
Hostinger può rendere l’hardware GPU di fascia alta pratico da noleggiare? Ho distribuito una B200, risolto un problema di connettività e misurato le prestazioni effettive di inferenza, generazione di immagini e monitoraggio. Continui a leggere per scoprire i risultati, i costi e i limiti da considerare prima di noleggiare.

Ho assegnato un punteggio a Hostinger GPU Hosting in base alle mie due esperienze di distribuzione, ai risultati dei benchmark della B200 funzionante, ai controlli disponibili in hPanel e alle conversazioni con il supporto. Ho verificato anche le condizioni pubblicate relative alla fatturazione e ai rimborsi. Seguo la metodologia di valutazione dell’hosting di HostAdvice, ma questa è la fotografia di una singola B200 testata, non uno studio sulla disponibilità del servizio né un confronto tra tutti i modelli di GPU.
| Test | Punteggio /10 | Motivazione del punteggio |
| Prezzi e piani | 8.1 | Noleggio di GPU e configurazioni flessibili a tariffa oraria, ma la fatturazione continua, i crediti non rimborsabili e l’assenza di un’opzione di sospensione limitano la convenienza. |
| Funzionalità | 8.8 | GPU potenti, VRAM abbondante, modelli applicativi e strumenti di monitoraggio, ma niente backup integrati né archiviazione persistente. |
| Prestazioni | 8.8 | Risultati BF16 eccellenti, inferenza Qwen rapida e generazione SDXL in meno di un secondo, anche se i carichi di lavoro prolungati non sono stati testati. |
| Facilità d’uso | 8.0 | Distribuzione rapida e gestione semplice, ma le limitazioni delle scorte di GPU e il problema iniziale con SSH hanno causato frustrazione. |
| Livello di supporto | 7.8 | Risposte dell’IA rapide e dettagliate e documentazione utile, ma raggiungere il supporto umano e risolvere i problemi di connettività ha richiesto tempo. |
| Punteggio complessivo | 8.3 | Prestazioni GPU impressionanti e distribuzione accessibile, penalizzate da restrizioni di fatturazione, opzioni di ripristino limitate e difficoltà nel contattare il supporto. |

Hostinger GPU Hosting utilizza un modello di noleggio su richiesta anziché gli abbonamenti mensili fissi tipici dell’hosting di siti web. Noleggia risorse GPU per carichi di lavoro come l’inferenza IA, lo sviluppo di modelli, il fine-tuning e la generazione di immagini, con addebiti basati sulla configurazione selezionata.
Il catalogo delle GPU include opzioni che vanno dalla RTX 4090 e dalla L40S alla A100 e alla NVIDIA B200, ciascuna con diverse capacità di memoria e capacità di calcolo. Tuttavia, la disponibilità può influenzare la scelta. La RTX 4090 che inizialmente volevo provare era esaurita in hPanel, nonostante comparisse nella pagina dei prezzi pubblica di Hostinger.
Hostinger offre istanze standard e Dedicated B200, con un costo maggiore per queste ultime. Può anche selezionare diverse quantità di CPU, RAM e spazio di archiviazione. La mia prima configurazione includeva 16 core CPU, 32 GB di RAM e 300 GB di spazio di archiviazione, che ho scelto per supportare i miei benchmark IA anziché affidarmi alla configurazione più piccola disponibile.
Hostinger addebita l’utilizzo delle GPU tramite crediti prepagati. Tuttavia, ci sono diverse condizioni che prenderei in considerazione prima di avviare un’istanza:
Queste condizioni rendono particolarmente importante pianificare i costi per i lavori IA di lunga durata. Le occorrono crediti sufficienti a coprire sia l’elaborazione sia il tempo di configurazione, tenendo conto anche di ritardi o connessioni non riuscite.
Ho provato GPU Hosting utilizzando un account Hostinger esistente con crediti già disponibili, quindi non ho completato una nuova procedura di pagamento. I nuovi clienti possono ricaricare il proprio saldo dopo aver configurato un’istanza. Hostinger supporta carte di pagamento e portafogli digitali come PayPal, anche se i metodi disponibili dipendono dall’area geografica del cliente.
Inoltre, non ho riscontrato una prova gratuita separata per le GPU. Gli acquisti di GPU e i crediti IA sono esclusi dalla garanzia standard di rimborso entro 30 giorni per l’hosting di Hostinger, quindi Le consiglio di verificare la configurazione finale e i requisiti di crediti prima di effettuare un pagamento.
Il vantaggio maggiore è la flessibilità. Può accedere a hardware GPU costoso per un carico di lavoro di breve durata senza acquistare o mantenere un server proprio. Tuttavia, la tariffa oraria pubblicizzata non racconta tutta la storia.
La mia esperienza ha anche dimostrato perché il provisioning e la connettività incidano sui prezzi. Il tempo trascorso a risolvere i problemi di un server inaccessibile può comunque contribuire ai costi se l’istanza è in esecuzione e consuma crediti.
Verificherei il ritmo finale di consumo dei crediti in hPanel, confermerei la disponibilità delle GPU e predisporrei l’archiviazione esterna prima di avviare un carico di lavoro a pagamento. Per i lavori brevi e ben pianificati, il modello di noleggio è sensato. Per i carichi di lavoro più lunghi o imprevedibili, è essenziale tenere sotto controllo il consumo di crediti.

