
Bisakah Hostinger membuat perangkat keras GPU kelas atas praktis untuk disewa? Saya menerapkan B200, mengatasi masalah koneksi, serta mengukur inferensi, pembuatan gambar, dan pemantauan di dunia nyata. Baca terus untuk mengetahui hasil, biaya, dan batasan yang penting sebelum Anda menyewa.

Saya memberi skor Hostinger GPU Hosting berdasarkan dua pengalaman penerapan, hasil uji kinerja B200 yang berfungsi, kontrol hPanel, dan percakapan saya dengan dukungan. Saya juga memeriksa ketentuan penagihan dan pengembalian dana yang dipublikasikan. Saya mengikuti metodologi penilaian hosting HostAdvice, tetapi ini merupakan gambaran satu B200 yang diuji, bukan studi ketersediaan layanan atau perbandingan setiap model GPU.
| Pengujian | Skor /10 | Alasan Skor Ini |
| Harga & Paket | 8.1 | Penyewaan GPU per jam dan konfigurasi yang fleksibel, tetapi penagihan berkelanjutan, kredit yang tidak dapat dikembalikan, dan ketiadaan opsi jeda membatasi nilainya. |
| Fitur | 8.8 | GPU bertenaga, VRAM berkapasitas besar, templat aplikasi, dan alat pemantauan, tetapi tidak ada pencadangan bawaan atau penyimpanan persisten. |
| Performa | 8.8 | Hasil BF16 yang luar biasa, inferensi Qwen yang cepat, dan pembuatan gambar SDXL dalam waktu kurang dari satu detik, meskipun beban kerja berkelanjutan belum diuji. |
| Kemudahan Penggunaan | 8.0 | Penerapan cepat dan pengelolaan sederhana, tetapi keterbatasan stok GPU dan masalah SSH awal menimbulkan frustrasi. |
| Tingkat Dukungan | 7.8 | Respons AI yang cepat dan terperinci serta dokumentasi yang bermanfaat, tetapi menghubungi dukungan manusia dan menyelesaikan masalah konektivitas memerlukan waktu. |
| Keseluruhan | 8.3 | Performa GPU yang mengesankan dan penerapan yang mudah diakses, diimbangi oleh batasan penagihan, opsi pemulihan yang terbatas, dan hambatan dalam memperoleh dukungan. |

Hostinger GPU Hosting menggunakan model penyewaan sesuai permintaan, bukan langganan bulanan tetap yang biasanya ditawarkan layanan hosting situs web. Anda menyewa sumber daya GPU untuk beban kerja seperti inferensi AI, pengembangan model, penyempurnaan model, dan pembuatan gambar, dengan biaya berdasarkan konfigurasi yang Anda pilih.
Katalog GPU mencakup pilihan mulai dari RTX 4090 dan L40S hingga A100 dan NVIDIA B200, yang masing-masing menawarkan kapasitas memori dan kemampuan komputasi yang berbeda. Namun, ketersediaan dapat memengaruhi pilihan Anda. RTX 4090 yang awalnya ingin saya uji stoknya habis di hPanel, meskipun tercantum di halaman harga publik Hostinger.
Hostinger menawarkan instans B200 standar dan Dedicated B200, dengan harga yang terakhir lebih tinggi. Anda juga dapat memilih alokasi CPU, RAM, dan penyimpanan yang berbeda. Konfigurasi pertama saya mencakup 16 inti CPU, RAM 32 GB, dan penyimpanan 300 GB, yang saya pilih untuk mendukung uji kinerja AI saya alih-alih mengandalkan konfigurasi terkecil yang tersedia.
Hostinger mengenakan biaya untuk penggunaan GPU melalui kredit prabayar. Namun, ada beberapa ketentuan yang akan saya pertimbangkan sebelum menjalankan instans:
Ketentuan ini membuat perencanaan biaya sangat penting, terutama untuk pekerjaan AI yang berlangsung lebih lama. Anda memerlukan kredit yang cukup untuk menutupi waktu pemrosesan dan penyiapan, sekaligus memperhitungkan keterlambatan atau kegagalan koneksi.
Saya menguji GPU Hosting menggunakan akun Hostinger yang sudah ada dengan kredit yang tersedia, sehingga saya tidak menyelesaikan proses pembayaran baru. Pelanggan baru dapat mengisi ulang saldo setelah mengonfigurasi instans. Hostinger mendukung kartu pembayaran dan dompet digital seperti PayPal, meskipun metode yang tersedia bergantung pada wilayah pelanggan.
Saya juga tidak menemukan uji coba gratis GPU terpisah. Pembelian GPU dan kredit AI tidak termasuk dalam jaminan pengembalian dana hosting standar Hostinger selama 30 hari, jadi saya akan memastikan konfigurasi akhir dan kebutuhan kredit sebelum melakukan pembayaran.
Keunggulan terbesarnya adalah fleksibilitas. Anda dapat mengakses perangkat keras GPU yang mahal untuk beban kerja jangka pendek tanpa membeli atau merawat server sendiri. Namun, tarif per jam yang diiklankan tidak menceritakan keseluruhan kisah.
Pengalaman saya juga menunjukkan alasan penyediaan dan konektivitas penting dalam menentukan harga. Waktu yang dihabiskan untuk mengatasi masalah server yang tidak dapat diakses tetap dapat menambah biaya jika instans berjalan dan menghabiskan kredit.
Saya akan memeriksa tarif pemakaian kredit akhir di hPanel, memastikan ketersediaan GPU, dan menyiapkan penyimpanan eksternal sebelum menjalankan beban kerja berbayar. Untuk pekerjaan singkat yang direncanakan dengan baik, model penyewaan ini masuk akal. Untuk beban kerja yang lebih lama atau tidak terduga, memantau pemakaian kredit sangat penting.

