RunPodとは

RunPodは、AIモデルの学習・推論に特化したGPUクラウドプラットフォーム。H100、A100、B200、RTX Pro 6000など最新NVIDIA GPUを秒単位の従量課金でレンタルでき、ML研究者・スタートアップ・受託開発者が大規模ハイパースケーラー（AWS/GCP）より低コストでGPUワークロードを回せる。Serverless（リクエスト単位起動）とPod（常時稼働コンテナ）の2モードを用途で使い分け、推論APIから長期学習ジョブまで幅広くカバーする設計だ。

主要機能

オンデマンドGPU Podは、H100 SXM、A100、A40、L40S、RTX A6000などを秒単位課金で起動。デスクトップGPU版なら$0.34/h前後から確保でき、AWS p4d相当の1/3〜1/5の単価帯に収まる。

Serverless GPU推論は、リクエストごとに環境を自動起動・終了する仕組み。アイドル時間に課金されないため、トラフィックが不安定な推論APIで月額数千ドル単位のコスト削減につながる。

エグレスは完全無料。学習済みモデルや生成画像のダウンロードに追加料金が発生せず、100GBのモデル転送でAWSなら$9前後かかる帯域料金がゼロになる。

永続ストレージとテンプレートも特徴で、PyTorch、TensorFlow、Stable Diffusion、ComfyUIなどから1クリック起動。通常30〜60分かかる環境構築が5分以内に短縮される。

編集部の検証メモ

公開料金ベースでNVIDIA H100 SXMの単価（$2.99/h前後）をAWS p5（$98.32/h、8GPU構成）やGCP A3と比較すると、同等GPU単体換算で40〜60%安価な水準にある。差別化はエグレス無料・秒単位課金・Serverlessの3点で、特に推論バースト用途では従来のVM型クラウドより明確に有利だ。1日2時間×月20日の学習ワークロードを想定すると、AWS比で月額$200〜400のコスト削減が見込める。一方でSLA・サポート体制・ネットワーク帯域の安定性は大手クラウドに劣るため、本番系の金融・医療用途には向かない。Kaggle・研究プロジェクト・スタートアップMVPの推論基盤として最適なポジションだろう。

想定ユーザー

向いているのは、個人ML研究者、Kaggler、Stable Diffusion/LLMファインチューン勢、推論コストを圧縮したいAIスタートアップ。逆に、エンタープライズSLAや日本語サポート、専用線接続が必須な大企業の本番系ワークロードには不向きだ。