Un VPS GPU barato para las cargas GPU del día a día

Qué incluye el VPS

Una máquina virtual KVM con Debian 13 (kernel 7.3) y la GPU integrada Intel UHD 770 expuesta dentro de la VM: sin emulación, los drivers estándar de Linux hablan directamente con el hardware.

• GPU: Intel UHD 770, arquitectura Xe-LP (Gen12), 32 EU (256 unidades FP32), hasta 1,45 GHz, ≈ 0,74 TFLOPS FP32 de pico. Sin VRAM dedicada: la GPU usa la RAM de la VM.
• Dispositivos: /dev/dri/card0 y /dev/dri/renderD128, utilizables desde Docker y desde pods de k3s.
• Pila de software: Mesa iris (OpenGL 4.6) y ANV (Vulkan), intel-media-driver iHD (VA-API), compute-runtime NEO (OpenCL 3.0, Level Zero), plugin GPU de OpenVINO.
• Motor multimedia (QuickSync): decodificación H.264, HEVC 8/10 bits, VP9, AV1; codificación H.264, HEVC 8/10 bits, VP9. Sin codificación AV1.
• Sistema: SSH root, Docker preinstalado, IPv6 pública dedicada, IPv4 saliente (IPv4 dedicada +5 €/mes).

Planes

La GPU se comparte en el tiempo entre un pequeño número de VM. Tu plan fija tu parte de tiempo de GPU (Perf 1, 2 o 3). Para una tarjeta solo para ti, elige la GTX 1060.

* GPU compartida: varios clientes pueden usar la misma GPU física. El reparto lo fija SR-IOV (virtualización de GPU por hardware): cada VM tiene su propia parte de la GPU, cuyo tamaño depende del plan elegido (Perf 1, 2 o 3).

Para qué sirve un VPS GPU

Las cargas en las que una GPU marca la diferencia no siempre son las que necesitan decenas de TFLOPS:

• Transcodificación de vídeo (FFmpeg, Jellyfin, Plex): trabaja el codificador de función fija, no los núcleos de shaders. 1080p y 4K HEVC mediante VA-API, con muy poca CPU.
• Navegadores con GPU (Chrome, Playwright, Selenium, agentes de IA): en nuestras mediciones con un plan Perf 2, un benchmark WebGL corre a 60 fps con 0,3 vCPU usando la GPU, frente a 9,8 fps con 3,4 vCPU en renderizado por software (SwiftShader).
• Modelos de IA pequeños: visión, OCR, embeddings con OpenVINO; LLM de 3 a 8 mil millones de parámetros cuantizados en Q4 (Gemma, Phi, Qwen) con llama.cpp sobre Vulkan u Ollama. Para trabajos asíncronos (resúmenes, extracción), no para un chat con mucho tráfico.
• Renderizado headless (Blender EEVEE, OpenGL/Vulkan), cómputo OpenCL (Julia, PyOpenCL), CI gráfica.

Comprueba la GPU en 10 segundos

Una vez conectado por 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

Precio mensual fijo frente a facturación por horas

Las nubes GPU muestran precios por hora. Un servicio que funciona todo el tiempo (servidor multimedia, flota de navegadores, runner de CI) se factura 720 horas al mes: a 0,60 $/h son ≈ 432 $/mes; a 1,00 $/h, ≈ 720 $/mes. El VPS GPU se queda en 14,99 €/mes, sin coste de alta.

Comparativa detallada: Hetzner, OVHcloud, Vultr, Vast.ai →

Cuando necesitas algo más grande

Seamos claros sobre los límites: sin CUDA en la iGPU, sin VRAM dedicada, ≈ 0,74 TFLOPS. Para entrenamiento, LLM de 30 mil millones de parámetros o más, o un alto rendimiento de tokens, necesitas 24–96 GB de VRAM: una L4, una L40S o una RTX PRO en una gran nube. Para CUDA y NVENC con poco presupuesto, nuestra GTX 1060 (49,99 €/mes) suele bastar.