GPU yang bertenaga hanya berguna jika Anda dapat mengakses perangkat kerasnya, menjalankan beban kerja dengan andal, dan mendapatkan hasil dalam waktu yang wajar. Hostinger mengiklankan NVIDIA B200 dengan VRAM 192 GB, tetapi saya ingin melihat bagaimana hal itu diterjemahkan menjadi kinerja nyata.
Saya berfokus pada tiga pertanyaan:
Penerapan B200 pertama saya mengalami masalah konektivitas. hPanel menampilkan alamat IP privat yang tidak dapat saya jangkau dari laptop, dan Hostinger mengakui adanya masalah dengan alamat IP yang ditampilkan di dasbor.
Untuk memisahkan masalah awal tersebut dari kinerja perangkat keras, saya meluncurkan instans B200 baru dan berhasil terhubung melalui SSH menggunakan titik akses baru. Saya menyelesaikan pengujian kinerja berikut pada 26 Oktober 2026.
Oleh karena itu, hasil di bawah berasal dari instans pengganti yang berfungsi. Masalah konektivitas sebelumnya tetap menjadi bagian dari penilaian saya secara keseluruhan, tetapi masalah tersebut tidak menghalangi saya mengevaluasi kinerja GPU.
Saya menggunakan instans B200 Ubuntu 24.04 dengan alokasi CPU 16 inti, RAM 32 GB, dan penyimpanan yang disediakan sekitar 300 GB di wilayah Los Angeles milik Hostinger. Dari laptop Pop!_OS saya, saya terhubung melalui SSH, memeriksa perangkat keras menggunakan nvidia-smi, lalu memasang lingkungan PyTorch berkemampuan CUDA. Server melaporkan driver NVIDIA 595.91.07; PyTorch 2.11.0+cu128 mengenali GPU dan mendukung komputasi BF16.
Saya kemudian menjalankan tiga jenis beban kerja: pengujian singkat perkalian matriks BF16 dan penyalinan memori GPU, inferensi model bahasa Qwen2.5-7B-Instruct, serta pembuatan gambar Stable Diffusion XL. Saya mengulangi beban kerja AI dengan pengaturan tetap dan mencatat waktu setiap proses, alih-alih hanya mengandalkan satu hasil terbaik. Terakhir, saya memeriksa halaman Metrics di hPanel untuk melihat apakah aktivitas GPU ditampilkan di sana.
Pengujian ini memberikan gambaran praktis tentang satu instans. Pengujian ini tidak membuktikan ketersediaan jangka panjang, kinerja selama beban berkelanjutan selama beberapa jam, atau perbandingan B200 dengan penyedia GPU pesaing dalam kondisi yang sama. Saya juga tidak menjalankan pengujian kinerja laju jaringan atau inferensi multi-pengguna.
Hasil pertama yang meyakinkan adalah Ubuntu langsung mengenali NVIDIA B200. nvidia-smi mengidentifikasi satu B200 dengan memori GPU terlapor sebesar 182,624 MiB, sedangkan PyTorch melaporkan 178.34 GiB tersedia bagi perangkat. Angka dalam satuan biner tersebut secara umum sesuai dengan VRAM 192 GB yang diiklankan, meskipun jumlah yang dapat dibaca perangkat lunak tidak persis sama dengan angka yang ditampilkan di halaman penjualan.

