
A Hostinger képes praktikusan bérelhetővé tenni a csúcskategóriás GPU-hardvert ? Üzembe helyeztem egy B200-at, megoldottam egy kapcsolódási problémát, és megmértem a tényleges inferálást, képgenerálást és monitorozást. Olvasson tovább az eredményekért, a költségekért és a korlátozásokért, amelyeket érdemes figyelembe vennie bérlés előtt.

A Hostinger GPU Hosting szolgáltatást a két üzembe helyezési tapasztalatom, a működő B200 mérési eredményei, a hPanel vezérlői és az ügyfélszolgálattal folytatott beszélgetéseim alapján pontoztam. A közzétett számlázási és visszatérítési feltételeket is ellenőriztem. Követem a HostAdvice tárhelyszolgáltatási értékelési módszertanát, de ez egyetlen tesztelt B200 pillanatfelvétele, nem rendelkezésre állási vizsgálat vagy az összes GPU-modell összehasonlítása.
| Teszt | Pontszám /10 | A pontszám indoklása |
| Árak és csomagok | 8.1 | Rugalmas óradíjas GPU-bérlés és konfigurációk, de a folyamatos díjszámítás, a vissza nem téríthető kreditek és a szüneteltetési lehetőség hiánya korlátozza az értéket. |
| Funkciók | 8.8 | Nagy teljesítményű GPU-k, bőséges GPU-memória, alkalmazássablonok és monitorozóeszközök, de nincs beépített biztonsági mentés vagy tartós tárhely. |
| Teljesítmény | 8.8 | Kiváló BF16-eredmények, gyors Qwen-inferálás és másodperc alatti SDXL-képgenerálás, bár a tartós munkaterheléseket nem teszteltem. |
| Könnyű használat | 8.0 | Gyors üzembe helyezés és egyszerű kezelés, de a GPU-készlet korlátozottsága és a kezdeti SSH-probléma frusztrációt okozott. |
| Ügyfélszolgálat színvonala | 7.8 | Gyors, részletes AI-válaszok és hasznos dokumentáció, de az emberi ügyfélszolgálat elérése és a kapcsolódási problémák megoldása időbe telt. |
| Összesítés | 8.3 | Lenyűgöző GPU-teljesítmény és könnyen elérhető üzembe helyezés, amelynek előnyeit ellensúlyozzák a számlázási korlátozások, a korlátozott helyreállítási lehetőségek és az ügyfélszolgálat nehézkessége. |

A Hostinger GPU Hosting igény szerinti bérlési modellt használ, nem pedig a webtárhely-szolgáltatásoknál jellemző, rögzített havi előfizetéseket. GPU-erőforrásokat bérelhet olyan munkaterhelésekhez, mint az AI-inferálás, a modellfejlesztés, a finomhangolás és a képgenerálás; a díj a kiválasztott konfigurációtól függ.
A GPU-katalógusban az RTX 4090-től és az L40S-től kezdve az A100-on át az NVIDIA B200-ig számos lehetőség szerepel, amelyek eltérő memóriakapacitást és számítási képességeket kínálnak. A választását azonban a rendelkezésre állás is befolyásolhatja. Az RTX 4090, amelyet eredetileg tesztelni szerettem volna, nem volt elérhető a hPanel felületén, pedig a Hostinger nyilvános árlistáján szerepelt.
A Hostinger standard és Dedicated B200-példányokat is kínál, utóbbiak magasabb áron érhetők el. Emellett különböző processzor-, RAM- és tárhelykapacitásokat is választhat. Az első konfigurációm 16 processzormagot, 32 GB RAM-ot és 300 GB tárhelyet tartalmazott; ezt azért választottam, hogy támogassa az AI-teljesítménytesztjeimet, ne pedig a legkisebb elérhető összeállításra támaszkodjak.
A Hostinger előre feltöltött kreditekkel számolja el a GPU-használatot. Egy példány elindítása előtt azonban több feltételt is figyelembe vennék:
Ezek a feltételek különösen fontossá teszik a költségek megtervezését a hosszabb AI-feladatok esetében. Elegendő kredittel kell rendelkeznie a feldolgozás és a beállítás idejének fedezésére, miközben a késésekkel és a sikertelen kapcsolódásokkal is számolnia kell.
A GPU Hosting szolgáltatást egy már meglévő Hostinger-fiókkal teszteltem, amelyen már voltak elérhető kreditek, így nem végeztem el új fizetési folyamatot. Az új ügyfelek a példány konfigurálása után tölthetik fel egyenlegüket. A Hostinger bankkártyákat és olyan digitális pénztárcákat is elfogad, mint a PayPal, az elérhető fizetési módok azonban az ügyfél régiójától függnek.
Külön GPU-s ingyenes próbaidőszakkal sem találkoztam. A GPU-vásárlásokra és az AI-kreditekre nem vonatkozik a Hostinger szokásos, 30 napos tárhelyszolgáltatási pénzvisszafizetési garanciája, ezért fizetés előtt ellenőrizném a végleges konfigurációt és a szükséges kreditek mennyiségét.
A legnagyobb előny a rugalmasság. Rövid ideig tartó munkafolyamatokhoz is hozzáférhet drága GPU-hardverhez anélkül, hogy saját szervert kellene vásárolnia vagy karbantartania. A meghirdetett óradíj azonban nem árul el mindent.
A tapasztalataim azt is megmutatták, hogy az erőforrások kiépítése és a kapcsolódás is fontos az ár szempontjából. A nem elérhető szerverrel kapcsolatos hibaelhárításra fordított idő továbbra is növelheti a költségeit, ha a példány fut és krediteket használ fel.
Fizetős munkafolyamat indítása előtt ellenőrizném a kreditek végleges fogyási ütemét a hPanel felületén, megerősíteném a GPU elérhetőségét, és gondoskodnék külső tárhelyről. Rövid, jól megtervezett feladatokhoz megfelelő a bérléses modell. Hosszabb vagy kiszámíthatatlan munkafolyamatok esetén elengedhetetlen a kreditfogyás nyomon követése.

