
Hostinger 能否让高端 GPU 硬件 的租用变得切实可行?我部署了一台 B200,排查了连接问题,并测量了实际的推理、图像生成和监控表现。请继续阅读,了解租用前需要关注的结果、费用和限制。

我根据两次部署体验、可正常运行的 B200 基准测试结果、hPanel 控制选项以及与支持团队的交流,为 Hostinger GPU Hosting 评分。我还核查了公开的计费和退款条款。我遵循HostAdvice 主机评分方法,但这只是对一台经过测试的 B200 的快照,并非正常运行时间研究,也不是对所有 GPU 型号的比较。
| 测试项目 | 评分 /10 | 评分原因 |
| 定价与套餐 | 8.1 | GPU 租用按小时计费且配置灵活,但持续计费、额度不予退款以及无法暂停限制了性价比。 |
| 功能 | 8.8 | GPU 性能强大、显存充足,提供应用模板和监控工具,但没有内置备份或持久化存储。 |
| 性能 | 8.8 | BF16 结果出色,Qwen 推理速度快,SDXL 图像生成耗时不到一秒,不过持续负载尚未经过测试。 |
| 易用性 | 8.0 | 部署迅速且管理简单明了,但 GPU 库存限制和初次 SSH 连接问题令人沮丧。 |
| 支持水平 | 7.8 | AI 回复迅速而详尽,文档也很实用,但联系人工支持并解决连接问题耗费了一些时间。 |
| 总体 | 8.3 | GPU 性能令人印象深刻,部署也很容易上手,但计费限制、恢复选项有限以及支持方面的不便拉低了整体表现。 |

Hostinger GPU Hosting 采用按需租用模式,而非网站托管服务通常提供的固定月度订阅。您可以租用 GPU 资源来运行 AI 推理、模型开发、微调和图像生成等工作负载,费用则根据您选择的配置计算。
GPU 目录提供多种选项,从 RTX 4090 和 L40S 到 A100 和 NVIDIA B200,各自拥有不同的显存容量和计算能力。不过,库存情况可能会影响您的选择。我最初想测试的 RTX 4090 在 hPanel 中无库存,尽管它显示在 Hostinger 的公开价格页面上。
Hostinger 提供标准 B200 实例和 Dedicated B200 实例,后者的费用更高。您还可以选择不同的 CPU、内存和存储容量。我的第一个配置包含 16 个 CPU 核心、32 GB 内存和 300 GB 存储,我选择该配置是为了支持 AI 基准测试,而不是依赖可用的最小配置。
Hostinger 通过预付额度收取 GPU 使用费用。不过,在启动实例之前,我会考虑以下几项条件:
对于较长时间运行的 AI 任务,这些条件使成本规划尤为重要。您需要准备足够的额度来支付处理和设置时间,同时还要考虑延迟或连接失败等情况。
我使用已有的 Hostinger 账户测试了 GPU Hosting,账户中已经有可用额度,因此没有完成新的付款结账流程。新客户可以在配置实例后为账户余额充值。Hostinger 支持银行卡和 PayPal 等数字钱包,但可用的付款方式取决于客户所在的区域。
我也没有遇到单独的 GPU 免费试用。GPU 购买费用和 AI 额度不在 Hostinger 标准的 30 天主机退款保证范围内,因此我会在付款前确认最终配置和额度需求。
最大的优势是灵活性。您可以短期使用昂贵的 GPU 硬件来处理工作负载,而无需购买或维护自己的服务器。不过,宣传的每小时费率并不能说明全部情况。
我的体验也表明,资源预置和连接情况会影响定价。如果实例正在运行并消耗额度,那么排查服务器无法访问问题所花的时间仍可能计入您的费用。
我会在启动付费工作负载前,先在 hPanel 中查看最终的额度消耗速度,确认 GPU 库存情况,并准备好外部存储。对于经过周密规划的短期任务,租用模式很合理。对于时间较长或难以预测的工作负载,密切关注额度消耗至关重要。

