
Kan Hostinger göra avancerad hårdvara för grafikprocessorer praktisk att hyra? Jag driftsatte en B200, löste ett anslutningsproblem och mätte faktisk inferens, bildgenerering och övervakning. Läs vidare för att ta del av resultaten, kostnaderna och begränsningarna som är viktiga att känna till innan du hyr.

Jag betygsatte Hostinger GPU Hosting utifrån mina två driftsättningserfarenheter, prestandatestresultaten för den fungerande B200-instansen, dess kontroller i hPanel och mina samtal med supporten. Jag kontrollerade också de publicerade villkoren för debitering och återbetalning. Jag följer HostAdvice:s metod för betygsättning av webbhotell, men detta är en ögonblicksbild av en testad B200, inte en drifttidsstudie eller en jämförelse av alla modeller av grafikprocessorer.
| Test | Poäng /10 | Varför detta betyg? |
| Priser och abonnemang | 8.1 | Flexibel timbaserad hyra av grafikprocessorer och konfigurationer, men kontinuerlig debitering, icke återbetalningsbara krediter och avsaknad av pausfunktion begränsar värdet. |
| Funktioner | 8.8 | Kraftfulla grafikprocessorer, generöst grafikminne, applikationsmallar och övervakningsverktyg, men inga inbyggda säkerhetskopior eller beständig lagring. |
| Prestanda | 8.8 | Utmärkta BF16-resultat, snabb inferens med Qwen och SDXL-generering på under en sekund, även om långvariga arbetslaster ännu inte har testats. |
| Användarvänlighet | 8.0 | Snabb driftsättning och enkel hantering, men begränsat lager av grafikprocessorer och det inledande SSH-problemet orsakade frustration. |
| Supportnivå | 7.8 | Snabba, detaljerade AI-svar och användbar dokumentation, men det tog tid att nå mänsklig support och lösa anslutningsproblemen. |
| Totalt | 8.3 | Imponerande prestanda hos grafikprocessorn och enkel driftsättning, men begränsad av debiteringsvillkor, få återställningsalternativ och trösklar i kontakten med supporten. |

Hostinger GPU Hosting använder en modell med uthyrning på begäran i stället för de fasta månadsabonnemang som du vanligtvis hittar för webbhotell. Du hyr grafikprocessorresurser för arbetslaster som AI-inferens, modellutveckling, finjustering och bildgenerering, och debiteras utifrån den konfiguration du väljer.
Katalogen över grafikprocessorer innehåller alternativ från RTX 4090 och L40S till A100 och NVIDIA B200, som alla erbjuder olika mängder grafikminne och beräkningskapacitet. Tillgängligheten kan dock påverka ditt val. RTX 4090, som jag först ville testa, var slut i lager i hPanel trots att den visades på Hostingers offentliga prissida.
Hostinger erbjuder både vanliga och Dedicated B200-instanser, där de senare kostar mer. Du kan också välja olika tilldelningar av processorer, RAM-minne och lagring. Min första konfiguration omfattade 16 processorkärnor, 32 GB RAM-minne och 300 GB lagring, vilket jag valde för att stödja mina AI-prestandatester i stället för att förlita mig på den minsta tillgängliga konfigurationen.
Hostinger tar betalt för användning av grafikprocessorer med förbetalda krediter. Det finns dock flera villkor som jag skulle tänka på innan jag startar en instans:
Dessa villkor gör kostnadsplaneringen särskilt viktig för längre AI-jobb. Du behöver tillräckligt med krediter för både bearbetning och konfigureringstid, samtidigt som du tar hänsyn till förseningar eller misslyckade anslutningar.
Jag testade GPU Hosting med ett befintligt Hostinger-konto som redan hade krediter, så jag genomförde ingen ny betalning. Nya kunder kan fylla på sitt saldo efter att ha konfigurerat en instans. Hostinger stöder betalkort och digitala plånböcker som PayPal, men vilka betalningsmetoder som är tillgängliga beror på kundens region.
Jag stötte inte heller på någon separat kostnadsfri provperiod för grafikprocessorer. Köp av grafikprocessorer och AI-krediter omfattas inte av Hostingers standardmässiga återbetalningsgaranti för webbhotell på 30 dagar, så jag skulle bekräfta den slutliga konfigurationen och kreditbehoven innan jag genomför en betalning.
Den största fördelen är flexibiliteten. Du kan få tillgång till dyr grafikprocessorhårdvara för en kort arbetslast utan att köpa eller underhålla en egen server. Det annonserade timpriset berättar dock inte hela historien.
Min erfarenhet visade också varför resurstilldelning och anslutningsmöjligheter påverkar prissättningen. Tid som går åt till att felsöka en server som inte går att nå kan fortfarande öka kostnaderna om instansen körs och förbrukar krediter.
Jag skulle kontrollera den slutliga kreditförbrukningstakten i hPanel, bekräfta GPU-tillgängligheten och ordna extern lagring innan jag startar en betald arbetslast. För korta, välplanerade jobb är uthyrningsmodellen vettig. För längre eller oförutsägbara arbetslaster är det viktigt att hålla koll på kreditförbrukningen.

