプロバイダを比べ、ジョブに合う最も安い選択肢を取る。中断可能なインスタンスが引き揚げられると、スマートなスポット復旧が新しいハードウェアで実行を再開する。手を貸さなくても学習が続く。
MLノートブック nb.dev
nb.devはTensorPool版のJupyterで、ML作業向けに作られている。任意のノートブックにGPUを即座に接続し、GPUメモリやモデルの重みを含むマシン全体の状態をスナップショットし、そのスナップショットを好きなだけ新しいマシンへ分岐させる。逐次の試行錯誤が並行実験に変わる。
共有NFSとオブジェクトストレージ
TensorPoolは高速な共有NFSストレージとS3互換のオブジェクトストレージを用意する。オブジェクト層は世界に分散し、GPUの近くにデータをキャッシュする。同社いわく、Cloudflare R2よりリージョン間の遅延が小さい。共有ストレージがあればデータセットとチェックポイントをジョブの全ノードから触れる。
コンテナ実行
ジョブはすべてコンテナで動く。環境と依存関係は自分で持ち込む。手作業で組んだGPUサーバでありがちなバージョンのずれを避けられ、ノートPCで動いたジョブがクラスタでも同じように動く。
透明な時間課金
料金ページは各GPUを1時間ごとに並べ、Lambda Labsや大手クラウドと直接比べる。B200は1時間4.99ドル、L40Sは1.49ドル、CPUは0.015ドルだ。隠れたプラットフォーム料金はなく、ストレージは1TBごとに別建てで課金される。
最大128枚までの弾力的な拡張
標準プランはオンデマンドで最大128枚のGPUを扱い、エンタープライズ契約は可用性99.9%のSLA付きで数千枚まで広がる。1枚から始めて、同じワークフローのまま大きなクラスタへ育てられる。プラットフォームを乗り換える必要はない。
メリットとデメリット
メリット
- H100のオンデマンド料金は1時間1.99ドル前後で、同等のハードウェアなら大半の大手クラウドより安い。
- CLIとgit流のジョブが既存のエンジニアリング工程に収まり、新しい管理画面を強いられない。
- スポット復旧が中断したジョブを自動で再開するため、長い学習で失う作業が減る。
- 20ドルの無料クレジットと月額の最低ラインがなく、契約前に安く試せる。
- 共有NFSとS3互換ストレージがデータセットとチェックポイントを全ノードで使える状態に保つ。
デメリット
- ジョブ管理用の充実したGUIコンソールがなく、非技術者は扱いに困る。
- 長期契約の割引や大規模な予約は営業への問い合わせが必要で、公開価格がない。
- 一部リージョンでスポット容量に依存するため、起動時間と安定性に振れが出る。
- ドキュメントとサポートは主にSlackとDiscordにあり、答えを検索しにくいことがある。
よくある質問
TensorPoolはモデルの学習、微調整、推論のためにGPUクラスタを貸し出す。CLIでコンテナ化したジョブを送ると、プロバイダ間の立ち上げを肩代わりする。クラウドのアカウントを自分で管理する必要はない。
関連コンテンツ
TensorPoolに関連するツール、スキル、記事を探す。
TensorPoolの代替ツール
Udon
Udon · コーディング · 生産性向上Udon は Apple Silicon の Mac を Mac 家庭用サーバーに変えるソフトだ。ブラウザからコンテナとファイル共有を操作でき、AI システム管理者も任意で使える。
offstage
offstage cloud · コーディング · 生産性向上offstage は AI エージェントと CI ジョブに本物の Mac を渡す。Apple Silicon 上の macOS 27 アカウントを API で操作し、秒単位で課金される。
BotBus
Chengdu Tuyang Tusen Technology Co., Ltd. · コーディング · 生産性向上BotBusを使えば、スマホからAIコーディングエージェントを操作できる。席を外したままコマンドを承認し、タスクを始め、結果を確認できる。