只有在您能够访问硬件、可靠地运行工作负载并在合理时间内获得结果时,强大的 GPU 才有用。Hostinger 宣传其 NVIDIA B200 配备 192 GB 显存,但我想了解这在实际性能方面意味着什么。
我重点关注三个问题:
我首次部署 B200 时遇到了连接问题。hPanel 显示了一个我无法通过笔记本电脑访问的私有 IP 地址,而 Hostinger 承认仪表板中显示的 IP 地址存在问题。
为了将最初的问题与硬件性能区分开来,我启动了一个全新的 B200 实例,并使用新的端点成功通过 SSH 连接。我于 2026年10月26日完成了以下性能测试。
因此,以下结果来自一个正常运行的替代实例。早先的连接问题仍是我总体评估的一部分,但并未妨碍我评估 GPU 的性能。
我使用了一个 Ubuntu 24.04 B200 实例,分配了 16 核 CPU、32 GB 内存和约 300 GB 的预置存储,位于 Hostinger 的洛杉矶区域。我通过 Pop!_OS 笔记本电脑使用 SSH 连接,借助 nvidia-smi 检查硬件,并安装了支持 CUDA 的 PyTorch 环境。服务器报告的 NVIDIA 驱动程序版本为 595.91.07;PyTorch 2.11.0+cu128 识别出了 GPU,并支持 BF16 计算。
随后,我运行了三类工作负载:短时 BF16 矩阵乘法和 GPU 显存复制测试、Qwen2.5-7B-Instruct 语言模型推理,以及 Stable Diffusion XL 图像生成。我使用固定设置重复运行 AI 工作负载,并记录每次运行的时间,而不是只看单次最佳结果。最后,我查看了 hPanel 的 Metrics 页面,确认其中是否显示 GPU 活动。
这些测试提供了单个实例的实际表现概况。它们无法证明长期正常运行率、持续数小时负载下的性能,也不能说明在相同条件下 B200 与其他 GPU 主机相比表现如何。我也没有进行网络吞吐量测试或多用户推理基准测试。
第一个令人放心的结果是,Ubuntu 立即识别出了 NVIDIA B200。nvidia-smi 检测到一块 B200,并报告其 GPU 内存为 182,624 MiB;而 PyTorch 报告设备可用内存为 178.34 GiB。这些以二进制单位表示的数据大致符合宣传的 192 GB 显存,不过软件可读取的容量与销售页面上显示的数字并不完全相同。

从环境内部查看,操作系统还显示有 32 GiB 内存和 268 GiB 已挂载文件系统容量。处理器被识别为 AMD EPYC 9575F,不过 lscpu 显示有 224 个逻辑 CPU。我检查了容器的 CPU 控制设置,而没有把这个数字解读为套餐包含 224 个核心。
cgroup 限制为每 100,000 微秒周期 1,600,000 微秒,因此实例拥有 16 个 CPU 等效核心。这与我选择的 16 核配置相符。对于读者来说,这是一个重要区别,因为主机可见的 CPU 拓扑看起来可能比实际分配给托管工作负载的容量宽裕得多。
为了初步测量 B200 的原始计算能力,我通过 PyTorch 运行了 BF16 矩阵乘法。BF16 在这里很有用,因为它广泛用于 AI 模型计算,不过,小型合成矩阵基准测试不能替代运行完整模型。
重复 12 次后,较小的 4,096 平方矩阵根据 0.098 毫秒的中位操作时间,测得估算值为 1,402.7 TFLOP/s。8,192 平方矩阵测得估算值为 1,668.8 TFLOP/s,中位时间为 0.659 毫秒。这些是针对所测操作计算出的算术吞吐量估算值,并非经过独立验证的应用持续性能。
我还测量了 512 MiB 的 GPU 设备内存间复制。其耗时中位数约为 0.17 毫秒,相当于报告的有效载荷吞吐量为 3,137.1 GB/s。这项测试测量的是 GPU 显存内部的数据传输速度;它并不代表下载模型、读取服务器磁盘或通过互联网发送数据的速度。

整个基准测试脚本在 2.646 秒内运行完毕。我很高兴看到 PyTorch 能识别这张显卡并运行这些操作,且没有出现 CUDA 错误,但持续时间短也是一项局限。我们不能根据几毫秒的计算就断定,GPU 在长时间训练任务中也能保持相同的吞吐量或温度。
合成吞吐量令人鼓舞,但我想看看 B200 处理实际语言模型的表现。我通过 Hugging Face Transformers 使用 BF16 加载了 Qwen2.5-7B-Instruct,并让它解释 GPU 加速。测试使用一个提示词,最多生成 128 个词元,并在相同设置下重复三次。
在记录的运行中,获取并加载模型耗时 35.40 秒。随后,首次生成 128 个词元用了 23.094 秒,换算下来仅为每秒 5.54 个词元。这个结果起初看起来令人失望,但接下来的两次运行却呈现出不同的情况。
第二次运行在 1.005 秒内生成了 128 个词元,即每秒 127.30 个词元。第三次运行耗时 1.029 秒,即每秒 124.35 个词元。后两次运行的平均速度约为每秒 125.8 个词元,两次结果之间的差异也很小。

差距相当明显。这与一次性设置或延迟初始化影响首次生成的情况相符,但我没有查明确切原因。我不会隐瞒 23 秒的结果,也不会将后续运行的表现说成每个首次请求都能达到的水平。对于提供模型服务的人来说,首次响应延迟和重复请求时更快的响应都很重要。
PyTorch 报告的 GPU 显存分配峰值为 14.21 GiB。这仅占 B200 可用显存的一小部分,因此这项测试展示的是单个请求的可行推理,而不是托管实际需要接近 192 GB 显存的模型所带来的优势。我没有测试并发、批处理、更长的上下文窗口,也没有测试 vLLM 这类经过优化的推理服务器。
作为第二个实际应用,我使用 Stable Diffusion XL 生成了一张 1,024 × 1,024 的产品图像,画面是一只黑色腕表置于深色大理石上。我使用了 25 个推理步数、FP16 权重,并在三次运行中使用相同的提示词和随机种子。这样得到的是可重复的测量结果,而不是三张复杂程度各不相同、互不相关的图像。
SDXL 模型的获取和加载耗时 18.29 秒。生成第一张图像耗时 3.275 秒。第二张和第三张分别耗时 0.915 秒和 0.913 秒,稳态下平均每张图像耗时 0.914 秒。PyTorch 进程报告的 GPU 显存分配峰值为 11.49 GiB。