En kraftfull grafikprocessor är bara användbar om du kan komma åt hårdvaran, köra dina arbetslaster tillförlitligt och få resultat inom rimlig tid. Hostinger marknadsför sin NVIDIA B200 med 192 GB grafikminne, men jag ville se hur det omsattes i faktisk prestanda.
Jag fokuserade på tre frågor:
Min första B200-driftsättning stötte på ett anslutningsproblem. hPanel visade en privat IP-adress som jag inte kunde nå från min bärbara dator, och Hostinger bekräftade ett problem med IP-adressen som visades i kontrollpanelen.
För att skilja det ursprungliga problemet från maskinvarans prestanda startade jag en ny B200-instans och anslöt utan problem via SSH med den nya anslutningsadressen. Jag genomförde följande prestandatester den 26 oktober 2026.
Resultaten nedan kommer därför från en fungerande ersättningsinstans. Det tidigare anslutningsproblemet ingår fortfarande i min samlade bedömning, men det hindrade mig inte från att utvärdera grafikprocessorns prestanda.
Jag använde en Ubuntu 24.04 B200-instans med en tilldelning på 16 processorkärnor, 32 GB RAM och ungefär 300 GB lagring som tilldelats vid resurstilldelningen, i Hostingers region i Los Angeles. Från min Pop!_OS-dator anslöt jag via SSH, kontrollerade maskinvaran med nvidia-smi och installerade en CUDA-aktiverad PyTorch-miljö. Servern rapporterade NVIDIA-drivrutinen 595.91.07; PyTorch 2.11.0+cu128 identifierade grafikprocessorn och hade stöd för BF16-beräkningar.
Därefter körde jag tre typer av arbetslaster: korta tester av matrismultiplikation i BF16 och minneskopiering inom grafikprocessorn, inferens med språkmodellen Qwen2.5-7B-Instruct och bildgenerering med Stable Diffusion XL. Jag upprepade AI-arbetslasterna med fasta inställningar och registrerade enskilda körtider i stället för att förlita mig på ett enda bästa resultat. Till sist kontrollerade jag sidan Metrics i hPanel för att se om GPU-aktivitet visades där.
De här testerna ger en praktisk ögonblicksbild av en instans. De fastställer inte långsiktig drifttid, prestanda under flera timmars kontinuerlig belastning eller hur B200 står sig mot konkurrerande grafikprocessorvärdar under identiska förhållanden. Jag körde inte heller något test av nätverkets dataöverföringskapacitet eller något prestandatest av inferens för flera användare.
Det första betryggande resultatet var att Ubuntu identifierade en NVIDIA B200 direkt. nvidia-smi identifierade en B200 med 182,624 MiB rapporterat grafikminne, medan PyTorch rapporterade att 178.34 GiB var tillgängligt för enheten. Dessa värden i binära enheter stämmer i stora drag överens med de utlovade 192 GB grafikminne, även om mängden som programvaran kan läsa av inte är exakt densamma som siffran på försäljningssidan.

Operativsystemet visade också 32 GiB RAM och 268 GiB monterad filsystemkapacitet, så som det såg ut inifrån miljön. Processorn identifierades som AMD EPYC 9575F, även om lscpu visade 224 logiska processorer. Jag kontrollerade containerns CPU-styrinställningar i stället för att tolka den siffran som att mitt abonnemang omfattade 224 kärnor.
cgroup-gränsen var 1,600,000 mikrosekunder per period på 100,000 mikrosekunder, vilket gav instansen 16 CPU-ekvivalenter. Detta motsvarade den tilldelning med 16 kärnor som jag hade valt. Det är en viktig skillnad för läsare att känna till, eftersom den CPU-topologi som är synlig på värden kan verka betydligt mer generös än den kapacitet som faktiskt tilldelats en arbetslast som körs på värden.
För att få ett första mått på B200:s råa beräkningsförmåga körde jag BF16-matrismultiplikation med PyTorch. BF16 är användbart här eftersom det används ofta för beräkningar med AI-modeller, även om ett litet syntetiskt prestandatest med matriser inte kan ersätta körning av en komplett modell.
Med 12 upprepningar gav den mindre matrisen på 4,096 × 4,096 en uppskattad beräkningskapacitet på 1,402.7 TFLOP/s, med en medianoperationstid på 0.098 millisekunder. Matrisen på 8,192 × 8,192 gav en uppskattad beräkningskapacitet på 1,668.8 TFLOP/s, med en mediantid på 0.659 millisekunder. Det här är beräknade uppskattningar av aritmetisk beräkningskapacitet för de testade operationerna, inte oberoende verifierad prestanda för en applikation under längre tid.
Jag mätte även en minneskopiering på 512 MiB inom grafikprocessorn. Den slutfördes på en median på ungefär 0.17 millisekunder, vilket motsvarar en rapporterad nyttodatagenomströmning på 3,137.1 GB/s. Det här testar dataförflyttning inom grafikminnet; det är inte hastigheten för att ladda ner en modell, läsa från serverns disk eller skicka data över internet.

Hela baslinjeskriptet slutfördes på 2.646 sekunder. Jag uppskattade att PyTorch kände igen kortet och körde de här operationerna utan CUDA-fel, men den korta körtiden är också en begränsning. Vi kan inte dra slutsatsen av några millisekunders beräkningar att grafikprocessorn kommer att bibehålla samma beräkningskapacitet eller temperaturer under en lång träningskörning.
Syntetisk beräkningskapacitet var lovande, men jag ville se hur B200 hanterade en faktisk språkmodell. Jag laddade Qwen2.5-7B-Instruct via Hugging Face Transformers i BF16 och bad den förklara acceleration med grafikprocessor. Testet använde en prompt och högst 128 genererade token, upprepat tre gånger med samma inställningar.
Det tog 35.40 sekunder att hämta och läsa in modellen under den registrerade körningen. Det första svaret på 128 token tog sedan 23.094 sekunder, vilket motsvarade bara 5.54 token per sekund. Resultatet verkade först nedslående, men de två följande körningarna visade en annan bild.
Den andra körningen slutförde sina 128 token på 1.005 sekunder, eller 127.30 token per sekund. Den tredje tog 1.029 sekunder, eller 124.35 token per sekund. Det ger ett genomsnitt på cirka 125.8 token per sekund för de två senare körningarna, med mycket liten skillnad mellan dem.

Skillnaden är betydande. Den stämmer överens med att engångsinställningar eller fördröjd initiering påverkar den första genereringen, men jag fastställde inte den exakta orsaken. Jag skulle inte dölja resultatet på 23 sekunder eller framställa de senare körningarna som något varje förstagångsförfrågan kommer att uppnå. För den som tillhandahåller en modell är både den initiala svarstiden och de snabbare upprepade svaren viktiga.
PyTorch rapporterade en maximal allokering av grafikminne på 14.21 GiB. Det är bara en liten del av B200:s tillgängliga minne, så det här testet visar fungerande inferens för en enskild begäran snarare än fördelen med att vara värd för en modell som faktiskt behöver nära 192 GB grafikminne. Jag testade inte samtidighet, batchbearbetning, längre kontextfönster eller en optimerad inferensserver som vLLM.
För en andra verklig tillämpning använde jag Stable Diffusion XL för att skapa en produktbild på 1,024 × 1,024 av ett svart armbandsur som låg på mörk marmor. Jag använde 25 inferenssteg, FP16-vikter samt samma prompt och slumptalsfrö i alla tre körningarna. Det gav mig upprepningsbara mätningar i stället för tre orelaterade bilder med olika komplexitetsnivåer.
SDXL-modellen tog 18.29 sekunder att hämta och läsa in. Den första bilden tog 3.275 sekunder. Den andra och tredje tog 0.915 respektive 0.913 sekunder, vilket gav ett genomsnitt efter uppvärmning på 0.914 sekunder per bild. PyTorch-processen rapporterade en maximal allokering av grafikminne på 11.49 GiB.

