GPU für KI-Videogenerierung, monatlich bepreist.
GPU Rent Hub vermietet dedizierte NVIDIA RTX 5090 32-GB-Server für KI-Videogenerierung für 540 $ im Monat, das sind $0.75 pro GPU-Stunde, zahlbar in Bitcoin, Ethereum, USDT, USDC, Monero, Solana oder Litecoin ohne Identitätsprüfung.
Video ist die speicherhungrigste und zeithungrigste generative Workload, die es gibt, und genau das macht eine Pauschale besser als einen Zähler. Hier ist die Rechnung zur Dimensionierung.
Was braucht KI-Videogenerierung von einer GPU?
Zwei Dinge, und sie sind nicht dasselbe: genug VRAM, um den Lauf zu halten, und genug Stunden, um die Warteschlange abzuarbeiten.
Ein Videomodell braucht VRAM für vier Dinge gleichzeitig: die Modellgewichte, den Text-Encoder, den latenten Video-Tensor und die Aktivierungen, die beim Entrauschen entstehen. Das Latent ist ein Raster aus Frames, geteilt durch den zeitlichen Kompressionsfaktor, mal Höhe und Breite, jeweils durch 8 geteilt. Jede Position in diesem Raster ist ein Token, über den der Transformer Aufmerksamkeit berechnet. Der Speicher wächst also linear mit Frame-Anzahl und Pixelfläche, und die Attention-Arbeit wächst ungefähr mit dem Quadrat der Token-Anzahl. Ein fünfsekündiger Clip in 720p ist kein etwas größeres Bild. Ein 720p-Frame ist ein 160-mal-90-Latent, 14,400 Token; der Clip ist 160 mal 90 mal 21, also 302,400 Token. Das ist die einundzwanzigfache Sequenzlänge und, im Quadrat, ungefähr die 440-fache Attention-Arbeit.
Das VAE-Dekodieren am Ende ist häufig der Punkt mit dem höchsten Speicherbedarf des Laufs, weil es das Latent wieder auf voll aufgelöste Frames ausdehnt. Zu gekacheltem Dekodieren greift man, wenn ein Job im letzten Schritt stirbt.
Wie viel VRAM braucht ein fünfsekündiger Videoclip?
Zählen Sie zuerst die latenten Token. Angenommen wird ein VAE mit 8× räumlich und 4× zeitlich, 16 fps und ein Aktivierungstensor mit Breite 1,536 in FP16.
| Clip | Latentes Raster | Token | Ein Aktivierungstensor | vs. 480p | Attention-Arbeit |
|---|---|---|---|---|---|
| 480p, 5 s832 × 480, 81 Frames | 104 × 60 × 21 | 131,040 | 0.40 GB | 1.0× | 1.0× |
| 720p, 5 s1280 × 720, 81 Frames | 160 × 90 × 21 | 302,400 | 0.93 GB | 2.3× | 5.3× |
| 720p, 10 s1280 × 720, 161 Frames | 160 × 90 × 41 | 590,400 | 1.81 GB | 4.5× | 20× |
| 1080p, 5 s1920 × 1088, 81 Frames | 240 × 136 × 21 | 685,440 | 2.11 GB | 5.2× | 27× |
Dazu kommen die Gewichte
Parameter mal Bytes pro Parameter. Ein 5B-Modell sind 10 GB in BF16 und 5 GB in FP8. Ein 14B-Modell sind 28 GB in BF16 und 14 GB in FP8. Der Text-Encoder ist die dritte Zahl, und der Checkpoint bestimmt sie: google/t5-v1_1-xxl hat insgesamt 11B Parameter, 22 GB in BF16, aber allein der Encoder-Turm, den Bild- und Video-Workflows laden, hat 4,7B, also 9,4 GB. So oder so ist das der Grund, warum fast alle ihn einmal ausführen und vor Beginn des Entrauschens wieder freigeben.
Diese Rechnung entscheidet über die Karte. Ein 14B-Modell in FP8 mit ausgelagertem Encoder hat 14 GB Gewichte; damit bleibt einer 32-GB-Karte Platz für 720p-Aktivierungen und ein gekacheltes Dekodieren. Dasselbe Modell in BF16 hat 28 GB und lässt nichts übrig.