我还检查了导出的图像。3 个文件逐字节完全相同,这与固定种子的设置相符,也表明重复测试生成了相同的输出。乍看之下,手表、反光表面和光照效果都很逼真,不过仔细查看表盘时,可以发现生成式产品图像中常见的小瑕疵。这些艺术层面的不完美不应被误认为是 GPU 硬件错误。
这一结果尤其有用,因为它让我有了一个具体的评估任务:管线加载完成后,一张全尺寸 SDXL 图像不到 1 秒就生成了。不过,这是使用单个 SDXL 模型生成单张图像的测试,并非视频生成、大批量处理或所有可租用图像模型的基准测试。
在评测前面的部分中,Hostinger 的 Metrics 页面显示的曲线是平的,因为 GPU 处于空闲状态。运行基准测试后,我再次查看相同的 1 小时视图,发现两张图表中都有活动。计算吞吐量显示为 297 TFLOPs,显存图表则显示出明显上升,其中一个悬停点显示为 14.3 GB。

这有助于确认 hPanel 记录了工作负载,而不是继续显示为零的平线。这也使 Metrics 页面比刚部署后更有参考价值。1 小时、24 小时、7 天和 30 天这些选项都很容易找到。
我仍会避免将 hPanel 显示的 297 TFLOPs 与合成测试得出的 1,668.8 TFLOP/s 直接进行数值比较。测试期间并未确定仪表板的采样窗口和计算方法,而且其中的显存显示值与 PyTorch 的进程级显存分配峰值并不相同。这些图表有助于发现活动情况以及随时间发生的变化,但不能替代工作负载级计时或系统测量。
Hostinger 的第二个 B200 实例在三项差异很大的测试中都为我提供了可用的 GPU 加速。合成 BF16 结果显示短时计算速度很快;Qwen2.5-7B 在首次测得的响应异常缓慢后,达到了约 126 个词元每秒;Stable Diffusion XL 初始化后,生成 1,024 像素图像的耗时约为 0.91 秒。我还确认了 16 核 CPU 配额,并在 hPanel 中查看了活动情况。
这些结果令人满意,但我不会据此对所有 AI 工作负载作出保证。这些测试时间较短,且只在一个实例上进行,使用的模型与 B200 可用显存相比也相对较小。我没有测试持续训练、峰值并发、长期可用性或外部网络速度。此前的 SSH 端点问题仍然是一个独立的运维隐患,尽管替换后的服务器已成功连接。

我体验 Hostinger GPU Hosting 的方式与体验新的 GPU 租用服务相同:寻找合适的显卡,查看实际费用,启动实例,然后看看环境运行起来后是否易于管理。
我还想了解 GPU 服务如何融入 Hostinger 更大的 hPanel,因为让服务器上线只是整体体验的一半。
部署本身很快。购买流程则不那么容易预料。我在公开定价页面上选择的 GPU 在 hPanel 中无库存,而替换的 GPU 每小时费率高出许多。以下是从首次点击到管理工具的整个体验过程。
我从 Hostinger 网站开始,打开 Products > Hosting > GPU hosting。我很喜欢 GPU 托管有一个清晰标注的独立入口,与网站托管、VPS 托管和云托管并列。我不必打开通用 VPS 产品,也不必弄清楚是否可以将 GPU 硬件作为附加选项使用。

链接打开了 Hostinger 的 GPU Hosting 着陆页,该页面宣传按小时租用 NVIDIA GPU,用于 AI、渲染及其他计算密集型工作。主标题正下方有一个 Get started 按钮。点击后并未立即创建实例,也没有将我带到注册页面,而是将页面向下滚动到同一页面上的 GPU 定价部分。

这是个合理的起点。定价部分将可用的 GPU 型号分别列在卡片中,并标出了宣传的起始每小时费率、显存和推荐用途。在要求我配置服务器之前,我可以先比较硬件。公开页面显示的范围从 RTX 4090 延伸到价格更高的数据中心 GPU,其中包括 B200。

我最初选定了 NVIDIA RTX 4090。Hostinger 宣传其价格为每小时 $0.42 起,配备 24 GB 显存,并推荐用于开发、实验、图像和视频生成、3D 渲染以及较小模型的推理。
对于我计划进行的 AI 推理、图像生成和 GPU 性能检查而言,这似乎是个合理的起点。我不需要为了建立一个实用的基准,就租用最昂贵的显卡之一。

