Servla vs RunPod vs DigitalOcean: GPU cloud e custos

Escolha a Servla quando sua carga é recorrente, cabe em 3 a 12 GB de VRAM e um ambiente em São Paulo cobrado em real importa. Prefira RunPod para uso variável ou para workloads que pedem mais VRAM. A DigitalOcean faz mais sentido quando seu projeto já depende do ecossistema dela e você aceita preço e região internacionais. A decisão não é mensal contra hora: é horas úteis contra horas pagas.

A pergunta certa não é qual plataforma tem a GPU mais chamativa. É quanto tempo você realmente usa a GPU, qual VRAM seu fluxo exige e quem cuida do ambiente quando algo para. Esse recorte evita uma armadilha comum: contratar uma máquina mensal para rodar poucas horas ou alugar por hora sem colocar disco, backup e setup na conta.

A resposta curta: escolha por horas úteis, VRAM e operação

O conceito que ajuda a comparar estas opções é a Taxa de Ociosidade GPU. Ela é a parte da GPU mensal que continua sendo paga enquanto seu workload não produz. Uma VPS ligada o mês inteiro dá previsibilidade e persistência. Mas ela também cobra pelas horas sem ComfyUI, inferência, worker ou API rodando.

Para um serviço brasileiro persistente, que realmente roda todo dia e cabe na VRAM contratada, a Servla merece entrar na lista curta. Para experimentar modelos, gerar imagens em picos ou subir workers sob demanda, a cobrança variável da RunPod tende a ser mais direta. Para uma operação que já usa API, CLI, Terraform ou Kubernetes da DigitalOcean, uma GPU Droplet pode valer o custo maior.

Não existe vencedor universal. A VRAM pode eliminar uma opção antes mesmo da comparação de preço. E um preço por hora pode parecer baixo até você somar armazenamento, transferência, ambiente persistente e o tempo para reconstruir tudo após uma interrupção.

O que a VPS GPU da Servla entrega e onde está o limite

Segundo os planos VPS GPU da Servla consultados em 24 de agosto de 2026, a empresa lista NVIDIA L4 fatiada em São Paulo. Os planos mensais vão de R$360 para 3 GB de VRAM a R$1.032 para 12 GB. Isso é uma fatia de VRAM da L4, não uma L4 inteira dedicada por plano.

A configuração publicada começa em 3 GB de VRAM, 2 cores, 16 GB de RAM e 100 GB NVMe. Depois sobe para 6 GB, 4 cores, 24 GB de RAM e 200 GB NVMe; 8 GB, 6 cores, 24 GB de RAM e 350 GB NVMe; e 12 GB, 8 cores, 32 GB de RAM e 500 GB NVMe.

A Servla declara CUDA e drivers NVIDIA pré-instalados, acesso root, AntiDDoS, suporte 24 horas e data center Tier III em São Paulo. Isso reduz a fricção inicial de um ambiente Linux com GPU. Ainda assim, root não transfere a operação para o provedor. Atualizações, firewall, credenciais, monitoramento e cópias de segurança continuam exigindo responsável técnico.

VRAM é o primeiro filtro técnico

A maior ressalva está na VRAM. A própria guia da RunPod para escolher um Pod aponta 16 a 24 GB para SDXL e Flux, além de 24 GB para inferência de LLMs de 7B a 13B. Quantização pode mudar essa necessidade, mas não transforma 3 GB em 24 GB.

Por isso, 3 a 12 GB podem fazer sentido para automações, inferência leve, ferramentas que cabem nesse orçamento e ambientes de desenvolvimento. Não é responsável prometer ComfyUI moderno, Flux, SDXL ou LLM local de 7B a 13B em toda faixa da Servla sem teste reproduzível e configuração declarada.

O que não está documentado publicamente

A página auditada não trouxe SLA contratual, política pública de snapshot, estratégia de backup ou benchmark técnico da VPS GPU. Não trate essas lacunas como defeitos provados. Mas também não preencha o vazio com promessas de disponibilidade, restauração ou latência.

Antes de contratar, pergunte como backups funcionam, qual retenção existe, como restaurar um volume e qual canal atende incidentes. Se a resposta for insuficiente para seu projeto, mantenha backup externo e um procedimento de recuperação sob seu controle.

Quanto custa de verdade por mês

Os valores abaixo são um retrato de 24 de agosto de 2026. As linhas em dólar mostram apenas compute publicado. Não incluem conversão para real, IOF, armazenamento, rede, impostos ou mudanças de inventário.

