./run prezzato-mercato-gpu-noleggio-affitto-vs-acquisto
Stavo per comprare una GPU. Ho prezzato tutto il mercato del noleggio e ho cambiato idea.
Diario tecnico: ho prezzato l'intero mercato delle GPU cloud (RunPod, Vast.ai, Lambda, Modal) per capire quando affittare batte comprare. Il prezzo headline mente: conta il metro di consumo.
- status
- draft
- project
- rentGPU
- updated
- 2026-07-07
- tags
Avevo il preventivo aperto in un tab: una H100, poco meno di 30.000 euro, più alimentazione e raffreddamento. Nell’altro tab, un provider che me la affittava a 1,99 $/ora. La domanda banale — “conviene comprarla?” — si è rivelata la meno banale del progetto. Così ho fatto la cosa più noiosa possibile: ho prezzato l’intero mercato delle GPU a noleggio, provider per provider, taglio per taglio, e ho scritto i conti. La scoperta non è stata un prezzo. È stato che il prezzo in vetrina mente quasi sempre.
L’idea: un solo foglio di verità sui prezzi
Non un tool, un quaderno di ricerca: una tassonomia del mercato più uno snapshot prezzi confrontabile, aggiornato a metà 2026. L’obiettivo era rispondere a tre domande con numeri, non con sensazioni: chi costa davvero meno, quando affittare batte comprare, e quale metro di fatturazione ti frega mentre guardi il prezzo orario.
Il mercato si spacca in tre, non in venti
La prima cosa utile è stata smettere di confrontare 20 nomi e vederne 3 categorie, ognuna con una promessa diversa:
- Marketplace / P2P — privati e datacenter affittano GPU inutilizzate. Prezzi più bassi in assoluto, affidabilità variabile. Vast.ai (oltre 20.000 GPU, 40+ datacenter), Spheron con H100 SXM5 spot vista a 1,03 $/ora, la più bassa incontrata.
- Cloud GPU specializzati — costruiti per l’AI, buon compromesso prezzo/affidabilità. RunPod è il punto di riferimento (SLA 99% sul Secure Cloud), poi Lambda Labs (99,9%, zero costi di egress), CoreWeave, Hyperstack, Thunder Compute.
- Serverless / inferenza — niente istanze da gestire, autoscala da 0 a N, fatturazione al secondo. Modal (scale-to-zero, il migliore per l’idle), Replicate, Baseten, Fal, RunPod Serverless.
Quella tripartizione è il vero prodotto della ricerca: dice che “GPU cloud” non è un mercato, ne sono tre, e mischiarli è l’errore che fa esplodere la bolletta.
Lo snapshot che conta: H100, stesso taglio, tutti in fila
Il cuore è una tabella sola, con lo stesso identico chip (H100 80GB) e i prezzi ordinati. Sanitizzata, è questa:
| Provider | On-demand $/h | Spot $/h |
|---|---|---|
| Spheron | 2,50 (SXM5) | 1,03 |
| RunPod | 1,99 PCIe / 2,69 SXM | ~1,19 |
| Thunder Compute | 1,38 | — |
| Lambda Labs | 2,49 (egress gratis) | — |
| Vast.ai | 3,29 (in saldo ~1,49) | varia |
| Modal (serverless) | 3,95 | — |
| Replicate (serverless) | 5,49 | — |
| AWS p5 | ~6,88 | — |
| Azure | ~12,29 | — |
Due letture immediate. Primo: gli hyperscaler costano 2–5× un cloud specializzato per la stessa GPU-ora — pagare Azure 12,29 $/h una H100 che RunPod ti dà a 1,99 è una tassa da distrazione. Secondo, il dato che mi ha spiazzato di più: l’H100 è crollata del 64–75% in 18 mesi, dagli 8–10 $/ora del Q4 2024 ai 2–3 $/ora di inizio 2026. Il ferro che stavo per comprare a 30.000 € si stava svalutando mentre facevo i conti. Questo, da solo, ammazza gran parte dell’argomento “compro”.