Una GPU potente è utile solo se può accedere all’hardware, eseguire i carichi di lavoro in modo affidabile e ottenere risultati in tempi ragionevoli. Hostinger pubblicizza la propria NVIDIA B200 con 192 GB di VRAM, ma volevo vedere come ciò si traducesse in prestazioni effettive.
Mi sono concentrato su tre domande:
La mia prima distribuzione B200 ha riscontrato un problema di connettività. hPanel mostrava un indirizzo IP privato a cui non riuscivo ad accedere dal mio laptop e Hostinger ha riconosciuto un problema con l’indirizzo IP visualizzato nella dashboard.
Per distinguere questo problema iniziale dalle prestazioni dell’hardware, ho avviato una nuova istanza B200 e mi sono connesso correttamente tramite SSH usando il nuovo endpoint. Ho completato i seguenti test delle prestazioni il 26 ottobre 2026.
I risultati riportati di seguito provengono quindi da un’istanza sostitutiva funzionante. Il precedente problema di connettività resta parte della mia valutazione complessiva, ma non mi ha impedito di valutare le prestazioni della GPU.
Ho usato un’istanza B200 con Ubuntu 24.04, un’allocazione di 16 core CPU, 32 GB di RAM e circa 300 GB di spazio di archiviazione sottoposto a provisioning nell’area geografica di Los Angeles di Hostinger. Dal mio portatile Pop!_OS mi sono connesso tramite SSH, ho controllato l’hardware con nvidia-smi e ho installato un ambiente PyTorch con supporto CUDA. Il server ha segnalato il driver NVIDIA 595.91.07; PyTorch 2.11.0+cu128 ha riconosciuto la GPU e supportato i calcoli BF16.
Ho quindi eseguito tre tipi di carichi di lavoro: brevi test di moltiplicazione di matrici BF16 e di copia della memoria GPU, inferenza del modello linguistico Qwen2.5-7B-Instruct e generazione di immagini con Stable Diffusion XL. Ho ripetuto i carichi di lavoro di IA con impostazioni fisse e registrato i tempi delle singole esecuzioni, anziché basarmi su un unico risultato migliore. Infine, ho controllato la pagina Metrics di hPanel per verificare se vi comparisse attività della GPU.
Questi test offrono un quadro pratico di una singola istanza. Non dimostrano la disponibilità a lungo termine, le prestazioni durante carichi sostenuti per più ore o il confronto tra B200 e gli host GPU concorrenti in condizioni identiche. Inoltre, non ho eseguito un benchmark della velocità di elaborazione della rete né un benchmark di inferenza multiutente.
Il primo risultato rassicurante è stato che Ubuntu ha riconosciuto immediatamente una NVIDIA B200. nvidia-smi ha identificato una B200, con 182,624 MiB di memoria GPU segnalata, mentre PyTorch ha indicato 178.34 GiB disponibili per il dispositivo. Queste cifre in unità binarie sono sostanzialmente coerenti con i 192 GB di VRAM pubblicizzati, anche se la quantità leggibile dal software non corrisponde esattamente al numero mostrato nella pagina di vendita.

Il sistema operativo ha inoltre mostrato 32 GiB di RAM e una capacità di 268 GiB per il file system montato, come rilevato dall’interno dell’ambiente. Il processore è stato identificato come AMD EPYC 9575F, anche se lscpu ha mostrato 224 CPU logiche. Ho controllato le impostazioni di controllo della CPU del contenitore, anziché interpretare quel dato come 224 core inclusi nel mio piano.
Il limite cgroup era di 1,600,000 microsecondi per periodo di 100,000 microsecondi, assegnando all’istanza 16 equivalenti CPU. Questo corrispondeva all’allocazione di 16 core che avevo selezionato. È una distinzione importante per i lettori, perché la topologia della CPU visibile sull’host può apparire molto più generosa della capacità effettivamente assegnata a un carico di lavoro ospitato.
Per una prima misurazione della capacità di calcolo grezza della B200, ho eseguito moltiplicazioni di matrici BF16 tramite PyTorch. BF16 è utile in questo caso perché è ampiamente usato nei calcoli dei modelli IA, anche se un piccolo benchmark sintetico sulle matrici non sostituisce l’esecuzione di un modello completo.
Con 12 ripetizioni, la matrice più piccola da 4,096 per 4,096 ha prodotto una stima di 1,402.7 TFLOP/s, con un tempo mediano dell’operazione di 0.098 millisecondi. La matrice da 8,192 per 8,192 ha prodotto una stima di 1,668.8 TFLOP/s, con un tempo mediano di 0.659 millisecondi. Si tratta di stime della velocità di elaborazione aritmetica calcolate per le operazioni testate, non di prestazioni applicative sostenute verificate in modo indipendente.
Ho misurato anche la copia di 512 MiB di memoria tra dispositivi all’interno della GPU. È stata completata in un tempo mediano di circa 0.17 millisecondi, equivalente a una velocità di elaborazione del carico utile dichiarata di 3,137.1 GB/s. Questo test misura il trasferimento all’interno della memoria GPU; non indica la velocità di download di un modello, di lettura del disco del server o di invio dei dati tramite Internet.

L’intero script di misurazione di base è terminato in 2.646 secondi. Ho apprezzato che PyTorch riconoscesse la scheda ed eseguisse queste operazioni senza errori CUDA, ma la breve durata rappresenta anche un limite. Non possiamo concludere, basandoci su pochi millisecondi di calcolo, che la GPU manterrà una velocità di elaborazione o temperature identiche durante un lungo lavoro di addestramento.
La velocità di elaborazione sintetica era promettente, ma volevo vedere come se la cavava B200 con un modello linguistico reale. Ho caricato Qwen2.5-7B-Instruct tramite Hugging Face Transformers in BF16 e gli ho chiesto di spiegare l’accelerazione GPU. Il test utilizzava un prompt e un massimo di 128 token generati, ripetuto tre volte con le stesse impostazioni.
Il recupero e il caricamento del modello hanno richiesto 35.40 secondi nell’esecuzione registrata. La prima risposta di 128 token ha richiesto 23.094 secondi, pari a soli 5.54 token al secondo. Inizialmente il risultato sembrava deludente, ma le due esecuzioni successive hanno raccontato una storia diversa.
La seconda esecuzione ha completato i 128 token in 1.005 secondi, ovvero 127.30 token al secondo. La terza ha richiesto 1.029 secondi, ovvero 124.35 token al secondo. Per le due esecuzioni successive si ottiene una media di circa 125.8 token al secondo, con una differenza minima tra loro.