Os cálculos de RunPod usam US$0,34 por hora multiplicados por 160 e 720 horas. O preço é um ponto de partida público para RTX 4090, sujeito a disponibilidade entre Community e Secure Cloud. A DigitalOcean lista RTX 4000 Ada de 20 GB por US$0,76 por GPU-hora e L40S de 48 GB por US$1,57 por GPU-hora na tabela oficial de preço das GPU Droplets.

A tabela não converte dólares em reais porque essa conversão exige uma data, uma fonte de câmbio e a forma de pagamento. Ela também não tenta declarar qual SKU é mais rápida. Uma L4 fatiada, uma RTX 4090, uma RTX 4000 Ada e uma L40S não são produtos intercambiáveis só porque todos têm GPU no nome.

Também separe custo previsível de orçamento controlado. Uma mensalidade facilita planejar o caixa quando o recurso fica ligado por necessidade. Já uma cobrança variável facilita limitar gastos no começo, desde que você defina teto, alertas e um processo para desligar recursos. Sem esses controles, tanto a fatura mensal quanto a fatura por hora podem surpreender. A plataforma não corrige falta de observabilidade financeira.

A Taxa de Ociosidade GPU aparece quando você olha 720 horas. Se sua GPU mensal trabalha 160 horas, há muitas horas pagas sem produção. Se ela atende uma API, um worker ou uma equipe todos os dias, a persistência pode compensar essa ociosidade. A conta precisa usar seu padrão de uso, não o preço de entrada de uma landing page.

RunPod: quando a cobrança variável ganha

A RunPod é uma alternativa coerente quando você quer subir uma GPU só durante experimentos, geração de imagem, testes de modelo ou picos previsíveis. Pods cobram compute e storage por segundo. O Serverless Flex pode escalar a zero quando está ocioso, enquanto Active Workers seguem em execução 24 horas por dia.

Esse modelo não significa custo zero fora da execução. A documentação de cobrança e storage da RunPod informa US$0,20 por GB ao mês para volume de Pod parado e US$0,07 por GB ao mês para network volume abaixo de 1 TB. Pesos, checkpoints e imagens de container também precisam de lugar persistente.

Outro ponto é a recuperação. Dados deixados apenas no container podem ser perdidos quando um Pod é interrompido, reiniciado, parado ou terminado. A documentação da RunPod recomenda volume de rede ou backup externo, além da regra 3-2-1. Isso torna a plataforma ótima para elasticidade, desde que o ambiente seja declarativo e os dados tenham cópia fora do container.

Para uso variável e VRAM acima da faixa de 12 GB, veja a oferta RunPod GPU Cloud no Runzos. A recomendação é condicional: use-a quando puder desligar recursos sem comprometer o serviço e quando aceitar organizar volumes, imagens e recuperação.

DigitalOcean GPU: quando o ecossistema justifica o preço

A DigitalOcean oferece GPU Droplets cobradas por segundo, com mínimo de cinco minutos. Há um detalhe decisivo: uma GPU desligada continua faturada. Spot pode ser retomado a qualquer momento; a empresa diz que tenta avisar com duas horas, mas admite menos ou nenhum aviso em uma emergência.

Nas configurações auditadas, a RTX 4000 Ada traz 20 GB de VRAM, 8 vCPUs, 32 GiB de RAM e 500 GiB NVMe. RTX 6000 Ada e L40S trazem 48 GB, 8 vCPUs, 64 GiB de RAM e 500 GiB NVMe. Isso abre opções que não cabem na faixa publicada de 3 a 12 GB da Servla, porém muda muito a faixa de custo.

As GPU Droplets estão listadas em NYC2, TOR1, ATL1, RIC1 e AMS3. Não havia região brasileira na lista auditada. A DigitalOcean declara SLA de uptime de 99% para GPU Droplets, mas distância geográfica não permite estimar sua latência real. Só uma medição autorizada no endpoint do seu público responde essa pergunta.

A opção ganha força quando seu produto já depende das integrações da plataforma, como API, CLI, Terraform ou Kubernetes. Para uma comparação técnica da oferta, consulte a oferta DigitalOcean GPU no Runzos. Para uma demanda pequena, não escolha a plataforma só por ter uma GPU maior disponível.

Compatibilidade técnica: ComfyUI, Ollama, API própria e agentes

CUDA e drivers pré-instalados ajudam a começar na Servla. Containers, volumes e Serverless dão flexibilidade à RunPod. A DigitalOcean reúne componentes de infraestrutura para equipes que já operam naquele ecossistema. Nenhuma dessas características substitui compatibilidade validada entre modelo, versão de CUDA, dependências e VRAM disponível.

