Costo Mensual de Alquiler H100 GPU 2026: Guía de Precios Reales
Alquiler mensual H100 SXM5 2026: desde $1,070 (Vast.ai spot, 720h) hasta $8,855 (AWS p5 on-demand). Cálculo hora-a-mes completo en 12 proveedores.
Una GPU H100 se alquila entre $1,070 y $8,855 por mes en 2026 — un spread 8× para el mismo hardware. Las opciones más baratas son clouds GPU especializados (RunPod, Vast.ai, Lambda Labs, Hyperbolic); las más caras son hyperscalers (AWS, GCP, Azure). Esta guía muestra el cálculo mensual para 12 proveedores y explica cuándo gana cada uno. Para cálculo hora-a-mes en tiempo real, usa nuestro GPU Pricing Calculator.
Para decisiones de alquiler mensual H100, la elección rara vez se reduce solo al precio horario. Se reduce a: ¿necesitas el ecosistema hyperscaler (VPC, IAM, certificaciones de compliance) o solo horas H100 puras?
¿Cuánto cuesta realmente un H100 al mes en 2026?
Cálculo de costo mensual (730 horas = 24h × 30.4 días, el mes billing cloud estándar):
| Proveedor | $/hora | $/mes | Notas |
|---|---|---|---|
| Vast.ai (spot) | $1.80 | $1,314 | Precio mediano spot 24h |
| Hyperbolic | $1.49 | $1,088 | Estilo spot; confiabilidad community |
| RunPod Community (spot) | $1.65 | $1,205 | 50%+ uptime, riesgo eviction |
| RunPod Community (on-demand) | $2.39 | $1,745 | On-demand tier community |
| Vast.ai (on-demand) | $2.40 | $1,752 | Mediano 24h |
| RunPod Secure | $2.99 | $2,183 | Mejor ratio precio-confiabilidad |
| Lambda Labs | $2.99 | $2,183 | On-demand puro |
| CoreWeave | $3.30 | $2,409 | Enterprise; a menudo solo contrato |
| Paperspace | $5.95 | $4,344 | Premium UI consumer |
| GCP A3 (us-central1) | $11.06 | $8,074 | Per-GPU desde nodo 8-GPU |
| AWS p5 (us-east-1) | $12.29 | $8,972 | Per-GPU desde p5.48xlarge |
| Azure ND-H100-v5 | $12.96 | $9,461 | Per-GPU |
El spread 8.7× entre Vast.ai spot ($1,314) y Azure on-demand ($9,461) es real. Los hyperscalers cobran 4-7× de prima por el mismo silicio H100 porque bundlean networking enterprise, IAM, compliance, y redundancia regional que los clouds especializados no tienen.
¿Cuándo vale la pena el precio H100 hyperscaler?
Tres escenarios donde debes pagar la prima AWS/GCP/Azure:
1. Residencia de datos y compliance
Si tus datos de training están en S3 con restricciones regulatorias (HIPAA, FedRAMP, GDPR con residencia EU estricta), correr compute en otro cloud incurre egress cross-cloud y potencialmente viola compliance. El alquiler GPU hyperscaler mantiene todo dentro del envelope de compliance existente.
2. Requisitos de VPC enterprise
Workloads de producción dentro de VPCs privadas con políticas de networking estrictas a menudo no pueden conectarse a clouds GPU especializados vía internet público. La integración hyperscaler a veces es el único camino.
3. Descuentos committed-use existentes
Si tienes AWS Enterprise Discount Program (EDP) o commits GCP CUD, tu tarifa efectiva H100 puede ya estar descontada 30-50%. RunPod o Vast.ai pueden no ser realmente más baratos después de contar ahorros committed.
Para todo lo demás — research, fine-tuning, batch inference, experimentos de startup — los clouds GPU especializados ganan decisivamente en costo.
Spot vs on-demand para uso mensual H100
Matemática de precio spot para AWS p5 en 30 días:
On-demand: 730 × $12.29 = $8,972
Spot (50% off): 730 × $6.40 = $4,672
Ahorro: $4,300/mes
Pero ajustando por riesgo eviction:
- AWS Spot evicts cada 1-3 días mediana
- Cada eviction = tiempo recovery checkpoint, ~5-10 min perdidos
- Net uptime efectivo: ~85-95% del anunciado
- Costo real ajustado: $4,672 / 0.90 = $5,191/mes
Incluso ajustado por overhead eviction, spot ahorra $3,800/mes en AWS. La matemática funciona para cualquier workload que checkpoint correctamente (training, batch inference). Para serving HTTP real-time, spot es demasiado volátil.
En clouds especializados (RunPod, Vast.ai), el precio on-demand ya es tan bajo que ahorros spot son modestos en términos absolutos — quizás $500-1000/mes adicional.
¿Debería reservar por 1 año?
Precio AWS p5 Reserved Instance standard 1 año:
On-demand: 730 × $12.29 = $8,972/mes
Reserved (1 año, partial upfront): 730 × $7.50 = $5,475/mes
Reserved (1 año, all upfront): efectivo $5,000/mes
Reserved llega break-even en:
Utilización > 70% sostenida durante el año
Si genuinamente corres un H100 24/7 por 12 meses, la reserva ahorra $40-50k/año por GPU. Si lo corres esporádicamente (research, batch jobs), la reserva strand capacidad y efectivamente cuesta más que on-demand. La mayoría de equipos over-commit reservas — calcula utilización antes de firmar.