La differenza è significativa. È compatibile con un’impostazione iniziale o un’inizializzazione differita che incidono sulla prima generazione, ma non ho isolato la causa esatta. Non nasconderei il risultato di 23 secondi né presenterei le esecuzioni successive come ciò che otterrà ogni prima richiesta. Per chi mette a disposizione un modello, contano sia la latenza iniziale sia la maggiore velocità delle risposte ripetute.
PyTorch ha segnalato un picco di memoria GPU allocata pari a 14.21 GiB. È solo una piccola parte della memoria disponibile di B200, quindi questo test dimostra che l’inferenza per una singola richiesta è praticabile, non i vantaggi di ospitare un modello che necessita davvero di quasi 192 GB di VRAM. Non ho testato la concorrenza, l’elaborazione in batch, finestre di contesto più lunghe o un server di inferenza ottimizzato come vLLM.
Per una seconda applicazione reale, ho usato Stable Diffusion XL per creare un’immagine di prodotto da 1,024 × 1,024, raffigurante un orologio da polso nero appoggiato su marmo scuro. Ho usato 25 passaggi di inferenza, pesi FP16 e lo stesso prompt e seme casuale per tutte e tre le esecuzioni. In questo modo ho ottenuto misurazioni ripetibili, anziché tre immagini non correlate e di diversa complessità.
Il modello SDXL ha impiegato 18.29 secondi per essere recuperato e caricato. La prima immagine ha richiesto 3.275 secondi. La seconda e la terza hanno richiesto rispettivamente 0.915 e 0.913 secondi, con una media a regime di 0.914 secondi per immagine. Il processo PyTorch ha segnalato un picco di memoria GPU allocata pari a 11.49 GiB.

Ho esaminato anche le immagini esportate. Tutti e tre i file erano identici byte per byte, in linea con la configurazione a seme fisso, e mostravano che il test ripetuto aveva prodotto lo stesso risultato. A prima vista, l’orologio, la superficie riflettente e l’illuminazione erano convincenti, anche se un esame più attento del quadrante ha rivelato piccole incongruenze tipiche delle immagini di prodotti generate. Queste imperfezioni artistiche non vanno confuse con errori dell’hardware GPU.
Il risultato è stato particolarmente utile perché mi ha fornito un’attività concreta da valutare: una volta caricato il flusso di lavoro, un’immagine SDXL a dimensione intera è arrivata in meno di un secondo. Tuttavia, si è trattato della generazione di una singola immagine usando un modello SDXL, non di un benchmark della generazione di video, di grandi batch o di tutti i modelli di immagini disponibili a noleggio.
All’inizio della recensione, la pagina Metrics di Hostinger aveva mostrato linee piatte perché la GPU era inattiva. Dopo aver eseguito i benchmark, sono tornato alla stessa visualizzazione di 1 ora e ho visto attività in entrambi i grafici. La velocità di calcolo era indicata come 297 TFLOPs e il grafico della VRAM mostrava un aumento visibile, compreso un punto che, al passaggio del cursore, indicava 14.3 GB.

È stata una conferma utile del fatto che hPanel registrava il carico di lavoro, invece di continuare a mostrare zero in linea retta. Inoltre, la pagina Metrics era più informativa di quanto non fosse subito dopo la distribuzione. Le opzioni 1 ora, 24 ore, 7 giorni e 30 giorni erano facili da trovare.
Eviterei comunque un confronto numerico diretto tra il valore di 297 TFLOPs mostrato da hPanel e il risultato sintetico di 1,668.8 TFLOP/s. Durante il mio test non sono stati definiti né l’intervallo di campionamento né il metodo di calcolo del pannello di controllo, e il valore della VRAM mostrato non corrisponde al picco di memoria allocata a livello di processo registrato da PyTorch. I grafici sono utili per individuare l’attività e i cambiamenti nel tempo, ma non sostituiscono le misurazioni dei tempi a livello di carico di lavoro o quelle del sistema.
La seconda istanza B200 di Hostinger mi ha offerto un’accelerazione GPU utilizzabile in tre test molto diversi. I risultati sintetici in BF16 hanno mostrato calcoli brevi e veloci, Qwen2.5-7B ha raggiunto circa 126 token al secondo dopo una prima risposta misurata insolitamente lenta e Stable Diffusion XL ha generato immagini da 1,024 pixel in circa 0.91 secondi una volta inizializzato. Ho anche verificato la quota di 16 core CPU e osservato l’attività apparire in hPanel.
Sono risultati positivi, ma non li trasformerei in una promessa valida per ogni carico di lavoro IA. I test sono stati brevi ed eseguiti su una sola istanza, con modelli relativamente piccoli rispetto alla VRAM disponibile della B200. Non ho eseguito benchmark di addestramento prolungato, concorrenza di picco, disponibilità a lungo termine o velocità della rete esterna. Il precedente problema con l’endpoint SSH resta inoltre una questione operativa a sé, anche se il server sostitutivo si è connesso correttamente.

Mi sono avvicinato a Hostinger GPU Hosting come farei con un nuovo noleggio di GPU: trovare una scheda adatta, controllare il costo effettivo, avviare un’istanza e valutare quanto sia facile gestire l’ambiente una volta avviato.
Volevo anche capire come il servizio GPU si integrasse nel più ampio hPanel di Hostinger, perché rendere operativo un server è solo metà dell’esperienza.
La distribuzione è stata rapida. Il percorso di acquisto è stato meno prevedibile. La GPU che avevo scelto nella pagina dei prezzi pubblica non era disponibile in hPanel e quella sostitutiva aveva una tariffa oraria molto più alta. Ecco come si è svolta l’esperienza, dal primo clic agli strumenti di gestione.
Ho iniziato dal sito web di Hostinger e ho aperto Products > Hosting > GPU hosting. Ho apprezzato il fatto che l’hosting GPU avesse una voce dedicata e chiaramente indicata, accanto all’hosting web, all’hosting VPS e all’hosting cloud. Non ho dovuto aprire un prodotto VPS generico né capire se l’hardware GPU fosse disponibile come componente aggiuntivo.

Il link ha aperto la pagina di presentazione di Hostinger GPU Hosting, che pubblicizzava il noleggio orario di GPU NVIDIA per l’IA, il rendering e altre attività ad alta intensità di calcolo. Sotto il titolo principale si trovava il pulsante Get started. Facendovi clic, non veniva creata immediatamente un’istanza né si veniva reindirizzati alla registrazione: la pagina scorreva fino alla sezione dedicata ai prezzi delle GPU.

Era un punto di partenza sensato. La sezione dei prezzi presentava i modelli di GPU disponibili in schede separate, con le rispettive tariffe orarie iniziali pubblicizzate, la VRAM e gli usi consigliati. Potevo confrontare l’hardware prima che mi venisse chiesto di configurare un server. La gamma mostrata nella pagina pubblica andava dalla RTX 4090 alle GPU per data center più costose, inclusa la B200.