选择 RTX 4090 后,我点击了其卡片上的 Get GPU。这将我带到了 Hostinger 的账户注册页面。该页面提供通过 Google 或 GitHub 注册的选项,也有常见的电子邮件地址和密码字段。
电话号码字段标注为可选,另有一个独立复选框,用于选择是否通过 WhatsApp 和短信接收促销信息。

注册界面简单明了。更重要的是,选择 GPU 尚未让我承诺购买特定服务器。
创建账户或登录后,我进入了 hPanel 的 GPU 区域,在那里可以实际选择并启动硬件。面板显示剩余额度为 2,000。
面板显示剩余额度为 2,000,因为我已经拥有一个有可用额度的 Hostinger 账户。如果您是首次注册且没有现有剩余额度,那么在配置 GPU 实例后,您会遇到付款步骤;在完成购买之前,可以选择您偏好的付款方式。
hPanel 中的 GPU 页面简洁明了,便于浏览。列表上方,Hostinger 说明我可以直接从面板启动 GPU 实例;可选硬件则显示在可见的剩余额度下方。列表中共有 7 款型号,包括我选定的 RTX 4090,但大多数 Select 按钮都处于禁用状态。

我尝试选择 RTX 4090,却发现它的按钮呈灰色。将鼠标悬停在按钮上时,会显示“无库存”提示。在那次会话中,我也无法选择 RTX 5090、L40S、A100 或 RTX PRO 6000。我只能选择两个选项:NVIDIA B200 和 B200 (Dedicated)。

这是购买体验中最明显的阻碍。公开定价页面曾向我推荐每小时 $0.42 的 RTX 4090,但我实际上无法预置这款 GPU。
至少,Hostinger 在 hPanel 中明确说明了这一限制,而不是让我填写完配置后再在部署后失败。不过,这意味着我需要重新考虑测试硬件和预算。
我选择了标准版 NVIDIA B200,标价为每小时 $4.50 起,显存为 192 GB。更大的显存容量也让我能够在之后测试要求更高的 AI 工作负载。
另一种选择 B200 (Dedicated) 的起价为每小时 $7.08,而我并没有必须独享 GPU 访问权限的具体需求,因此没有理由支付这笔溢价。我点击了标准版 B200 上的 Select 以继续。
选择 B200 后,Hostinger 打开了“Deploy your GPU instance”页面。页面左侧列出 GPU 选项,右侧显示所选实例的配置。这种布局很实用:我可以查看 B200 和其他可选型号,同时不必忽略服务器设置或运行成本。

我将实例命名为 hostinger-gpu-review-b200。Hostinger 说明名称中的单词之间应使用连字符,因此表单本身就清楚地标明了命名规则。
下一个字段是区域,这揭示了第二个实际限制:下拉菜单中只有美国洛杉矶可选。在本次部署过程中,我没有其他位置可供选择。

实例规格选择器需要比我最初预想的更多关注。Hostinger 预先选择了一个配置:2 个核心、64 GB 内存、100 GB 存储,每小时消耗 506 额度。打开下拉菜单后,我看到了其他 CPU、内存和存储组合,其费率各不相同。选择并非简单递进,并不是 CPU 核心数越少,价格就一定越低;例如,4 核选项的标价为每小时 450 额度。

我选择了 X-Large 选项:16 个 CPU 核心、32 GB 内存和 300 GB 存储,每小时消耗 488 额度。这为服务器提供了更多 CPU 和磁盘容量,以便设置并运行测试,同时又不必升级到 32 核配置。
它的每小时费用也略低于预先选择的 2 核选项。需要注意的定价要点是,Hostinger 宣传的 B200 每小时 $4.50 是起步价。我实际选择的配置费率为每小时 488 额度,按照 Hostinger 定价卡所暗示的换算比例,相当于每小时约 $4.88。
接下来,我打开了“选择操作系统或应用程序”。除了 Ubuntu 24.04,Hostinger 还提供了 Ollama、JupyterLab、Unsloth 和 InvokeAI 的现成选项。这些选项可以为专注于特定 AI 应用的人节省设置时间。我选择了 Ubuntu 24.04,因为我想使用干净的操作系统,并自行控制后续测试所安装的工具。

Hostinger 还提供了一个可选的 SSH 密钥字段。首次部署时,我没有使用该字段,而是在结账时没有添加密钥。之后,面板显示了基于密码的连接详情,因此没有密钥并不意味着我无法使用其宣传的登录方式。不过,对于需要长期运行的服务器,我更倾向于使用基于密钥的 SSH 访问。
点击 Deploy 之前,摘要显示了所选的 B200、X-Large 配置,以及每小时 488 额度的费率,并列出了我的 2,000 额度余额。
Hostinger 估算,这笔余额可支持约四小时的持续使用。我喜欢这个估算显示在部署按钮正上方:与只标注“起价 $4.50/小时”的价格卡相比,它让持续产生的费用更加一目了然。