Sistem operasi juga menunjukkan RAM 32 GiB dan kapasitas sistem berkas terpasang sebesar 268 GiB, sebagaimana terlihat dari dalam lingkungan tersebut. Prosesor teridentifikasi sebagai AMD EPYC 9575F, meskipun lscpu menampilkan 224 CPU logis. Saya memeriksa pengaturan pengendalian CPU pada kontainer alih-alih menafsirkan angka tersebut sebagai 224 inti yang disertakan dalam paket saya.
Batas cgroup adalah 1,600,000 mikrodetik per periode 100,000 mikrodetik, sehingga instans tersebut memiliki kapasitas setara 16 CPU. Ini sesuai dengan alokasi 16 inti yang saya pilih. Perbedaan ini penting bagi pembaca karena topologi CPU yang terlihat oleh host bisa tampak jauh lebih besar daripada kapasitas yang sebenarnya diberikan kepada beban kerja yang dihosting.
Untuk pengukuran awal kemampuan komputasi mentah B200, saya menjalankan perkalian matriks BF16 melalui PyTorch. BF16 berguna di sini karena banyak digunakan dalam komputasi model AI, meskipun uji kinerja matriks sintetis berskala kecil bukan pengganti menjalankan model secara lengkap.
Dengan 12 pengulangan, matriks 4,096 persegi yang lebih kecil menghasilkan perkiraan 1,402.7 TFLOP/s berdasarkan waktu operasi median 0.098 milidetik. Matriks 8,192 persegi menghasilkan perkiraan 1,668.8 TFLOP/s, dengan waktu median 0.659 milidetik. Ini adalah perkiraan laju komputasi aritmetika yang dihitung untuk operasi yang diuji, bukan kinerja aplikasi berkelanjutan yang diverifikasi secara independen.
Saya juga mengukur penyalinan memori antarperangkat GPU sebesar 512 MiB. Proses ini selesai dalam waktu median sekitar 0.17 milidetik, setara dengan laju transfer muatan yang dilaporkan sebesar 3,137.1 GB/s. Pengujian ini mengukur perpindahan data di dalam memori GPU; ini bukan kecepatan mengunduh model, membaca disk server, atau mengirim data melalui internet.

Seluruh skrip dasar selesai dalam 2.646 detik. Saya senang melihat PyTorch mengenali kartu tersebut dan menjalankan operasi ini tanpa kesalahan CUDA, tetapi durasi yang singkat juga menjadi batasan. Kita tidak dapat menyimpulkan dari komputasi selama beberapa milidetik bahwa GPU akan mempertahankan laju komputasi atau suhu yang sama selama pekerjaan pelatihan jangka panjang.
Laju komputasi sintetis cukup menjanjikan, tetapi saya ingin melihat kemampuan B200 menangani model bahasa sungguhan. Saya memuat Qwen2.5-7B-Instruct melalui Hugging Face Transformers dalam BF16 dan memintanya menjelaskan akselerasi GPU. Pengujian menggunakan satu perintah dan maksimum 128 token yang dihasilkan, diulang tiga kali dengan pengaturan yang sama.
Pengambilan dan pemuatan model memerlukan waktu 35.40 detik dalam pengujian yang tercatat. Respons 128 token pertama kemudian memerlukan waktu 23.094 detik, yang berarti hanya 5.54 token per detik. Awalnya hasil ini tampak mengecewakan, tetapi dua pengujian berikutnya menunjukkan hasil yang berbeda.
Pengujian kedua menyelesaikan 128 token dalam 1.005 detik, atau 127.30 token per detik. Pengujian ketiga memerlukan waktu 1.029 detik, atau 124.35 token per detik. Rata-rata kedua pengujian berikutnya sekitar 125.8 token per detik, dengan selisih yang sangat kecil di antara keduanya.

Selisihnya cukup signifikan. Hasil ini selaras dengan kemungkinan bahwa penyiapan sekali saja atau inisialisasi tertunda memengaruhi generasi pertama, tetapi saya tidak memastikan penyebab pastinya. Saya tidak akan menyembunyikan hasil 23 detik tersebut atau menyajikan hasil pengujian berikutnya seolah-olah setiap permintaan pertama akan mencapai kinerja yang sama. Bagi seseorang yang menyediakan model, latensi awal dan respons berulang yang lebih cepat sama-sama penting.
PyTorch melaporkan alokasi memori GPU puncak sebesar 14.21 GiB. Jumlah ini hanya sebagian kecil dari memori B200 yang tersedia, jadi pengujian ini menunjukkan inferensi satu permintaan yang dapat dijalankan, bukan manfaat meng-host model yang benar-benar memerlukan VRAM hampir 192 GB. Saya tidak menguji konkurensi, pemrosesan batch, jendela konteks yang lebih panjang, atau server inferensi yang dioptimalkan seperti vLLM.
Untuk aplikasi nyata kedua, saya menggunakan Stable Diffusion XL untuk membuat gambar produk berukuran 1,024 × 1,024 berupa jam tangan hitam yang terletak di atas marmer gelap. Saya menggunakan 25 langkah inferensi, bobot FP16, serta perintah dan nilai awal acak yang sama pada ketiga pengujian. Dengan demikian, saya memperoleh pengukuran yang dapat diulang, bukan tiga gambar yang tidak berkaitan dengan tingkat kerumitan berbeda.
Model SDXL memerlukan waktu 18.29 detik untuk diambil dan dimuat. Gambar pertama memerlukan waktu 3.275 detik. Gambar kedua dan ketiga masing-masing memerlukan waktu 0.915 dan 0.913 detik, sehingga rata-rata dalam kondisi stabil adalah 0.914 detik per gambar. Proses PyTorch melaporkan alokasi memori GPU puncak sebesar 11.49 GiB.

