ホーム AI・LLM GPU クラウド費用を計算 作成日: 2026年7月20日 21:33 GPU クラウド費用を計算 入力 GPU 1 台あたりの時間料金2.5 ドルGPU 台数8実行時間24 AI・LLM GPU クラウド費用を計算 時間あたりの料金・GPU 台数・実行時間から、固定長のジョブでクラウド GPU をレンタルした際の総額と、GPU 1 台あたりの費用を見積もります。 入力 実行 GPU 1 台あたりの時間料金 ドル GPU 1 台あたり 1 時間ごとに課金されるレンタル料金。使用するアクセラレータ種別についてクラウド事業者が提示するオンデマンド、リザーブド、またはスポットの料金です。 GPU 台数 ジョブが並列に使用する GPU の数。すべての GPU が全期間にわたって課金されるため、総額はこの数に比例します。 実行時間 GPU がプロビジョニングされてから解放されるまでの、時間単位での実行の長さ。端数の時間は通常、秒単位または分単位で課金されます。 結果 値を入力すると計算結果が表示されます。 総額 ドル 実行全体の請求額。1 時間あたり 2.5 ドル × 8 台 × 24 時間で、... になります。 詳細 GPU 1 台あたりの費用 ドル GPU 1 台が単独で請求額に寄与する分。1 時間あたり 2.5 ドル を 24 時間で ...。GPU 台数を掛けると総額になります。 共有 レポートを印刷 リセット 埋め込み この計算機を埋め込む プレビュー このコードをページに貼り付けると計算機を表示できます。 コードをコピー この計算を共有 このリンクを開くと、入力した値がそのまま表示されます。 リンクをコピー 共有する XFacebookLINE メール 最終更新: 2026-06-22 GPU クラウド費用 クラウドで GPU をレンタルできるようになったことで、ハードウェアを所有せずに大規模な学習やバッチジョブを起動できるようになりました。しかし数十台のアクセラレータを何日も動かせば、請求額はあっという間に膨らみます。算術そのものは単純です。固定長の実行の費用は、GPU 1 台の時間料金に、使用台数を掛け、実行時間を掛けたものです。この計算はそれを求め、さらに請求額を GPU 1 台ごとの寄与に分解します。 課金は料金・台数・時間に対して線形 クラウド GPU の課金には、単一の実行内での規模の経済はありません。1 台でも 100 台でも、各 GPU は全期間にわたって同じ時間料金で課金されます。そのため総額は 3 つの数のきれいな積になります。 C=c⋅n⋅hC = c \cdot n \cdot hC=c⋅n⋅h ここで cc は GPU 1 台あたりの時間料金、nn は GPU 台数、hh は時間単位の実行の長さです。GPU 1 台に帰属する費用は次のとおりです。 g=c⋅hg = c \cdot hg=c⋅h したがって総額は C=g⋅nC = g \cdot n でもあります。関係が線形であるため、GPU 台数か実行時間のどちらかを倍にすると請求額も倍になり、GPU 時間で測った一定の作業量に対しては両者は交換可能です。 計算例 ある学習が 8 台の GPU を GPU 時間あたり $2.50 で使い、完了までに 24 時間かかるとします。 g=2.50×24=$60C=2.50×8×24=$480\begin{aligned} g &= 2.50 \times 24 = \$60 \\ C &= 2.50 \times 8 \times 24 = \$480 \end{aligned}gC=2.50×24=$60=2.50×8×24=$480 各 GPU は 1 日あたり $60、8 台合わせて $480 です。同じ作業を 16 台の GPU で 12 時間で終えられるなら、GPU 時間、ひいては費用は $480 のまま変わりません。2.50×16×122.50 \times 16 \times 12 もまた $480 だからです。請求額を変えるのは消費される GPU 時間であって、それを台数と時間にどう分けるかではありません。 オンデマンドとスポットの料金 ここに入力する時間料金は、まったく異なる 2 つの市場から来ます。オンデマンドのインスタンスは必要な間ずっと固定の料金で確保され、中断されることがないため、一度で完了しなければならない実行に適します。スポット(プリエンプティブル)のインスタンスは同じハードウェアを大幅な割引、しばしばオンデマンドの 2 分の 1 から 3 分の 1 で提供しますが、事業者は短い予告で回収できます。立ち退き後に再開できるチェックポイント付きのジョブはスポット容量でずっと安く動くことが多く、一方で最初からやり直さなければならないジョブは通常オンデマンドの方が安全です。実行が実際に使うインスタンスに合った料金を入力してください。 見積もりの使い方 この数値は GPU の計算料金だけを対象とします。実際の請求書には、ストレージ、データ転送、ネットワーキングも含まれ、実行の前後でインスタンスがプロビジョニングされたまま遊んでいる時間も課金され続けます。リザーブドのアクセラレータでのこのアイドル時間の無駄を見積もるには GPU利用率コストの計算 を参照してください。そもそもレンタルがハードウェアの購入やホスト型 API の呼び出しより安いかを判断するには 自己ホストとAPIの損益分岐の計算 を参照してください。 