Ein günstiger GPU-VPS für alltägliche GPU-Workloads

Was im VPS steckt

Eine virtuelle KVM-Maschine mit Debian 13 (Kernel 7.3), in der die integrierte GPU Intel UHD 770 bereitgestellt wird: keine Emulation, die Standard-Linux-Treiber sprechen direkt mit der Hardware.

• GPU: Intel UHD 770, Xe-LP-Architektur (Gen12), 32 EU (256 FP32-Einheiten), bis 1,45 GHz, ≈ 0,74 TFLOPS FP32 Spitze. Kein dedizierter VRAM: Die GPU nutzt den RAM der VM.
• Geräte: /dev/dri/card0 und /dev/dri/renderD128, nutzbar aus Docker und aus k3s-Pods.
• Software-Stack: Mesa iris (OpenGL 4.6) und ANV (Vulkan), intel-media-driver iHD (VA-API), compute-runtime NEO (OpenCL 3.0, Level Zero), OpenVINO-GPU-Plugin.
• Media-Engine (QuickSync): Dekodierung H.264, HEVC 8/10 Bit, VP9, AV1; Kodierung H.264, HEVC 8/10 Bit, VP9. Keine AV1-Kodierung.
• System: Root-SSH, Docker vorinstalliert, dedizierte öffentliche IPv6, ausgehendes IPv4 (dedizierte IPv4 +5 €/Monat).

Tarife

Die GPU wird zeitlich zwischen wenigen VMs geteilt. Ihr Tarif legt Ihren Anteil an GPU-Zeit fest (Perf 1, 2 oder 3). Für eine eigene Karte wählen Sie die GTX 1060.

* Geteilte GPU: Mehrere Kunden können dieselbe physische GPU nutzen. Die Aufteilung ist per SR-IOV (Hardware-GPU-Virtualisierung) fest vorgegeben: Jede VM hat ihren eigenen GPU-Anteil, dessen Größe vom gewählten Angebot abhängt (Perf 1, 2 oder 3).

Wofür sich ein GPU-VPS eignet

Die Workloads, bei denen eine GPU den Unterschied macht, sind nicht immer die, die Dutzende TFLOPS brauchen:

• Video-Transcoding (FFmpeg, Jellyfin, Plex): Die Arbeit erledigt der Fixed-Function-Encoder, nicht die Shader-Kerne. 1080p und 4K HEVC über VA-API, mit sehr wenig CPU.
• Browser mit GPU (Chrome, Playwright, Selenium, KI-Agenten): In unseren Messungen auf einem Perf-2-Tarif läuft ein WebGL-Benchmark mit GPU bei 60 fps auf 0,3 vCPU, gegenüber 9,8 fps auf 3,4 vCPU mit Software-Rendering (SwiftShader).
• Kleine KI-Modelle: Vision, OCR, Embeddings mit OpenVINO; LLMs mit 3–8 Mrd. Parametern, auf Q4 quantisiert (Gemma, Phi, Qwen), mit llama.cpp auf Vulkan oder Ollama. Für asynchrone Jobs (Zusammenfassungen, Extraktion), nicht für Chat mit hohem Traffic.
• Headless-Rendering (Blender EEVEE, OpenGL/Vulkan), OpenCL-Berechnungen (Julia, PyOpenCL), grafische CI.

GPU in 10 Sekunden prüfen

Nach dem Login per SSH:

gpu-check            # preinstalled: GPU, VAAPI, OpenCL, Vulkan in one go
ls -l /dev/dri        # card0 + renderD128
vainfo --display drm  # iHD driver, H.264/HEVC/VP9/AV1 profiles
clinfo -l             # Intel(R) OpenCL Graphics (NEO)
vulkaninfo --summary  # Mesa ANV, Intel(R) UHD Graphics 770

Fester Monatspreis statt Abrechnung pro Stunde

GPU-Clouds zeigen Stundenpreise. Ein Dienst, der ständig läuft (Medienserver, Browser-Flotte, CI-Runner), wird mit 720 Stunden im Monat abgerechnet: Bei 0,60 $/h sind das ≈ 432 $/Monat, bei 1,00 $/h ≈ 720 $/Monat. Der GPU-VPS bleibt bei 14,99 €/Monat, ohne Einrichtungsgebühr.

Ausführlicher Vergleich: Hetzner, OVHcloud, Vultr, Vast.ai →

Wenn Sie mehr brauchen

Um die Grenzen klar zu benennen: kein CUDA auf der iGPU, kein dedizierter VRAM, ≈ 0,74 TFLOPS. Für Training, LLMs ab 30 Mrd. Parametern oder hohen Token-Durchsatz brauchen Sie 24–96 GB VRAM: eine L4, eine L40S oder eine RTX PRO bei einer großen Cloud. Für CUDA und NVENC mit kleinem Budget reicht oft unsere GTX 1060 (49,99 €/Monat).