Az erős GPU csak akkor hasznos, ha hozzáfér a hardverhez, megbízhatóan futtathatja a munkafolyamatait, és elfogadható időn belül megkapja az eredményeket. A Hostinger 192 GB videomemóriával rendelkező NVIDIA B200-at hirdet, de szerettem volna megtudni, hogyan mutatkozik ez meg a tényleges teljesítményben.
Három kérdésre összpontosítottam:
Az első B200 üzembe helyezésem kapcsolódási problémába ütközött. A hPanel olyan privát IP-címet jelenített meg, amelyet nem értem el a laptopomról, a Hostinger pedig elismerte, hogy probléma merült fel az irányítópulton megjelenített IP-címmel.
Hogy elkülönítsem ezt a kezdeti problémát a hardver teljesítményétől, elindítottam egy új B200-példányt, és az új elérési ponttal sikeresen csatlakoztam SSH-n keresztül. Az alábbi teljesítményteszteket 2026. október 26-án végeztem el.
Az alábbi eredmények tehát egy működő cserepéldányból származnak. A korábbi kapcsolódási probléma továbbra is része az átfogó értékelésemnek, de nem akadályozott meg abban, hogy felmérjem a GPU teljesítményét.
Egy Ubuntu 24.04-es B200-példányt használtam, amelyhez 16 processzormagot, 32 GB RAM-ot és körülbelül 300 GB kiépített tárhelyet rendeltem a Hostinger Los Angeles-i régiójában. Pop!_OS-t futtató laptopomról SSH-n keresztül csatlakoztam, az nvidia-smi segítségével ellenőriztem a hardvert, majd telepítettem egy CUDA-t támogató PyTorch-környezetet. A szerver az NVIDIA 595.91.07-es illesztőprogramját jelezte; a PyTorch 2.11.0+cu128 felismerte a GPU-t, és támogatta a BF16-számításokat.
Ezután háromféle munkaterhelést futtattam: rövid BF16 mátrixszorzási és GPU-memóriamásolási teszteket, Qwen2.5-7B-Instruct nyelvimodell-inferálást, valamint Stable Diffusion XL-képgenerálást. Az MI-munkaterheléseket rögzített beállításokkal megismételtem, és egyetlen legjobb eredményre hagyatkozás helyett az egyes futtatások idejét jegyeztem fel. Végül megnéztem a hPanel Metrics oldalát, hogy kiderüljön, megjelenik-e ott a GPU aktivitása.
Ezek a tesztek egyetlen példány gyakorlati pillanatképét adják. Nem igazolják a hosszú távú rendelkezésre állást, a többórás folyamatos terhelés alatti teljesítményt, illetve azt, hogyan viszonyul a B200 a versenytársak GPU-t kínáló szolgáltatóihoz azonos feltételek mellett. Hálózati átviteli sebességet vizsgáló vagy több felhasználós inferálási teljesítménytesztet sem futtattam.
Az első megnyugtató eredmény az volt, hogy az Ubuntu azonnal felismerte az NVIDIA B200-at. Az nvidia-smi egy B200-at azonosított, 182,624 MiB jelentett GPU-memóriával, míg a PyTorch 178.34 GiB-ot jelzett az eszköz számára elérhetőként. Ezek a bináris egységekben megadott értékek nagyjából megfelelnek a meghirdetett 192 GB videomemóriának, bár a szoftver által olvasható mennyiség nem pontosan egyezik az értékesítési oldalon feltüntetett számmal.

Az operációs rendszer 32 GiB RAM-ot és 268 GiB csatolt fájlrendszer-kapacitást is jelzett a környezeten belülről nézve. A processzort AMD EPYC 9575F-ként azonosította, bár az lscpu 224 logikai processzort jelenített meg. Ellenőriztem a konténer processzorvezérlési beállításait, ahelyett, hogy ezt a számot úgy értelmeztem volna, hogy a csomagom 224 magot tartalmaz.
A cgroup-korlát 100 000 mikroszekundumos időszakonként 1 600 000 mikroszekundum volt, így a példány 16 processzormagnyi kapacitással rendelkezett. Ez megfelelt az általam kiválasztott 16 magos kiosztásnak. Ez fontos különbség az olvasók számára, mert a gazdagép által látható processzortopológia sokkal nagyobb kapacitást sugallhat, mint amennyit ténylegesen hozzárendelnek a tárhelyen futó munkaterheléshez.
A B200 nyers számítási képességének első felméréseként BF16 mátrixszorzást végeztem a PyTorch segítségével. A BF16 hasznos erre a célra, mert széles körben használják az AI-modellek számításaihoz, bár egy kis szintetikus mátrixteszt nem helyettesíti egy teljes modell futtatását.
12 ismétléssel a kisebb, 4,096-os négyzetes mátrix becsült teljesítménye 1,402.7 TFLOP/s volt, 0.098 ezredmásodperces medián műveleti idő mellett. A 8,192-es négyzetes mátrix becsült teljesítménye 1,668.8 TFLOP/s volt, 0.659 ezredmásodperces medián idővel. Ezek a tesztelt műveletek számított aritmetikai teljesítményére vonatkozó becslések, nem pedig az alkalmazások függetlenül ellenőrzött, tartós teljesítményadatai.
Egy 512 MiB-os, GPU-eszközön belüli memóriamásolást is mértem. A művelet körülbelül 0.17 ezredmásodperces medián idő alatt fejeződött be, ami 3,137.1 GB/s jelentett hasznosadat-átviteli sebességnek felel meg. Ez a GPU-memórián belüli adatmozgatást méri; nem egy modell letöltésének, a szerver lemezéről történő beolvasásnak vagy az interneten keresztüli adattovábbításnak a sebességét.

A teljes alaptesztelő szkript 2.646 másodperc alatt futott le. Örültem, hogy a PyTorch felismerte a kártyát, és CUDA-hibák nélkül végrehajtotta ezeket a műveleteket, de a rövid időtartam egyben korlátot is jelent. Néhány ezredmásodpercnyi számításból nem következtethetünk arra, hogy a GPU egy hosszú tanítási feladat során is ugyanezt a számítási teljesítményt vagy hőmérsékletet tartja fenn.
A szintetikus teljesítménymérések biztatóak voltak, de látni akartam, hogyan boldogul a B200 egy valódi nyelvi modellel. A Hugging Face Transformers segítségével, BF16 formátumban töltöttem be a Qwen2.5-7B-Instruct modellt, és arra kértem, magyarázza el a GPU-gyorsítást. A teszt során ugyanazt a promptot használtam, legfeljebb 128 generált tokennel, háromszor megismételve, azonos beállításokkal.
A modell letöltése és betöltése 35.40 másodpercet vett igénybe a rögzített futtatás során. Az első, 128 tokenes válasz ezután 23.094 másodpercig tartott, ami mindössze 5.54 token másodpercenkénti sebességet jelentett. Az eredmény elsőre kiábrándítónak tűnt, a következő két futtatás azonban más képet mutatott.
A második futtatás 1.005 másodperc alatt generálta le a 128 tokent, vagyis a sebesség 127.30 token másodpercenként volt. A harmadik futtatás 1.029 másodpercig tartott, ami 124.35 token másodpercenkénti sebességet jelentett. A két későbbi futtatás átlaga így körülbelül 125.8 token másodpercenként volt, és a két mérés között alig volt eltérés.

A különbség jelentős. Ez összhangban van azzal, hogy az egyszeri beállítás vagy a lusta inicializálás hatással volt az első generálásra, de a pontos okot nem különítettem el. Nem hallgatnám el a 23 másodperces eredményt, és nem állítanám be úgy a későbbi futtatásokat, mintha minden első kérésnél ezekre az eredményekre lehetne számítani. Egy modellt kiszolgáló felhasználó számára a kezdeti késleltetés és az ismételt, gyorsabb válaszok egyaránt fontosak.
A PyTorch 14.21 GiB-os maximális GPU-memória-foglalást jelzett. Ez csak kis része a B200 rendelkezésre álló memóriájának, ezért ez a teszt a működőképes, egykéréses inferálást mutatja be, nem pedig annak előnyét, ha olyan modellt üzemeltet, amelynek közel 192 GB VRAM-ra van szüksége. Nem teszteltem a párhuzamos kérések kezelését, a kötegelt feldolgozást, a hosszabb kontextusablakokat vagy egy optimalizált inferálási kiszolgálót, például a vLLM-et.
Második valódi alkalmazásként a Stable Diffusion XL segítségével egy 1,024 × 1,024 méretű termékképet készítettem egy sötét márványon fekvő fekete karóráról. 25 inferálási lépést és FP16-súlyokat használtam, és mindhárom futtatásnál ugyanazt a promptot és véletlenmagot alkalmaztam. Így megismételhető méréseket kaptam, nem pedig három egymástól eltérő, különböző összetettségű képet.
Az SDXL modell lekérése és betöltése 18.29 másodpercet vett igénybe. Az első kép 3.275 másodperc alatt készült el. A második és a harmadik 0.915, illetve 0.913 másodperc alatt, így az állandósult állapotban képenként átlagosan 0.914 másodperc volt az idő. A PyTorch-folyamat 11.49 GiB-os csúcs GPU-memória-foglalást jelzett.

