Todos os produtos 
Aluguel de servidor com L40S: o que cabe em 48 GB e como uma fração vGPU difere da placa inteira
A NVIDIA L40S é uma placa para data center com arquitetura Ada Lovelace: 48 GB de memória GDDR6 com ECC, núcleos tensoriais com suporte a FP8, núcleos RT para ray tracing e codecs de hardware com AV1. Ela fica entre as placas de inferência de baixo consumo e os aceleradores de treinamento: o dobro da memória das placas de 24 GB, por um preço bem abaixo do de uma H100. A tabela acima reúne planos em nuvem e servidores dedicados com essa placa, desde uma fração vGPU com poucos gigabytes de memória até configurações com quatro placas. Antes de fechar o aluguel de um servidor com L40S, confira o que você recebe de fato: a placa inteira ou parte dela.
O que cabe em 48 GB de memória de vídeo
A memória é o principal motivo para escolher a L40S. Regra prática para modelos de linguagem: cerca de 2 GB por bilhão de parâmetros em FP16, cerca de 1 GB com quantização de 8 bits e 0,5–0,6 GB com 4 bits. Some a isso uma reserva para o cache KV: quanto mais longo o contexto e mais requisições simultâneas, mais memória ele ocupa.
- Modelos de 7–13B parâmetros em FP16 cabem com folga: um modelo de 13B ocupa cerca de 26 GB e sobra espaço para contexto longo e processamento em lote.
- Modelos de 30–34B em 8 bits precisam de cerca de 34–36 GB para os pesos. É uma opção viável em uma placa com contexto moderado.
- Modelos de 70B cabem só com quantização de 4 bits: os pesos ocupam cerca de 40 GB e restam poucos gigabytes para o contexto. Basta para um usuário e diálogos curtos; para um serviço sob carga, duas placas são melhores.
- Ajuste fino. LoRA em modelos de 7–13B e QLoRA até uns 30B cabem em uma placa. O treinamento completo até de um modelo de 7B com o otimizador Adam exige mais de 48 GB.
Se o seu modelo tem menos de 8B parâmetros e precisa de até 24 GB, compare os preços de servidores com L4: para essa carga eles são mais econômicos. Para treinar modelos grandes do zero, a H100 e a A100 são mais indicadas: a memória HBM delas tem largura de banda muito maior e as placas são ligadas por NVLink.
Imagens, renderização e vídeo
Aqui a L40S rende mais do que no treinamento. Stable Diffusion e Flux geram imagens em segundos, e 48 GB permitem trabalhar em alta resolução, manter vários modelos na memória ao mesmo tempo e treinar seus próprios LoRAs sem descarregar pesos. Os núcleos RT aceleram a renderização no Blender Cycles via OptiX e em outros renderizadores de GPU, e a memória ampla comporta cenas pesadas com texturas de alta resolução. NVENC e NVDEC de hardware com suporte a AV1 cuidam da transcodificação de vídeo sem sobrecarregar a CPU.
Fração vGPU, placa inteira e configurações ×2, ×4
As linhas mais baratas da tabela não são placas inteiras. Planos chamados «L40S-4Q», «-8Q», «-12Q», «-16Q» oferecem uma parte de uma placa por meio do NVIDIA vGPU: a máquina virtual recebe 4, 8, 12 ou 16 GB de memória de vídeo e uma parcela do tempo de computação. A letra Q indica o perfil de estação de trabalho virtual.
- Uma fração de 4–8 GB serve para uma estação de trabalho remota: CAD, modelagem 3D, edição com aceleração por hardware. Em 4 GB não roda um modelo de linguagem de tamanho útil.
- Uma fração de 12–16 GB dá conta de geração de imagens e modelos pequenos em 4 bits, mas as unidades de computação são compartilhadas com vizinhos e a velocidade não é garantida.
- A placa inteira de 48 GB é necessária para inferência de modelos grandes, ajuste fino e desempenho estável.
- As configurações ×2 e ×4 somam 96 e 192 GB. A L40S não tem NVLink: as placas trocam dados via PCIe 4.0, então dividir um modelo entre placas é mais lento do que em aceleradores com NVLink. Já várias cópias independentes do modelo, uma por placa, escalam de forma quase linear.
A L40S não suporta MIG: a placa só é dividida por perfis vGPU.
Driver, CUDA e o que verificar na imagem
- Compute capability 8.9. É preciso CUDA 11.8 ou mais recente; para FP8 e versões atuais do PyTorch escolha uma imagem com CUDA 12.
- Nas frações vGPU o driver é instalado pelo provedor: a máquina roda um driver convidado vGPU, e não se deve instalar um driver comum por cima. Pergunte a versão com antecedência.
- A saída do nvidia-smi após o primeiro boot mostra o modelo, a memória alocada e a versão do CUDA; compare com o plano.
Cobrança por hora ou mensal e faixa de preços
No catálogo, um servidor GPU com L40S custa aproximadamente de US$ 115 por mês por uma fração vGPU até cerca de US$ 4.500 pelas configurações multiplaca mais potentes; a mediana fica em torno de US$ 960. Menos da metade dos planos é cobrada por hora. A cobrança por hora compensa em tarefas pontuais: uma rodada de ajuste fino, a renderização de um projeto, o teste de um modelo antes do lançamento. Se a placa fica ocupada a maior parte do mês, um plano mensal ou um servidor dedicado com GPU costuma sair mais barato. Como comparar esses planos está explicado na página de cobrança por hora. Confira também a localização: um data center próximo reduz a latência no uso interativo e acelera o download de datasets, e se você processa dados pessoais de residentes da UE, um data center na UE simplifica a conformidade com o GDPR. As formas de pagamento de cada plano estão na tabela; a maioria dos provedores internacionais aceita cartões bancários comuns.