TensorPool
TensorPool · Programação
O TensorPool é uma plataforma de nuvem de GPU que aluga clusters B200, B300, H100 e H200 sob demanda por meio de uma CLI, com jobs no estilo git, armazenamento NFS compartilhado e cobrança por minuto.
Sobre TensorPool
What Is TensorPool
O TensorPool é uma plataforma de nuvem de GPU para alugar clusters por hora. Ele mira engenheiros de machine learning que treinam e ajustam modelos, mas não querem lidar com contas de provedor, pedidos de cota ou interrupções spot na mão. Você descreve um job em um arquivo de configuração curto, envia, e o TensorPool encontra capacidade entre vários provedores e executa.
A proposta é velocidade e preço. O TensorPool publica os preços de forma aberta, e a tarifa sob demanda de 1,99 dólar por hora por uma H100 SXM fica bem abaixo do que os grandes provedores cobram. Se você quer alugar uma GPU H100 ou comparar um aluguel de GPU B200 com o de um hiperescalador, a página de preços coloca os números lado a lado. A capacidade vai de uma única GPU a clusters de centenas, dependendo do plano.
O principal porém é que o TensorPool gira em torno de um fluxo de trabalho para desenvolvedores, não de um painel cheio de botões. Você precisa de familiaridade com o terminal e de uma mentalidade baseada em contêineres. Ele também recorre a capacidade spot e interrompível em alguns casos, então execuções longas sem supervisão carregam certo risco se você não usar os recursos de recuperação.
Getting Started
- Cadastre-se em tensorpool.dev com GitHub ou e-mail e resgate o crédito gratuito de 20 dólares por dar uma estrela no repositório do GitHub.
- Instale a CLI do TensorPool e autentique com o token da sua conta.
- Escreva uma configuração de job com o tipo de GPU, a imagem de contêiner e o comando que deseja executar.
- Envie o job pela CLI. O TensorPool escolhe o provedor mais barato disponível e inicia a execução.
- Puxe os logs e os resultados pela CLI, ou acompanhe ao vivo enquanto o job roda.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de TensorPool.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Engenheiros de ML
- Equipes de pesquisa pequenas
- Startups com orçamento apertado
Tarefas
- Ajuste fino de grandes modelos de linguagem
- Rodar experimentos em paralelo
- Inferência em lote e processamento de dados
Cenários
- Treinamentos noturnos
- Usar uma nuvem de GPU para treinar modelos sem contrato
- Equipes que saem dos hiperescaladores para cortar gasto com GPU
Principais recursos
Jobs de GPU com a CLI no centro
O TensorPool executa o trabalho por meio de uma ferramenta de linha de comando, não de um console web. Você define um job em um arquivo de configuração e o envia como enviaria um commit. Atrai engenheiros que já vivem no terminal e querem que o provisionamento de GPU encaixe nos scripts e nos pipelines de CI que já usam.
Fluxos de trabalho no estilo git
Os jobs se comportam como mudanças de código. Você envia um, acompanha o estado e puxa os resultados quando termina. O TensorPool cobra só o tempo de execução, então as pausas entre etapas não entram na conta. O modelo combina mais com pipelines de treinamento repetíveis do que com sessões interativas pontuais.
Recuperação de spot com vários provedores
Atrás da CLI há um escalonador que compara provedores de GPU e escolhe a opção mais barata que sirva ao seu job. Quando uma instância interrompível é cortada, a recuperação de spot reinicia a execução em hardware novo, e o treinamento segue sem que você precise agir.
Notebook para ML nb.dev
O nb.dev é a versão do TensorPool do Jupyter, feita para trabalho de ML. Conecta uma GPU a qualquer notebook na hora, captura o estado completo da máquina, incluindo a memória da GPU e os pesos do modelo, e ramifica essa captura para quantas máquinas novas você quiser. Assim, o teste e erro sequencial vira experimentos em paralelo.
Armazenamento NFS compartilhado e de objetos
O TensorPool oferece armazenamento NFS compartilhado de alto desempenho e um armazém de objetos compatível com S3. A camada de objetos é distribuída globalmente e guarda dados perto das suas GPUs, o que segundo a empresa reduz a latência entre regiões em comparação com o Cloudflare R2. O armazenamento compartilhado mantém conjuntos de dados e checkpoints acessíveis em todos os nós do job.
Execução em contêineres
Cada job roda em um contêiner, então você traz o próprio ambiente e as dependências. A abordagem evita o desencontro de versões típico de servidores de GPU montados à mão, e significa que um job que funciona no seu notebook se comporta igual no cluster.
Preços transparentes por hora
A página de preços lista cada GPU por hora e compara diretamente com a Lambda Labs e as grandes nuvens. A B200 fica em 4,99 dólares por hora e a L40S em 1,49, com a CPU a 0,015. Não há tarifa de plataforma escondida, e o armazenamento é cobrado à parte por terabyte.
Escala elástica até 128 GPUs
O plano padrão cobre até 128 GPUs sob demanda, e os acordos empresariais escalam para os milhares com um SLA de disponibilidade de 99,9 %. As equipes começam com uma única placa e crescem com o mesmo fluxo de trabalho até um cluster grande sem trocar de plataforma.
Prós e contras
Prós
- A tarifa sob demanda da H100, perto de 1,99 dólar por hora, fica abaixo de quase todos os hiperescaladores para hardware equivalente.
- A CLI e os jobs no estilo git encaixam nos fluxos de engenharia em vez de impor um painel novo.
- A recuperação de spot reinicia jobs interrompidos automaticamente, o que reduz o trabalho perdido em treinamentos longos.
- O crédito gratuito de 20 dólares e a ausência de mínimo mensal barateiam os testes antes de assumir um compromisso.
- O armazenamento compartilhado NFS e o compatível com S3 mantêm conjuntos de dados e checkpoints disponíveis em todos os nós.
Contras
- Não existe um console gráfico completo para gerenciar jobs, então usuários sem perfil técnico vão penar.
- Os descontos por compromisso e as reservas em larga escala exigem falar com o time comercial, e não há tarifa pública.
- A plataforma depende de capacidade spot em algumas regiões, o que adiciona variação aos tempos de início e à confiabilidade.
- A documentação e o suporte ficam sobretudo no Slack e no Discord, então as respostas nem sempre são fáceis de achar.
Perguntas frequentes
O TensorPool aluga clusters de GPU para treinar, ajustar modelos e fazer inferência. Você envia jobs em contêineres por meio de uma CLI e a plataforma cuida do provisionamento entre provedores, então você não gerencia contas na nuvem.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a TensorPool.
Alternativas a TensorPool
Udon
Udon · Programação · ProdutividadeO Udon transforma um Mac com Apple Silicon em servidor doméstico gerenciado pelo navegador, com contêineres, arquivos compartilhados e um administrador de sistemas com IA opcional.
offstage
offstage cloud · Programação · ProdutividadeO offstage entrega um Mac de verdade para agentes de IA e jobs de CI: uma conta macOS 27 em Apple silicon, controlada por API e cobrada por segundo.
BotBus
Chengdu Tuyang Tusen Technology Co., Ltd. · Programação · ProdutividadeO BotBus leva os agentes de programação com IA do seu computador para o celular e o relógio: você aprova comandos, inicia tarefas e lê resultados sem voltar para a mesa.