Dimensionierungsregel
- 24 GB
- 480p, 5 s, FP8-Gewichte, Encoder ausgelagert
- 32 GB
- 720p, 5 s, FP8, gekacheltes Dekodieren
- 48 GB
- 720p mit 10 s oder kurzes 1080p oder BF16 auf einem 5B-Modell
- 80 GB
- 14B in BF16 ohne Auslagerung oder ein echter Batch
- 141 GB+
- Lange 1080p-Clips und Multi-Clip-Batches in einem Prozess
Wan 2.2 und Hunyuan Video werden in mehreren Größen und Präzisionen ausgeliefert, und diese ändern sich von Release zu Release. Die Rechnung überdauert die Release-Notes. Kartenkapazitäten im GPU-VRAM-Guide.
Welche GPU sollten Sie für Videogenerierung mieten?
Sortiert danach, wie oft wir sie für diese Workload empfehlen. Pro GPU-Stunde ist der Monatspreis geteilt durch 720.
| GPU | VRAM | Bandbreite | Wöchentlich | Monatlich | Pro GPU-Stunde | Bestand |
|---|---|---|---|---|---|---|
| RTX 5090Die Empfehlung: 720p-Clips, FP8, schnellster Speicher pro Dollar | 32 GB GDDR7 | 1.79 TB/s | $155 | $540/Mon. | $0.75 | 100 |
| L40SECC-Speicher, FP8, für Läufe, die in Tagen gemessen werden | 48 GB GDDR6 ECC | 864 GB/s | $148 | $520/Mon. | $0.72 | 74 |
| RTX A6000Günstige 48 GB Kapazität, kein FP8 | 48 GB GDDR6 ECC | 768 GB/s | $82 | $290/Mon. | $0.40 | 65 |
| RTX 6000 Ada48 GB mit FP8 und Workstation-Treibern | 48 GB GDDR6 ECC | 960 GB/s | $130 | $460/Mon. | $0.64 | 26 |
| RTX 4090480p-Batches, größter Bestand in der Flotte | 24 GB GDDR6X | 1.01 TB/s | $110 | $390/Mon. | $0.54 | 265 |
| RTX 3090Günstigster Weg, eine Pipeline zu testen | 24 GB GDDR6X | 936 GB/s | $65 | $230/Mon. | $0.32 | 186 |
| H100 SXM80 GB und FP8, wenn BF16 nicht passt | 80 GB HBM3 | 3.35 TB/s | $475 | $1,690/Mon. | $2.35 | 63 |
| H200 SXM1080p, lange Clips, Batches in einem Prozess | 141 GB HBM3e | 4.8 TB/s | $640 | $2,290/Mon. | $3.18 | 19 |
Die RTX 5090 gewinnt bei dieser Workload dank Speicherbandbreite pro gemietetem Dollar. Ihre 1.79 TB/s sind 88 % der 2.04 TB/s einer A100 SXM, und sie kostet 540 $ im Monat statt 990 $; das Sampling liest bei jedem ihrer gut fünfzig Schritte dieselben Tensoren. Die L40S mit 48 GB und ECC kostet 20 $ im Monat weniger, bietet 16 GB mehr Spielraum für Zehn-Sekunden-Clips und zieht 350 W gegenüber 575 W. Die RTX A6000 für 290 $ ist der günstige Weg zu 48 GB, wenn Geschwindigkeit nicht die Einschränkung ist. Zu H100 SXM greifen Sie nur, wenn das Modell 80 GB oder FP8 mit HBM-Geschwindigkeit verlangt.
Warum ist eine Monatslaufzeit die richtige Form für Videogenerierung?
Weil die Warteschlange nie leer ist. Ein Clip dauert Minuten, und ein Batch von einigen Tausend läuft tagelang.