我点击了 Deploy。随后,Hostinger 显示了“正在设置您的 GPU”屏幕,并表示在资源预置期间我可以离开此页面。在此阶段,无需额外手动设置基础设施。

大约两分钟后,成功页面显示“一切就绪!”,并表示 GPU 实例已启动并运行。页面将 hostinger-gpu-review-b200 标识为一台配备 192 GB 显存、采用 X-Large 规格的 B200。下一步操作清楚地显示为 Manage,让人一目了然地知道资源预置完成后该去哪里。

我在此确认页面点击了 Manage,以查看部署后会用到的控制选项。这种直接交接很贴心:无需返回常规 hPanel 首页,再搜索我的新服务器。
点击 Manage 后,我进入了专门的 GPU 管理区域,而不是普通的网站托管控制面板。左侧菜单只有三个条目:概览、Metrics 和 Exposed services。在经历了范围广泛的产品选择页面后,我很喜欢这个简洁的导航。
概览页面立即解答了租用昂贵硬件后我会关心的问题:它正在运行吗?我获得了哪种 GPU 和哪些资源?额度消耗速度是多少?我该如何连接?实例卡片将 hostinger-gpu-review-b200 标记为正在运行,并确认配备 NVIDIA B200、192 GB 显存、16 个 CPU 核心、32 GB 内存、300 GB 磁盘,运行 Ubuntu 24.04,位置在洛杉矶。

实例卡片上直接显示了两个控制选项:重启和销毁。它们清晰可见很有用,因为按小时付费时,您需要知道如何管理实例生命周期。我在这部分测试中没有执行任何一个操作,因此我评估的是这些控制选项是否易于找到,并非声称已验证其运行情况。
在服务器卡片上方,Hostinger 显示了计算吞吐量、显存使用量和额度支出。由于我当时还没有运行 GPU 工作负载,最初的截图显示吞吐量为 0 TFLOPs,平均显存使用量为 0 GB。
额度摘要显示,总共使用了 488 个额度,每小时额度消耗速度为 488 个额度,剩余额度为 1,512 个额度。这种透明度令人欣慰,尤其是考虑到付费 GPU 的使用费用可能会迅速累积。
连接面板将公网 IPv4 地址、可复制的 SSH 命令和密码放在同一个版块中。SSH 命令包含 Ubuntu 用户名和非默认 SSH 端口;密码字段则提供显示和复制控件。
Hostinger 还提醒,通过 SSH 更改的密码将不再与 hPanel 中存储的密码一致。因此,我无需搜索文档就能找到连接信息,不过,仅凭截图无法证明我已成功通过 SSH 登录。
查看概览后,我打开了 Metrics。Hostinger 提供了 1 小时、24 小时、7 天和 30 天的时间筛选选项。页面以图表显示计算吞吐量(TFLOPs)和显存使用量(GB)。图表简洁易读,没有无关的系统图表分散注意力。

截取图表时,两张图都显示为零。在运行 AI 任务之前,这种情况是意料之中的,因此我不会将这些读数视为 GPU 性能的证据,也不会据此认定监控系统存在缺陷。
之后才是有意义的测试:启动实际工作负载,在用量变化时查看图表,并将其与 Ubuntu 内部的测量结果进行比较。
随后,我打开了 Exposed services,这是用于让互联网上的用户访问 GPU 服务器上运行的应用程序的版块。由于我尚未创建服务,页面显示为空状态,并提供了一个“添加服务”按钮。Hostinger 还附有警告,指出除非应用程序设有自己的登录功能,否则发布的任何内容都将对所有知道该地址的人开放。

我很赞赏这条警告。GPU 工作负载通常涉及交互式笔记本、推理 API 和其他并非旨在公开访问的开发界面。入口很容易找到,但我尚未在此添加或测试公共服务,因此仅凭这些截图,我无法评估该工作流程的其余部分或安全选项。
只有在检查完 GPU 专属页面后,我才返回 hPanel Home。这让我从另一个角度审视易用性:如果我之后再次登录,而不是通过部署后出现的 Manage 按钮进入,我会在哪里找到 GPU 实例?
我的 Home 页面打开后,首先映入眼帘的是醒目的 AI 助手提示,以及一个内容繁多的 Your business 区域,其中列出了现有网站。
每个网站都有一个 Manage site 操作,且有几项显示了有关临时域名的提醒。再往下,我可以看到一张 VPS 表格,其中列出了 IP 地址、运行状态、到期日期和管理按钮。左侧导航汇集了网站、域名、电子邮件、更多服务、网站构建器、AI 智能体、营销工具和开发者服务。

