8卡H100跑一天：Nodus按需价低约42%

同样一台8卡H100机器，跑满24小时，也就是192个GPU小时。按两家公开的按需价格算，这一天的训练账单在Nodus上比Nebius AI Cloud便宜约42%，折成美元是364.80美元的差额。

先把话说在前面：Nodus是我们自己做的产品。下面每一个关于Nebius的数字，都来自它自己的定价页或文档，算式也完整写出来，你可以拿自己拿到的报价重算一遍。

价格核对时间为2026年10月25日，来源是Nebius AI Cloud定价页和Nodus定价页上的小时费率。Nebius的GPU小时价里已经包含旁边列出的vCPU和内存（每块H100配16个vCPU、200GB内存），存储另算，比如它的共享文件系统是每GiB每月0.08美元。

这个差距在更大的卡上同样成立。Nebius按需价里，H200标5.40美元、B200标8.50美元、B300标9.50美元每GPU小时；对应的Nodus价格是3.593美元、5.50美元和6.943美元。从H100到B300，Nodus的挂牌价都低于Nebius的按需价。

但有一行价格需要单独看：抢占式实例。Nebius说明spot价格随容量和需求浮动，最快每15分钟就可能变一次，上限比按需价低一美分。所以同样192个GPU小时，成本可能落在151.68美元到862.08美元之间（192乘以4.49美元）。如果你能接受中断，而且跑的时候价格正好贴近地板，Nebius抢占式是这张表里最便宜的选择。

Nebius还提供面向长期稳定负载的承诺折扣，需要企业账户、与Nebius销售谈、通常是预付，因此没有可以放进表格的公开费率。Nodus这边，nodus run --dry-run会在任务开始前打印出这次运行的确切预期成本。

两家交到你手上的东西不一样

Nebius给的是基础设施：虚拟机、GPU集群、Kubernetes和Slurm，你的团队在这些之上搭自己的训练环境。Nodus接的是一个运行任务（Job、TrainingJob、Function或Workspace），由平台挑机器、做检查点，机器丢了就换一台。

这个差别在机器被回收时最明显。Nebius在停止抢占式虚拟机前60秒发送SIGTERM，保留挂载卷上的数据，但会丢掉动态资源比如动态公网IP。抢占式虚拟机只支持FAIL恢复策略，所以机器是被停掉而不是重启，on_preemption只有一个取值STOP。重启的活留给你：得有东西发现它停了，把虚拟机开起来或新建一台，再从最后一个检查点启动训练。

Nebius的按需虚拟机不同，它接受RECOVER策略，会在故障后尝试重启虚拟机。如果你跑在托管Kubernetes或Soperator上，Nebius会替你替换不健康的节点，训练怎么从检查点恢复，取决于你的作业配置。

在Nodus上，重启是平台的事。收到回收通知时，Nodus一边向你的程序要一次紧急检查点，一边准备替换机器。静默的机器在20秒后开始准备替换，在共享容量上60秒后判定丢失。新的尝试从恢复好的状态目录启动，晚回来的旧尝试不会覆盖它的继任者。

拿那个24小时的任务举例：如果机器在第20小时丢失，检查点停在第19.5小时。两个平台都要重做这半小时，Nodus上是0.5乘以8再乘以2.60美元，等于10.40美元；按Nebius按需价是0.5乘以8再乘以4.50美元，等于18.00美元。更大的成本是训练重启前的那段空档：Nodus上是准备新机器的时间，抢占式虚拟机上则要等到某个人或你写的脚本把任务拉回来。

什么时候该选Nebius

一条简单的判断规则：已经有重启和续跑工具链的团队，选Nebius抢占式虚拟机；不想自己搭这套东西的，选Nodus。抢占折扣是真实的，但只有当中断的代价是几分钟而不是一个晚上时，你才真正拿到它。

已经有Slurm重新排队配置、或者有能重启失败Pod的Kubernetes控制器的团队，恢复机制基本齐了，Nebius的spot地板价很难被击败。只在一台机器上跑一个脚本的团队通常没有这些。对他们来说，更低的按需价加上自动恢复，是让长任务无人值守跑完的更简单路径。

Nodus自己也有可中断选项，给运行加上--interruptible，它可能把任务放到可回收机器上，检查点和替换流程与上面描述的一致。

以下情况选Nebius：

• 跨多节点训练、需要高速网络。Nebius的GPU集群用InfiniBand把每块GPU连起来，带宽400Gbps，每个8卡节点3.2Tbps，支持GPUDirect RDMA。Nodus的多节点训练还在Beta，上限8个节点，Beta期间节点间的公网流量不加密。
• 想把容量按折扣预留几个月。Nebius的承诺折扣覆盖GPU、磁盘和共享文件系统，例如64台8卡H100预留365天。Nodus没有公开的长期折扣，其Reserved Compute在Beta阶段，按方案报价。
• 团队已经在用Kubernetes或Slurm。Nebius提供托管Kubernetes和托管Soperator，后者是Nebius开源发布的Slurm-on-Kubernetes系统，带健康检查，会替换坏掉的工作节点。
• 需要GB200或GB300 NVL72机架级系统。Nebius定价页上两者都有，通过销售购买，Nodus没有列出。
• 主要负载是开源模型推理。Token Factory提供兼容OpenAI的API，含专用端点和批量推理；Nodus的托管推理还在Beta。
• 能跑可中断任务、且已经自己处理重启。在地板价上，Nebius抢占式远低于这里任何一个按需价。

能不能把Nebius账户接过来

可以，Beta阶段。如果你持有Nebius额度，可以用服务账户密钥和额度上限把Nebius项目连到Nodus。之后Nodus会优先把Job、Workspace这类单节点工作放进那个项目，再在上面叠加自己的检查点、恢复和费用上限。这个功能按组织开通，需要先联系Nodus支持。

密钥通过nebius iam auth-public-key generate为项目editors组里的服务账户生成，然后在命令行里连接。Nodus只会在那个项目里创建机器，不碰项目里的其他东西。额度用完后，--burst决定下一步：跑在Nodus容量上（默认）、等你的批准，或等你的账户。沙箱和多节点运行使用Nodus容量，每次尝试的页面会显示它跑在哪里。

迁移训练脚本的做法是让检查点路径优先读Nodus状态目录，把原来的Nebius路径作为回退，同一份脚本在两边都能跑。保存时先写临时文件再原子替换，这样恢复时永远不会读到写了一半的文件。Nodus恢复的是文件而不是进程内存，所以程序启动时必须自己调用load()。

另外两个常见问题：Nebius的抢占式虚拟机不按固定价计费，按当前spot价收费，你可以通过定价策略设最高价，也可以不设上限跟随spot价，L40S抢占式实例是例外，按固定费率计费。Nodus上带检查点的Job在钱用完后会做一次紧急检查点、挂起，充值后自行恢复；Nebius按月或按账单阈值扣款，并说明如果阈值扣款失败，账户和资源访问可能被暂停。