Jag granskade också de exporterade bilderna. Alla tre filerna var identiska byte för byte, vilket stämde överens med konfigurationen med fast slumptalsfrö och visade att det upprepade testet gav samma resultat. Armbandsuret, den reflekterande ytan och belysningen såg övertygande ut vid en första anblick, även om en närmare granskning av urtavlan visade små inkonsekvenser som är typiska för genererade produktbilder. Dessa konstnärliga brister ska inte misstas för fel på grafikprocessorn.
Resultatet var särskilt användbart eftersom det gav mig en konkret uppgift att utvärdera: när pipelinen väl hade lästs in kom en SDXL-bild i full storlek på under en sekund. Det här var dock bildgenerering av en bild åt gången med en SDXL-modell, inte ett prestandatest av videogenerering, stora batchar eller alla bildmodeller som går att hyra.
Tidigare i recensionen hade sidan Metrics i Hostinger visat platta linjer eftersom grafikprocessorn var inaktiv. Efter att ha kört prestandatesterna återvände jag till samma vy för 1 timme och såg aktivitet i båda diagrammen. Beräkningskapaciteten visades som 297 TFLOPs, och diagrammet över grafikminne visade en tydlig ökning, bland annat en punkt på 14.3 GB när jag höll markören över den.

Det var en användbar bekräftelse på att hPanel registrerade arbetslasten i stället för att fortsätta visa noll. Det gjorde också sidan Metrics mer informativ än den hade varit direkt efter driftsättningen. Alternativen för 1 timme, 24 timmar, 7 dagar och 30 dagar var lätta att hitta.
Jag skulle ändå undvika en direkt numerisk jämförelse mellan visningen på 297 TFLOPs i hPanel och det syntetiska resultatet på 1,668.8 TFLOP/s. Samplingsintervallet och beräkningsmetoden för kontrollpanelen fastställdes inte under mitt test, och dess visning av grafikminne är inte identisk med PyTorch-processens maximala allokering. Diagrammen är användbara för att upptäcka aktivitet och förändringar över tid; de ersätter inte mätning av arbetslastens körtid eller systemmätningar.
Hostingers andra B200-instans gav mig användbar GPU-acceleration i tre mycket olika tester. De syntetiska BF16-resultaten visade snabba korta beräkningar, Qwen2.5-7B nådde ungefär 126 token per sekund efter ett ovanligt långsamt första uppmätta svar, och Stable Diffusion XL skapade bilder på 1,024 pixlar på cirka 0.91 sekunder efter initieringen. Jag bekräftade också processorkvoten på 16 kärnor och såg aktivitet visas i hPanel.
Det är positiva resultat, men jag skulle inte göra dem till ett löfte om alla AI-arbetslaster. Testerna var korta och utfördes på en enda instans, med relativt små modeller jämfört med B200:s tillgängliga grafikminne. Jag testade inte långvarig träning, maximal samtidighet, långsiktig tillgänglighet eller extern nätverkshastighet. Det tidigare problemet med SSH-anslutningsadressen kvarstår också som ett separat driftproblem, även om ersättningsservern anslöt utan problem.

Jag tog mig an Hostinger GPU Hosting på samma sätt som jag skulle göra med en ny GPU-uthyrning: hitta ett lämpligt kort, kontrollera den faktiska kostnaden, starta en instans och se hur hanterbar miljön känns när den väl är igång.
Jag ville också veta hur GPU-tjänsten passar in i Hostingers större hPanel, eftersom det bara är halva upplevelsen att få en server online.
Driftsättningen gick snabbt. Köpresan var mindre förutsägbar. GPU:n jag valde på den offentliga prissidan var inte tillgänglig i hPanel, och ersättaren hade ett mycket högre timpris. Så här utvecklade sig upplevelsen, från det första klicket till hanteringsverktygen.
Jag började på Hostingers webbplats och öppnade Products > Hosting > GPU hosting. Jag gillade att GPU-värdtjänsten hade en egen tydligt märkt post bredvid webbhotell, VPS-hosting och molnhosting. Jag behövde inte öppna en allmän VPS-produkt eller ta reda på om GPU-maskinvara fanns som tillägg.

Länken öppnade Hostingers landningssida för GPU Hosting, som marknadsförde uthyrning av NVIDIA-grafikprocessorer per timme för AI, rendering och annat beräkningsintensivt arbete. En knapp med texten Get started låg direkt under huvudrubriken. När jag klickade på den skapades ingen instans direkt och jag skickades inte till registreringen; i stället flyttades jag längre ner på samma sida till avsnittet med GPU-priser.

Det var en vettig plats att börja på. I prisavsnittet visades de tillgängliga GPU-modellerna på separata kort, tillsammans med deras annonserade starttimpriser, grafikminne och rekommenderade användningsområden. Jag kunde jämföra maskinvaran innan jag ombads konfigurera en server. Utbudet på den offentliga sidan sträckte sig från RTX 4090 till dyrare grafikprocessorer för datacenter, däribland B200.

Till en början valde jag NVIDIA RTX 4090. Hostinger annonserade den från $0.42 per timme, med 24 GB grafikminne, och rekommenderade den för utveckling, experimenterande, bild- och videogenerering, 3D-rendering och inferens med mindre modeller.
Det verkade vara en rimlig startpunkt för AI-inferensen, bildgenereringen och prestandatesterna av grafikprocessorn som jag hade planerat. Jag behövde inte hyra ett av de dyraste korten bara för att få en praktisk utgångspunkt.