Inizialmente ho scelto la NVIDIA RTX 4090. Hostinger la pubblicizzava a partire da $0.42 all’ora, con 24 GB di VRAM, e la consigliava per lo sviluppo, la sperimentazione, la generazione di immagini e video, il rendering 3D e l’inferenza con modelli più piccoli.
Mi è sembrato un punto di partenza ragionevole per i controlli di inferenza IA, generazione di immagini e prestazioni della GPU che avevo pianificato. Non avevo bisogno di noleggiare una delle schede più costose solo per stabilire un riferimento pratico.

Dopo aver scelto la RTX 4090, ho fatto clic su Get GPU nella relativa scheda. Sono quindi arrivato alla pagina di registrazione dell’account di Hostinger. Era possibile registrarsi tramite Google o GitHub, oppure inserire il consueto indirizzo e-mail e la password.
Il campo del numero di telefono era indicato come facoltativo e una casella separata riguardava i messaggi promozionali tramite WhatsApp e SMS.

La schermata di registrazione era semplice. Soprattutto, la scelta della GPU non mi aveva ancora vincolato all’acquisto di un server specifico.
Dopo aver creato un account o aver effettuato l’accesso, sono entrato nell’area GPU di hPanel, dove era possibile selezionare e avviare l’hardware. Il pannello mostrava un saldo dei crediti pari a 2,000.
Il pannello mostrava un saldo dei crediti pari a 2,000 perché avevo già un account Hostinger con crediti disponibili. Se si registra per la prima volta senza un saldo dei crediti esistente, dopo aver configurato l’istanza GPU si incontrerà una fase di pagamento, durante la quale sarà possibile scegliere il metodo di pagamento preferito prima di completare l’acquisto.
La pagina GPU in hPanel era pulita e facile da consultare. Sopra l’elenco, Hostinger spiegava che potevo avviare istanze GPU direttamente dal pannello, mentre l’hardware selezionabile appariva sotto un saldo dei crediti ben visibile. Erano elencati sette modelli, tra cui l’RTX 4090 che avevo scelto, ma la maggior parte dei pulsanti Select era disattivata.

Ho provato a selezionare l’RTX 4090 e ho visto che il relativo pulsante era disattivato. Passandoci sopra con il puntatore, compariva il messaggio «Esaurito». In quella sessione non potevo selezionare nemmeno RTX 5090, L40S, A100 o RTX PRO 6000. Avevo a disposizione solo due opzioni: NVIDIA B200 e B200 (Dedicated).

Questo è stato il principale ostacolo nell’esperienza di acquisto. La pagina pubblica dei prezzi mi aveva invitato a noleggiare un’RTX 4090 a $0.42 all’ora, ma non potevo effettivamente eseguire il provisioning di quella GPU.
Almeno Hostinger indicava chiaramente la limitazione in hPanel, anziché consentirmi di compilare una configurazione e poi incorrere in un errore dopo la distribuzione. Tuttavia, questo significava riconsiderare sia l’hardware da testare sia il budget.
Ho scelto la NVIDIA B200 standard, proposta a partire da $4.50 all’ora con 192 GB di VRAM. La sua maggiore capacità di memoria mi avrebbe anche permesso di testare in seguito carichi di lavoro IA più impegnativi.
L’alternativa B200 (Dedicated) partiva da $7.08 all’ora e non avevo un’esigenza specifica di accesso esclusivo alla GPU tale da giustificare quel sovrapprezzo. Ho fatto clic su Select per continuare con la B200 standard.
Dopo aver selezionato la B200, Hostinger ha aperto una pagina Deploy per distribuire l’istanza GPU. Le opzioni GPU erano raccolte in una colonna a sinistra, mentre la configurazione dell’istanza selezionata si trovava a destra. Questa disposizione funzionava bene: potevo confrontare la B200 con le alternative disponibili senza perdere di vista le impostazioni del server o il costo di gestione.

Ho chiamato l’istanza hostinger-gpu-review-b200. Hostinger specificava che le parole separate nel nome dovevano essere unite con trattini, rendendo chiara la regola di denominazione direttamente nel modulo.
Il campo successivo era quello dell’area geografica e ha rivelato la seconda limitazione pratica: il menu a discesa offriva solo Los Angeles, Stati Uniti. In questa sessione di distribuzione non avevo altre località tra cui scegliere.

Il selettore delle dimensioni dell’istanza richiedeva più attenzione di quanto mi aspettassi inizialmente. Hostinger aveva preselezionato una configurazione con 2 core, 64 GB di RAM e 100 GB di spazio di archiviazione, al costo di 506 crediti all’ora. Aprendo il menu a discesa ho trovato altre combinazioni di CPU, RAM e spazio di archiviazione, con tariffe diverse. La scelta non seguiva una progressione semplice in cui un numero inferiore di core CPU comportava sempre un prezzo più basso; l’opzione con 4 core, per esempio, era indicata a 450 crediti all’ora.

Ho scelto l’opzione X-Large: 16 core CPU, 32 GB di RAM e 300 GB di spazio di archiviazione a 488 crediti all’ora. In questo modo il server disponeva di maggiore capacità di CPU e disco per configurare ed eseguire i test, senza passare alla configurazione con 32 core.
Era anche leggermente più economica all’ora rispetto all’opzione preselezionata con 2 core. Il punto importante sui prezzi è che la tariffa B200 pubblicizzata da Hostinger, pari a $4.50 all’ora, era un prezzo di partenza. La configurazione effettivamente selezionata aveva una tariffa di 488 crediti all’ora, equivalente a circa $4.88 all’ora, in base alla tariffa implicita nei riquadri dei prezzi di Hostinger.
Poi ho aperto Seleziona sistema operativo o applicazione. Oltre a Ubuntu 24.04, Hostinger offriva opzioni già pronte per Ollama, JupyterLab, Unsloth e InvokeAI. Queste opzioni potevano far risparmiare tempo nella configurazione a chi si concentrava su una particolare applicazione IA. Ho selezionato Ubuntu 24.04 perché volevo un sistema operativo pulito e il controllo sugli strumenti da installare per i test successivi.

Hostinger offriva anche un campo facoltativo per la chiave SSH. Non l’ho utilizzato per la distribuzione iniziale, anziché aggiungere una chiave durante il pagamento. In seguito, il pannello ha mostrato i dati di connessione basati su password, quindi l’assenza di una chiave non mi ha privato di un metodo di accesso pubblicizzato. Per un server destinato a funzionare più a lungo, tuttavia, preferirei l’accesso SSH basato su chiave.
Prima di fare clic su Deploy, il riepilogo mostrava la B200 scelta, la configurazione X-Large e la tariffa oraria di 488 crediti, a fronte del mio saldo di 2,000 crediti.
Hostinger stimava che il saldo fosse sufficiente per circa quattro ore di uso continuo. Ho apprezzato la presenza di questa stima subito sopra il pulsante di distribuzione: rendeva più visibile la spesa ricorrente rispetto a un riquadro dei prezzi che indica soltanto «A partire da $4.50/ora».

