RS 4000 vGPU 14

Bei unseren neuen vGPU-Produkten handelt es sich um eine Abwandlung unserer beliebten Root-Server mit hochwertiger Hardware, die in dieser Ausprägung jedoch neben garantierter CPU-Leistung auch dediziert zugewiesene GPU-Ressourcen bieten. Dadurch eignen sich diese Produkte besonders für rechenintensive Arbeitslasten wie beispielsweise AI Inference, Video-Encoding oder Datenanalyse.

Die Bestpreis- und Zufriedenheitsgarantie ist bei diesen Produkten nicht gültig.

Die vGPU-Server werden aktuell ausschließlich mit einem Ubuntu-Image bereitgestellt. Hintergrund ist, dass die benötigten NVIDIA-Treiber nicht frei verfügbar sind und offiziell vorrangig Ubuntu unterstützen. Aus diesem Grund werden derzeit keine alternativen Images angeboten, und der Betrieb der vGPU-Server ist nur mit dem mitgelieferten Ubuntu-Image möglich.

Unsere vGPU Server sind optimal für kompaktere Sprachmodelle wie Llama3, Mistral, Gemma, Qwen2 oder Phi3 geeignet – ideal für performantes und ressourcenschonendes Inference.

Wir haben die neuen Server für den Betrieb einiger kompakter Open-Source-Sprachmodelle verschiedener Architekturen getestet. Nachfolgend findest du eine Auflistung von LLMs, die jeweils mit den angeführten Tarifen kompatibel sind. (Keine Garantie auf Vollständigkeit. Neuere Modelle könnten ebenso betrieben werden)

RS 2000 vGPU 7 + RS 4000 vGPU 14

• llama3.2:1b
• llama3.2:3b
• llama3.1:8b
• mistral:7b
• gemma3:1b
• gemma3:4b
• phi3:3.8b
• deepseek-r1:1.5b
• deepseek-r1:7b
• deepseek-r1:8b
• qwen2.5:0.5b
• qwen2.5:1.5b
• qwen2.5:3b
• qwen2.5:7b
• qwen2.5-coder:0.5b
• qwen2.5-coder:1.5b
• qwen2.5-coder:3b
• qwen2.5-coder:7b
• qwen:0.5b
• qwen:1.8b
• qwen:4b
• qwen:7b
• gemma:2b
• gemma:7b
• qwen2:0.5b
• qwen2:1.5b
• qwen2:7b
• gemma2:2b
• llama2:7b
• tinyllama:1.1b
• starcoder2:3b
• starcoder2:7b
• dolphin3:8b

RS 4000 vGPU 14

• gemma3:12b
• deepseek-r1:14b
• phi4:14b
• qwen2.5:14b
• qwen2.5-coder:14b
• qwen:14b
• llama2:13b
• phi3:14b
• mistral-nemo:12b
• starcoder2:15b