När jag hade valt RTX 4090 klickade jag på knappen Get GPU på dess kort. Då kom jag till Hostingers sida för kontoregistrering. Där kunde jag registrera mig via Google eller GitHub, eller använda de vanliga fälten för e-postadress och lösenord.
Telefonnummerfältet var markerat som valfritt, och en separat kryssruta gällde reklammeddelanden via WhatsApp och SMS.

Registreringssidan var enkel. Ännu viktigare var att jag inte hade bundit mig till att köpa en viss server genom att välja en GPU.
När jag hade skapat ett konto eller loggat in kom jag till GPU-delen i hPanel, där jag faktiskt kunde välja och starta maskinvaran. Panelen visade ett kreditsaldo på 2,000.
Panelen visade ett kreditsaldo på 2,000 eftersom jag redan hade ett Hostinger-konto med tillgängliga krediter. Om du registrerar dig för första gången utan ett befintligt kreditsaldo kommer du till ett betalningssteg efter att du har konfigurerat din GPU-instans. Där kan du välja önskad betalningsmetod innan du slutför köpet.
Sidan för grafikprocessorer i hPanel var ren och lätt att överblicka. Ovanför listan förklarade Hostinger att jag kunde starta instanser med grafikprocessorer direkt från kontrollpanelen, och den valbara hårdvaran visades nedanför ett synligt kreditsaldo. Sju modeller fanns med på listan, däribland RTX 4090 som jag hade valt, men de flesta Select-knapparna var inaktiverade.

Jag försökte välja RTX 4090 och upptäckte att knappen var gråtonad. När jag höll pekaren över den visades meddelandet Slut i lager. Jag kunde inte heller välja RTX 5090, L40S, A100 eller RTX PRO 6000 under den sessionen. Jag hade bara två tillgängliga alternativ: NVIDIA B200 och B200 (Dedicated).

Det här var det största hindret i köpupplevelsen. Den offentliga prissidan hade lockat mig med möjligheten att hyra en RTX 4090 för $0.42 per timme, men jag kunde faktiskt inte få den grafikprocessorn tilldelad.
Hostinger var åtminstone tydliga med begränsningen i hPanel, i stället för att låta mig fylla i en konfiguration och misslyckas efter driftsättningen. Ändå innebar det att jag behövde tänka om kring både testhårdvaran och budgeten.
Jag valde standardmodellen NVIDIA B200, som annonserades från $4.50 per timme med 192 GB grafikminne. Den större minneskapaciteten gav mig också utrymme att senare testa mer krävande AI-arbetslaster.
Alternativet B200 (Dedicated) kostade från $7.08 per timme, och jag hade inget särskilt krav på exklusiv åtkomst till grafikprocessorn som motiverade att betala det pristillägget. Jag klickade på Select för standardmodellen B200 för att fortsätta.
När jag hade valt B200 öppnade Hostinger en sida med rubriken Deploy din grafikprocessorinstans. Alternativen för grafikprocessorer låg kvar i en kolumn till vänster och konfigurationen för den valda instansen visades till höger. Den uppställningen fungerade bra: jag kunde granska B200 tillsammans med de tillgängliga alternativen utan att tappa serverinställningarna eller driftskostnaden ur sikte.

Jag döpte instansen till hostinger-grafikprocessor-review-b200. Hostinger angav att separata ord i namnet skulle skiljas åt med bindestreck, vilket gjorde namnregeln tydlig direkt i formuläret.
Nästa fält var region, och här blev den andra praktiska begränsningen tydlig: rullgardinsmenyn erbjöd endast Los Angeles, United States. Jag hade ingen annan plats att välja under den här driftsättningssessionen.

Väljaren för instansstorlek krävde mer uppmärksamhet än jag först hade väntat mig. Hostinger hade förvalt en konfiguration med 2 kärnor, 64 GB RAM och 100 GB lagringsutrymme till 506 krediter per timme. När jag öppnade rullgardinsmenyn visades andra kombinationer av processorer, RAM och lagringsutrymme med olika priser. Urvalet följde ingen enkel stegring där färre processorkärnor alltid innebar ett lägre pris; alternativet med 4 kärnor kostade till exempel 450 krediter per timme.

Jag valde alternativet X-Large: 16 processorkärnor, 32 GB RAM och 300 GB lagringsutrymme till 488 krediter per timme. Det gav servern större processorkapacitet och mer diskutrymme för att konfigurera och köra tester, utan att gå upp till konfigurationen med 32 kärnor.
Det var också något billigare per timme än det förvalda alternativet med 2 kärnor. Den viktiga poängen när det gäller prissättningen är att Hostingers annonserade B200-pris på $4.50 per timme var ett frånpris. Min valda konfiguration kostade i själva verket 488 krediter per timme, vilket motsvarar cirka $4.88 per timme enligt den växelkurs som Hostingers priskort antyder.
Därefter öppnade jag Välj operativsystem eller applikation. Förutom Ubuntu 24.04 erbjöd Hostinger färdiga alternativ för Ollama, JupyterLab, Unsloth och InvokeAI. De här alternativen kan spara tid på konfigurationen för den som fokuserar på en viss AI-applikation. Jag valde Ubuntu 24.04 eftersom jag ville ha ett rent operativsystem och kontroll över vilka verktyg jag installerade inför de efterföljande testerna.

Hostinger erbjöd också ett valfritt fält för SSH-nyckel. Jag lämnade det tomt vid den första driftsättningen i stället för att lägga till en nyckel i kassan. Panelen visade senare anslutningsuppgifter för lösenordsbaserad inloggning, så avsaknaden av en nyckel gjorde inte att jag saknade en annonserad inloggningsmetod. För en server som ska köras längre skulle jag dock föredra SSH-åtkomst med nyckel.
Innan jag klickade på Deploy visade sammanfattningen den valda B200-instansen, konfigurationen X-Large och timpriset på 488 krediter, jämfört med mitt saldo på 2,000 krediter.
Hostinger uppskattade att saldot skulle räcka till ungefär fyra timmars kontinuerlig användning. Jag uppskattade att se den här uppskattningen precis ovanför driftsättningsknappen: den gjorde den löpande kostnaden tydligare än ett priskort som bara anger Från $4.50 per timme.