这种一体化布局有其优点。产品分组标注明确,现有 Hostinger 客户可以通过一个账户使用多种类型的托管服务。不过,就我而言,与网站相关的内容太多,让页面显得有些杂乱。
在 Home 页面可见的内容中,我的新 GPU 并没有网站和 VPS 条目那么醒目。进入 GPU 专属页面后,我发现其 Overview、Metrics 和 Exposed services 导航更加聚焦。
网站列表异常冗长,反映的是我账户中原有的内容;没有其他服务的新客户看到的页面可能不会这么拥挤。不过,这一区别对读者而言很重要:部署 GPU 是一个简短、专注的过程,而更全面的 hPanel 控制面板则试图同时服务于所有 Hostinger 产品。
Hostinger GPU Hosting 易用性最出色的部分,是找到有库存的 GPU 之后的体验。配置页面展示了可选项及其费用,Ubuntu 和 AI 应用镜像很容易找到,部署约两分钟便完成,而 Manage 按钮则直接将我带入简洁的实例控制面板。
我无需费力摸索复杂的云控制台,就能找到 GPU 规格、额度消耗速度、SSH 信息和主要管理控件。
不过,在部署之前,不应因为操作方便而忽视其中的限制。我在公开页面上选择了 RTX 4090,但进入 hPanel 后却无法租用;大多数列出的 GPU 都无库存,而且在我的会话中,洛杉矶是唯一可选的部署区域。B200 的价格远高于我原本打算租用的 RTX 4090,而 X-Large 配置的费率也高于宣传中的 B200 起始费率。常规的 hPanel Home 视图看起来也比 GPU 专用页面更繁杂。

Hostinger 通过其控制面板聊天提供全天候在线支持,也可通过 WhatsApp 和电子邮件 support@hostinger.com 联系支持团队。与一些托管服务提供商不同,它不提供电话支持。
目前,主要的支持体验围绕 Hostinger Agent 展开。这是一款 AI 助手,可以回答问题、排查故障、检索文档并执行某些账户管理操作。需要更多帮助时,Hostinger 还提供 Customer Success Specialists 支持。
在撰写这篇评测时,我针对自己的 NVIDIA B200 GPU 实例遇到的一个实际问题测试了在线聊天。我想了解自己能多快获得准确的技术指导,更重要的是,在我提出请求时,直接联系人工支持人员是否方便。
我还查看了 Hostinger 的知识库,以评估其 GPU 文档的质量,并了解客户能否在不联系支持团队的情况下自行解决常见问题。
我点击 hPanel 顶部的 Agent 按钮,打开了在线聊天。聊天窗口与 GPU 管理页面并排显示,因此我可以在与支持团队交流的同时,查看正在运行的 B200 实例及其额度消耗。

Hostinger Agent 是 Kodee 的继任者。Kodee 是 Hostinger 之前的 AI 支持助手。Hostinger 将 Kodee 与其更广泛的一系列专业 AI 工具整合为一个统一的助手。根据 Hostinger 的介绍,该助手可以解释技术问题、提供故障排除说明、推荐相关文档,并在客户账户上执行受支持的操作。
不过,我的测试侧重于技术建议和转接人工支持,而不是让它更改账户。
我询问了一个关于 GPU 计费和数据保留的实际问题。由于 Hostinger 按小时收取 GPU 实例费用,我想知道在 AI 工作负载之间暂停服务器,是否会导致我已安装的应用程序、模型和文件丢失。我还询问了重启是否会停止计费,以及如果必须销毁实例,我应该如何保留环境。
智能体在不到 30 秒内作出了回应。
它的回答解决了所有三个问题。它解释说,重启只会重新启动服务器,并不会停止计费。Hostinger 目前不提供暂停或停止功能,无法让客户在不产生费用的情况下保留 GPU 实例。销毁实例会停止计费,但会永久删除其中的本地数据。
回答还进一步说明了我可以如何保留工作环境。它建议将模型和数据集转移到外部存储,导出 Python 或 Conda 依赖项,记录 CUDA 和 PyTorch 版本,并保存配置文件和部署脚本。

我很喜欢回答的详细程度。助手没有只说 GPU 实例无法暂停,而是说明了我在销毁服务器之前应该做些什么。它提供的指导也与 Hostinger 官方的 GPU 计费文档一致,让我能够核实说明的准确性。
不过,回答技术问题只是我支持测试的第一部分。接下来,我想直接与人工专员交谈。
17:23,我请 Hostinger Agent 帮我联系一位人工客户支持代表,以确认 GPU 计费和数据保留方面的细节。它没有安排转接,而是重复了相关政策,并鼓励我继续使用 AI 支持,解释说这样会更快。
17:24,我再次明确提出了请求。这一次,我说明自己已经了解相关政策,不需要再听一次 AI 解释。我明确表示想要一位人工代表,并愿意等待。
17:25,助手再次总结了计费规则,然后提供了两个选项:Wait for a human review 和继续使用 Hostinger Agent。

我选择了人工审核选项,并确认希望继续与真人沟通。随后,Hostinger 显示了一条正在审核的消息、一个倒计时,以及一个可供我向专员提供补充信息的字段。

17:31,也就是请求进入审核流程约六分钟后,我收到了与一位名叫 Amber 的专员相关联的回复。界面显示“回复已由 Amber 审核。”
Amber 的消息请我提供 GPU 实例名称、希望确认的计费或数据保留事项,以及任何相关错误或屏幕截图。