Az exportált képeket is megvizsgáltam. Mindhárom fájl bájtról bájtra azonos volt, ami megfelelt a rögzített véletlenmaggal végzett beállításnak, és azt mutatta, hogy az ismételt teszt ugyanazt az eredményt adta. Az óra, a fényvisszaverő felület és a megvilágítás első pillantásra meggyőző volt, bár a számlap alaposabb vizsgálata a generált termékképekre jellemző apró következetlenségeket tárt fel. Ezeket a művészi tökéletlenségeket nem szabad a GPU hardverhibáival összetéveszteni.
Az eredmény különösen hasznos volt, mert konkrét feladatot adott az értékeléshez: a folyamat betöltése után egy teljes méretű SDXL-kép kevesebb mint egy másodperc alatt elkészült. Ez azonban egyetlen SDXL-modellel végzett, egyképes képgenerálás volt, nem pedig videógenerálási, nagyméretű kötegelt feldolgozási vagy az összes bérelhető képmodellre kiterjedő összehasonlító teszt.
A véleménycikk korábbi részében a Hostinger Metrics oldala egyenes vonalakat mutatott, mivel a GPU tétlen volt. Az összehasonlító tesztek futtatása után visszatértem ugyanahhoz az 1 órás nézethez, és mindkét grafikonon aktivitást láttam. A számítási teljesítmény 297 TFLOPs értéken jelent meg, a VRAM-grafikon pedig jól látható növekedést mutatott, többek között egy fölé vitt kurzornál megjelenő 14.3 GB-os értékkel.

Ez hasznos megerősítés volt arra, hogy a hPanel rögzítette a terhelést, ahelyett, hogy továbbra is egyenes nullát mutatott volna. Így a Metrics oldal informatívabbá vált annál, mint amilyen közvetlenül az üzembe helyezés után volt. Az 1 órás, 24 órás, 7 napos és 30 napos nézetek lehetőségeit könnyű volt megtalálni.
Továbbra sem javasolnám a hPanel 297 TFLOPs értékének közvetlen számszerű összehasonlítását a szintetikus teszt 1,668.8 TFLOP/s eredményével. A teszt során nem állapítottam meg a vezérlőpult mintavételezési időablakát és számítási módszerét, a VRAM kijelzett értéke pedig nem azonos a PyTorch folyamat szintjén mért csúcs memóriafoglalással. A grafikonok hasznosak az aktivitás és az időbeli változások észlelésére, de nem helyettesítik a munkaterhelés futási idejének vagy a rendszer mérőszámainak mérését.
A Hostinger második B200-példánya használható GPU-gyorsítást nyújtott három nagyon különböző teszt során. A szintetikus BF16-eredmények gyors, rövid számításokat mutattak, a Qwen2.5-7B szokatlanul lassú első mért válasz után nagyjából 126 tokent dolgozott fel másodpercenként, a Stable Diffusion XL pedig inicializálás után körülbelül 0.91 másodperc alatt készített 1,024 képpontos képeket. A 16 magos processzorkvótát is ellenőriztem, és figyeltem, ahogy a tevékenység megjelenik a hPanel.
Ezek pozitív eredmények, de nem tekinteném őket minden AI-munkafolyamatra érvényes ígéretnek. A tesztek rövidek voltak, és egyetlen példányon végeztem őket, a B200 elérhető videomemóriájához képest viszonylag kis modellekkel. Nem mértem a tartós tanítási teljesítményt, a maximális párhuzamos kérésszámot, a hosszú távú elérhetőséget vagy a külső hálózati sebességet. A korábbi SSH-végponttal kapcsolatos probléma továbbra is külön üzemeltetési aggályt jelent, annak ellenére, hogy a cserekiszolgáló sikeresen csatlakozott.

Úgy közelítettem meg a Hostinger GPU Hosting szolgáltatást, ahogyan egy új GPU-bérlést szokás: megkerestem a megfelelő kártyát, ellenőriztem a tényleges költséget, elindítottam egy példányt, majd megnéztem, mennyire könnyű kezelni a környezetet működés közben.
Azt is szerettem volna megtudni, hogyan illeszkedik a GPU-szolgáltatás a Hostinger nagyobb hPanel-rendszerébe, hiszen a szerver online állapotba hozása csak az élmény egyik fele.
Az üzembe helyezés gyors volt. A vásárlás folyamata kevésbé bizonyult kiszámíthatónak. A nyilvános árazási oldalon kiválasztott GPU nem volt elérhető a hPanel, a helyette kapott pedig jóval magasabb óradíjjal járt. Íme, hogyan zajlott a folyamat az első kattintástól a kezelőeszközök használatáig.
A Hostinger webhelyén kezdtem, és megnyitottam a Products > Hosting > GPU hosting menüpontot. Tetszett, hogy a GPU-tárhelynek külön, egyértelműen feliratozott bejegyzése volt a webtárhely, a VPS-tárhely és a felhőtárhely mellett. Nem kellett megnyitnom egy általános VPS-terméket, vagy utánajárnom, hogy kiegészítőként elérhető-e a GPU-hardver.

A hivatkozás a Hostinger GPU Hosting céloldalát nyitotta meg, amely óradíjas NVIDIA GPU-bérlést kínált mesterséges intelligenciához, rendereléshez és más, nagy számítási igényű feladatokhoz. A főcím alatt közvetlenül egy Get started gomb volt. Erre kattintva nem jött létre azonnal egy példány, és a rendszer sem irányított át a regisztrációhoz; az oldal GPU-árazási szakaszához vitt lejjebb.

Ez ésszerű kiindulópont volt. Az árazási szakasz külön kártyákon mutatta be az elérhető GPU-modelleket, a feltüntetett kezdő óradíjakkal, a videomemóriával és az ajánlott felhasználási módokkal együtt. Összehasonlíthattam a hardvereket, mielőtt a rendszer arra kért volna, hogy konfiguráljak egy szervert. A nyilvános oldalon feltüntetett kínálat az RTX 4090-től a drágább adatközponti GPU-kig terjedt, köztük a B200-zal.

Kezdetben az NVIDIA RTX 4090 mellett döntöttem. A Hostinger óránként $0.42 ártól kínálta, 24 GB videomemóriával, és fejlesztéshez, kísérletezéshez, kép- és videógeneráláshoz, 3D-rendereléshez, valamint kisebb modellek inferálásához ajánlotta.
Ez megfelelő kiindulópontnak tűnt a tervezett mesterségesintelligencia-inferálási, képgenerálási és GPU-teljesítménytesztekhez. Nem kellett a legdrágább kártyák egyikét bérelnem csupán azért, hogy gyakorlati viszonyítási alapot állítsak fel.