Para agentes, n8n, APIs externas e automações que não executam inferência local pesada, uma VPS sem GPU pode ser a decisão mais econômica. Nesse cenário, uma VPS para n8n da Hostinger é uma alternativa a avaliar, em vez de pagar por VRAM que ficará ociosa.

Checklist antes de contratar GPU cloud

• Confirme a VRAM exigida pelo seu modelo e fluxo, não apenas o nome da GPU.
• Calcule horas úteis mensais e compare com as horas que ficarão pagas sem uso.
• Liste pesos, checkpoints, imagens e banco de dados que precisam de disco persistente.
• Defina backup externo, retenção e um teste real de restauração.
• Verifique quem atualiza drivers, CUDA, firewall, segredos e dependências.
• Entenda o que continua sendo cobrado após desligar um recurso.
• Meça latência no seu endpoint antes de vender uma região como mais rápida.
• Configure monitoramento de uso, custo, disco e falhas antes de colocar clientes no ambiente.

Quando não contratar GPU mensal

Não contrate uma GPU mensal se seu uso acontece em poucas janelas por mês, se você ainda está descobrindo o modelo necessário ou se o orçamento de VRAM não atende seu workflow. Nesses casos, pagar por hora e registrar o custo por execução pode ensinar mais barato do que manter uma máquina ociosa.

Também vale evitar GPU mensal quando seu produto cabe em API externa. Se a aplicação apenas orquestra modelos de terceiros, agentes ou automações, o custo e a complexidade de uma GPU local podem não trazer retorno. Uma VPS comum com observabilidade e uma API bem escolhida pode ser mais simples de operar.

A GPU mensal também não elimina DevOps. Se ninguém consegue manter atualizações, restaurar backups e investigar consumo, o gargalo não será o provedor. Será a operação. Primeiro documente o ambiente e teste a recuperação; depois escolha a plataforma.

FAQ

VPS GPU mensal ou RunPod: qual sai mais barato?

Depende das horas úteis, da VRAM e da persistência. A mensalidade pode compensar carga recorrente. Para uso esporádico, RunPod pode reduzir o custo de compute, mas storage, rede e câmbio continuam na conta.

3 GB, 6 GB, 8 GB ou 12 GB de VRAM bastam para IA?

Bastam apenas para workloads que realmente caibam nessa faixa. A guia da RunPod recomenda 16 a 24 GB para SDXL e Flux, além de 24 GB para LLMs de 7B a 13B. Quantização e configuração alteram o cenário.

Posso rodar ComfyUI em uma VPS GPU da Servla?

Há CUDA e drivers NVIDIA declarados pela Servla, mas a compatibilidade depende do workflow e da VRAM. Não há teste reproduzível nesta comparação que permita prometer ComfyUI em todos os planos.

GPU Droplet da DigitalOcean fica em qual região?

As regiões listadas na pesquisa são NYC2, TOR1, ATL1, RIC1 e AMS3. Não havia região brasileira listada. Meça a latência com seu endpoint e público antes de decidir.

O que acontece com meus arquivos ao parar um Pod da RunPod?

Dados apenas no container podem ser perdidos após interrupção, reinício, parada ou término. Use volume de rede ou backup externo para dados que precisam sobreviver ao ciclo do Pod.

Vale pagar uma GPU 24 horas por dia para usar só de vez em quando?

Em geral, não. Essa é a Taxa de Ociosidade GPU: horas pagas sem produção. Primeiro estime suas horas úteis e compare com uma opção sob demanda.

Conclusão: compre previsibilidade apenas quando ela resolve um problema real

A Servla é uma opção coerente para uma carga brasileira contínua, que caiba na VRAM contratada e valorize cobrança em real, suporte local e ambiente em São Paulo. RunPod é mais apropriada para demanda variável, prototipação e cenários que exigem VRAM acima da faixa publicada da Servla. A DigitalOcean entra quando o ecossistema dela ou uma GPU de 20 a 48 GB justifica custo e regiões internacionais.

Não escolha pela promessa de uma GPU barata. Escolha pelo conjunto de horas úteis, orçamento de VRAM e responsabilidade operacional que você consegue sustentar. Se sua carga é recorrente e se encaixa no perfil mensal brasileiro, compare a Servla VPS GPU com alternativas no Runzos.