我提供了实例名称 hostinger-gpu-review-b200,并请对三个重要事项予以确认:没有暂停功能、销毁后数据会被永久删除,以及是否提供快照、备份或持久化存储。
我还询问了支持流程本身的问题。由于界面显示回复已由 Amber 审核,我想知道自己现在是否在直接与她交谈,还是仍在与 AI 互动。
17:33,我收到了另一条详细回复。回复确认,GPU 实例即使处于空闲状态仍会持续消耗额度,销毁后其本地数据会被永久删除,而且 Hostinger 目前不提供 GPU 快照、自动备份或持久化存储。
回复还说明,剩余额度一旦归零,实例就会立即销毁,没有宽限期。建议的替代方案是使用 scp 或 rsync 等工具,将环境导出到单独的 VPS、云存储或本地计算机。
但回复中最能说明问题的部分与人工支持有关。Hostinger 明确确认,我仍在与 Hostinger Agent 这位 AI 助手交流。人工专员在监督或审核这段对话,但我并没有被转接到与真人一对一聊天。

这一区别很重要。我特意要求与人工客服代表交流,而不是再看一条自动生成的说明。尽管系统安排了人工监督,并给出了完整的技术答复,但它并未提供我所要求的直接人工交流。
从 17:22 的第一个问题到 17:33 的最终澄清,整个支持交流大约花了 11 分钟。最初的 AI 答复不到 30 秒就送达,而我请求升级后大约六分钟,人工审核才显示出来。
在测试实时聊天后,我转而查看 Hostinger 的在线帮助中心 ,以了解 GPU 客户在不联系支持人员的情况下能否轻松找到答案。
首页简洁、井然有序,醒目的搜索栏下方按类别整理了文档,例如入门指南、Hostinger 控制面板、VPS、账单和 SSL 证书。不过,我在显示的选项中没有找到专门的 GPU 类别。

我在搜索栏中输入“gpu”,Hostinger 返回了 10 条结果。其中 8 条专门介绍 GPU hosting,涵盖硬件选择、应用模板、部署、实例管理、账单、公开服务、安全以及与 VPS 托管的比较。另外两条介绍了 Hostinger 的退款政策和控制面板。

我很喜欢搜索功能立即显示了相关的 GPU 文档,即使首页没有专门的类别。更重要的是,这些文章涵盖了实际问题,例如每小时额度消耗、实例销毁后的数据丢失,以及如何保护可公开访问的应用程序。
接下来,我查看了各篇指南,了解它们对这些问题的说明是否清晰,以及其中的说明与我的实际操作体验是否一致。
我查阅了 Hostinger 关于 GPU 设置 和 实例管理的指南。这些指南涵盖硬件选择、区域、软件模板、部署、监控和公开服务。
这些说明与我在 hPanel 中的体验高度吻合。我也很赞赏 Hostinger 承认不同区域的 GPU 库存情况存在限制;我遇到过 RTX 4090 无库存、而洛杉矶是我唯一可选部署区域的情况。
这份 GPU 计费指南 尤其有用,因为它解答了我在在线聊天期间提出的同样问题。
指南确认,即使实例处于空闲状态,计费也会继续;重启不会停止收费;销毁实例则会永久删除本地数据。
更重要的是,Hostinger 提醒用户,系统不会自动为额度充值,也不会在余额较低时发送通知。额度耗尽会导致实例立即销毁。

对于运行无人值守 AI 工作负载的用户来说,这些都是至关重要的细节,我很喜欢 Hostinger 对它们作出了清晰说明。
Hostinger 的 服务暴露指南 介绍了公共访问、端口配置和受支持的协议。指南还澄清,选择 HTTPS 并不会自动配置 TLS 加密。
配套的安全指南涵盖了应用身份验证和防火墙保护。不过,我希望指南能更明确地警告用户,在启用限制性防火墙规则之前,应确保 SSH 访问仍然可用。

Hostinger 提供了出色的 AI 辅助支持体验,但其人工升级流程仍有改进空间。
Hostinger Agent 不到 30 秒就回答了我的 GPU 问题,解释了计费影响,并建议了保护我的环境的实用措施。它提供的指导内容详尽,并且与官方文档一致。
大约六分钟后,可以获得人工审核,最终回复也解答了我提出的其他问题。不过,我不得不反复要求升级处理,而且整个对话仍由 AI 主导,并没有转为与专业人员直接进行在线聊天。
知识库也是一项优点。其中 8 篇专门介绍 GPU 的文章,清楚地说明了部署、管理、计费、服务公开和安全方面的内容。计费文档尤其有助于了解持续消耗额度和永久丢失数据的风险。