Az RTX 4090 kiválasztása után a kártyáján lévő Get GPU gombra kattintottam. Ez a Hostinger fiókregisztrációs oldalára vitt. A regisztrációt Google- vagy GitHub-fiókkal is el lehetett végezni, de a szokásos e-mail-cím- és jelszómezők is rendelkezésre álltak.
A telefonszám mezője opcionális volt, egy külön jelölőnégyzet pedig a WhatsAppon és SMS-ben küldött promóciós üzenetekre vonatkozott.

A regisztrációs oldal egyszerű volt. Ennél is fontosabb, hogy a GPU kiválasztásával még nem köteleztem el magam egy adott szerver megvásárlása mellett.
A fiók létrehozása vagy a bejelentkezés után beléptem a hPanel GPU-részlegébe, ahol ténylegesen ki lehetett választani és el lehetett indítani a hardvert. A panelen 2,000 kredites egyenleg szerepelt.
A panelen 2,000 kredites egyenleg szerepelt, mert már volt Hostinger-fiókom, amelyen kreditek álltak rendelkezésre. Ha most regisztrál először, meglévő kreditegyenleg nélkül, a GPU-példány konfigurálása után fizetési lépéssel találkozik, ahol a vásárlás befejezése előtt kiválaszthatja az Önnek megfelelő fizetési módot.
A hPanel GPU-oldala letisztult volt, és könnyű volt áttekinteni. A lista fölött a Hostinger elmagyarázta, hogy közvetlenül a vezérlőpultból indíthatok GPU-példányokat, a választható hardverek pedig egy látható kreditegyenleg alatt szerepeltek. Hét modell volt felsorolva, köztük az általam kiválasztott RTX 4090, de a legtöbb Select gomb le volt tiltva.

Megpróbáltam kiválasztani az RTX 4090-et, de a hozzá tartozó gomb szürke volt. Ha fölé vittem az egérmutatót, a „Nem elérhető” üzenet jelent meg. Abban a munkamenetben az RTX 5090-et, az L40S-t, az A100-at és az RTX PRO 6000-et sem tudtam kiválasztani. Csak két lehetőség állt rendelkezésemre: az NVIDIA B200 és a B200 (Dedicated).

Ez volt a vásárlási folyamat legjelentősebb nehézsége. A nyilvános árlista arra csábított, hogy óránként $0.42 áron béreljek egy RTX 4090-et, de ezt a GPU-t valójában nem tudtam kiépíteni.
A Hostinger legalább egyértelműen jelezte a korlátozást a hPanel felületén, ahelyett, hogy hagyta volna kitölteni a konfigurációt, majd az üzembe helyezés után hibát jelzett volna. Ez azonban azt jelentette, hogy újra kellett gondolnom a teszteléshez választott hardvert és a költségkeretet is.
A normál NVIDIA B200-at választottam, amelynek ára óránként $4.50-től indult, és 192 GB VRAM-mal rendelkezett. A nagyobb memóriakapacitás lehetőséget adott arra is, hogy később igényesebb AI-munkaterheléseket teszteljek.
A B200 (Dedicated) alternatíva óránként $7.08-től indult, és nem volt olyan konkrét igényem, amely indokolta volna a kizárólagos GPU-hozzáférés felárát. A folytatáshoz a normál B200-nál a Select gombra kattintottam.
A B200 kiválasztása után a Hostinger megnyitotta a „Deploy GPU-példány” oldalt. A bal oldali oszlopban a GPU-k közötti választási lehetőségeket, a jobb oldalon pedig a kiválasztott példány konfigurációját jelenítette meg. Ez az elrendezés jól működött: áttekinthettem a B200-at és a többi elérhető lehetőséget úgy, hogy közben a szerver beállításai és a működtetés költsége is szem előtt maradt.

A példány neve hostinger-gpu-review-b200 lett. A Hostinger jelezte, hogy a név különálló szavait kötőjellel kell elválasztani, így az űrlap egyértelművé tette az elnevezési szabályt.
A következő mező a régió volt, és itt mutatkozott meg a második gyakorlati korlátozás: a legördülő menüben csak Los Angeles, Egyesült Államok szerepelt. Ebben az üzembehelyezési munkamenetben nem választhattam másik helyszínt.

A példányméret-választó több figyelmet igényelt, mint amire először számítottam. A Hostinger előre kiválasztott egy 2 magos, 64 GB RAM-mal és 100 GB tárhellyel rendelkező konfigurációt, óránként 506 kreditért. A legördülő menüt megnyitva más processzor-, RAM- és tárhelykombinációkat is találtam, eltérő díjakkal. A választék nem egyszerűen úgy épült fel, hogy kevesebb processzormag minden esetben alacsonyabb árat jelentett; például a 4 magos opciót óránként 450 kreditért kínálták.

Az X-Large opciót választottam: 16 processzormag, 32 GB RAM és 300 GB tárhely, óránként 488 kreditért. Ez több processzorteljesítményt és lemezkapacitást biztosított a szervernek a tesztek beállításához és futtatásához, anélkül, hogy a 32 magos konfigurációra kellett volna váltanom.
Óránként valamivel olcsóbb is volt, mint az előre kiválasztott 2 magos opció. Fontos megjegyezni, hogy a Hostinger által meghirdetett, óránként $4.50-os B200-díj kezdőár volt. Az általam ténylegesen kiválasztott konfiguráció óránként 488 kreditbe került, ami a Hostinger árkártyáiból kikövetkeztethető árfolyamon körülbelül $4.88 óránként.
Ezután megnyitottam az operációs rendszer vagy alkalmazás kiválasztására szolgáló menüt. Az Ubuntu 24.04 mellett a Hostinger előre elkészített lehetőségeket is kínált az Ollama, a JupyterLab, az Unsloth és az InvokeAI használatához. Ezekkel időt takaríthat meg az, aki egy adott MI-alkalmazásra összpontosít. Az Ubuntu 24.04-et választottam, mert tiszta operációs rendszert szerettem volna, és irányítani akartam, milyen eszközöket telepítek a későbbi teszteléshez.

A Hostinger egy opcionális SSH-kulcsmezőt is kínált. Az első üzembe helyezéskor üresen hagytam, és nem adtam hozzá kulcsot a fizetés során. A felület később jelszóalapú csatlakozási adatokat jelenített meg, így a kulcs hiánya ellenére is rendelkezésemre állt a meghirdetett bejelentkezési mód. Hosszabb ideig futó szervernél azonban inkább kulcsalapú SSH-hozzáférést választanék.
Mielőtt a Deploy gombra kattintottam, az összegzésben a kiválasztott B200, az X-Large konfiguráció és az óránkénti 488 kredites díj szerepelt, a 2,000 kredites egyenlegemmel együtt.
A Hostinger becslése szerint az egyenleg körülbelül négyórányi folyamatos használatra volt elegendő. Tetszett, hogy ez a becslés közvetlenül az üzembe helyezési gomb fölött jelent meg: így jobban láthatóvá tette a folyamatos költségeket, mint egy olyan árkártya, amelyen csak az szerepel, hogy „Kezdőár: $4.50/óra”.

A Deploy gombra kattintottam. Ezután a Hostinger megjelenített egy GPU beállítása képernyőt, és jelezte, hogy az erőforrások kiépítése közben elhagyhatom az oldalt. Ebben a szakaszban nem kellett további infrastruktúrát manuálisan beállítanom.

