每小時 0.49 美元的雲端 GPU 能做什麼？6 種用途完整實算

先講答案：租用雲端 GPU 一小時，實際可以換到 225 至 720 張 AI 圖片、6 支 5 秒 AI 影片、22 萬至 170 萬個 LLM token、約 20 小時的語音轉錄、6 至 30 小時的合成語音，或是一個完整訓練好的 SDXL LoRA。以上每個數字都來自公開基準測試，硬體統一是 NVIDIA RTX 4090 —— 也就是 Glows.ai 上每小時 0.49 美元（約新台幣 16 元）、按秒計費的那張卡（價格於 2026 年 7 月確認，會依地區與供應情況浮動）。

這篇文章要做的事很單純：「每小時 0.49 美元」在換算成具體產出之前，只是一個抽象數字。所以我們來換算 —— 而且每一步都附來源。

本文涵蓋：

• 計算前提：哪張 GPU、哪個價格、哪些基準測試
• 一張總表：一個 GPU 小時在六種工作負載下各能產出多少
• 每種用途的細節、吞吐量來源與單位成本
• 一小時買「不到」什麼 —— 誠實列出限制
• 如何在 Glows.ai 上重現文中任何一行數字

計算前提：一小時、一張 RTX 4090、0.49 美元

以下所有數字都基於同一組設定，方便互相比較：

• **GPU：**NVIDIA RTX 4090（24 GB VRAM）。它是圖片生成、中小模型推論與 LoRA 訓練的消費級主力卡 —— Tom's Hardware 的 45 張 GPU Stable Diffusion 對比把它排在消費級榜首。
• 價格：Glows.ai 每小時 0.49 美元，2026 年 7 月確認。按秒計費、沒有整點門檻 —— 當工作只跑 23 分鐘而不是 60 分鐘時，這點差很多。價格會依地區與供應情況變動，之後閱讀的讀者請以「每小時不到 1 美元」理解。
• **吞吐量：**沒有一個是我們自己宣稱的。每一節都附上公開基準測試與其設定，你按小時租 GPU 時，可以拿結帳頁上看到的實際費率重算一次。

在每小時 0.49 美元下，一個 GPU 秒的成本是 0.000136 美元。記住這個數字。

一個 GPU 小時的六種花法：總表

六種完全不同的工作，同一枚硬幣。接下來是細節與憑據。

1. 生成 225 至 720 張 AI 圖片

公開的 RTX 4090 數據：Flux.1 Schnell 在 4 步下每張 1024×1024 約 5 秒（ComfyUI GitHub 討論串 #4571，2024 年 8 月）；SDXL 在 20 步下約 7 秒（Prompting Pixels GPU 基準）；全精度 Flux.1 Dev 則是 15–17 秒。用 3,600 秒去除，一個 GPU 小時可以產出：

• 約 720 張（Flux.1 Schnell）
• 約 514 張（SDXL）
• 約 225 張（Flux.1 Dev FP16）

換算下來每張 0.0007–0.0022 美元（不到新台幣 1 角）。完整的成本拆解 —— 包括與每千張 8–120 美元的圖片 API 比較 —— 在用 2 美元生成 1,000 張 AI 圖片這篇。Glows.ai 的一鍵 ComfyUI 映像檔 30–60 秒開機，搭配自訂 ComfyUI 工作流可以整批排隊、無人值守。

2. 把 6 張照片變成 5 秒影片

Wan 2.2（Apache 2.0 授權的開源影片模型）官方基準指出：TI2V-5B 版本在單張 RTX 4090 上，一支 5 秒 720p24 影片的算圖時間低於 9 分鐘。一小時大約能跑 6 支 —— 約 30 秒的 720p 成品 —— 每支算力成本約 0.07 美元（約新台幣 2 元）。

30 秒聽起來不多，但先看替代方案的價格：主流線上影片生成服務月費多在 20–100 美元，免費方案還有每日額度與浮水印。完整操作流程（含 ComfyUI 內建範本）在用 AI 在 10 分鐘內把照片變成影片。

3. 產出 22 萬至 170 萬個 LLM Token

對聊天等級的模型來說，租來的雲端 GPU 就是一座私人 token 工廠。RTX 4090 跑 Llama 3.1 8B 時，SitePoint 2026 年的 Ollama 與 vLLM 對比測試量到：Ollama（Q4_K_M）單一串流約每秒 62 個 token、vLLM（FP16）約 71 個；而 vLLM 的連續批次處理在 10 個並行請求下，總吞吐約每秒 485 個 token。

換算成一小時：

• **單一串流：**約 22.3 萬 token —— 大約等於兩本長篇小說的文字量
• **批次服務：**約 170 萬 token，相當於每百萬 token 約 0.28 美元（約新台幣 9 元）

這個量足夠消化一疊待摘要文件、跑一輪合成資料，或讓小團隊的內部聊天機器人撐一整晚。平台上有預先配置好的 Ollama、vLLM 與 SGLang 映像檔；操作模式可參考在 Glows.ai 上執行 DeepSeek-R1 的快速指南。

4. 轉錄積了 20 小時的 Podcast

Tom's Hardware 用 18 張 GPU 測試 Whisper 語音轉錄，頂級消費卡達到每分鐘約 3,000 個單字 —— 約為一般語速（每分鐘 140–160 字）的 20 倍。而且那還是用 OpenAI 原版實作測的：faster-whisper 在相同 large-v3 精度下穩定快 4 倍，社群的批次管線在 RTX 4090 上更是達到 70–100 倍即時速度。