よくある質問 (FAQ)スポット料金とオンデマンド料金の違いは何ですかオンデマンド料金は、必要な間ずっと固定の時間料金で GPU を確保し、中断のリスクがありません。スポット(プリエンプティブル)料金は同じハードウェアを大幅な割引、しばしばオンデマンドの 2 分の 1 から 3 分の 1 で提供しますが、他で容量が必要になると事業者がほとんど予告なくインスタンスを回収できます。スポットは、中断後に再開できる耐障害性のあるジョブやチェックポイント付きのジョブに適し、オンデマンドは再起動なしに完了しなければならない実行に適します。使用するインスタンスに該当する料金を入力してください。 GPU の種別はどのように選べばよいですか適切な GPU は、ジョブが必要とするメモリと、活かせるスループットによって決まります。小さなアクセラレータに収まるモデルは、使い切れない最上位カードよりもそちらで動かす方が安く済みます。大規模な学習では、高速なインターコネクトを備えた大容量のデータセンター向け GPU が必要時間を減らし、時間料金が高くても総額を下げることがしばしばあります。有用な比較は表面的な時間料金ではなく、実行全体の総額です。速い GPU は少ない時間で終わる可能性があるためです。 GPU 時間は総額とどう関係しますかGPU 時間は GPU 台数とその実行時間の積で、多くの学習レポートが用いる消費量の単位です。総額は単純に GPU 時間 × GPU 1 台あたりの時間料金です。ある実行が既知の GPU 時間を要すると見込まれる場合、GPU 台数で割れば実時間が、時間料金を掛ければ請求額が得られます。この計算は、料金・台数・実行時間から同じ算術を行います。 免責事項 これは入力した長さの実行について、GPU の計算料金だけを見積もります。ストレージ、データ転送、ネットワーキング、実行前後のアイドル時間、スポット容量での中断は含みません。長期の実行を確定する前に、リザーブドやサーバーレスの料金と比較してください。 次のおすすめ GPU利用率コストの計算 アイドル時間を計上したときの予約アクセラレータの実コストを把握する。時間あたりの料金と利用率を入力すると、有用な1時間あたりの実効コストとアイドル容量に費やした金額が得られる。 詳しく解説自己ホストとAPIの損益分岐の計算 固定の自己ホストコスト（借用または自社のGPU容量に限界的な間接費を加えたもの）が、トークン従量制のAPI料金を下回る月間トークン量を求め、実際の利用量での月額コストと節約額を確認します。 詳しく解説 200+ ツール · 10 言語対応 · 完全無料 コスト・料金の他の計算 1ドルあたりトークン数の計算GPU クラウド費用を計算GPU利用率コストの計算LLMファインチューニング費用の計算LLMレート制限の計画LLM学習のカーボンフットプリントの計算 +20 more Show less LLM学習時間とコストの計算LLM月額コストの計算エージェントコストの計算コンテキストコストの増加の計算コンテキスト長の判定システムプロンプトの償却コストトークンから単語数への変換トークンコスト計算バッチAPIの節約額の計算プロンプトキャッシュの節約額の計算ベクトルDBコストの計算ベクトルDBサイズの計算音声合成コストの計算音声文字起こしコストの計算画像生成コストの計算関数呼び出しのトークンオーバーヘッド構造化出力のトークンオーバーヘッド自己ホストとAPIの損益分岐の計算推論エネルギーコストの計算埋め込みコストの計算 AI・LLMの他のカテゴリ 推論・サービング トークンあたりFLOPsの計算バッチ推論スループットの計算モデルFLOPs利用率の計算画像入力トークン数の計算実効トークン毎秒の計算推論スループットの計算推論レイテンシの計算投機的デコーディングの高速化の計算学習・スケーリング Chinchilla最適トークン数LLMトレーニングVRAMの計算LoRA の学習パラメータ数を計算データセットのトークン数の計算データ並列スケーリングの計算パイプライン並列のバブルの計算学習FLOPsの計算学習率ウォームアップの計算計算最適なモデルサイズ計算予算から求めるエポック数勾配累積のメモリ計算実効バッチサイズの計算ハードウェア・メモリ KVキャッシュサイズの計算LLM推論のVRAM計算MoE のアクティブパラメータ数を計算Transformerのパラメータ数の計算アテンションメモリの計算モデルに必要なGPU台数の計算モデルのダウンロード時間の計算量子化によるモデルサイズの計算RAG・埋め込み RAGチャンク分割の設計評価 A/Bテスト有意性の計算LLM評価のサンプルサイズの計算pass@k の計算パープレキシティの計算すべてのツール コサイン類似度の計算 この計算機は役に立ちましたか？ 役に立った 改善が必要 改善が必要 どのような点が改善されると良いですか？ フィードバックを送信 Powered by OneCalc ↗