Jag klickade på Deploy. Hostinger visade sedan en skärm med texten Konfigurerar din grafikprocessor och meddelade att jag kunde lämna sidan medan resurstilldelningen fortsatte. I det här skedet behövde jag inte göra någon ytterligare manuell infrastrukturkonfiguration.

Ungefär två minuter senare bekräftade bekräftelseskärmen att allt var klart med texten Allt är klart! och meddelade att grafikprocessorinstansen var igång. Den angav att hostinger-grafikprocessor-review-b200 var en B200 med 192 GB grafikminne och storleken X-Large. Nästa åtgärd presenterades tydligt som Manage, så det var självklart vart jag skulle gå när resurstilldelningen var klar.

Jag klickade på Manage på bekräftelseskärmen för att undersöka kontrollerna jag skulle använda efter driftsättningen. Den direkta övergången var en trevlig detalj: jag behövde inte gå tillbaka till den allmänna startsidan i hPanel och leta efter min nya server.
Manage öppnade ett särskilt hanteringsområde för grafikprocessorer i stället för en vanlig kontrollpanel för webbhotell. Menyn till vänster hade bara tre alternativ: Översikt, Metrics och Exposed services. Efter de omfattande skärmarna för produktval uppskattade jag hur fokuserad den här navigeringen var.
Översikten besvarade genast frågorna jag skulle ha efter att ha hyrt dyr hårdvara: Är den igång? Vilken grafikprocessor och vilka resurser fick jag? Vad är förbrukningstakten? Hur ansluter jag? Instanskortet visade hostinger-grafikprocessor-review-b200 som Körs och bekräftade NVIDIA B200, 192 GB grafikminne, 16 processorkärnor, 32 GB RAM, 300 GB disk, Ubuntu 24.04 och platsen Los Angeles.

Två kontroller fanns direkt på instanskortet: Starta om och Radera. Det är praktiskt att de är synliga, eftersom du behöver veta hur du hanterar instansens livscykel när du betalar per timme. Jag utförde ingen av åtgärderna under den här delen av testet, så jag bedömer hur lättillgängliga kontrollerna var och påstår inte att jag har verifierat hur de fungerar.
Ovanför serverkortet visade Hostinger beräkningskapacitet, grafikminnesanvändning och krediter som förbrukats. Min första avläsning visade en genomströmning på 0 TFLOPs och en genomsnittlig grafikminnesanvändning på 0 GB, eftersom jag ännu inte hade kört någon arbetslast på grafikprocessorn.
Kreditsammanfattningen visade att totalt 488 krediter hade använts, med en förbrukningstakt på 488 krediter per timme och ett återstående saldo på 1,512 krediter. Den tydligheten var välkommen, särskilt med tanke på hur snabbt betald användning av grafikprocessorn kan dra iväg.
Anslutningspanelen samlade den publika IPv4-adressen, ett kopierbart SSH-kommando och lösenordet i ett och samma avsnitt. SSH-kommandot innehöll Ubuntu-användarnamnet och en SSH-port som inte var standard; lösenordsfältet hade funktioner för att visa och kopiera lösenordet.
Hostinger varnade också för att ett lösenord som ändrades via SSH inte längre skulle stämma överens med det som sparats i hPanel. Jag kunde därför hitta anslutningsinformationen utan att söka i dokumentationen, även om skärmbilden i sig inte bevisar att jag lyckades logga in via SSH.
Efter att ha granskat översikten öppnade jag Metrics. Hostinger erbjöd tidsfilter för 1 timme, 24 timmar, 7 dagar och 30 dagar. På sidan visades beräkningskapaciteten i TFLOPs och grafikminnesanvändningen i GB i diagram. Diagrammen var enkla och lättlästa, utan orelaterade systemdiagram som konkurrerade om uppmärksamheten.

Båda diagrammen låg på noll när jag tog skärmbilderna. Det var väntat innan ett AI-jobb kördes, så jag skulle inte betrakta de här avläsningarna som belägg för grafikprocessorns prestanda eller för ett fel i övervakningssystemet.
Det användbara testet kommer senare: starta en faktisk arbetslast, kontrollera diagrammen när användningen förändras och jämför dem med mätningar inifrån Ubuntu.
Därefter öppnade jag Exposed services, avsnittet där du gör en applikation som körs på grafikprocessorns server tillgänglig via internet. Eftersom jag inte hade skapat någon tjänst visade sidan ett tomt läge med knappen Lägg till tjänst. Hostinger inkluderade också en varning om att allt som publicerades skulle vara tillgängligt för alla som hade adressen, såvida inte applikationen hade en egen inloggning.

Jag uppskattade den varningen. Arbetslaster på grafikprocessorer omfattar ofta interaktiva kodanteckningsböcker, inferens-API:er och andra utvecklingsgränssnitt som inte är avsedda att vara öppet tillgängliga. Det var enkelt att hitta ingången, men jag hade ännu inte lagt till eller testat någon publik tjänst här, så jag kan inte bedöma resten av arbetsflödet eller säkerhetsalternativen utifrån enbart de här skärmbilderna.
Först efter att ha kontrollerat de GPU-specifika vyerna återvände jag till Home i hPanel. Det gav mig ett annat perspektiv på användarvänligheten: var skulle jag hitta GPU-instansen om jag loggade in igen senare i stället för att gå in via knappen Manage efter driftsättningen?
Min Home-sida öppnades med en framträdande uppmaning att använda en AI-assistent och ett stort område med rubriken Ditt företag, fullt av befintliga webbplatser.
Varje webbplats hade alternativet Manage site, och flera poster visade påminnelser om tillfälliga domäner. Längre ner kunde jag se en VPS-tabell med IP-adresser, körstatusar, utgångsdatum och hanteringsknappar. Till vänster samlade navigeringen Webbplatser, Domäner, E-post, Fler tjänster, webbplatsbyggare, AI-agenter, marknadsföringsverktyg och utvecklartjänster.

