Zum Inhalt springen
Toolocate
Tool eintragen
Toolocate
Eintragen

Änderung vorschlagen

Sagen Sie uns, was falsch ist oder fehlt. Jeden Vorschlag gleichen wir mit der Website des Tools ab.

Wenn möglich, mit einem Link auf die Stelle, an der die Website des Tools das sagt.

Nur, wenn Sie eine Antwort möchten.

Runpod

Website besuchen

Cloud-GPUs und Serverless-Endpunkte zum Trainieren, Fine-Tunen und Ausführen von KI-Modellen.

FreemiumKI-Modell-APIsKI-Entwicklertools

Geprüft am 2. Nov. 2026

Gehört Runpod zu Ihnen?Eintrag beanspruchenWerbung
Screenshot der Website von Runpod

Was ist Runpod?

Runpod ist eine Cloud-Plattform für die Entwicklung und Ausführung von KI-Workloads. Sie bietet dedizierte GPU-Instanzen namens Pods, automatisch skalierende Serverless-Endpunkte für Inferenz und Clusters mit mehreren Knoten für verteilte Aufgaben. Entwickler können damit im selben Konto mit Modellen experimentieren, sie per Fine-Tuning anpassen und Inferenzdienste bereitstellen.

GPU-Umgebungen lassen sich mit eigenen Containern, Frameworks und eigenem Code starten. Alternativ stehen über Runpod Hub Open-Source-Modelle und Vorlagen zur Bereitstellung bereit. Für Serverless-Bereitstellungen schreiben Entwickler einen Handler und machen ihren Workload über einen API-Endpunkt zugänglich. Runpod übernimmt Anfragewarteschlangen, Worker-Zuweisung, automatische Skalierung, Logs und Metriken. Public Endpoints bieten außerdem API-Zugriff auf bereits bereitgestellte Bild-, Video-, Sprach- und Audiomodelle, ohne dass eigene Infrastruktur eingerichtet werden muss.

Die Plattform bietet mehr als 30 GPU-Optionen in 31 Regionen sowie persistenten Speicher. Die Abrechnung hängt vom Workload ab: Für dedizierte GPU-Instanzen, Inferenz-Worker, Modellanfragen und Speicher gelten jeweils eigene nutzungsabhängige Tarife. Für Teams, die garantierte Ressourcen oder größere Bereitstellungen benötigen, sind reservierte Kapazitäten und Enterprise-Verträge verfügbar.

Was kann Runpod?

  • GPU-Pods auf Abruf

    Dedizierte GPU-Umgebungen für Modellentwicklung, Training, Fine-Tuning und lang laufende Workloads starten.

  • Serverless-Inferenz

    API-Endpunkte mit verwalteten Anfragewarteschlangen und Workern bereitstellen, die sich dem Bedarf entsprechend skalieren.

  • GPU-Cluster mit mehreren Knoten

    Verteilte Workloads auf GPU-Clustern mit gemeinsamem Speicher und optional reservierter Kapazität ausführen.

  • APIs für bereitgestellte Modelle

    Gehostete Bild-, Video-, Audio- und Sprachmodelle aufrufen, ohne eine eigene GPU-Infrastruktur zu konfigurieren.

  • Modelle und Bereitstellungsvorlagen

    Über Runpod Hub Open-Source-Modelle und Vorlagen bereitstellen oder eigene Container und eigenen Code verwenden.

  • Monitoring und persistenter Speicher

    Auf Laufzeit-Logs, Metriken und persistenten Netzwerkspeicher für bereitgestellte KI-Workloads zugreifen.

Für wen ist Runpod?

KI-Entwickler
Modelle mit GPU-Umgebungen und Inferenz-APIs entwickeln, testen, per Fine-Tuning anpassen und bereitstellen.
Machine-Learning-Teams
Training und verteilte Workloads mit einer Auswahl an GPU-Hardware und Cluster-Konfigurationen ausführen.
Teams für KI-Anwendungen
Inferenzdienste im Produktivbetrieb mit verwalteten Workern und nutzungsabhängiger Abrechnung skalieren.

Was kostet Runpod?

Offizielle Preise

  • B300

    8,99 $

  • H200

    5,29 $

  • B200

    7,99 $

  • RTX Pro 6000

    2,49 $

  • H100 NVL

    3,19 $

  • H100 PCIe

    2,89 $

  • H100 SXM

    3,99 $

  • A100 PCIe

    1,79 $

  • A100 SXM

    1,79 $

  • Pro 6000 MIG 48GB

    1,29 $

  • L40S

    1,09 $

  • RTX 6000 Ada

    0,99 $

Kostenloser Tarif: Der öffentliche Endpunkt resembleai / Chatterbox Turbo ist mit $0,00 pro 1.000 Zeichen kostenlos.

Häufige Fragen

Wie rechnet Runpod GPU-Rechenleistung ab?

Die Preise unterscheiden sich je nach GPU und Bereitstellungsart. Für Pods gelten Tarife für dedizierte Instanzen, bei Serverless wird die Nutzung der Inferenz-Worker berechnet, und für Clusters gelten eigene Tarife. Die angegebenen GPU-Preise sind Stundensätze, keine Monatsabonnements.

Kann ich eigene Modelle und Container bereitstellen?

Ja. Runpod unterstützt eigene Container, Frameworks und eigenen Code sowie Open-Source-Modelle und Bereitstellungsvorlagen über Runpod Hub.

Kann ich Modelle aufrufen, ohne GPU-Infrastruktur zu verwalten?

Ja. Public Endpoints bieten API-Zugriff auf bereits bereitgestellte Modelle. Die Preise richten sich nach dem Modell und seiner Abrechnungseinheit.

Fallen bei Serverless Kosten an, wenn ein Endpunkt nicht genutzt wird?

Serverless-Endpunkte können auf null skalieren. Wenn sie nicht laufen, fallen für den Endpunkt keine Rechenkosten an. Speicher wird separat berechnet.

Sind reservierte GPUs verfügbar?

Ja. Runpod bietet reservierte Cluster und vertraglich vereinbarte Preise über sein Enterprise-Vertriebsteam an.

Alternativen zu Runpod

Alternativen vergleichen
  1. 1OpenAIKI-Modelle, ChatGPT und eine API-Plattform für Alltag, Unternehmen und Softwareentwicklung.
  2. 2MiniMaxKI-Modelle, Entwickler-APIs und Apps für Text, Video, Sprache und Musik.
  3. 3OpenRouterKI-Modelle verschiedener Anbieter über eine gemeinsame API und Chatoberfläche nutzen.
  4. 4MistralKI-Modelle, Agenten und Entwicklungstools für gehostete Dienste oder den Betrieb in eigener Umgebung.
  5. 5CursorKI-Code-Editor und Agent zum Entwickeln, Testen und Prüfen von Software.