Saya juga memeriksa gambar yang diekspor. Ketiga berkas tersebut identik hingga ke byte, sesuai dengan konfigurasi nilai awal tetap dan menunjukkan bahwa pengujian berulang menghasilkan keluaran yang sama. Sekilas, jam tangan, permukaan reflektif, dan pencahayaannya tampak meyakinkan, meskipun pemeriksaan lebih dekat pada bagian pelat jam menunjukkan ketidakkonsistenan kecil yang umum ditemukan pada citra produk hasil generasi. Ketidaksempurnaan artistik tersebut tidak seharusnya disalahartikan sebagai kesalahan perangkat keras GPU.
Hasil ini sangat berguna karena memberi saya tugas konkret untuk dievaluasi: setelah alur kerja dimuat, gambar SDXL ukuran penuh muncul dalam waktu kurang dari satu detik. Namun, ini adalah pembuatan satu gambar menggunakan satu model SDXL, bukan uji kinerja pembuatan video, kumpulan besar, atau setiap model gambar yang tersedia untuk disewa.
Sebelumnya dalam ulasan ini, halaman Metrics Hostinger menampilkan garis datar karena GPU sedang tidak aktif. Setelah menjalankan uji kinerja, saya kembali ke tampilan 1 jam yang sama dan melihat aktivitas pada kedua grafik. Laju komputasi ditampilkan sebesar 297 TFLOPs, dan grafik VRAM menunjukkan peningkatan yang terlihat, termasuk titik saat diarahkan kursor sebesar 14.3 GB.

Ini menjadi konfirmasi yang berguna bahwa hPanel mencatat beban kerja tersebut, alih-alih terus menampilkan angka nol datar. Hal ini juga membuat halaman Metrics lebih informatif dibandingkan saat sesaat setelah penerapan. Opsi 1 jam, 24 jam, 7 hari, dan 30 hari mudah ditemukan.
Saya tetap menyarankan agar Anda menghindari perbandingan numerik langsung antara tampilan 297 TFLOPs di hPanel dan hasil sintetis 1,668.8 TFLOP/s. Rentang pengambilan sampel dan metode penghitungan dasbor belum dipastikan selama pengujian saya, dan tampilan VRAM-nya tidak identik dengan alokasi memori GPU puncak pada tingkat proses PyTorch. Grafik ini berguna untuk mendeteksi aktivitas dan perubahan dari waktu ke waktu; grafik tersebut bukan pengganti pengukuran waktu pada tingkat beban kerja atau pengukuran sistem.
Instans B200 kedua Hostinger memberi saya akselerasi GPU yang dapat digunakan dalam tiga pengujian yang sangat berbeda. Hasil sintetis BF16 menunjukkan perhitungan singkat yang cepat, Qwen2.5-7B mencapai sekitar 126 token per detik setelah respons pertama yang diukur berlangsung sangat lambat, dan Stable Diffusion XL menghasilkan gambar berukuran 1,024 piksel dalam sekitar 0.91 detik setelah diinisialisasi. Saya juga mengonfirmasi kuota CPU 16 inti dan melihat aktivitas muncul di hPanel.
Hasil tersebut positif, tetapi saya tidak akan mengubahnya menjadi janji untuk setiap beban kerja AI. Pengujiannya singkat dan dilakukan pada satu instans, dengan model yang relatif kecil dibandingkan dengan VRAM yang tersedia pada B200. Saya tidak menguji pelatihan berkelanjutan, konkurensi puncak, ketersediaan jangka panjang, ataupun kecepatan jaringan eksternal. Masalah titik akses SSH sebelumnya juga tetap menjadi masalah operasional tersendiri, meskipun server pengganti berhasil terhubung.

Saya mencoba Hostinger GPU Hosting dengan cara yang sama seperti saat mencoba penyewaan GPU baru: mencari kartu yang sesuai, memeriksa biaya sebenarnya, meluncurkan instans, lalu menilai kemudahan pengelolaan lingkungan setelah berjalan.
Saya juga ingin mengetahui bagaimana layanan GPU terintegrasi dengan hPanel Hostinger yang lebih luas, karena membuat server daring hanyalah separuh dari pengalaman.
Penerapannya sendiri berlangsung cepat. Proses pembeliannya kurang dapat diprediksi. GPU yang saya pilih di halaman harga publik tidak tersedia di hPanel, dan penggantinya memiliki tarif per jam yang jauh lebih tinggi. Berikut alur pengalaman saya, dari klik pertama hingga perangkat pengelolaan.
Saya memulai dari situs web Hostinger dan membuka Products > Hosting > GPU hosting. Saya menyukai kenyataan bahwa hosting GPU memiliki entri tersendiri dengan label yang jelas, berdampingan dengan hosting web, hosting VPS, dan hosting awan. Saya tidak perlu membuka produk VPS umum atau mencari tahu apakah perangkat keras GPU tersedia sebagai tambahan.