Messen Sie einen Clip in Ihrer eigenen Pipeline und multiplizieren Sie dann. Wenn ein 720p-Clip sechs Minuten dauert, schafft eine Karte 10 pro Stunde, 240 pro Tag und 7,200 in einem 720-Stunden-Monat. Bei pauschal 540 $ sind das $0.075 pro Clip.
Ein Zähler berechnet Stunden, und diese Workload nutzt sie alle. Eine Karte, die Video generiert, steht zwischen Prompts nicht still, sondern ist beim nächsten Prompt; die Auslastung, die stündliche Abrechnung attraktiv macht, tritt also nie ein. Unsere RTX 5090 für 540 $ kostet $0.75 pro GPU-Stunde, und unsere L40S für 520 $ kostet $0.72. Eine Laufzeit kann außerdem nicht vorzeitig beendet werden; eine neuntägige Render-Warteschlange wird also nie durch das Gebot eines anderen neu gestartet.
Eine Woche kostet auf der 5090 155 $, das sind $0.92 pro GPU-Stunde, ein Aufschlag von 23 %. Nutzen Sie sie, um eine Pipeline zu verifizieren, und wechseln Sie dann ohne Neubereitstellung auf eine Monatslaufzeit. Die vollständige Break-even-Rechnung unter Monats- oder Stundenmiete für GPUs.
| RTX 5090, eine Karte | Preis | Pro GPU-Stunde |
|---|---|---|
| 1 Woche168 Stunden | $155 | $0.92 |
| 1 Monat720 Stunden | $540 | $0.75 |
| 3 Monate Vorauszahlung−5% | $1,539 | $0.71 |
| 6 Monate Vorauszahlung−10% | $2,916 | $0.68 |
Wohin geht die Videoausgabe?
Frames sind groß, und ein Lauf erzeugt sie schneller, als man sie bewegen kann. Speicher und Egress sind Teil dieser Workload, keine Fußnote.
Lokales NVMe
500 GB auf RTX 5090, L40S und RTX A6000, 250 GB auf der RTX 4090, 2 TB auf der H100 SXM und 3 TB pro Karte bei der B200, die paarweise verkauft wird, weil sie auf einem 8-Wege-Baseboard ausgeliefert wird. Die 8-Wege-HGX-Nodes haben 16 TB und der 8×-B200-Node 24 TB, gegenüber 2 bis 4 TB auf den PCIe-Nodes. Verschlüsselt pro Instanz mit LUKS2.
Netzwerk-Volumes
NVMe-gestützt, dreifach repliziert in der Region, gleichzeitig an mehrere Instanzen anschließbar und nach Freigabe der Instanz erhalten. Dort lebt eine fertige Bibliothek.
Ausgehende Bandbreite
20 TB pro Monat und Instanz inklusive, danach 4 $ pro TB, niemals gedrosselt. Ein fünfsekündiger 720p-Clip mit 8 Mbit/s ist 5 MB groß, also sind 20 TB etwa vier Millionen ausgelieferte Clips.
CPU-Kerne für das Encoding
12 vCPU und 62 GB RAM auf der RTX 5090, 16 vCPU und 94 GB auf der L40S, 20 vCPU und 251 GB auf der H100 SXM. Genug, um ffmpeg neben dem Sampler auszuführen.
Halten Sie den Arbeitssatz auf lokalem NVMe und kodieren Sie, bevor er die Maschine verlässt. PNG-Sequenzen auf ein Netzwerk-Volume zu schreiben und sie unkomprimiert herunterzuladen, macht aus einer 540-$-Karte ein Bandbreitenproblem. Das Anhängen von Volumes ist in der Dokumentation beschrieben.
Skaliert Videogenerierung über mehrere GPUs?