La spina: comprare batte affittare solo oltre una soglia precisa
Rifatti i conti a mano, l’acquisto ha senso in un caso solo, e ha un numero. Prendi la mia H100 a 1,99 $/h su RunPod. Usarla 24/7 per un anno intero = 8.760 ore × 1,99 = ~17.400 $/anno. Il ferro è ~25–30.000 $ di capex più energia (una H100 tira ~700 W: a regime, migliaia di dollari l’anno) più raffreddamento, manutenzione, e obsolescenza. Fai la sottrazione:
- A utilizzo pieno (100%, 24/7), l’affitto costa ~17k/anno: il break-even col ferro arriva intorno ai 2 anni. E in quei 2 anni l’affitto è calato del 65%, mentre la tua scheda è invecchiata.
- A utilizzo realistico (~50%), l’affitto dimezza a ~8,7k/anno: il capex fisso non si muove, e il pareggio scivola oltre i 3–4 anni.
Da qui la regola secca che ho estratto dalla ricerca: si compra solo con utilizzo sostenuto >50–60% 24/7 su 1–3 anni — o quando compliance / residenza dei dati ti obbligano al ferro. Per tutto il resto — lavori a raffica, esperimenti, fine-tuning una tantum, silicio nuovo (H200, B200, GB200) senza capex — si affitta. Il tab del preventivo l’ho chiuso.
Il prezzo headline mente: i quattro metri nascosti
La parte che rende utile la ricerca non è la tabella, sono le leve di costo che non vedi nel prezzo orario. Le quattro che ho imparato a controllare prima del $/h:
- Interruzione dello spot. Vast.ai ammazza un’istanza spot con 15 secondi di preavviso. Lo spot costa il 40–60% in meno, ma se non fai checkpoint frequenti quei risparmi te li rimangi in ripartenze. Usa spot solo per job fault-tolerant.
- Egress. Gli hyperscaler ti fatturano i dati in uscita; Lambda e RunPod spesso no. Con dataset grossi, l’egress può superare il costo della GPU stessa.
- Fatturazione dell’idle. Al secondo (Modal) > al minuto (Jarvis Labs) > all’ora. Su traffico spiky, la granularità è tutto: Modal minimizza l’idle, altri ti addebitano finché l’istanza gira. Guarda il modello del contatore, non solo la tariffa.
- Lock-in. Le piattaforme serverless (Modal, Baseten) ti impacchettano il codice nel loro framework. Un pod è un Docker portabile; un deploy serverless è un matrimonio.
C’è pure la trappola opposta: pagare prezzi da H100 per lavoro che gira su una RTX 4090 consumer (0,34–0,69 $/h). Per Stable Diffusion e modelli sotto i 13B, il rapporto prezzo/prestazioni della consumer è imbattibile. Il chip più costoso non è quasi mai la scelta giusta.
Come va (stato reale)
È una ricerca, non un deploy: quaderno vivo, non prodotto. Lo snapshot prezzi è affidabile a metà 2026, ma la sua stessa premessa è che invecchia in fretta — le tariffe sono calate ~65% in 18 mesi e cambiano ogni settimana, con forte varianza regionale. Il valore non è la cifra esatta di oggi; è la struttura — le tre categorie, la soglia del break-even, i quattro metri nascosti — che resta valida quando i numeri si muovono. La regola operativa che mi sono scritto in cima al file è una sola: verifica sempre il prezzo live prima di impegnarti.
Cosa ho imparato
Che “quanto costa” è la domanda sbagliata. Quella giusta è “per quanto tempo e con che regolarità lo userò” — perché è l’utilizzo, non il prezzo orario, a decidere affitto-vs-acquisto. Che in un mercato che si svaluta del 65% in un anno e mezzo, comprare ferro è scommettere contro il tempo, e quasi sempre perdi. E che il prezzo in vetrina è il meno informativo dei numeri: le vere leve — spot che muore in 15 secondi, egress, granularità del contatore, lock-in del framework — stanno tutte nella riga piccola. Ho aperto il progetto per rispondere “compro o affitto?”. Ho chiuso avendo capito che, per come lavoro io, la risposta era già nel modo in cui ponevo la domanda.