Den här allt-i-ett-lösningen har sina fördelar. Produktgrupperna är tydligt märkta, och befintliga Hostinger-kunder kan nå flera typer av hosting från ett och samma konto. I mitt fall gjorde dock mängden webbplatsrelaterat innehåll sidan visuellt rörig.
Min nya GPU var inte lika framträdande i det synliga innehållet på Home som webbplatserna och VPS-posterna. När jag väl hade hittat GPU:ns särskilda navigering för Overview, Metrics och Exposed services var den mer fokuserad.
Den ovanligt långa listan över webbplatser speglar vad som redan fanns på mitt konto; en ny kund utan andra tjänster kanske ser en mindre rörig sida. Skillnaden är ändå viktig för läsaren: att driftsätta en GPU är en kort, fokuserad process, medan den bredare hPanel-instrumentpanelen försöker hantera alla Hostinger-produkter på en gång.
Den starkaste delen av Hostinger GPU Hosting användarvänlighet märktes efter att jag hittade en tillgänglig GPU. Konfigurationssidan visade alternativen och kostnaden för dem, det var lätt att hitta Ubuntu- och AI-applikationsavbilder, driftsättningen blev klar på ungefär två minuter och Manage tog mig direkt till en kompakt instrumentpanel för instansen.
Jag kunde hitta grafikprocessorspecifikationen, krediternas förbrukningstakt, SSH-informationen och de viktigaste administrationskontrollerna utan att behöva navigera i en komplicerad molnkonsol.
Men den bekvämligheten bör inte dölja begränsningarna före driftsättningen. Jag valde RTX 4090 på den offentliga sidan, men kunde inte hyra den när jag kom till hPanel. De flesta listade grafikprocessorerna var otillgängliga, och Los Angeles var den enda driftsättningsregionen under min session. B200 var betydligt dyrare än RTX 4090 som jag hade tänkt skaffa, och timpriset för konfigurationen X-Large var högre än det annonserade startpriset för B200. Den allmänna Home-vyn i hPanel kändes också mer rörig än de grafikprocessorspecifika sidorna.

Hostinger erbjuder support online dygnet runt via chatten i kontrollpanelen, med ytterligare kontaktmöjligheter via WhatsApp och e-post på support@hostinger.com. Till skillnad från vissa webbhotell erbjuder de inte telefonsupport.
Den huvudsakliga supportupplevelsen kretsar numera kring Hostinger Agent, en AI-assistent som kan besvara frågor, felsöka problem, hämta dokumentation och utföra vissa kontohanteringsåtgärder. Hostinger erbjuder också tillgång till Customer Success Specialists när du behöver ytterligare hjälp.
För den här recensionen testade jag livechatten med en verklig fråga om min NVIDIA B200 GPU-instans. Jag ville ta reda på hur snabbt jag kunde få korrekt teknisk vägledning och, ännu viktigare, hur lätt det var att få prata direkt med en människa när jag bad om det.
Jag granskade också Hostingers kunskapsbas för att bedöma kvaliteten på dokumentationen om grafikprocessorer och se om kunder kunde lösa vanliga problem utan att kontakta supporten.
Jag öppnade livechatten genom att klicka på Agent högst upp i hPanel. Chatten öppnades bredvid sidan för grafikprocessorhantering, så att jag kunde se min B200-instans som kördes och dess kreditförbrukning medan jag chattade med supporten.

Hostinger Agent är efterföljaren till Kodee, Hostingers tidigare AI-supportassistent. Hostinger har slagit samman Kodee med sin större samling specialiserade AI-verktyg till en enhetlig assistent. Enligt Hostinger kan assistenten förklara tekniska problem, ge felsökningsinstruktioner, föreslå relevant dokumentation och utföra åtgärder som stöds på kundens konto.
Mitt test fokuserade dock på tekniska råd och att bli hänvisad till en människa, snarare än på att låta den göra ändringar i kontot.
Jag ställde en praktisk fråga om GPU-debitering och datalagring. Eftersom Hostinger debiterar per timme för GPU-instanser ville jag veta om jag kunde pausa min server mellan AI-arbetslaster utan att förlora mina installerade applikationer, modeller och filer. Jag frågade också om omstart skulle stoppa debiteringen och vad jag borde göra för att bevara min miljö om det var nödvändigt att radera instansen.
Agenten svarade på mindre än 30 sekunder.
Svaret tog upp alla tre frågorna. Det förklarade att en omstart bara startar om servern och inte stoppar debiteringen. Hostinger erbjuder för närvarande ingen paus- eller stoppfunktion som gör det möjligt för kunder att behålla en GPU-instans utan att debiteras. Om du raderar instansen stoppas debiteringen, men alla lokala data raderas permanent.
Svaret gick längre och förklarade hur jag kunde bevara min arbetsmiljö. Det rekommenderade att överföra modeller och datauppsättningar till extern lagring, exportera beroenden för Python eller Conda, dokumentera CUDA- och PyTorch-versionerna samt spara konfigurationsfiler och driftsättningsskript.

Jag uppskattade detaljnivån. I stället för att bara säga att GPU-instanser inte kunde pausas tog assistenten upp vad jag borde göra innan jag raderade servern. Råden stämde också överens med Hostingers officiella dokumentation om GPU-debitering, vilket gav mig möjlighet att kontrollera att förklaringen var korrekt.
Att besvara den tekniska frågan var dock bara den första delen av mitt supporttest. Därefter ville jag prata direkt med en mänsklig specialist.
Kl. 17:23 bad jag Hostinger Agent att koppla mig till en mänsklig kundtjänstrepresentant för att bekräfta uppgifterna om GPU-debitering och datalagring. I stället för att ordna en överföring upprepade den policyn och uppmuntrade mig att fortsätta med AI-supporten, eftersom det skulle gå snabbare.
Kl. 17:24 gjorde jag en ny, uttrycklig begäran. Den här gången sa jag att jag förstod policyn och inte behövde ännu en förklaring från AI:n. Jag ville uttryckligen prata med en mänsklig representant och var beredd att vänta.
Kl. 17:25 sammanfattade assistenten återigen debiteringsreglerna innan den erbjöd två alternativ: Wait for a human review och Fortsätt med Hostinger Agent.

