Keine Mindestlaufzeit · Sekundengenaue Abrechnung
Was ist RunPod?
RunPod ist ein 2022 gegründeter GPU-Cloud-Marktplatz und mittlerweile eine der beliebtesten Plattformen für KI-Entwickler. Es gibt zwei Tiers:
- Community Cloud — von Drittanbietern gehostete GPUs. Günstigste Preise, keine Uptime-Garantie. Ab 0,16 $/h. Ideal für fehlertolerante Batch-Jobs.
- Secure Cloud — dedizierte Rechenzentrums-Hardware. Zuverlässig, leicht teurer. Ab 0,27 $/h. Ideal für Inferenz und lange Runs.
RunPod bietet zudem Serverless-Inferenz-Endpoints — dein Modell skaliert auf null im Idle, du zahlst pro Compute-Unit. Damit wirklich konkurrenzfähig zu Modal und Replicate für intermittierende Inferenz-Workloads. In unserem Serverless-GPU-Vergleich steht RunPod auf Platz 1.
RunPod-Preise (Juli 2026)
| GPU | VRAM | Community Cloud | Secure Cloud | Am besten für |
|---|---|---|---|---|
| RTX A5000 | 24 GB | $0.16/h | $0.27/h | Fine-Tuning 7B, SD XL |
| RTX 3090 | 24 GB | $0.22/h | $0.46/h | Fine-Tuning 7B, SD |
| RTX 4090 | 24 GB | $0.34/h | $0.69/h | Schnelle Inferenz, SD XL |
| RTX A6000 | 48 GB | $0.33/h | $0.49/h | Fine-Tuning 7B, SD XL |
| L40S | 48 GB | $0.79/h | $0.99/h | Schnelle Inferenz, SD XL |
| A100 80GB | 80 GB | $1.19/h | $1.39/h | Große Trainingsläufe |
| H100 PCIe | 80 GB | $1.99/h | $2.89/h | Schnellste Inferenz |
| H100 SXM | 80 GB | $2.69/h | $2.99/h | Schnellste Inferenz |
| H200 | 141 GB | $3.59/h | $4.39/h | 70B-Modelle, Training |
Beide Tarifstufen am 20. Juli 2026 von runpod.io/pricing abgelesen. Community-Cloud-Preise hängen davon ab, welche Hosts gerade Kapazität haben, und schwanken deshalb stärker als Secure Cloud.
Wo die RunPod-Rechnung überrascht: Speicher
Die GPU-Kosten enden in dem Moment, in dem du einen Pod stoppst. Beim Speicher ist es umgekehrt. Ein Volume Disk kostet 0,10 $/GB/Monat, solange der Pod aktiv ist, und 0,20 $/GB/Monat, sobald er im Leerlauf liegt — einen Pod zum Sparen zu stoppen verdoppelt also den Satz für alles, was daran hängt.
Ein 200-GB-Volume mit Modellgewichten und Datensatz kostet 20 $/Monat während der Arbeit und 40 $/Monat danach. Bleibt es ein Jahr an einem abgeschlossenen Projekt hängen, sind das 480 $ für Speicher, den niemand liest. Zum Community-Preis der RTX A5000 hätten 40 $ rund 250 GPU-Stunden gekauft.
Network Storage umgeht das: 0,07 $/GB/Monat unter 1 TB, 0,05 $/GB/Monat darüber, und der Preis ändert sich nicht, wenn nichts läuft. Dieselben 200 GB kosten dort 14 $/Monat, 2,9-mal weniger als ein Volume Disk im Leerlauf. Alles, was zwischen zwei Sitzungen überleben muss, gehört auf Network Storage; Pod-Volumes dürfen Wegwerfware bleiben.
RunPod Vor- & Nachteile
- Cheapest community GPUs from $0.16/h
- Massive GPU variety including H100
- Serverless endpoints for inference APIs
- Great UI and pod management
- Community cloud less reliable than dedicated
- Storage costs add up over time
- Support can be slow on free tier
Community Cloud vs. Secure Cloud — Was wählen?