Innerhalb eines Clips: schlecht. Über eine Warteschlange: perfekt. Diese Unterscheidung entscheidet, welchen Node Sie mieten.
| Node | Wöchentlich | Monatlich | Pro GPU-Stunde | Host | NVMe |
|---|---|---|---|---|---|
| 8× RTX 5090PCIe Gen5 Peer-to-Peer | $1,120 | $3,890/Mon. | $0.68 | 96 vCPU · 496 GB | 4 TB |
| 8× L40SPCIe Gen4 Peer-to-Peer | $1,070 | $3,740/Mon. | $0.65 | 128 vCPU · 752 GB | 4 TB |
| 8× RTX 4090PCIe Gen4 Peer-to-Peer | $790 | $2,810/Mon. | $0.49 | 64 vCPU · 376 GB | 2 TB |
| 8× H100 SXMNVSwitch · 900 GB/s | $3,420 | $12,170/Mon. | $2.11 | 160 vCPU · 2 TB | 16 TB |
Für die meisten Videopipelines ist das richtige Muster ein Clip pro Karte und acht parallel, denn ein PCIe-Node hat keinen schnellen Weg, eine einzelne Sequenz mit 300,000 Token über Karten aufzuteilen. Deshalb ist der 8×-RTX-5090-Node mit $0.68 pro GPU-Stunde eine bessere Render-Farm als ein H100-Node für $2.11. Pipeline-Parallelität innerhalb eines Clips, die Sie nur brauchen, wenn das Modell auf keine einzelne Karte passt, verlangt NVSwitch, und das bedeutet den 8×-H100-SXM-Node.
Wann sollten Sie keine monatliche GPU für Video mieten?
Drei Fälle, in denen wir die falsche Antwort sind, klar geschrieben, weil Sie es ohnehin herausfinden würden.
Wenn Sie vierzig Clips pro Woche generieren, nutzen Sie einen Stundenanbieter. Vierzig Clips zu je sechs Minuten sind vier Stunden echte Arbeit, und unsere kürzeste Laufzeit beträgt sieben Tage für 155 $. Das sind $38.75 für jede tatsächlich genutzte GPU-Stunde, gegenüber beispielhaften $0.60 auf einem Zähler. Eine Laufzeit verdient ihren Preis nur, wenn die Warteschlange tief ist.
Wenn 24 GB für das, was Sie ausliefern, genügen, mieten Sie keine 32 GB. Die RTX 4090 für 390 $ oder die RTX 3090 für 230 $ erledigt 480p-Arbeit den ganzen Monat, und die Differenz kauft eine zweite Karte. Vor dem Messen eines Laufs größer zu dimensionieren ist der Weg, hier zu viel zu bezahlen.
Und wenn Sie eine verwaltete Video-API wollen: Wir verkaufen keine. Sie erhalten eine Bare-Metal-Maschine, einen Treiber, eine Karte Ihrer Wahl und Root. Die Templates umfassen ComfyUI und PyTorch 2.7 mit CUDA 12.8, aber Pipeline und Warteschlange müssen Sie betreiben.
Laufzeit nehmen, wenn
Die Warteschlange läuft tagelang, der Endpoint antwortet über Nacht, Sie liefern genug Output, dass Egress ein echter Posten ist, oder Sie möchten in Krypto ohne Identitätsprüfung zahlen. Dieselbe Überlegung wie bei GPU-Miete für Stable Diffusion, nur mit einem schwereren Tensor.
GPU für KI-Videogenerierung, klar gefragt.
Welche GPU brauche ich für KI-Videogenerierung?
Wie viel VRAM braucht ein Videomodell für einen 720p-Clip?
Warum kostet ein längerer Clip so viel mehr Speicher als ein längerer Bild-Batch?
Ist eine monatliche GPU-Miete für Videogenerierung günstiger als stündliche?
Wie viele Clips kann eine GPU in einem Monat generieren?
Wie viel Speicher brauche ich für KI-Videoausgabe?
Sehen Sie sich die Videos an, die ich generiere?
Kann ich eine GPU für Videogenerierung ohne KYC mieten?
Zahlungen und Bestätigungszeiten unter So funktioniert die Krypto-Zahlung, Standort-Latenz und Carrier auf der Seite zu den Rechenzentren, der Live-Flottenstatus auf der Statusseite.
Eine Render-Warteschlange, die heute Nachmittag startet.
100 RTX 5090 und 74 L40S sind gerade frei in DFW-1 Dallas, IAD-1 Ashburn und PDX-1 Hillsboro. Root in etwa neunzig Sekunden, keine Identitätsprüfung.