Tautan tersebut membuka halaman arahan Hostinger GPU Hosting, yang mengiklankan penyewaan GPU NVIDIA per jam untuk AI, rendering, dan pekerjaan lain yang membutuhkan komputasi intensif. Tombol Get started berada tepat di bawah judul utama. Mengekliknya tidak langsung membuat instans atau mengarahkan saya ke halaman pendaftaran; saya dibawa ke bagian harga GPU di halaman yang sama.

Itu merupakan titik awal yang masuk akal. Bagian harga menampilkan model GPU yang tersedia dalam kartu terpisah, beserta tarif per jam awal yang diiklankan, VRAM, dan penggunaan yang direkomendasikan. Saya dapat membandingkan perangkat keras sebelum diminta mengonfigurasi server. Rentang yang ditampilkan di halaman publik mencakup RTX 4090 hingga GPU pusat data yang lebih mahal, termasuk B200.

Awalnya, saya memilih NVIDIA RTX 4090. Hostinger mengiklankan harga mulai dari $0.42 per jam dengan VRAM 24 GB dan merekomendasikannya untuk pengembangan, eksperimen, pembuatan gambar dan video, rendering 3D, serta inferensi dengan model yang lebih kecil.
Pilihan itu tampaknya merupakan titik awal yang wajar untuk pemeriksaan inferensi AI, pembuatan gambar, dan kinerja GPU yang telah saya rencanakan. Saya tidak perlu menyewa salah satu kartu termahal hanya untuk menetapkan tolok ukur praktis.

Setelah memilih RTX 4090, saya mengeklik tombol Get GPU pada kartunya. Saya pun diarahkan ke halaman pendaftaran akun Hostinger. Halaman tersebut menyediakan pendaftaran melalui Google atau GitHub, serta kolom alamat email dan kata sandi seperti biasanya.
Kolom nomor telepon ditandai sebagai opsional, dan kotak centang terpisah digunakan untuk menyetujui pesan promosi melalui WhatsApp dan SMS.

Halaman pendaftarannya sederhana. Yang lebih penting, memilih GPU belum mengikat saya untuk membeli server tertentu.
Setelah membuat akun atau masuk, saya membuka bagian GPU di hPanel, tempat perangkat keras dapat dipilih dan dijalankan. Panel tersebut menampilkan saldo kredit sebesar 2,000.
Panel tersebut menampilkan saldo kredit sebesar 2,000 karena saya sudah memiliki akun Hostinger dengan kredit yang tersedia. Jika Anda mendaftar untuk pertama kalinya tanpa saldo kredit yang tersedia, Anda akan menemui tahap pembayaran setelah mengonfigurasi instans GPU, tempat Anda dapat memilih metode pembayaran yang diinginkan sebelum menyelesaikan pembelian.
Halaman GPU di hPanel tampil rapi dan mudah dipindai. Di atas daftar, Hostinger menjelaskan bahwa saya dapat meluncurkan instans GPU langsung dari panel, dan perangkat keras yang dapat dipilih ditampilkan di bawah saldo kredit yang terlihat. Tujuh model tercantum, termasuk RTX 4090 yang saya pilih, tetapi sebagian besar tombol Select dinonaktifkan.

Saya mencoba memilih RTX 4090 dan mendapati tombolnya berwarna abu-abu. Saat mengarahkan kursor ke tombol itu, muncul pesan Stok habis. Saya juga tidak dapat memilih RTX 5090, L40S, A100, atau RTX PRO 6000 pada sesi tersebut. Hanya dua opsi yang tersedia bagi saya: NVIDIA B200 dan B200 (Dedicated).

Inilah kendala paling signifikan dalam pengalaman pembelian. Halaman harga publik mengundang saya untuk menyewa RTX 4090 seharga $0.42 per jam, tetapi saya tidak dapat benar-benar menyediakan GPU tersebut.
Setidaknya, Hostinger menjelaskan pembatasan itu dengan jelas di hPanel, alih-alih membiarkan saya mengisi konfigurasi lalu gagal setelah penerapan. Namun, hal ini berarti saya harus mempertimbangkan kembali perangkat keras pengujian dan anggaran.
Saya memilih NVIDIA B200 standar, yang diiklankan mulai dari $4.50 per jam dengan VRAM 192 GB. Kapasitas memorinya yang lebih besar juga memberi saya ruang untuk menguji beban kerja AI yang lebih menuntut nantinya.
Alternatifnya, B200 (Dedicated) dimulai dari $7.08 per jam, dan saya tidak memiliki kebutuhan khusus akan akses GPU eksklusif yang membenarkan pembayaran lebih mahal. Saya mengeklik Select pada B200 standar untuk melanjutkan.
Setelah memilih B200, Hostinger membuka halaman Terapkan instans GPU Anda. Halaman tersebut menampilkan pilihan GPU dalam kolom di sebelah kiri dan konfigurasi instans yang dipilih di sebelah kanan. Tata letak itu berfungsi dengan baik: saya dapat meninjau B200 bersama alternatif yang tersedia tanpa kehilangan pandangan terhadap pengaturan server atau biaya operasional.