Ho fatto clic su Deploy. Hostinger ha quindi mostrato una schermata di configurazione della GPU e mi ha detto che potevo lasciare la pagina mentre il provisioning continuava. In questa fase non era necessario configurare manualmente altra infrastruttura.

Circa due minuti dopo, la schermata di conferma ha mostrato «È tutto pronto!» e ha indicato che l’istanza GPU era attiva e funzionante. L’ha identificata come hostinger-gpu-review-b200, una B200 con 192 GB di VRAM e dimensionamento X-Large. L’azione successiva era chiaramente indicata come Manage, così era evidente dove andare al termine del provisioning.

Da questa schermata di conferma ho fatto clic su Manage per esaminare i controlli che avrei usato dopo la distribuzione. È stato un passaggio diretto molto apprezzabile: non era necessario tornare alla pagina iniziale generale di hPanel e cercare il nuovo server.
Manage ha aperto un’area dedicata alla gestione delle GPU, anziché un normale pannello di controllo per l’hosting web. Il menu a sinistra aveva solo tre voci: Panoramica, Metrics e Exposed services. Dopo le ampie schermate di selezione del prodotto, ho apprezzato la struttura essenziale di questa navigazione.
La Panoramica ha risposto subito alle domande che mi sarei posto dopo aver noleggiato hardware costoso: è in funzione? Quale GPU e quali risorse ho ricevuto? Qual è il ritmo di consumo dei crediti? Come mi connetto? La scheda dell’istanza indicava che hostinger-gpu-review-b200 era in esecuzione e confermava la NVIDIA B200, 192 GB di VRAM, 16 core CPU, 32 GB di RAM, 300 GB di spazio su disco, Ubuntu 24.04 e la località di Los Angeles.

Sulla scheda dell’istanza erano presenti due controlli: Riavvia ed Elimina. La loro visibilità è utile, perché quando si paga a ore occorre sapere come gestire il ciclo di vita dell’istanza. In questa parte del test non ho eseguito nessuna delle due azioni, quindi sto valutando quanto fossero accessibili i controlli, non affermando di averne verificato il funzionamento.
Sopra la scheda del server, Hostinger mostrava la velocità di calcolo, l’utilizzo della VRAM e la spesa in crediti. La mia schermata iniziale mostrava una velocità di elaborazione di 0 TFLOPs e un utilizzo medio della VRAM di 0 GB, perché non avevo ancora eseguito alcun carico di lavoro GPU.
Il riepilogo dei crediti indicava un totale di 488 crediti utilizzati, un ritmo di consumo dei crediti di 488 crediti all’ora e un saldo residuo di 1,512 crediti. Questa visibilità era gradita, soprattutto considerando la rapidità con cui può accumularsi l’utilizzo a pagamento della GPU.
Il pannello Connection riportava in un’unica sezione l’indirizzo IPv4 pubblico, un comando SSH copiabile e la password. Il comando SSH includeva il nome utente Ubuntu e una porta SSH non predefinita; il campo della password disponeva di controlli per mostrarla e copiarla.
Hostinger avvertiva inoltre che una password modificata tramite SSH non avrebbe più coinciso con quella salvata in hPanel. Ho quindi potuto trovare le informazioni di connessione senza cercare nella documentazione, anche se la sola schermata non dimostra che sia riuscito ad accedere tramite SSH.
Dopo aver esaminato Overview, ho aperto Metrics. Hostinger offriva filtri temporali per 1 ora, 24 ore, 7 giorni e 30 giorni. La pagina rappresentava la velocità di calcolo in TFLOPs e l’utilizzo della VRAM in GB. I grafici erano essenziali e leggibili, senza altri grafici di sistema irrilevanti che distogliessero l’attenzione.

Entrambi i grafici erano piatti sullo zero quando ho acquisito le schermate. Era prevedibile prima di avviare un carico di lavoro IA, quindi non considererei queste letture una prova delle prestazioni della GPU o di un difetto nel sistema di monitoraggio.
La verifica utile arriverà in seguito: avviare un carico di lavoro reale, controllare i grafici al variare dell’utilizzo e confrontarli con le misurazioni effettuate all’interno di Ubuntu.
Ho quindi aperto Exposed services, la sezione dedicata a rendere raggiungibile via Internet un’applicazione in esecuzione sul server GPU. Poiché non avevo creato un servizio, la pagina mostrava uno stato vuoto con il pulsante Add service. Hostinger includeva anche un avviso: tutto ciò che viene pubblicato sarà accessibile a chiunque disponga dell’indirizzo, a meno che l’applicazione non abbia un proprio sistema di accesso.

Ho apprezzato quell’avviso. I carichi di lavoro GPU spesso coinvolgono notebook, API di inferenza e altre interfacce di sviluppo che non sono destinate a essere accessibili pubblicamente. Era facile individuare il punto di accesso, ma non avevo ancora aggiunto né testato un servizio pubblico qui, quindi non posso valutare il resto del flusso di lavoro o le opzioni di sicurezza basandomi solo su queste schermate.
Solo dopo aver controllato le schermate specifiche della GPU sono tornato alla Home di hPanel. Questo mi ha offerto una prospettiva diversa sulla facilità d’uso: dove avrei trovato l’istanza GPU se avessi effettuato di nuovo l’accesso in seguito, invece di accedervi tramite il pulsante Manage dopo la distribuzione?
La mia Home si è aperta con un prompt ben visibile per l’assistente IA e una lunga sezione dedicata alla Sua attività, piena di siti web esistenti.
Ogni sito aveva un’azione Manage site e diverse voci mostravano promemoria sui domini temporanei. Più in basso, ho visto una tabella VPS con indirizzi IP, stati di esecuzione, date di scadenza e pulsanti di gestione. A sinistra, il menu di navigazione riuniva siti web, domini, e-mail, altri servizi, creatori di siti web, agenti IA, strumenti di marketing e servizi per sviluppatori.