Nagyjából két perccel később a sikert jelző képernyő megerősítette, hogy Minden készen áll!, és jelezte, hogy a GPU-példány elindult és működik. A hostinger-gpu-review-b200 példányt B200-ként azonosította, 192 GB videomemóriával és X-Large méretezéssel. A következő lépés egyértelműen a Manage volt, így könnyű volt megtalálni, hová kell menni az erőforrások kiépítése után.

A megerősítő képernyőn a Manage gombra kattintottam, hogy megvizsgáljam az üzembe helyezés után használható kezelőelemeket. Ez a közvetlen átirányítás kellemes megoldás volt: nem kellett visszatérnem az általános hPanel kezdőlapjára, és megkeresnem az új szerveremet.
A Manage egy dedikált GPU-kezelőfelületet nyitott meg, nem pedig egy szokásos webtárhely-vezérlőpultot. A bal oldali menü mindössze három elemet tartalmazott: Áttekintés, Metrics és Exposed services. A termék széles választékát bemutató képernyők után nagyra értékeltem, hogy ez a navigáció ennyire célirányos volt.
Az Áttekintés azonnal választ adott azokra a kérdésekre, amelyek felmerülhetnek drága hardver bérlése után: Működik? Milyen GPU-t és erőforrásokat kaptam? Mekkora az óránkénti kreditfogyás? Hogyan csatlakozhatok? A példánykártya a hostinger-gpu-review-b200 állapotát Futóként jelölte meg, és megerősítette az NVIDIA B200-at, a 192 GB videomemóriát, a 16 processzormagot, a 32 GB RAM-ot, a 300 GB-os lemezt, az Ubuntu 24.04-et és a Los Angeles-i helyszínt.

A példánykártyán közvetlenül két vezérlőelem szerepelt: Újraindítás és Törlés. Hasznos, hogy jól láthatók, hiszen tudnia kell, hogyan kezelje a példány életciklusát, amikor óradíjat fizet. A teszt ezen részében egyiket sem használtam, így azt értékelem, mennyire könnyen elérhetők a vezérlőelemek, és nem állítom, hogy ellenőriztem a működésüket.
A szerverkártya felett a Hostinger megjelenítette a számítási teljesítményt, a videomemória-használatot és a kreditfogyást. Az első rögzített adatoknál a számítási teljesítmény 0 TFLOPs, az átlagos videomemória-használat pedig 0 GB volt, mivel még nem futtattam GPU-s számítási feladatot.
A kreditek összesítése 488 felhasznált kreditet, óránként 488 kredit fogyását és 1,512 fennmaradó kreditet mutatott. Ez hasznos átláthatóságot biztosított, különösen azért, mert a fizetős GPU-használat költségei gyorsan összeadódhatnak.
A kapcsolat panel egyetlen szakaszban jelenítette meg a nyilvános IPv4-címet, a másolható SSH-parancsot és a jelszót. Az SSH-parancs tartalmazta az Ubuntu-felhasználónevet és egy nem alapértelmezett SSH-portot; a jelszómezőben megjelenítésre és másolásra szolgáló vezérlők voltak.
A Hostinger arra is figyelmeztetett, hogy az SSH-n keresztül megváltoztatott jelszó többé nem egyezik majd a hPanel rendszerben tárolttal. Így dokumentáció keresése nélkül megtalálhattam a kapcsolódási információkat, bár önmagában a képernyőkép nem bizonyítja, hogy sikeresen bejelentkeztem SSH-n keresztül.
Az Áttekintés ellenőrzése után megnyitottam a Metrics oldalt. A Hostinger 1 órás, 24 órás, 7 napos és 30 napos időszűrőket kínált. Az oldal a számítási teljesítményt TFLOPs-ban, a VRAM-használatot pedig GB-ban ábrázolta. A grafikonok egyszerűek és jól olvashatók voltak; nem vonták el a figyelmet más, oda nem tartozó rendszerdiagramok.

Mindkét diagramon nulla érték szerepelt a képernyőkép készítésekor. Ez várható volt, mielőtt AI-feladatot futtattam volna, ezért ezeket az értékeket nem tekinteném a GPU teljesítményére vagy a monitorozórendszer hibájára vonatkozó bizonyítéknak.
A hasznos teszt később következik: indítson el egy valódi számítási feladatot, figyelje meg a grafikonokat a használat változásakor, majd vesse össze azokat az Ubuntu rendszeren belüli mérésekkel.
Ezután megnyitottam az Exposed services részt, amely a GPU-szerveren futó alkalmazások interneten keresztüli elérhetővé tételére szolgál. Mivel még nem hoztam létre szolgáltatást, az oldal üres állapotot és egy szolgáltatás hozzáadására szolgáló gombot jelenített meg. A Hostinger arra is figyelmeztetett, hogy bármi, amit közzétesznek, a címet ismerők számára elérhető lesz, kivéve, ha az alkalmazás saját bejelentkezési felülettel rendelkezik.

Tetszett ez a figyelmeztetés. A GPU-s munkafolyamatok gyakran tartalmaznak jegyzetfüzeteket, inferálási API-kat és más fejlesztői felületeket, amelyeknek nem szabadna nyilvánosan hozzáférhetőnek lenniük. A belépési pontot könnyű volt megtalálni, de itt még nem adtam hozzá és nem teszteltem nyilvános szolgáltatást, ezért pusztán ezekből a képernyőképekből nem tudom megítélni a munkafolyamat további részét vagy a biztonsági beállításokat.
Csak a GPU-specifikus képernyők ellenőrzése után tértem vissza a hPanel Home oldalára. Ez más szemszögből mutatta meg a könnyű használatot: hol találnám meg a GPU-példányt, ha később újra bejelentkeznék, ahelyett, hogy a telepítés utáni Manage gombbal lépnék be?
A Home oldalamon egy hangsúlyos AI-asszisztensre vonatkozó felhívás és egy hosszú, meglévő weboldalakkal teli Your business terület fogadott.
Minden webhely mellett volt egy Manage site művelet, több bejegyzés pedig emlékeztetőket jelenített meg az ideiglenes domainekről. Lejjebb egy VPS-táblázatot láttam IP-címekkel, futási állapotokkal, lejárati dátumokkal és kezelőgombokkal. A bal oldali navigáció egy helyen fogta össze a webhelyeket, domaineket, e-maileket, további szolgáltatásokat, webhelykészítőket, AI-ügynököket, marketingeszközöket és fejlesztői szolgáltatásokat.