最終更新: 2026-06-22 GPU クラウド費用 クラウドで GPU をレンタルできるようになったことで、ハードウェアを所有せずに大規模な学習やバッチジョブを起動できるようになりました。しかし数十台のアクセラレータを何日も動かせば、請求額はあっという間に膨らみます。算術そのものは単純です。固定長の実行の費用は、GPU 1 台の時間料金に、使用台数を掛け、実行時間を掛けたものです。この計算はそれを求め、さらに請求額を GPU 1 台ごとの寄与に分解します。 課金は料金・台数・時間に対して線形 クラウド GPU の課金には、単一の実行内での規模の経済はありません。1 台でも 100 台でも、各 GPU は全期間にわたって同じ時間料金で課金されます。そのため総額は 3 つの数のきれいな積になります。 C=c⋅n⋅hC = c \cdot n \cdot hC=c⋅n⋅h ここで cc は GPU 1 台あたりの時間料金、nn は GPU 台数、hh は時間単位の実行の長さです。GPU 1 台に帰属する費用は次のとおりです。 g=c⋅hg = c \cdot hg=c⋅h したがって総額は C=g⋅nC = g \cdot n でもあります。関係が線形であるため、GPU 台数か実行時間のどちらかを倍にすると請求額も倍になり、GPU 時間で測った一定の作業量に対しては両者は交換可能です。 計算例 ある学習が 8 台の GPU を GPU 時間あたり $2.50 で使い、完了までに 24 時間かかるとします。 g=2.50×24=$60C=2.50×8×24=$480\begin{aligned} g &= 2.50 \times 24 = \$60 \\ C &= 2.50 \times 8 \times 24 = \$480 \end{aligned}gC=2.50×24=$60=2.50×8×24=$480 各 GPU は 1 日あたり $60、8 台合わせて $480 です。同じ作業を 16 台の GPU で 12 時間で終えられるなら、GPU 時間、ひいては費用は $480 のまま変わりません。2.50×16×122.50 \times 16 \times 12 もまた $480 だからです。請求額を変えるのは消費される GPU 時間であって、それを台数と時間にどう分けるかではありません。 オンデマンドとスポットの料金 ここに入力する時間料金は、まったく異なる 2 つの市場から来ます。オンデマンドのインスタンスは必要な間ずっと固定の料金で確保され、中断されることがないため、一度で完了しなければならない実行に適します。スポット(プリエンプティブル)のインスタンスは同じハードウェアを大幅な割引、しばしばオンデマンドの 2 分の 1 から 3 分の 1 で提供しますが、事業者は短い予告で回収できます。立ち退き後に再開できるチェックポイント付きのジョブはスポット容量でずっと安く動くことが多く、一方で最初からやり直さなければならないジョブは通常オンデマンドの方が安全です。実行が実際に使うインスタンスに合った料金を入力してください。 見積もりの使い方 この数値は GPU の計算料金だけを対象とします。実際の請求書には、ストレージ、データ転送、ネットワーキングも含まれ、実行の前後でインスタンスがプロビジョニングされたまま遊んでいる時間も課金され続けます。リザーブドのアクセラレータでのこのアイドル時間の無駄を見積もるには GPU利用率コストの計算 を参照してください。そもそもレンタルがハードウェアの購入やホスト型 API の呼び出しより安いかを判断するには 自己ホストとAPIの損益分岐の計算 を参照してください。 よくある質問 (FAQ)スポット料金とオンデマンド料金の違いは何ですかオンデマンド料金は、必要な間ずっと固定の時間料金で GPU を確保し、中断のリスクがありません。スポット(プリエンプティブル)料金は同じハードウェアを大幅な割引、しばしばオンデマンドの 2 分の 1 から 3 分の 1 で提供しますが、他で容量が必要になると事業者がほとんど予告なくインスタンスを回収できます。スポットは、中断後に再開できる耐障害性のあるジョブやチェックポイント付きのジョブに適し、オンデマンドは再起動なしに完了しなければならない実行に適します。使用するインスタンスに該当する料金を入力してください。 GPU の種別はどのように選べばよいですか適切な GPU は、ジョブが必要とするメモリと、活かせるスループットによって決まります。小さなアクセラレータに収まるモデルは、使い切れない最上位カードよりもそちらで動かす方が安く済みます。大規模な学習では、高速なインターコネクトを備えた大容量のデータセンター向け GPU が必要時間を減らし、時間料金が高くても総額を下げることがしばしばあります。有用な比較は表面的な時間料金ではなく、実行全体の総額です。速い GPU は少ない時間で終わる可能性があるためです。 GPU 時間は総額とどう関係しますかGPU 時間は GPU 台数とその実行時間の積で、多くの学習レポートが用いる消費量の単位です。総額は単純に GPU 時間 × GPU 1 台あたりの時間料金です。ある実行が既知の GPU 時間を要すると見込まれる場合、GPU 台数で割れば実時間が、時間料金を掛ければ請求額が得られます。この計算は、料金・台数・実行時間から同じ算術を行います。 免責事項 これは入力した長さの実行について、GPU の計算料金だけを見積もります。ストレージ、データ転送、ネットワーキング、実行前後のアイドル時間、スポット容量での中断は含みません。長期の実行を確定する前に、リザーブドやサーバーレスの料金と比較してください。