Saya memberi nama instans tersebut hostinger-gpu-review-b200. Hostinger menyebutkan bahwa setiap kata dalam nama harus dipisahkan dengan tanda hubung, sehingga aturan penamaan terlihat jelas langsung dari formulir.
Kolom berikutnya adalah wilayah, dan ini mengungkap keterbatasan praktis kedua: menu tarik-turun hanya menawarkan Los Angeles, United States. Saya tidak memiliki lokasi lain untuk dipilih dalam sesi penerapan ini.

Pemilih ukuran instans memerlukan perhatian lebih daripada yang saya perkirakan sebelumnya. Hostinger telah memilih konfigurasi 2 inti CPU, RAM 64 GB, penyimpanan 100 GB dengan tarif 506 kredit per jam. Saat menu tarik-turun dibuka, terlihat kombinasi CPU, RAM, dan penyimpanan lain dengan tarif berbeda. Pilihannya bukanlah urutan sederhana yang membuat setiap jumlah inti CPU yang lebih sedikit berarti harga lebih rendah; misalnya, opsi 4 inti CPU tercantum dengan tarif 450 kredit per jam.

Saya memilih opsi X-Large: 16 inti CPU, RAM 32 GB, dan penyimpanan 300 GB dengan tarif 488 kredit per jam. Ini memberi server kapasitas CPU dan disk yang lebih besar untuk menyiapkan dan menjalankan pengujian, tanpa beralih ke konfigurasi 32 inti CPU.
Tarifnya per jam juga sedikit lebih murah daripada opsi 2 inti CPU yang telah dipilih sebelumnya. Hal penting terkait harga adalah bahwa tarif B200 yang diiklankan Hostinger sebesar $4.50 per jam merupakan harga awal. Konfigurasi yang benar-benar saya pilih memiliki tarif 488 kredit per jam, setara dengan sekitar $4.88 per jam berdasarkan kurs yang tersirat dalam kartu harga Hostinger.
Selanjutnya, saya membuka Pilih OS atau aplikasi. Selain Ubuntu 24.04, Hostinger menawarkan pilihan siap pakai untuk Ollama, JupyterLab, Unsloth, dan InvokeAI. Pilihan tersebut dapat menghemat waktu penyiapan bagi seseorang yang berfokus pada aplikasi AI tertentu. Saya memilih Ubuntu 24.04 karena menginginkan sistem operasi yang bersih dan kendali atas perangkat lunak yang saya pasang untuk pengujian selanjutnya.

Hostinger juga menyediakan kolom kunci SSH opsional. Saya membiarkannya kosong saat penerapan awal alih-alih menambahkan kunci saat pembayaran. Panel tersebut kemudian menampilkan detail koneksi berbasis kata sandi, sehingga ketiadaan kunci tidak membuat saya kehilangan metode masuk yang diiklankan. Namun, untuk server yang berjalan dalam jangka waktu lebih lama, saya lebih memilih akses SSH berbasis kunci.
Sebelum mengeklik Deploy, ringkasan menampilkan B200 yang dipilih, konfigurasi X-Large, serta tarif 488 kredit per jam dibandingkan dengan saldo 2,000 kredit saya.
Hostinger memperkirakan saldo tersebut cukup untuk sekitar empat jam penggunaan berkelanjutan. Saya menyukai keberadaan perkiraan ini tepat di atas tombol penerapan: hal ini membuat biaya berkelanjutan lebih terlihat daripada kartu harga yang hanya mencantumkan Mulai dari $4.50/jam.

Saya mengeklik Deploy. Hostinger kemudian menampilkan layar Penyiapan GPU dan menyatakan bahwa saya dapat meninggalkan halaman sementara penyediaan berlangsung. Tidak ada penyiapan infrastruktur manual tambahan pada tahap ini.

Sekitar dua menit kemudian, layar keberhasilan mengonfirmasi bahwa semuanya sudah siap! Layar itu menyatakan bahwa instans GPU telah aktif dan berjalan. Layar tersebut mengidentifikasi hostinger-gpu-review-b200 sebagai B200 dengan VRAM 192 GB dan ukuran X-Large. Tindakan selanjutnya ditampilkan dengan jelas sebagai Manage, sehingga terlihat jelas ke mana harus pergi setelah penyediaan selesai.

Saya mengeklik Manage dari layar konfirmasi ini untuk memeriksa kontrol yang akan saya gunakan setelah penerapan. Peralihan langsung itu merupakan sentuhan yang bagus: saya tidak perlu kembali ke beranda umum hPanel dan mencari server baru saya.
Manage membuka area pengelolaan GPU khusus, bukan panel kontrol hosting web biasa. Menu di sebelah kiri hanya memiliki tiga entri: Ringkasan, Metrics, dan Exposed services. Setelah layar pemilihan produk yang luas, saya mengapresiasi navigasi yang terfokus ini.
Ringkasan langsung menjawab pertanyaan yang mungkin muncul setelah menyewa perangkat keras mahal: Apakah server sedang berjalan? GPU dan sumber daya apa yang saya terima? Berapa laju pemakaian kreditnya? Bagaimana cara saya terhubung? Kartu instans menandai hostinger-gpu-review-b200 sebagai Berjalan dan mengonfirmasi NVIDIA B200, VRAM 192 GB, 16 inti CPU, RAM 32 GB, disk 300 GB, Ubuntu 24.04, dan lokasi Los Angeles.