Ennek az egyetlen felületre épülő elrendezésnek megvannak az előnyei. A termékcsoportok megnevezései egyértelműek, és egy meglévő Hostinger-ügyfél egyetlen fiókból többféle tárhelyszolgáltatást is elérhet. Az én esetemben azonban a webhelyekkel kapcsolatos tartalmak mennyisége vizuálisan zsúfolttá tette az oldalt.
Az új GPU-m kevésbé volt feltűnő a Home oldal látható tartalmában, mint a webhelyek és a VPS-bejegyzések. Miután eljutottam a GPU-hoz, a különálló Overview, Metrics és Exposed services navigáció célirányosabbnak bizonyult.
A webhelyek szokatlanul hosszú listája annak köszönhető, hogy ezek már korábban is szerepeltek a fiókomban; egy más szolgáltatásokkal még nem rendelkező új ügyfél kevésbé zsúfolt oldalt láthat. Az olvasó számára azonban fontos ez a különbség: a GPU üzembe helyezése rövid, célirányos folyamat, míg a tágabb hPanel-irányítópult egyszerre próbálja kiszolgálni az összes Hostinger-terméket.
A Hostinger GPU Hosting használhatóságának legerősebb része az volt, ami az elérhető GPU megtalálása után következett. A konfigurációs oldal megjelenítette a választási lehetőségeket és azok költségét, az Ubuntu rendszerképeit és az AI-alkalmazások rendszerképeit könnyű volt megtalálni, az üzembe helyezés nagyjából két perc alatt befejeződött, a Manage pedig közvetlenül egy áttekinthető, tömör példány-irányítópultra vezetett.
A GPU műszaki adatait, az óránkénti kreditfogyást, az SSH-információkat és a fő adminisztrációs vezérlőket is megtaláltam anélkül, hogy egy bonyolult felhőkonzolon kellett volna eligazodnom.
Ez a kényelem azonban nem fedheti el az üzembe helyezés előtti korlátozásokat. A nyilvános oldalon az RTX 4090-et választottam, de amikor eljutottam a hPanelhez, már nem tudtam bérelni; a felsorolt GPU-k többsége nem volt elérhető, és a munkamenetem során Los Angeles volt az egyetlen üzembe helyezési régió. A B200 lényegesen drágább volt az általam kiszemelt RTX 4090-nél, az X-Large konfiguráció díja pedig meghaladta a B200 meghirdetett induló díját. A hPanel általános Home nézete is zsúfoltabbnak tűnt a GPU-specifikus oldalaknál.

A Hostinger a kezelőfelületi csevegésen keresztül éjjel-nappali online ügyfélszolgálatot biztosít, emellett WhatsAppon és a support@hostinger.com e-mail-címen is elérhető. Néhány tárhelyszolgáltatótól eltérően telefonos ügyfélszolgálatot nem kínál.
Az ügyfélszolgálati élmény középpontjában most a Hostinger Agent áll, egy mesterséges intelligencián alapuló asszisztens, amely válaszol a kérdésekre, segít a problémák elhárításában, megkeresi a dokumentációt, és bizonyos fiókkezelési műveleteket is elvégez. A Hostinger emellett szükség esetén Customer Success Specialists munkatársaihoz is hozzáférést biztosít.
Ehhez az értékeléshez az élő csevegést egy valós, az NVIDIA B200 GPU-példányommal kapcsolatos kérdéssel teszteltem. Azt szerettem volna megtudni, milyen gyorsan kaphatok pontos műszaki útmutatást, és ami még fontosabb, mennyire egyszerű közvetlenül egy emberrel beszélnem, ha ezt kérem.
A Hostinger tudásbázisát is áttekintettem, hogy felmérjem a GPU-dokumentáció minőségét, és kiderítsem, hogy az ügyfelek meg tudják-e oldani a gyakori problémákat az ügyfélszolgálat megkeresése nélkül.
Az élő csevegést a hPanel tetején található Agent elemre kattintva nyitottam meg. A csevegés a GPU-kezelőoldalam mellett nyílt meg, így az ügyfélszolgálattal való beszélgetés közben is láthattam a futó B200-példányomat és annak kreditfogyását.

A Hostinger Agent a Hostinger korábbi, MI-alapú ügyfélszolgálati asszisztensének, a Kodee-nak az utódja. A Hostinger a Kodee-t és a specializált MI-eszközeinek szélesebb körét egyetlen, egységes asszisztenssé vonta össze. A Hostinger tájékoztatása szerint az asszisztens elmagyarázhatja a műszaki problémákat, útmutatást adhat az elhárításukhoz, releváns dokumentációt javasolhat, és elvégezheti az ügyfél fiókjában támogatott műveleteket is.
A tesztem azonban a technikai tanácsadásra és az emberi ügyintéző bevonására összpontosított, nem pedig arra, hogy fiókmódosításokat hajtson végre.
Gyakorlati kérdést tettem fel a GPU-k számlázásáról és az adatok megőrzéséről. Mivel a Hostinger óránként számítja fel a GPU-példányok díját, tudni akartam, hogy szüneteltethetem-e a szerveremet az AI-feladatok között anélkül, hogy elveszíteném a telepített alkalmazásaimat, modelljeimet és fájljaimat. Azt is megkérdeztem, hogy az újraindítás leállítja-e a számlázást, és mit kell tennem a környezetem megőrzéséhez, ha a példány törlése elkerülhetetlen.
Az ügynök kevesebb mint 30 másodperc alatt válaszolt.
Válasza mindhárom aggályomra kitért. Elmagyarázta, hogy az újraindítás csupán újraindítja a szervert, és nem állítja le a számlázást. A Hostinger jelenleg nem kínál olyan szüneteltetési vagy leállítási funkciót, amely lehetővé tenné az ügyfeleknek a GPU-példány megőrzését a díjak felszámítása nélkül. A példány törlése leállítja a számlázást, de véglegesen törli a helyi adatokat.
A válasz ennél is tovább ment, és elmagyarázta, hogyan őrizhetem meg a munkakörnyezetemet. Azt javasolta, hogy a modelleket és adatkészleteket vigyem át külső tárhelyre, exportáljam a Python- vagy Conda-függőségeket, jegyezzem fel a CUDA- és PyTorch-verziókat, valamint mentsem el a konfigurációs fájlokat és az üzembe helyezési szkripteket.

Tetszett a részletessége. Ahelyett, hogy egyszerűen közölte volna, hogy a GPU-példányokat nem lehet szüneteltetni, az asszisztens arra is kitért, mit kell tennem a szerver törlése előtt. Az útmutatása a Hostinger hivatalos, GPU-k számlázásáról szóló dokumentációjával is megegyezett, így ellenőrizhettem a magyarázat pontosságát.
A technikai kérdés megválaszolása azonban csak a támogatási tesztem első része volt. Ezután közvetlenül egy emberi szakértővel szerettem volna beszélni.
17:23-kor megkértem a Hostinger Agent szolgáltatást, hogy kapcsoljon össze egy emberi ügyfélszolgálati munkatárssal, hogy megerősítse a GPU-k számlázásával és az adatmegőrzéssel kapcsolatos részleteket. Ahelyett, hogy megszervezte volna az átadást, megismételte az irányelvet, és arra biztatott, hogy folytassam az AI-támogatás használatát, mondván, hogy ez gyorsabb lesz.
17:24-kor ismét egyértelműen kértem ezt. Ezúttal közöltem, hogy értem az irányelvet, és nincs szükségem újabb AI-magyarázatra. Kifejezetten egy emberi képviselővel szerettem volna beszélni, és hajlandó voltam várni.
17:25-kor az asszisztens ismét összefoglalta a számlázási szabályokat, majd két lehetőséget ajánlott fel: Wait for a human review és folytatás a Hostinger Agent használatával.

Azt a lehetőséget választottam, hogy egy ember vizsgálja felül az ügyet, és megerősítettem, hogy egy ügyintézővel szeretném folytatni. A Hostinger ezután megjelenített egy üzenetet arról, hogy a felülvizsgálat folyamatban van, egy visszaszámlálót, valamint egy mezőt, ahol további információkat adhattam meg az ügyintézőnek.