保守採用 20 倍計算：一個 GPU 小時約可轉錄 20 小時音訊 —— 一季的 Podcast、一學期的課堂錄音，或所有你一直想整理的訪談檔 —— 只要 0.49 美元，附字詞級時間軸，沒有按分鐘計價的 API 費用。若按 70 倍計，同一枚硬幣可以換到將近三天份的音訊。

5. 合成 6 至 30 小時的語音

GPU 上的文字轉語音用「即時係數」（RTF）衡量：運算時間除以產出的音訊長度。GigaGPU 2026 年的 Kokoro 與 XTTS-v2 對比給出 Kokoro 約 RTF 0.03（社群在 RTX 4090 上實測 0.04–0.06），XTTS-v2 約 RTF 0.15。

倒過來算，一個 GPU 小時可以換到：

• 約 16–33 小時的 Kokoro 語音 —— 夠把一本有聲書初稿念好幾遍
• 約 6.5 小時的 XTTS-v2 輸出，而且帶聲音克隆

中文使用者還有一個在地選項：Glows.ai 提供 BreezyVoice 的預配置映像檔 —— 這是針對台灣中文打造的聲音克隆模型，BreezyVoice 教學帶你從一段參考音檔到生成語音，一個工作階段內完成。

6. 訓練一個完整的 SDXL LoRA

最讓人意外的一項：一個 GPU 小時裝得下一整次微調。kohya_ss 使用者回報，RTX 4090 上 SDXL LoRA 訓練在批次大小 5 時約每迭代 2.3–2.5 秒 —— 有效速度約每秒 2 張圖（kohya_ss 討論串 #2166，並與 Puget Systems 的消費級 GPU LoRA 分析交叉驗證）。常見的角色或畫風 LoRA 總步數約 1,500–3,000 步，大約 15–45 分鐘就能跑完。

換句話說：你自己的客製模型 —— 你的畫風、你的商品、你的吉祥物 —— 算力成本不到 0.4 美元（約新台幣 13 元），而且這一小時還剩下足夠時間用成品生幾張測試圖。基礎權重可以直接在執行個體內下載，Hugging Face 模型下載指南有最快的路線。

一小時買不到什麼

誠實的菜單也要列出沒有的品項：

• **首次執行的模型下載。**SDXL 約 7 GB、Flux.1 Dev FP16 約 23 GB、Wan 2.2 超過 15 GB。在資料中心的網路上是幾分鐘的事 —— 但第一次要預留這段時間；之後把權重放進 Datadrive，每次開機都能跳過下載。
• **大模型訓練。**微調 70B 的 LLM 或任何預訓練，都是多卡、多小時的領域。一張 4090 一小時買到的是 LoRA 等級的調適，不是基礎模型工程。
• **你的試錯成本。**沒有人每張圖都留、每個 LoRA 設定都一次到位。如果產出只有三分之一能用，每張「可用產出」的成本就是三倍 —— 這在任何平台都一樣，只是在這裡浪費的單位是零點幾分錢。
• **這個價格的永久保證。**每小時 0.49 美元是 2026 年 7 月確認的 Glows.ai RTX 4090 費率。就算之後變動，文中所有公式照樣成立 —— 把結帳頁上的實際費率代進去即可。

即使把這些限制都算進去，這張清單裡最貴的失誤也比一杯手搖飲便宜。這正是租用雲端 GPU 相對於花新台幣五萬到六萬五買卡的核心論點：做實驗不再需要寫企劃書。

在 Glows.ai 上領取你的一小時

Step 1: 建立執行個體

登入後打開 Create New，選 Inference GPU — 4090，挑一個預配置映像檔 —— ComfyUI、Ollama、vLLM、BreezyVoice —— 然後點 Complete Checkout。開機需要 30–60 秒；執行個體建立指南有完整截圖。

Step 2: 從總表挑一行來跑

看你的待辦清單對上哪一列：排一批圖片生成、把 Podcast 資料夾丟給 Whisper，或把資料集指給 kohya。

Step 3: 記得停止執行個體

按秒計費只有在 GPU 沒有整夜閒置時才省錢。你的帳單除以產出數量，就是本文每個數字的最終驗證。

常見問題

對業餘玩家來說，租雲端 GPU 划算嗎？ 在每小時 0.49 美元下，一個 GPU 小時能產出最多 720 張 AI 圖片、約 20 小時轉錄，或一個完整 SDXL LoRA —— 這些原本都需要一張約新台幣五到六萬五的 RTX 4090。如果你每週使用 GPU 不到 20 小時，租用明顯便宜得多。

在租來的 GPU 上微調一個 LoRA 要多少錢？ 以 kohya_ss 使用者回報、Puget Systems 佐證的每秒約 2 張訓練速度計算，一個 1,500–3,000 步的 SDXL LoRA 在每小時 0.49 美元的 RTX 4090 上，算力成本不到 0.4 美元（約新台幣 13 元）。

0.49 美元實際租到的是什麼 GPU？ 在 Glows.ai 上是 NVIDIA RTX 4090（24 GB VRAM，2026 年 7 月價格），按秒計費。也有更大的卡：RTX 6000 Ada 48 GB 每小時 0.72 美元起、A100 80 GB 每小時 1.20 美元起，供需要更大 VRAM 的工作使用。

除了每小時費率還有隱藏成本嗎？ 主要是首次執行的模型下載（幾分鐘的計費時間）和忘記關的閒置執行個體。按秒計費與 Datadrive 持久儲存分別對應這兩點；沒有另外的按張、按 token 收費。

花掉你的第一個小時

從總表挑一行 —— 720 張圖、Podcast 積壓清單、那個 LoRA —— 對比你現在的做法算一次價。然後實際跑一遍：註冊 Glows.ai，用一鍵映像檔建立 RTX 4090 執行個體，讓帳單替這篇文章驗算。