Dua kontrol berada langsung di kartu instans: Reboot dan Destroy. Keduanya terlihat, dan ini berguna karena Anda perlu mengetahui cara mengelola siklus hidup instans saat membayar per jam. Saya tidak menjalankan tindakan mana pun selama bagian pengujian ini, jadi saya menilai kemudahan akses kontrol tersebut, bukan mengklaim telah memverifikasi fungsinya.
Di atas kartu server, Hostinger menampilkan laju komputasi, penggunaan VRAM, dan pengeluaran kredit. Tangkapan awal saya menampilkan laju 0 TFLOPs dan rata-rata penggunaan VRAM 0 GB karena saya belum menjalankan beban kerja GPU.
Ringkasan kredit menunjukkan total 488 kredit telah digunakan, laju pemakaian kredit sebesar 488 kredit per jam, dan saldo tersisa 1,512 kredit. Visibilitas tersebut sangat membantu, terutama karena penggunaan GPU berbayar dapat bertambah dengan cepat.
Panel Connection menampilkan alamat IPv4 publik, perintah SSH yang dapat disalin, dan kata sandi dalam satu bagian. Perintah SSH tersebut mencakup nama pengguna Ubuntu dan port SSH nonbawaan; kolom kata sandi memiliki kontrol untuk menampilkan dan menyalin kata sandi.
Hostinger juga memperingatkan bahwa kata sandi yang diubah melalui SSH tidak akan lagi cocok dengan kata sandi yang tersimpan di hPanel. Dengan demikian, saya dapat menemukan informasi koneksi tanpa mencari dokumentasi, meskipun tangkapan layar saja tidak membuktikan bahwa saya berhasil masuk melalui SSH.
Setelah meninjau Ringkasan, saya membuka Metrics. Hostinger menyediakan filter waktu untuk 1 jam, 24 jam, 7 hari, dan 30 hari. Halaman tersebut menampilkan grafik laju komputasi dalam TFLOP dan penggunaan VRAM dalam GB. Grafiknya sederhana dan mudah dibaca, tanpa grafik sistem lain yang tidak berkaitan mengalihkan perhatian.

Kedua grafik menunjukkan garis datar pada angka nol saat saya mengambil tangkapan layar. Hal itu wajar sebelum menjalankan pekerjaan AI, jadi saya tidak akan menganggap pembacaan ini sebagai bukti kinerja GPU atau adanya kerusakan pada sistem pemantauan.
Pengujian yang berguna dilakukan nanti: mulai jalankan beban kerja nyata, periksa grafik saat penggunaan berubah, lalu bandingkan dengan pengukuran dari dalam Ubuntu.
Saya kemudian membuka Exposed services, bagian untuk membuat aplikasi yang berjalan di server GPU dapat diakses melalui internet. Karena saya belum membuat layanan, halaman tersebut menampilkan tampilan kosong dengan tombol Tambahkan layanan. Hostinger juga menyertakan peringatan bahwa apa pun yang dipublikasikan dapat diakses oleh siapa saja yang memiliki alamatnya, kecuali aplikasi tersebut memiliki sistem masuk sendiri.

Saya menyukai peringatan tersebut. Beban kerja GPU sering kali melibatkan notebook, API inferensi, dan antarmuka pengembangan lainnya yang tidak dimaksudkan untuk dapat diakses secara terbuka. Titik masuknya mudah ditemukan, tetapi saya belum menambahkan atau menguji layanan publik di sini, jadi saya tidak dapat menilai bagian lain dari alur kerja tersebut atau opsi keamanannya hanya berdasarkan tangkapan layar ini.
Baru setelah memeriksa layar khusus GPU, saya kembali ke Home hPanel. Hal itu memberi saya sudut pandang berbeda tentang kemudahan penggunaan: di mana saya akan menemukan instans GPU jika nanti masuk lagi, alih-alih mengaksesnya melalui tombol Manage setelah penerapan?
Halaman Home saya terbuka dengan perintah asisten AI yang menonjol dan bagian Bisnis Anda yang panjang, dipenuhi situs web yang sudah ada.
Setiap situs memiliki tindakan Manage site, dan beberapa entri menampilkan pengingat tentang domain sementara. Lebih jauh ke bawah, saya melihat tabel VPS dengan alamat IP, status berjalan, tanggal kedaluwarsa, dan tombol pengelolaan. Di sebelah kiri, navigasi menyatukan Situs web, Domain, Email, Layanan lainnya, pembuat situs web, agen AI, alat pemasaran, dan layanan pengembang.