Questa organizzazione tutto in uno presenta dei vantaggi. I gruppi di prodotti sono indicati in modo chiaro e un cliente Hostinger esistente può accedere a diversi tipi di hosting da un unico account. Nel mio caso, però, la quantità di contenuti relativi ai siti web rendeva la pagina visivamente affollata.
La mia nuova GPU non era altrettanto in evidenza nei contenuti visibili della Home quanto i siti web e le voci VPS. Una volta raggiunta la navigazione dedicata della GPU, con le sezioni Panoramica, Metrics ed Exposed services, l’ho trovata più mirata.
L’elenco insolitamente lungo di siti web rispecchia ciò che era già presente nel mio account; un nuovo cliente senza altri servizi potrebbe visualizzare una pagina meno affollata. Tuttavia, questa distinzione è importante per il lettore: distribuire una GPU è un processo breve e mirato, mentre la dashboard generale di hPanel cerca di offrire supporto a tutti i prodotti Hostinger contemporaneamente.
L’aspetto più convincente dell’usabilità di Hostinger GPU Hosting è emerso dopo aver trovato una GPU disponibile. La pagina di configurazione mostrava le opzioni e i relativi costi, le immagini di Ubuntu e delle applicazioni IA erano facili da individuare, la distribuzione si è conclusa in circa due minuti e Manage mi ha portato direttamente a una dashboard compatta dell’istanza.
Sono riuscito a trovare le specifiche della GPU, il ritmo di consumo dei crediti, le informazioni SSH e i principali controlli di amministrazione senza dover navigare in una complicata console cloud.
Ma questa comodità non dovrebbe nascondere i limiti prima della distribuzione. Ho scelto RTX 4090 sulla pagina pubblica, ma non ho potuto noleggiarla una volta arrivato a hPanel; la maggior parte delle GPU elencate non era disponibile e Los Angeles era l’unica area geografica di distribuzione nella mia sessione. B200 era molto più costosa della RTX 4090 che intendevo usare e la tariffa della configurazione X-Large era superiore alla tariffa iniziale pubblicizzata per B200. Anche la schermata generale Home di hPanel mi è sembrata più affollata delle pagine dedicate alle GPU.

Hostinger offre assistenza online 24/7 tramite la chat della dashboard, con accesso aggiuntivo tramite WhatsApp ed email all’indirizzo support@hostinger.com. A differenza di alcuni provider di hosting, non offre assistenza telefonica.
L’esperienza di assistenza principale ruota ora attorno a Hostinger Agent, un assistente IA in grado di rispondere alle domande, risolvere i problemi, recuperare la documentazione ed eseguire alcune operazioni di gestione dell’account. Hostinger offre inoltre l’accesso a Customer Success Specialists quando è necessaria ulteriore assistenza.
Per questa recensione, ho provato la chat dal vivo sottoponendo una reale preoccupazione riguardo alla mia istanza GPU NVIDIA B200. Volevo capire quanto rapidamente avrei potuto ricevere indicazioni tecniche accurate e, soprattutto, quanto fosse facile parlare direttamente con una persona quando ne facevo richiesta.
Ho anche esaminato la knowledge base di Hostinger per valutare la qualità della documentazione sulle GPU e verificare se i clienti potessero risolvere i problemi comuni senza contattare l’assistenza.
Ho aperto la chat dal vivo facendo clic su Agent nella parte superiore di hPanel. La chat si è aperta accanto alla pagina di gestione delle GPU, consentendomi di visualizzare la mia istanza B200 in esecuzione e il relativo consumo di crediti mentre parlavo con l’assistenza.

Hostinger Agent è il successore di Kodee, il precedente assistente IA di Hostinger per l’assistenza. Hostinger ha unito Kodee alla sua più ampia raccolta di strumenti IA specializzati, creando un assistente unificato. Secondo Hostinger, l’agente può spiegare i problemi tecnici, fornire istruzioni per la risoluzione dei problemi, suggerire documentazione pertinente ed eseguire le operazioni supportate sull’account del cliente.
Tuttavia, il mio test si è concentrato sui consigli tecnici e sul passaggio a un operatore umano, anziché consentire all’agente di apportare modifiche all’account.
Ho posto una domanda pratica sulla fatturazione delle GPU e sulla conservazione dei dati. Poiché Hostinger addebita le istanze GPU su base oraria, volevo sapere se fosse possibile sospendere il server tra un carico di lavoro IA e l’altro senza perdere le applicazioni, i modelli e i file installati. Ho anche chiesto se il riavvio avrebbe interrotto gli addebiti e cosa avrei dovuto fare per conservare il mio ambiente qualora fosse stato necessario eliminare l’istanza.
L’agente ha risposto in meno di 30 secondi.
La risposta ha affrontato tutti e tre i punti. Ha spiegato che il riavvio si limita a riavviare il server e non interrompe la fatturazione. Al momento Hostinger non offre una funzione di sospensione o arresto che consenta ai clienti di conservare un’istanza GPU senza incorrere in addebiti. L’eliminazione dell’istanza interrompe la fatturazione, ma cancella definitivamente i dati locali.
La risposta è andata oltre, spiegando come avrei potuto conservare il mio ambiente di lavoro. Mi ha consigliato di trasferire modelli e set di dati nell’archiviazione esterna, esportare le dipendenze Python o Conda, annotare le versioni di CUDA e PyTorch e salvare i file di configurazione e gli script di distribuzione.

Ho apprezzato il livello di dettaglio. Invece di limitarsi a dichiarare che non era possibile sospendere le istanze GPU, l’assistente ha spiegato cosa avrei dovuto fare prima di eliminare il server. Le indicazioni erano inoltre coerenti con la documentazione ufficiale di Hostinger sulla fatturazione delle GPU, permettendomi così di verificarne l’accuratezza.
Tuttavia, rispondere alla domanda tecnica era solo la prima parte del mio test dell’assistenza. Poi volevo parlare direttamente con uno specialista umano.
Alle 17:23 ho chiesto a Hostinger Agent di mettermi in contatto con un rappresentante umano dell’assistenza clienti per confermare i dettagli sulla fatturazione delle GPU e sulla conservazione dei dati. Invece di organizzare il trasferimento, ha ripetuto la policy e mi ha incoraggiato a continuare con l’assistenza IA, spiegando che sarebbe stato più veloce.
Alle 17:24 ho formulato un’altra richiesta esplicita. Questa volta ho detto che avevo compreso la policy e che non avevo bisogno di un’altra spiegazione fornita dall’IA. Volevo parlare specificamente con un rappresentante umano ed ero disposto ad aspettare.
Alle 17:25 l’assistente ha riepilogato nuovamente le regole di fatturazione, prima di offrire due opzioni: Wait for a human review e Continue with Hostinger Agent.