Jag valde alternativet för mänsklig granskning och bekräftade att jag ville fortsätta med en person. Hostinger visade sedan ett meddelande om att granskning pågick, en nedräkning och ett fält där jag kunde lämna ytterligare information till specialisten.

Klockan 17:31, ungefär sex minuter efter att begäran hade gått vidare till granskning, fick jag ett svar kopplat till en specialist vid namn Amber. I gränssnittet visades ”Response reviewed by Amber.”
I sitt meddelande bad Amber mig att ange namnet på min GPU-instans, vilka punkter om fakturering eller datalagring jag ville få bekräftade samt eventuella relevanta fel eller skärmbilder.

Jag angav instansnamnet hostinger-grafikprocessor-review-b200 och bad om bekräftelse på tre viktiga punkter: att det saknas en pausfunktion, att data raderas permanent efter att instansen har tagits bort samt om ögonblicksbilder, säkerhetskopior eller beständig lagring är tillgängliga.
Jag ställde också en fråga om själva supportprocessen. Eftersom det stod i gränssnittet att Amber hade granskat svaret ville jag veta om jag nu pratade direkt med henne eller fortfarande interagerade med AI.
Klockan 17:33 fick jag ett nytt, utförligt svar. Där bekräftades att GPU-instanser fortsätter att förbruka krediter när de är inaktiva, att deras lokala data raderas permanent när de tas bort och att Hostinger för närvarande inte erbjuder ögonblicksbilder av GPU-instanser, automatiska säkerhetskopior eller beständig lagring.
Där förklarades också att en instans tas bort omedelbart när kreditsaldot når noll, utan någon respitperiod. Det föreslagna alternativet var att exportera miljön till en separat VPS, molnlagring eller lokal dator med hjälp av verktyg som scp eller rsync.
Men den mest avslöjande delen av svaret gällde mänsklig support. Hostinger bekräftade uttryckligen att jag fortfarande kommunicerade med Hostinger Agent, en AI-assistent. En mänsklig specialist övervakade eller granskade konversationen, men jag hade inte kopplats vidare till en direkt en-till-en-chatt med en människa.

Den skillnaden spelar roll. Jag hade medvetet bett om en mänsklig representant i stället för ännu en automatiserad förklaring. Även om systemet ordnade mänsklig tillsyn och gav ett fullständigt tekniskt svar fick jag inte den direkta mänskliga kontakt jag hade bett om.
Från den första frågan klockan 17:22 till det sista förtydligandet klockan 17:33 tog hela supportutbytet ungefär 11 minuter. Det första AI-svaret kom på mindre än 30 sekunder, medan mänsklig granskning blev synlig ungefär sex minuter efter att jag begärde eskalering.
Efter att ha testat livechatten vände jag mig till Hostingers hjälpcenter på nätet för att se hur enkelt kunder med grafikprocessorer kunde hitta svar utan att kontakta supporten.
Startsidan var ren och välorganiserad, med ett framträdande sökfält och dokumentation grupperad i kategorier som Kom igång, Hostingers kontrollpanel, VPS, Fakturering och SSL-certifikat. Jag kunde dock inte hitta någon särskild kategori för grafikprocessorer bland alternativen som visades.

Jag skrev in “gpu” i sökfältet, och Hostinger visade 10 resultat. Åtta handlade specifikt om GPU hosting och täckte val av maskinvara, applikationsmallar, driftsättning, hantering av instanser, fakturering, publikt tillgängliga tjänster, säkerhet och jämförelser med VPS-hosting. De två andra handlade om Hostingers återbetalningspolicy och kontrollpanel.

Jag uppskattade att sökningen direkt visade relevant dokumentation om grafikprocessorer, trots att det saknades en särskild kategori på startsidan. Ännu viktigare var att artiklarna tog upp praktiska frågor som krediter som förbrukas per timme, dataförlust efter radering av instans och hur man skyddar offentligt tillgängliga applikationer.
Därefter granskade jag de enskilda guiderna för att se hur tydligt de förklarade de här frågorna och hur väl instruktionerna stämde överens med min praktiska erfarenhet.
Jag gick igenom Hostingers guider om konfiguration av grafikprocessorer och hantering av instanser. De täcker val av maskinvara, regioner, programvarumallar, driftsättning, övervakning och publikt tillgängliga tjänster.
Instruktionerna stämde väl överens med min upplevelse av hPanel. Jag uppskattade också att Hostinger uppmärksammade begränsningarna i GPU-tillgängligheten i olika regioner, som jag stötte på när RTX 4090 var slut i lager och Los Angeles var mitt enda alternativ för driftsättning.
Den vägledning om GPU-fakturering var särskilt användbar eftersom den tog upp samma frågor som jag ställde under livechatten.
Den bekräftar att debiteringen fortsätter medan en instans är inaktiv, att omstart inte stoppar avgifterna och att radering permanent tar bort lokala data.
Ännu viktigare är att Hostinger varnar för att det inte finns några automatiska påfyllningar av krediter eller aviseringar vid lågt saldo. Om krediterna tar slut raderas instansen omedelbart.

Det här är avgörande detaljer för alla som kör obevakade AI-arbetslaster, och jag uppskattade att Hostinger förklarade dem tydligt.
Hostingers vägledning om tjänsteexponering förklarar offentlig åtkomst, portkonfiguration och protokoll som stöds. Den klargör också att valet av HTTPS inte automatiskt konfigurerar TLS-kryptering.
Den tillhörande säkerhetsguiden tar upp applikationsautentisering och brandväggsskydd. Jag hade dock gärna sett en tydligare varning om att bevara SSH-åtkomsten innan restriktiva brandväggsregler aktiveras.