GCP Committed Use Discounts (CUDs) funcionan similar. Azure Reserved VM Instances (RIs) matemática de descuento similar pero con cancelación más flexible.
¿Qué costos ocultos comen la factura mensual H100?
Cinco line items que compound la tarifa listada:
1. Storage
Instancias H100 típicamente incluyen 1-2TB NVMe local + montarás 100GB-1TB storage persistente. EBS gp3 en AWS: ~$0.08/GB-mes. Un volumen 1TB attached: $80/mes. Snapshots y backups suman otro 20-50%.
2. Egress bandwidth
Cross-AZ: $0.01/GB. Cross-region: $0.02-0.04/GB. Egress a internet: $0.09/GB. Para workloads inference que streamean outputs a usuarios, egress puede sumar cientos al mes. Self-hosted Llama servicio 100M output tokens/mes genera ~50GB egress a $0.09 = $4.50 — trivial. Workloads audio/video gen pueden chocar fácilmente $1000+ egress.
3. Networking entre nodos
Para training multi-GPU que requiere NVLink o InfiniBand entre nodos, hyperscalers cobran surcharges networking premium. Instancias AWS EFA-enabled son 10-15% más caras. Clouds especializados usualmente incluyen networking high-bandwidth en tarifa listada.
4. Tiempo idle
El H100 más caro es el corriendo sin tráfico. Un workflow research típico usa GPU 8-10 horas/día, idle 14-16 horas. Sin auto-shutdown, pagas full on-demand por tiempo idle. Usa scheduled shutdowns, queue-based job execution, o spot pricing para evitar waste.
5. Storage de snapshot e imagen
AMIs personalizadas y container images para entornos ML son 10-50GB. Costos retention snapshot suman. Planea $50-200/mes para storage de imágenes en proyectos largos.
Para forecasting comprehensivo de costos que captura esto, usa nuestro GPU Pricing Calculator. Para modelado combinado GPU + inference + storage, ve Agent Dev Cost Calculator.
¿Cuál es el alquiler H100 mensual más barato y confiable?
Por tipo de workload:
Para inference sostenida (24/7, usuarios reales)
Ganador: RunPod Secure Cloud a $2,183/mes. Confiabilidad datacenter-grade, sin riesgo eviction, uptime 99.5%+. La prima 30% sobre Community Cloud vale para serving HTTP de producción.
Para training runs (intermitentes, checkpointables)
Ganador: RunPod Community Spot a $1,205/mes. Tolerancia eviction es alta para training porque todos los frameworks modernos checkpoint frecuentemente. Vast.ai spot es ligeramente más barato pero menos consistente.
Para research / experimentación
Ganador: Vast.ai community a ~$1,300-1,752/mes. Opción más barata confiable para experimentos one-off. Usa spot para batch jobs, on-demand para trabajo Jupyter interactivo.
Para workloads enterprise en VPC
Ganador: AWS p5 Reserved a $5,475/mes. Paga la prima por integración ecosistema, obtén 40% off lista con commit 1 año. Negocia precio enterprise si gastas >$25k/mes total.
¿Cuál es el costo total real de correr un cluster H100?
Factura mensual realista 4× H100 para workload fine-tuning en RunPod Secure:
Alquiler GPU: 4 × $2,183 = $8,732
Storage (2TB persistent): $200
Egress (50GB/mes): $5
Container registry / model storage: $50
Monitoring (Grafana Cloud): $50
Total: ~$9,000/mes
Mismo workload en AWS p5 (instancia única, todas las 8 GPUs):
p5.48xlarge on-demand: $98.32/hora × 730 = $71,773
... espera, eso es la instancia 8-GPU completa
Per-GPU: $8,972
Para 4 GPUs capacidad equivalente: ~$35,890
Más EBS, egress, plan support, etc: ~$38,000/mes
El spread de costo 4× es la razón por la que la mayoría de startups AI en 2026 usan clouds GPU especializados, no hyperscalers.
¿Qué viene para precios H100 hasta finales de 2026?
Tres tendencias a observar:
- Normalización supply H200 — a medida que crece capacidad H200, precios spot H100 caerán otro 20-30% para Q4 2026.
- Desplazamiento B200 — B200 es 1.5-2× más rápido que H100 en potencia similar. Para workloads sostenidos, B200 reemplazará H100 como GPU default training/inference.
- Consolidación de proveedores — espera que 1-2 clouds GPU especializados sean adquiridos por hyperscalers. Dinámica de precios puede cambiar si RunPod o Lambda Labs es comprado.
Para tracking continuo de costos mensuales, nuestro GPU Pricing Calculator refresca precios el primero de cada mes. Para benchmarking throughput inference entre proveedores para decidir cost-per-token, ve Inference Benchmark.
El proveedor H100 correcto en 2026 depende totalmente de los requisitos de confiabilidad del workload. Paga el impuesto hyperscaler solo si genuinamente necesitas el ecosistema; sino los clouds especializados ahorran 60-80%.