RTX 3090 в аренде

RTX 3090 — это consumer-карта с 24 ГБ VRAM, как и у RTX 4090, но заметно дешевле. Главная причина арендовать 3090 — получить большой объём памяти по минимальной цене. Это лучшее соотношение ₽/ГБ VRAM в потребительском сегменте (≈2.8 ₽ за ГБ·ч против 3.5 у 4090).

Почему именно 3090

• 24 ГБ VRAM — достаточно для SDXL generation/training, Flux с квантованием, LoRA-тюна 7B моделей, инференса 13B.
• Дёшево — от 67 ₽/ч, против ~83 ₽/ч у 4090 и ~131 ₽/ч у 5090.
• Широко доступна — у immers.cloud десятки конфигураций от 1 до 4 GPU, почти всегда in_stock.
• Хорошее отношение ₽/ГБ — 2.8 ₽ за ГБ·ч, недосягаемо для других карт с 24+ ГБ VRAM.

Спецификации

Пропускная способность памяти (~936 ГБ/с) у 3090 выше, чем у многих pro-карт предыдущих поколений, поэтому для inference она работает на удивление бодро. Узкое место — отсутствие FP8 и медленнее чем Ada Lovelace на обучении.

Цены и наличие

Актуальные цены — на странице RTX 3090, обновление каждые 30–60 минут. Наблюдаемый диапазон:

Диапазон широкий (67–307 ₽/ч), потому что верхняя граница — это конфигурации ×3–×4 GPU. Цена за одну карту на multi-GPU узлах обычно ниже, поэтому при параллельных задачах «в ширину» многоблочный узел может оказаться выгоднее, чем несколько отдельных инстансов.

RTX 3090 vs RTX 4090

Когда 3090 лучше 4090

• Бюджет важнее скорости. SDXL generation, инференс 7B/13B, TTS — там разница в скорости незаметна, а разница в цене 16 ₽/ч складывается в тысячи рублей за месяц.
• Нужен VRAM, а не FLOPS. Если задача влезает в 24 ГБ и не упирается в вычисления, 4090 ничего не даст кроме переплаты.
• Длинные сессии. На месяце разница в цене накапливается — 3090 заметно дешевле. При 24/7 это ~48к ₽/мес против ~60к у 4090.
• Мульти-GPU в ширину. Если запускаете несколько параллельных процессов inference, 2× 3090 дешевле 2× 4090 при том же суммарном VRAM.

Когда 4090 лучше 3090

• Обучение. Full fine-tune, продолжительные LoRA-тренировки — 4090 экономит часы, которые стоят дороже разницы в цене GPU.
• Высокий throughput. Production-инференс с большой нагрузкой — 4090 обрабатывает больше запросов в час, разница в ₽/запрос может быть в пользу 4090.
• Flux без квантования. Чуть быстрее на тяжёлой генерации.
• Нужна новая архитектура. Ada Lovelace поддерживает некоторые новые форматы (FP8 в ряде сценариев), что может быть важно для специфичных пайплайнов.

Подробнее о выборе карты под генерацию — в гайде по Stable Diffusion.

Что можно делать на 24 ГБ

Для полного fine-tune больших моделей 24 ГБ мало — там нужны дата-центровые карты (A100, H100). LoRA и QLoRA на 7B–13B моделях на 3090 работают хорошо.

Считаем стоимость месяца

При коротких сессиях 3090 — одна из самых доступных карт с большим VRAM. При 24/7 dedicated-вариант может оказаться сопоставим или дешевле — сравните с dedicated у HOSTKEY и Selectel, см. гайд по форматам.

Multi-GPU: 2×, 4× 3090

У immers есть конфигурации ×2, ×3, ×4 3090. Когда это имеет смысл:

• Параллельные задачи inference — несколько процессов одновременно, каждый на своей карте.
• Разные модели одновременно — например, LLM на одной карте, SDXL на другой.
• Data-parallel обучение маленьких моделей — ускоряет LoRA-тюн в разы.

Для model-parallel обучения на consumer-картах 3090 не подходит: NVLink на 3090 есть, но только на референс-картах, и в аренде почти всегда встречаются нереференсные версии без моста. Для model-parallel берите A100 с NVLink, H100 или H200.

Примеры сценариев

Подводные камни

• Не путать с 3080. У RTX 3080 10–12 ГБ VRAM — почти вдвое меньше. Это критично для SDXL и 13B inference.
• Refurbished/б/у карты. Consumer-карты в аренде могут быть износившимися — проверяйте температуру и стабильность при первом запуске (nvidia-smi, короткий бенчмарк).
• Драйверы и CUDA. 3090 поддерживает актуальные версии CUDA, но на старых образах ОС могут быть нюансы — уточняйте образ у хостера.
• Охлаждение в мульти-GPU узлах. 4× 3090 в одном сервере греется сильно (TDP 350 Вт ×4 = 1.4 кВт тепла) — на длинных задачах возможен троттлинг. Для длительного обучения лучше dedicated с хорошим охлаждением.
• Нет NVLink в аренде. Как сказано выше, model-parallel на арендных 3090 практически невозможен.

Частые вопросы

Хватит ли 3090 для запуска Llama 3 70B? В Q4-квантовании 70B занимает ~40 ГБ — одна 3090 не потянет. Две 3090 без NVLink тоже плохо (model-parallel не работает). Для 70B берите A100 80GB или H100.

Можно ли на 3090 запускать Flux.1 dev? Да, с квантованием (fp8 / GGUF). Полная fp16 версия занимает ~24 ГБ и идёт впритык, с риском OOM.

3090 или 4090 для SDXL LoRA training? Если учитесь/экспериментируете — 3090, дешевле. Если делаете это регулярно и время дорого — 4090 окупится за счёт скорости.

Почему 3090 дешевле 4090, если у них одинаковый VRAM? 3090 вышла в 2020 году (Ampere), 4090 — в 2022 (Ada Lovelace). 4090 заметно быстрее на вычислениях, поэтому стоит дороже, несмотря на тот же объём памяти.

Практические шаги

1. Проверьте наличие RTX 3090 — какие конфигурации сейчас in_stock.
2. Если задача в 24 ГБ и не требует максимальной скорости — берите 3090. Если требует — сравните с RTX 4090.
3. Для коротких сессий — почасовая аренда у immers. Для постоянной нагрузки — dedicated (см. гайд по dedicated vs облаку).
4. Для редких конфигураций (×4, специфический CPU/RAM) подпишитесь на алерт в Telegram по 3090 — поймаете дешёвый in_stock.

Смежные гайды

• VPS с видеокартой дёшево — 3090 в контексте бюджетного сегмента
• GPU для Stable Diffusion — 3090 vs 4090 под генерацию
• Сравнение цен GPU-аренды — обзор по всем картам и хостерам
• Аренда A100 — когда 24 ГБ уже мало