Ho selezionato l’opzione di revisione umana e ho confermato di voler proseguire con una persona. Hostinger ha quindi visualizzato un messaggio che indicava che la revisione era in corso, un conto alla rovescia e un campo in cui potevo fornire ulteriori informazioni allo specialista.

Alle 17:31, circa sei minuti dopo che la richiesta era entrata nel processo di revisione, ho ricevuto una risposta associata a una specialista di nome Amber. L’interfaccia mostrava «Risposta revisionata da Amber».
Nel suo messaggio, Amber mi chiedeva di fornire il nome della mia istanza GPU, i punti relativi alla fatturazione o alla conservazione dei dati che volevo verificare e gli eventuali errori o screenshot pertinenti.

Ho fornito il nome dell’istanza, hostinger-gpu-review-b200, e ho chiesto conferma di tre punti importanti: l’assenza di una funzione di sospensione, l’eliminazione permanente dei dati dopo la distruzione e la disponibilità di snapshot, backup o archiviazione persistente.
Ho anche posto una domanda sul processo di assistenza stesso. Poiché l’interfaccia indicava che la risposta era stata revisionata da Amber, volevo sapere se stessi parlando direttamente con lei o se stessi ancora interagendo con un’IA.
Alle 17:33 ho ricevuto un’altra risposta dettagliata. La risposta confermava che le istanze GPU continuano a consumare crediti quando sono inattive, che la loro distruzione elimina definitivamente i dati locali e che Hostinger al momento non offre snapshot GPU, backup automatici o archiviazione persistente.
Spiegava inoltre che un’istanza viene distrutta immediatamente quando il saldo dei crediti raggiunge lo zero, senza alcun periodo di tolleranza. L’alternativa suggerita era esportare l’ambiente su un VPS separato, su un servizio di archiviazione cloud o su un computer locale, usando strumenti come scp o rsync.
Ma la parte più rivelatrice della risposta riguardava l’assistenza umana. Hostinger ha confermato esplicitamente che stavo ancora comunicando con Hostinger Agent, un assistente IA. Uno specialista umano supervisionava o revisionava la conversazione, ma non ero stato trasferito a una chat diretta individuale con una persona.

Questa distinzione è importante. Avevo richiesto deliberatamente di parlare con un rappresentante umano, anziché ricevere un’altra spiegazione automatizzata. Sebbene il sistema avesse previsto la supervisione umana e fornito una risposta tecnica completa, non mi aveva offerto l’interazione diretta con una persona che avevo richiesto.
Dalla prima domanda alle 17:22 al chiarimento finale alle 17:33, l’intero scambio con l’assistenza è durato circa 11 minuti. La risposta iniziale dell’IA è arrivata in meno di 30 secondi, mentre la revisione umana è diventata visibile circa sei minuti dopo che avevo richiesto l’escalation.
Dopo aver provato la chat dal vivo, ho consultato il Centro assistenza online di Hostinger per verificare quanto fosse facile per i clienti GPU trovare risposte senza contattare l’assistenza.
La homepage era pulita e ben organizzata, con una barra di ricerca ben visibile e documentazione suddivisa in categorie come Guida introduttiva, Dashboard Hostinger, VPS, Fatturazione e Certificati SSL. Tuttavia, tra le opzioni visualizzate non ho trovato una categoria dedicata alle GPU.

Ho inserito “gpu” nella barra di ricerca e Hostinger ha restituito 10 risultati. Otto erano incentrati specificamente su GPU hosting e trattavano la scelta dell’hardware, i modelli applicativi, la distribuzione, la gestione delle istanze, la fatturazione, i servizi esposti, la sicurezza e i confronti con l’hosting VPS. Gli altri due riguardavano la politica di rimborso e il pannello di controllo di Hostinger.

Ho apprezzato il fatto che la ricerca mostrasse subito documentazione pertinente sulle GPU, anche senza una categoria dedicata nella homepage. Ancora più importante, gli articoli affrontavano aspetti pratici come il consumo orario di crediti, la perdita di dati dopo l’eliminazione dell’istanza e la protezione delle applicazioni accessibili pubblicamente.
Poi ho esaminato le singole guide per verificare quanto chiaramente spiegassero questi aspetti e quanto le loro istruzioni corrispondessero alla mia esperienza pratica.
Ho consultato le guide di Hostinger sulla configurazione delle GPU e sulla gestione delle istanze. Trattano la scelta dell’hardware, le aree geografiche, i modelli software, la distribuzione, il monitoraggio e i servizi esposti.
Le istruzioni corrispondevano da vicino alla mia esperienza con hPanel. Ho apprezzato anche il fatto che Hostinger riconoscesse i limiti della disponibilità delle GPU a livello regionale, che ho riscontrato quando RTX 4090 era esaurita e Los Angeles era la mia unica opzione di distribuzione.
La guida alla fatturazione delle GPU è stata particolarmente utile perché affrontava le stesse preoccupazioni che avevo sollevato durante la chat dal vivo.
Conferma che la fatturazione continua mentre un’istanza è inattiva, che il riavvio non interrompe gli addebiti e che l’eliminazione cancella definitivamente i dati locali.
Ancora più importante, Hostinger avverte che non sono previsti ricariche automatiche dei crediti né notifiche di saldo basso. L’esaurimento dei crediti comporta l’eliminazione immediata dell’istanza.

Questi sono dettagli fondamentali per chiunque esegua carichi di lavoro IA senza supervisione e ho apprezzato la chiarezza con cui Hostinger li ha spiegati.
La guida di Hostinger all’esposizione dei servizi spiega l’accesso pubblico, la configurazione delle porte e i protocolli supportati. Chiarisce inoltre che selezionare HTTPS non configura automaticamente la crittografia TLS.
La guida alla sicurezza correlata tratta l’autenticazione delle applicazioni e la protezione tramite firewall. Tuttavia, avrei gradito un avviso più chiaro sull’importanza di mantenere l’accesso SSH prima di abilitare regole firewall restrittive.