推荐,适合需要强大 GPU 算力但不想购买硬件的开发者和 AI 团队。我的 B200 在预热后运行 Qwen 推理的速度约为每秒 126 词元,生成 SDXL 图像则约需 0.91 秒。
获得可用的 SSH 端点后,部署过程很快。不过,第一台服务器的 IP 地址显示问题、硬件库存情况的变化、不可退款的额度,以及无法暂停或没有内置备份功能,都带来了不容忽视的风险。
| 方案名称 | 中央处理器 | 内存(RAM) | 带宽 | 价格 | |
|---|---|---|---|---|---|
| Free Trial | - | 无限 | ¥0 | 详情 | |
| Game Panel 2 | 2 核心 | 8 GB | 8 TB | ¥57 | 详情 |
| Game Panel 4 | 4 核心 | 16 GB | 16 TB | ¥84 | 详情 |
| Game Panel 8 | 8 核心 | 32 GB | 32 TB | ¥169 | 详情 |
| Description | Expert Review |
|---|---|
| 价格实惠的托管服务,具有高性能和简便的管理工具。 | Read Shared Hosting Review |
| 快速且安全的 WordPress 托管,提供一键安装和高级功能。 | Read Wordpress Hosting Review |
| 具有专用资源和 root 访问权限的可扩展 VPS 托管. | Read VPS Review |
| 快速、灵活的云托管,拥有出色的正常运行时间和可扩展的资源�... | Read Cloud Hosting Review |
| 具有海外数据中心的安全私密托管解决方案。 | Read Offshore Hosting Review |
| 具有专业级功能的安全可靠电子邮件托管服务。 | Read Email Hosting Review |
| 为开发者提供灵活环境的可靠 Python 托管服务。 | Read Python Hosting Review |
| 高性能 PHP 托管,全面支持动态网站和应用程序。 | Read PHP Hosting Review |
| 可靠的 Windows VPS 托管,提供完全控制和自定义选项。 | Read Windows VPS Review |
| 为 Node.js 应用量身定制的快速灵活托管,带来最佳性能。 | Read Nodejs Hosting Review |
| 针对 WooCommerce 商店的优化托管,提供高速和安全集成。 | Read Woocommerce Hosting Review |
| 专用服务器托管,带来无缝的Minecraft游戏体验。 | Read Minecraft Server Hosting Review |
| 面向数字化代理机构和开发者的具有高级功能的可扩展托管解决�... | Read Agency Hosting Review |
| 为 Magento 电子商务网站优化的快速、安全托管. | Read Magento Hosting Review |
| 基于 Linux 的高性能托管,用于网站的稳定和安全运行。 | Read Linux Hosting Review |
| 为动态Web应用和项目提供稳健的Java托管解决方案。 | Read Java Hosting Review |
| 适用于电子商务网站的优化托管,提供安全、快速且可靠的性能�... | Read Ecommerce Hosting Review |
| 可靠的 Django 托管,具有快速速度和安全的环境。 | Read Django Hosting Review |
| 易于使用的 cPanel 托管,具有强大性能和可靠支持。 | Read Cpanel Hosting Review |
| 为企业提供强大的托管服务,具有高速、安全性和可扩展性。 | 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 |
| 专用 SMTP 服务器托管,实现可靠且安全的电子邮件传递。 | Read SMTP Server Review |
| 为 Ruby on Rails Web 应用量身定制的快速且优化的托管服务。 | Read Ruby on Rails Review |
| 适用于构建和管理抓娃娃机游戏的功能丰富的托管服务,集成 Ope... | Read OpenClaw Review |
| 快速且可靠的托管服务,配备英国本地服务器,提供最佳本地性�... | Read UK Hosting Review |
| 价格实惠且可靠的主机,配备印度本地服务器,低延迟访问。 | 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 |
是的。我的 NVIDIA B200 成功运行了 Qwen2.5-7B 推理和 Stable Diffusion XL 图像生成。结果因模型、框架和实例大小而异。
Hostinger 宣称有 192 GB 的 VRAM。我的 B200 通过 PyTorch 报告为 178.34 GiB,这与十进制和二进制内存单位之间的差异一致。
No. GPU 额度在实例空闲或重启时仍会继续消耗。销毁实例会停止使用费用,但会永久移除其本地数据。
我在结账时没有看到单独的 GPU 试用。Hostinger 不将 GPU 购买和 AI 点数纳入其标准的 30 天退款保证。
是的。SSH 在我的替换 B200 实例上可以正常工作,不过第一次部署时显示的是私有 IP,而不是可用的公共 SSH 终端节点。

HostAdvice.com在完全独立于任何实体机构的情况下提供了专业的网络主机评价服务。我们的评论不偏袒、诚实而且对所有的评论都以相同的审查标准进行。
我们的收入是从我们从评论的公司那里收取得来的。但相关的服务及产品的补贴并不影响我们评论的方向及结论,也不会影响我们对特定主机公司的排名。
所收取的补偿金包括:账户采购成本、测试成本和支付的相关版税等。