Hostinger erbjöd en stark AI-assisterad supportupplevelse, även om processen för att eskalera ärenden till mänsklig support kunde ha varit bättre.
Hostinger Agent besvarade min fråga om GPU på mindre än 30 sekunder, förklarade faktureringskonsekvenserna och rekommenderade praktiska åtgärder för att bevara min miljö. Vägledningen var detaljerad och stämde överens med den officiella dokumentationen.
Mänsklig granskning blev tillgänglig efter ungefär sex minuter, och det slutliga svaret tog upp de ytterligare frågor jag ställde. Jag var dock tvungen att begära eskalering flera gånger, och samtalet förblev AI-lett i stället för att övergå till en direkt livechatt med en specialist.
Kunskapsbasen var ytterligare en positiv aspekt. De åtta GPU-specifika artiklarna gav tydliga förklaringar av driftsättning, hantering, debitering, exponering av tjänster och säkerhet. Dokumentationen om debitering var särskilt användbar för att förstå riskerna med kontinuerlig förbrukning av krediter och permanent dataförlust.

Ja, för utvecklare och AI-team som behöver rejäl GPU-kapacitet utan att köpa hårdvaran. Min B200 körde Qwen-inferens med ungefär 126 token per sekund efter uppvärmning och genererade SDXL-bilder på cirka 0.91 sekunder.
Driftsättningen gick snabbt när jag väl hade en fungerande SSH-anslutningsadress. Det första serverns problem med IP-visningen, den föränderliga tillgången på hårdvara, icke återbetalningsbara krediter och avsaknaden av en pausfunktion eller inbyggda säkerhetskopior utgör dock betydande risker.
| Paketnamn | CPU | RAM | Bandbredd | Pris | |
|---|---|---|---|---|---|
| Free Trial | - | Obegränsat | 0 kr | Detaljer | |
| Game Panel 2 | 2 kärnor | 8 GB | 8 TB | 87 kr | Detaljer |
| Game Panel 4 | 4 kärnor | 16 GB | 16 TB | 128 kr | Detaljer |
| Game Panel 8 | 8 kärnor | 32 GB | 32 TB | 255 kr | Detaljer |
| Description | Expert Review |
|---|---|
| Prisvärt webbhotell med hög prestanda och enkla hanteringsverktyg. | Read Shared Hosting Review |
| Snabb och säker WordPress-hosting med installation med ett klick och premiumfunktion... | Read Wordpress Hosting Review |
| Skalerbar VPS hosting med dedikerade resurser och rootåtkomst. | Read VPS Review |
| Snabb, flexibel molnhosting med utmärkt drifttid och skalbara resurser. | Read Cloud Hosting Review |
| Säkra och privata hostinglösningar med offshore-datacenterplatser. | Read Offshore Hosting Review |
| Säker och pålitlig e-posthosting med professionella funktioner. | Read Email Hosting Review |
| Pålitlig Python-hosting med flexibla miljöer för utvecklare. | Read Python Hosting Review |
| Högpresterande PHP-hosting med fullt stöd för dynamiska webbplatser och applikatio... | Read PHP Hosting Review |
| Pålitlig Windows VPS-hosting med full kontroll och anpassningsmöjligheter. | Read Windows VPS Review |
| Snabb och flexibel hosting anpassad för Node.js-applikationer med optimal prestanda. | Read Nodejs Hosting Review |
| Optimerad hosting för WooCommerce-butiker med hög hastighet och säker integration. | Read Woocommerce Hosting Review |
| Dedikerad serverhosting för sömlösa Minecraft-spelupplevelser. | Read Minecraft Server Hosting Review |
| Skalbara hostinglösningar med avancerade funktioner för digitala byråer och utveck... | Read Agency Hosting Review |
| Snabb, säker hosting optimerad för Magento e-handelswebbplatser. | Read Magento Hosting Review |
| Högpresterande Linux-baserad hosting för stabil och säker webbplatsdrift. | Read Linux Hosting Review |
| Robusta Java-hostinglösningar för dynamiska webbapplikationer och projekt. | Read Java Hosting Review |
| Optimerad hosting för e-handelswebbplatser med säker, snabb och tillförlitlig pres... | Read Ecommerce Hosting Review |
| Pålitlig Django-hosting med snabba hastigheter och säker miljö. | Read Django Hosting Review |
| Lättanvänt cPanel-hosting med robust prestanda och pålitlig support. | Read Cpanel Hosting Review |
| Kraftfull hosting för företag med snabba hastigheter, säkerhet och skalbarhet. | 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 |
| Dedikerad SMTP-serverhosting för tillförlitlig och säker e-postleverans. | Read SMTP Server Review |
| Snabb och optimerad hosting skräddarsydd för Ruby on Rails-webbapplikationer. | Read Ruby on Rails Review |
| Funktionsrik hosting med OpenClaw-integration för att bygga och hantera kloautomats-... | Read OpenClaw Review |
| Snabb och pålitlig hosting med UK-baserade servrar för optimal lokal prestanda. | Read UK Hosting Review |
| Prisvärd och pålitlig hosting med Indien-baserade servrar för åtkomst med låg 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 |
Ja. Min NVIDIA B200 körde Qwen2.5-7B-inferens och Stable Diffusion XL-bildgenerering framgångsrikt. Resultaten varierar beroende på modell, ramverk och instansstorlek.
Hostinger annonserar 192 GB VRAM. Min B200 rapporterade 178.34 GiB genom PyTorch, vilket stämmer med skillnaderna mellan decimal och binära minnesenheter.
Nej. GPU-krediter fortsätter att förbrukas medan instansen är inaktiv eller startas om. Om du förstör instansen stoppas användningsavgifterna, men dess lokala data tas bort permanent.
Jag såg ingen separat GPU-testversion under min betalning. Hostinger undantar GPU-köp och AI-krediter från sin vanliga 30-dagars pengarna-tillbaka-garanti.
Ja. SSH fungerade på min ersättnings-B200-instans, även om den första driftsättningen visade en privat IP-adress i stället för en användbar offentlig SSH-slutpunkt.

Besvara några enkla frågor och hitta den perfekta lösningen för dig!
Börja söka webbhotellPå HostAdvice.com finns professionella, oberoende recensioner av webbhotell. Våra recensioner är opartiska, ärliga och utvärderar alla webbhotell på samma sätt.
Vi får ekonomisk ersättning av de företag som vi recenserar. Ersättning för tjänster och produkter påverkar inte vår bedömning. Den påverkar inte heller hur vi betygsätter vissa webbhotell.
Pengarna täcker kostnader för ersättning till recensenter, köp av konton och tester.






