Cheap GPUs

它能帮你做什么

我们还没有为它写通俗的介绍。下面是我们从注册中心读取到的事实。

• 连接方式: 在云端运行
• 传输方式: Streamable HTTP
• 分类: 搜索与 AI 记忆

安装

选择你使用的 AI 应用，然后复制设置。

你需要

• 在云端运行无需安装任何东西，通过互联网连接

你用的是哪个应用？

https://cheap-gpus.com/mcp

claude mcp add --transport http cheap-gpus https://cheap-gpus.com/mcp

{
  "mcpServers": {
    "cheap-gpus": {
      "url": "https://cheap-gpus.com/mcp"
    }
  }
}

{
  "servers": {
    "cheap-gpus": {
      "type": "http",
      "url": "https://cheap-gpus.com/mcp"
    }
  }
}

https://cheap-gpus.com/mcp

你的选择通过 Cookie 保存在这台设备上，无需账户。

这些设置是根据作者在注册中心的条目生成的。如果 README 的写法不同，请以 README 为准。

它能做什么

工具名称和描述与服务器在 2026年11月6日 报告的完全一致。这些内容由作者撰写，不是我们写的；我们以纯文本形式显示。

• list_gpu_families

  List every GPU family tracked on cheap-gpus.com, with VRAM, live cheapest on-demand price (USD per GPU-hour), and how many providers currently offer it.

• cheapest_gpu

  Cheapest current rental offers for one GPU family (e.g. "H100", "RTX 5090", "b200"), in USD per GPU-hour, cheapest first, one row per provider. pricing_type is "on_demand" (default; can't be interrupted) or "spot" (cheaper, the provider can reclaim the machine). limit: 1-10.

• gpu_price_history

  Daily price history for one GPU family: each day's median across providers of each provider's cheapest offer (USD per GPU-hour). days: 1-90.

• find_model

  Search the LLM catalog by name (e.g. "deepseek v3", "gpt-oss", "llama 70b"). Returns model slugs to pass to cheapest_model_route / gpus_needed_for_model, most widely offered first. limit: 1-10.

• cheapest_model_route

  Cheapest inference providers for one LLM (e.g. "deepseek-v3", "gpt-oss-120b"; use find_model if unsure of the name). Prices are USD per 1M tokens; estimated_cost_usd is for the given input/output token counts. One row per provider, cheapest first. limit: 1-10.

• gpu_price_forecast

  Market-implied future rental price for one GPU family (USD per GPU-hour), from prediction markets (Kalshi, Polymarket) and ICE futures, plus today's compute-index benchmarks and cheap-gpus.com's own current median price. Covers H100, H200, B200, A100 and RTX 5090.

• gpus_needed_for_model

  How many GPUs it takes to self-host an open-weight LLM at a given quantization, and the cheapest rental setups for it right now. quant is one of: fp16, bf16, fp8, mxfp8, int8, q6, fp6, q5, q4km, nvfp4, awq, mxfp4, gptq, int4, q3, q2, iq2, iq1. Estimates memory only (weights + 20%

基础检查i

我们检查的是任何人都能看到的信息；我们没有阅读代码。不适用的检查项不计入总数。 · 检查于 2026年11月6日

• ! 注意

  作者与仓库一致

  注册中心没有列出源代码仓库，因此无法将发布者（cheap-gpus.com）与代码对应起来

• … 尚未检查

  仍在维护

  我们还没有从 GitHub 读取这个仓库

• … 尚未检查

  有许可证

  我们还没有从 GitHub 读取这个仓库

• ✓ 通过

  端点有响应

  在 226 毫秒内响应（HTTP 200）

• – 不适用

  使用 OAuth 登录

  无需登录

• ✓ 通过

  工具描述中没有隐藏指令

  已读取 7 个工具描述，未发现针对 AI 的隐藏指令

与“搜索与 AI 记忆”中的其他服务器比较i

• 星标数多于此分类中其他 7231 个服务器的 0%
• 发布到注册中心的时间比此分类中其他 7231 个服务器的 92% 更新
• 基础检查结果等于或优于此分类中其他 7231 个服务器的 40%

与注册中心里这个分类中所有活跃的服务器比较。只有当发布者拥有该仓库时，星标数才计入。

替代选择

同一分类中其他作者的服务器，按星标数排序。

如何看卡片：★ GitHub 星标i三大支柱：评价 · 检查 · 使用情况i更新 = 最新版本发布到注册中心的时间i

作者的 README

仓库中没有找到 README