Hostinger ha offerto un’esperienza di supporto assistita dall’IA di alto livello, anche se il processo di escalation a un operatore umano poteva essere migliorato.
Hostinger Agent ha risposto alla mia domanda sulle GPU in meno di 30 secondi, ha spiegato le implicazioni sulla fatturazione e ha consigliato misure pratiche per conservare il mio ambiente. Le sue indicazioni erano dettagliate e coerenti con la documentazione ufficiale.
La supervisione umana è diventata disponibile dopo circa sei minuti e la risposta finale ha affrontato le ulteriori domande che avevo posto. Tuttavia, ho dovuto chiedere ripetutamente l’escalation e la conversazione è rimasta gestita dall’IA, invece di trasformarsi in una chat dal vivo diretta con uno specialista.
Anche la base di conoscenze è stata un altro aspetto positivo. Gli otto articoli dedicati alle GPU fornivano spiegazioni chiare sulla distribuzione, la gestione, la fatturazione, l’esposizione dei servizi e la sicurezza. La documentazione sulla fatturazione è stata particolarmente utile per comprendere i rischi del consumo continuo di crediti e della perdita permanente dei dati.

Sì, agli sviluppatori e ai team IA che hanno bisogno di una notevole capacità GPU senza acquistare l’hardware. Il mio B200 ha eseguito l’inferenza di Qwen a circa 126 token al secondo dopo il riscaldamento iniziale e ha generato immagini SDXL in circa 0.91 secondi.
La distribuzione è stata rapida una volta ottenuto un endpoint SSH funzionante. Tuttavia, il problema di visualizzazione dell’indirizzo IP del primo server, la disponibilità variabile dell’hardware, i crediti non rimborsabili e l’assenza di un’opzione di sospensione o di backup integrati comportano rischi significativi.
| Nome Tariffa | CPU | RAM | Banda | Prezzo | |
|---|---|---|---|---|---|
| Free Trial | - | Illimitato | € 0,00 | Dettagli | |
| Game Panel 2 | 2 cuori | 8 GB | 8 TB | € 7,75 | Dettagli |
| Game Panel 4 | 4 cuori | 16 GB | 16 TB | € 11,43 | Dettagli |
| Game Panel 8 | 8 cuori | 32 GB | 32 TB | € 22,86 | Dettagli |
| Description | Expert Review |
|---|---|
| Hosting economico con elevate prestazioni e strumenti di gestione facili. | Read Shared Hosting Review |
| Hosting WordPress veloce e sicuro con installazione con un clic e funzionalità premi... | Read Wordpress Hosting Review |
| Hosting VPS scalabile con risorse dedicate e accesso root. | Read VPS Review |
| Hosting cloud veloce e flessibile con eccellente disponibilità e risorse scalabili. | Read Cloud Hosting Review |
| Soluzioni di hosting sicure e private con sedi di data center offshore. | Read Offshore Hosting Review |
| Hosting di posta elettronica sicuro e affidabile con funzionalità di livello profess... | Read Email Hosting Review |
| Hosting Python affidabile con ambienti flessibili per sviluppatori. | Read Python Hosting Review |
| Hosting PHP ad alte prestazioni con pieno supporto per siti Web e applicazioni dinami... | Read PHP Hosting Review |
| Hosting VPS Windows affidabile con pieno controllo e opzioni di personalizzazione. | Read Windows VPS Review |
| Hosting rapido e flessibile su misura per applicazioni Node.js con prestazioni ottima... | Read Nodejs Hosting Review |
| Hosting ottimizzato per negozi WooCommerce con elevata velocità e integrazione sicur... | Read Woocommerce Hosting Review |
| Hosting di server dedicati per esperienze di gioco Minecraft senza interruzioni. | Read Minecraft Server Hosting Review |
| Soluzioni di hosting scalabili con funzionalità avanzate per agenzie digitali e svil... | Read Agency Hosting Review |
| Hosting veloce e sicuro ottimizzato per siti ecommerce Magento. | Read Magento Hosting Review |
| Hosting basato su Linux ad alte prestazioni per operazioni di siti web stabili e sicu... | Read Linux Hosting Review |
| Soluzioni di hosting Java robuste per applicazioni web dinamiche e progetti. | Read Java Hosting Review |
| Hosting ottimizzato per siti e-commerce con prestazioni sicure, veloci e affidabili. | Read Ecommerce Hosting Review |
| Hosting Django affidabile con velocità elevate e un ambiente sicuro. | Read Django Hosting Review |
| Hosting cPanel facile da usare con prestazioni robuste e supporto affidabile. | Read Cpanel Hosting Review |
| Hosting potente per le aziende con velocità elevate, sicurezza e scalabilità. | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| Hosting SMTP dedicato per una consegna email affidabile e sicura. | Read SMTP Server Review |
| Hosting veloce e ottimizzato su misura per applicazioni web Ruby on Rails. | Read Ruby on Rails Review |
| Hosting ricco di funzionalità con integrazione OpenClaw per creare e gestire giochi ... | Read OpenClaw Review |
| Hosting veloce e affidabile con server basati nel Regno Unito per prestazioni locali ... | Read UK Hosting Review |
| Hosting conveniente e affidabile con server basati in India per un accesso a bassa la... | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
Sì. Il mio NVIDIA B200 ha eseguito con successo l’inferenza di Qwen2.5-7B e la generazione di immagini con Stable Diffusion XL. I risultati variano in base al modello, al framework e alla dimensione dell’istanza.
Hostinger pubblicizza 192 GB di VRAM. Il mio B200 ha riportato 178,34 GiB tramite PyTorch, in linea con le differenze tra le unità di memoria decimali e binarie.
No. I crediti GPU continuano a essere consumati mentre l’istanza è inattiva o in fase di riavvio. Eliminare l’istanza interrompe i costi di utilizzo ma rimuove permanentemente i dati locali.
Non ho visto una prova gratuita dedicata per la GPU durante il checkout. Hostinger esclude gli acquisti di GPU e i crediti AI dalla sua garanzia standard di rimborso di 30 giorni.
Sì. SSH ha funzionato sulla mia istanza B200 sostitutiva, anche se il primo deployment mostrava un IP privato invece di un endpoint SSH pubblico utilizzabile.

Rispondi a qualche semplice domanda e trova la soluzione perfetta per te!
Trova il tuo hosting