17:31-kor, körülbelül hat perccel azután, hogy a kérésem felülvizsgálatra került, választ kaptam, amely egy Amber nevű ügyintézőhöz kapcsolódott. A felületen ez jelent meg: „Amber felülvizsgálta a választ.”
Amber üzenetében arra kért, hogy adjam meg a GPU-példányom nevét, azokat a számlázással vagy az adatok megőrzésével kapcsolatos pontokat, amelyekről megerősítést szeretnék kapni, valamint az esetleges releváns hibákat vagy képernyőképeket.

Megadtam a példány nevét, hostinger-gpu-review-b200, és három fontos pontról kértem megerősítést: nincs szüneteltetési funkció, a példány törlése után az adatok véglegesen törlődnek, valamint elérhetők-e pillanatképek, biztonsági mentések vagy tartós tárhely.
Magáról az ügyfélszolgálati folyamatról is kérdeztem. Mivel a felület azt jelezte, hogy Amber felülvizsgálta a választ, szerettem volna tudni, hogy most már közvetlenül vele beszélek-e, vagy továbbra is mesterséges intelligenciával kommunikálok.
17:33-kor egy újabb, részletes választ kaptam. A válasz megerősítette, hogy a GPU-példányok tétlen állapotban is tovább fogyasztják a krediteket, a példány törlése véglegesen eltávolítja a rajta tárolt helyi adatokat, a Hostinger pedig jelenleg nem biztosít GPU-pillanatképeket, automatikus biztonsági mentéseket vagy tartós tárhelyet.
Azt is elmagyarázta, hogy a példány azonnal törlődik, amint a kreditegyenleg eléri a nullát, türelmi idő nélkül. Javasolt alternatívaként az volt, hogy a környezetet olyan eszközökkel, mint az scp vagy az rsync, exportáljam egy külön VPS-re, felhőtárhelyre vagy helyi számítógépre.
A válasz legárulkodóbb része azonban az emberi ügyfélszolgálattal foglalkozott. A Hostinger egyértelműen megerősítette, hogy továbbra is a Hostinger Agent nevű, mesterséges intelligenciával működő asszisztenssel kommunikálok. Egy emberi ügyintéző felügyelte vagy ellenőrizte a beszélgetést, de nem kapcsoltak át közvetlen, négyszemközti beszélgetésre egy ügyintézővel.

Ez a különbség fontos. Szándékosan kértem emberi ügyintézőt, nem pedig egy újabb automatizált magyarázatot. Bár a rendszer emberi felügyeletet biztosított, és teljes körű műszaki választ adott, a kért közvetlen emberi kapcsolatfelvételt nem tette lehetővé.
Az első, 17:22-kor feltett kérdéstől az utolsó, 17:33-kor adott pontosításig a teljes ügyfélszolgálati beszélgetés körülbelül 11 percig tartott. Az első MI-válasz kevesebb mint 30 másodperc alatt érkezett meg, míg az emberi felülvizsgálat nagyjából hat perccel azután vált láthatóvá, hogy kértem az ügy továbbítását.
Az élő csevegés tesztelése után felkerestem a Hostinger online súgóközpontját , hogy megnézzem, milyen könnyen találnak választ a GPU-s ügyfelek anélkül, hogy kapcsolatba lépnének az ügyfélszolgálattal.
A kezdőlap letisztult és jól rendszerezett volt, egy jól látható keresősávval, a dokumentáció pedig olyan kategóriákba rendeződött, mint az Első lépések, a Hostinger vezérlőpultja, a VPS, a Számlázás és az SSL-tanúsítványok. A megjelenített lehetőségek között azonban nem találtam külön GPU-kategóriát.

Beírtam a „gpu” kifejezést a keresősávba, a Hostinger pedig 10 találatot adott. Nyolc kifejezetten a GPU-tárhelyszolgáltatásról szólt, és a hardver kiválasztását, az alkalmazássablonokat, az üzembe helyezést, a példányok kezelését, a számlázást, a közzétett szolgáltatásokat, a biztonságot és a VPS-tárhelyszolgáltatással való összehasonlítást tárgyalta. A másik két találat a Hostinger visszatérítési szabályzatáról és vezérlőpultjáról szólt.

Tetszett, hogy a keresés azonnal megjelenítette a GPU-ra vonatkozó dokumentációt, annak ellenére, hogy a kezdőlapon nem volt külön erre szolgáló kategória. Ami még fontosabb: a cikkek gyakorlati kérdésekre is kitértek, például az óránkénti kreditfogyásra, a példány törlése utáni adatvesztésre és a nyilvánosan elérhető alkalmazások biztonságossá tételére.
Ezután átnéztem az egyes útmutatókat, hogy felmérjem, mennyire világosan magyarázzák el ezeket a kérdéseket, és mennyire felelnek meg az utasításaik a gyakorlati tapasztalataimnak.
Átnéztem a Hostinger GPU beállításáról és a példányok kezelésérőlszóló útmutatóit. Ezek a hardver kiválasztásával, a régiókkal, a szoftversablonokkal, az üzembe helyezéssel, a monitorozással és a közzétett szolgáltatásokkal foglalkoznak.
Az utasítások szorosan megfeleltek a hPanel felületén szerzett tapasztalataimnak. Azt is értékeltem, hogy a Hostinger elismerte a GPU-k regionális elérhetőségének korlátait: ezt akkor tapasztaltam, amikor az RTX 4090 nem volt elérhető, és Los Angeles volt az egyetlen üzembe helyezési lehetőségem.
A GPU-s számlázási útmutató különösen hasznos volt, mert ugyanazokra az aggályokra tért ki, amelyeket az élő csevegés során vetettem fel.
Megerősíti, hogy a számlázás akkor is folytatódik, ha egy példány tétlen, az újraindítás nem állítja le a díjak felszámítását, a példány törlése pedig véglegesen törli a helyi adatokat.
Ennél is fontosabb, hogy a Hostinger figyelmeztet: nincs automatikus kreditfeltöltés vagy alacsony egyenlegről szóló értesítés. A kreditek elfogyása a példány azonnali törlését eredményezi.

Ezek kritikus részletek mindazok számára, akik felügyelet nélkül futó MI-munkaterheléseket üzemeltetnek, és tetszett, hogy a Hostinger világosan elmagyarázta őket.
A Hostinger szolgáltatások elérhetővé tételéről szóló útmutatója elmagyarázza a nyilvános hozzáférést, a portok konfigurálását és a támogatott protokollokat. Azt is tisztázza, hogy a HTTPS kiválasztása nem konfigurálja automatikusan a TLS-titkosítást.
A hozzá tartozó biztonsági útmutató az alkalmazások hitelesítését és a tűzfalas védelmet ismerteti. Örültem volna azonban, ha egyértelműbben figyelmeztet arra, hogy a korlátozó tűzfalszabályok engedélyezése előtt gondoskodni kell az SSH-hozzáférés megőrzéséről.