Community Cloud nutzen, wenn du fehlertolerante Batch-Jobs hast (Training mit Checkpointing, Stable-Diffusion-Renders, Datenverarbeitung). Die Preisersparnis ist enorm und Ausfallzeiten sind akzeptabel.
Secure Cloud nutzen, wenn Ausfallzeiten teurer sind als die Preisdifferenz: Produktions-Inferenz-APIs, mehrtägige Fine-Tuning-Runs, alles mit SLA-Anforderungen. Hardware ist dediziert und deutlich zuverlässiger.
RunPod Serverless — lohnt es sich?
RunPod Serverless ist exzellent für intermittierende Inferenz. Docker-Image einmal deployen, RunPod übernimmt das Skalieren. Cold Starts sind die Hauptsorge (~5–15s bei großen Modellen), Warm Worker können gegen Aufpreis gepinned werden. Im Vergleich zu Modal und Replicate ist RunPod Serverless typischerweise 30–50 % günstiger im Maßstab.
RunPod-Alternativen
- Vast.ai — Noch günstigere Community Cloud. Weniger UI-Politur, mehr reine Ersparnis.
- Lambda Labs — Bessere Zuverlässigkeit, ideal für On-Demand-H100-Zugang ohne Marktplatz-Komplexität.
- Paperspace — Besser integrierte Notebook-Umgebung für Forschungsteams.
- CoreWeave — Enterprise-Kubernetes-native-Cluster für Foundation-Model-Training.
Fazit
RunPod ist unsere Nummer 1 für die meisten KI-Entwickler. Die Kombination aus Preis, GPU-Vielfalt und Bedienbarkeit ist unschlagbar. Secure Cloud ist zuverlässig genug für die meisten Produktions-Workloads. Serverless ist wirklich konkurrenzfähig für Inferenz-APIs. Schwächste Stelle ist die Support-Reaktion bei Free-/Hobbyist-Plänen. Wer bombenfeste Enterprise-SLAs braucht, schaut zu Lambda Labs oder CoreWeave.
RunPod FAQ
Ist RunPod zuverlässig?
RunPods Secure Cloud nutzt dedizierte Rechenzentrums-Hardware mit hoher Uptime. Community Cloud hängt von einzelnen Hosts ab und kann unterbrochen werden. Für Produktions-Inferenz oder lange Trainingsläufe Secure Cloud verwenden.
Hat RunPod H100s?
Ja, RunPod bietet H100 SXM und PCIe in beiden Tiers. Verfügbarkeit schwankt — H100s gehen zuerst aus. Echtzeit-Verfügbarkeitskarte auf RunPod.io prüfen.
Wie funktioniert die RunPod-Abrechnung?
RunPod rechnet sekundengenau ab, mit 1-Minute-Minimum, und die GPU-Kosten enden, sobald du einen Pod stoppst. Der Speicher nicht. Ein Volume Disk kostet 0,10 $/GB/Monat, solange der Pod läuft, und 0,20 $/GB/Monat, sobald er im Leerlauf ist — Stoppen verdoppelt also den Speicherpreis, statt ihn zu beenden. Network Storage ist günstiger: 0,07 $/GB/Monat unter 1 TB, 0,05 $/GB/Monat darüber.
Was ist RunPod Serverless?
RunPod Serverless deployt Inferenz-Endpoints, die auf null skalieren. Du zahlst nur pro Anfrage (Compute-Unit), nicht pro Idle-Stunde. Ideal für Inferenz-APIs mit niedrigem Traffic.
Kann ich eigene Docker-Images verwenden?
Ja — jedes öffentliche Docker-Image funktioniert. RunPod hat zudem 50+ offizielle Templates (vLLM, Ollama, ComfyUI, Kohya etc.), die in Sekunden vorkonfiguriert starten.