A Hostinger kiváló, mesterséges intelligenciával támogatott ügyfélszolgálati élményt nyújtott, bár az emberi ügyintéző bevonásának folyamata hagyott kívánnivalót maga után.
A Hostinger Agent kevesebb mint 30 másodperc alatt válaszolt a GPU-val kapcsolatos kérdésemre, elmagyarázta a számlázási következményeket, és gyakorlati lépéseket javasolt a környezetem megőrzéséhez. Útmutatása részletes volt, és összhangban állt a hivatalos dokumentációval.
Körülbelül hat perc elteltével lehetővé vált az emberi felülvizsgálat, és a végső válasz kitért a további kérdéseimre is. Az ügyintéző bevonását azonban többször is kérnem kellett, és a beszélgetést továbbra is a mesterséges intelligencia vezette, ahelyett, hogy egy szakértővel folytatott közvetlen élő csevegéssé alakult volna.
A tudásbázis szintén pozitívum volt. Nyolc, GPU-kra szakosodott cikke világosan ismertette az üzembe helyezést, a kezelést, a számlázást, a szolgáltatások elérhetővé tételét és a biztonságot. A számlázási dokumentáció különösen hasznos volt a folyamatos kreditfogyás és a végleges adatvesztés kockázatainak megértéséhez.

Igen, azoknak a fejlesztőknek és MI-csapatoknak, akiknek komoly GPU-kapacitásra van szükségük a hardver megvásárlása nélkül. A B200 bemelegedés után nagyjából 126 token/másodperces sebességgel végzett Qwen-inferálást, az SDXL-képeket pedig körülbelül 0.91 másodperc alatt készítette el.
Az üzembe helyezés gyors volt, amint rendelkezésemre állt egy működő SSH-elérési pont. Az első szerver IP-címének megjelenítési problémája, a hardver változó elérhetősége, a vissza nem téríthető kreditek, valamint a szüneteltetési lehetőség és a beépített biztonsági mentések hiánya azonban komoly kockázatot jelent.
| Csomag neve | CPU | RAM | Sávszélesség | Ár | |
|---|---|---|---|---|---|
| Free Trial | - | Korlátlan | 0 Ft | Részletek | |
| Game Panel 2 | 2 mag | 8 GB | 8 TB | 2 850 Ft | Részletek |
| Game Panel 4 | 4 mag | 16 GB | 16 TB | 4 200 Ft | Részletek |
| Game Panel 8 | 8 mag | 32 GB | 32 TB | 8 390 Ft | Részletek |
| Description | Expert Review |
|---|---|
| Költségbarát tárhely nagy teljesítménnyel és egyszerűen kezelhető eszközök... | Read Shared Hosting Review |
| Gyors és biztonságos WordPress-tárhely egykattintásos telepítéssel és prémium... | Read Wordpress Hosting Review |
| Skálázható VPS-tárhely dedikált erőforrásokkal és root-hozzáféréssel. | Read VPS Review |
| Gyors, rugalmas felhőalapú tárhely kiváló rendelkezésre állással és skáláz... | Read Cloud Hosting Review |
| Biztonságos és privát tárhelymegoldások tengerentúli adatközponti helyszínekk... | Read Offshore Hosting Review |
| Biztonságos és megbízható e-mailtárhely professzionális szintű funkciókkal. | Read Email Hosting Review |
| Megbízható Python-tárhely rugalmas környezetekkel fejlesztők számára. | Read Python Hosting Review |
| Nagy teljesítményű PHP-tárhely teljes körű támogatással dinamikus weboldalakh... | Read PHP Hosting Review |
| Megbízható Windows VPS tárhelyszolgáltatás teljes körű vezérléssel és testr... | Read Windows VPS Review |
| Gyors és rugalmas hoszting kifejezetten Node.js alkalmazásokhoz optimális teljesí... | Read Nodejs Hosting Review |
| Optimalizált tárhely WooCommerce-áruházak számára nagy sebességgel és biztons... | Read Woocommerce Hosting Review |
| Dedikált szerver hoszting a zökkenőmentes Minecraft-játékélményekért. | Read Minecraft Server Hosting Review |
| Méretezhető tárhelymegoldások fejlett funkciókkal digitális ügynökségek és ... | Read Agency Hosting Review |
| Gyors, biztonságos tárhely, optimalizálva a Magento e-kereskedelmi weboldalakhoz | Read Magento Hosting Review |
| Magas teljesítményű Linux-alapú tárhely a stabil és biztonságos weboldal műk�... | Read Linux Hosting Review |
| Robusztus Java-hostingszolgáltatások dinamikus webalkalmazásokhoz és projektekhez... | Read Java Hosting Review |
| Biztonságos, gyors és megbízható teljesítményű, optimalizált tárhely e-keres... | Read Ecommerce Hosting Review |
| Megbízható Django-tárhely gyors sebességgel és biztonságos környezettel. | Read Django Hosting Review |
| Könnyen használható cPanel tárhely robosztus teljesítménnyel és megbízható t... | Read Cpanel Hosting Review |
| Erőteljes tárhelyszolgáltatás vállalkozások számára gyors sebességgel, bizto... | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Dedikált SMTP szerver hosting a megbízható és biztonságos e-mail kézbesítéshe... | Read SMTP Server Review |
| Gyors és optimalizált tárhely, Ruby on Rails webalkalmazásokhoz szabva. | Read Ruby on Rails Review |
| Feature-rich hosting with OpenClaw integráció a claw machine játékok építéséh... | Read OpenClaw Review |
| Gyors és megbízható tárhely brit alapú szerverekkel az optimális helyi teljesí... | Read UK Hosting Review |
| Megfizethető és megbízható tárhely indiai alapú szerverekkel az alacsony késle... | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Igen. Az NVIDIA B200-am sikeresen futtatta a Qwen2.5-7B inferenciát és a Stable Diffusion XL képgenerálást. Az eredmények modellenként, keretrendszerenként és instance-mérettől függően eltérnek.
A Hostinger 192 GB VRAM-ot hirdet. Az én B200-asom 178,34 GiB-ot jelentett a PyTorch szerint, ami összhangban van a decimális és bináris memóriaegységek közötti különbségekkel.
Nem. A GPU-krediteket továbbra is felhasználja a rendszer, amíg a példány tétlen vagy újraindítás alatt áll. A példány törlése leállítja a használati díjak felszámítását, de véglegesen eltávolítja a helyi adatokat.
Nem láttam külön GPU-ingyenes próbaidőszakot a fizetésnél. A Hostinger a GPU-vásárlásokat és az AI-krediteket kizárja a szokásos 30 napos pénz-visszafizetési garanciájából.
Igen. Az SSH működött a cserélt B200 példányomon, bár az első telepítés egy nyilvános SSH-végpont helyett egy privát IP-címet jelenített meg.

Válaszoljon néhány egyszerű kérdésre, és találja meg Önnek a tökéletes megoldást!
Tárhely keresésének elindításaA HostAdvice.com egy független oldal, mely professzionális értékeléseket biztosít tárhelyszolgáltatókkal kapcsolatosan. Az oldalon található értékelések őszinték, nem részrehajlóak és mindenkit ugyanolyan feltételek alapján minősítenek.
Az értékelt cégek pénzbeli juttatást utalnak át számunkra, de ez nincs hatással az értékelések kimenetelére. A juttatás nem befolyásolja az egyes tárhelyszolgáltatások rangsorát.
Támogassa a weblap-tulajdonosok közösségét azzal, hogy oldalunkon egy őszinte értékelést ír a saját tárhelyszolgáltatójáról.