Pengaturan serba ada ini memiliki kelebihan. Kelompok produknya diberi label dengan jelas, dan pelanggan Hostinger yang sudah ada dapat mengakses beberapa jenis hosting dari satu akun. Namun, dalam kasus saya, banyaknya konten terkait situs web membuat halaman tampak penuh sesak.
GPU baru saya tidak terlalu menonjol di konten Home yang terlihat dibandingkan entri situs web dan VPS. Setelah membukanya, saya merasa navigasi Ringkasan, Metrics, dan Exposed services yang dikhususkan untuk GPU lebih terfokus.
Daftar situs web yang sangat panjang mencerminkan isi akun saya sebelumnya; pelanggan baru tanpa layanan lain mungkin melihat halaman yang tidak terlalu padat. Meski begitu, perbedaan ini penting bagi pembaca: menerapkan GPU adalah proses singkat dan terfokus, sedangkan dasbor hPanel yang lebih luas berupaya melayani semua produk Hostinger sekaligus.
Bagian terkuat dari kemudahan penggunaan Hostinger GPU Hosting adalah apa yang terjadi setelah saya menemukan GPU yang tersedia. Halaman konfigurasi menampilkan pilihan dan biayanya, citra aplikasi Ubuntu dan AI mudah ditemukan, penerapan selesai dalam kira-kira dua menit, dan Manage langsung membawa saya ke dasbor instans yang ringkas.
Saya dapat menemukan spesifikasi GPU, laju pemakaian kredit, informasi SSH, dan kontrol administrasi utama tanpa harus menelusuri konsol cloud yang rumit.
Namun, kemudahan itu tidak boleh menutupi keterbatasannya sebelum penerapan. Saya memilih RTX 4090 di halaman publik, tetapi tidak dapat menyewanya setelah membuka hPanel; sebagian besar GPU yang tercantum tidak tersedia, dan Los Angeles adalah satu-satunya wilayah penerapan dalam sesi saya. B200 jauh lebih mahal daripada RTX 4090 yang saya inginkan, dan tarif konfigurasi X-Large lebih tinggi daripada tarif awal B200 yang diiklankan. Tampilan Home umum di hPanel juga terasa lebih padat dibandingkan halaman khusus GPU.

Hostinger menyediakan dukungan daring sepanjang waktu melalui obrolan dasbornya, dengan akses tambahan melalui WhatsApp dan email di support@hostinger.com. Tidak seperti beberapa penyedia hosting, Hostinger tidak menawarkan dukungan melalui telepon.
Pengalaman dukungan utama kini berpusat pada Hostinger Agent, asisten AI yang dapat menjawab pertanyaan, memecahkan masalah, mengambil dokumentasi, dan melakukan tindakan pengelolaan akun tertentu. Hostinger juga menyediakan akses ke Customer Success Specialists jika diperlukan bantuan tambahan.
Untuk ulasan ini, saya menguji obrolan langsung dengan menyampaikan masalah nyata terkait instans GPU NVIDIA B200 saya. Saya ingin mengetahui seberapa cepat saya dapat memperoleh panduan teknis yang akurat dan, yang lebih penting, seberapa mudah berbicara langsung dengan manusia saat saya memintanya.
Saya juga meninjau basis pengetahuan Hostinger untuk menilai kualitas dokumentasi GPU-nya dan mengetahui apakah pelanggan dapat mengatasi masalah umum tanpa menghubungi dukungan.
Saya membuka obrolan langsung dengan mengeklik Agent di bagian atas hPanel. Obrolan terbuka di samping halaman pengelolaan GPU, sehingga saya dapat melihat instans B200 yang sedang berjalan dan pemakaian kreditnya sambil berbicara dengan tim dukungan.

Hostinger Agent adalah penerus Kodee, asisten dukungan AI Hostinger sebelumnya. Hostinger menggabungkan Kodee dengan koleksi alat AI khususnya yang lebih luas menjadi satu asisten terpadu. Menurut Hostinger, asisten ini dapat menjelaskan masalah teknis, memberikan petunjuk pemecahan masalah, menyarankan dokumentasi yang relevan, dan melakukan tindakan yang didukung pada akun pelanggan.
Namun, pengujian saya berfokus pada saran teknis dan eskalasi kepada manusia, bukan mengizinkannya melakukan perubahan pada akun.
Saya mengajukan pertanyaan praktis tentang penagihan GPU dan retensi data. Karena Hostinger mengenakan biaya per jam untuk instans GPU, saya ingin tahu apakah saya dapat menjeda server di antara beban kerja AI tanpa kehilangan aplikasi, model, dan file yang telah saya pasang. Saya juga bertanya apakah memulai ulang akan menghentikan tagihan dan apa yang harus saya lakukan untuk mempertahankan lingkungan saya jika instans perlu dihapus permanen.
Agen tersebut merespons dalam waktu kurang dari 30 detik.
Responsnya menjawab ketiga kekhawatiran saya. Agen tersebut menjelaskan bahwa memulai ulang hanya akan menyalakan ulang server dan tidak menghentikan penagihan. Saat ini, Hostinger tidak menyediakan fungsi jeda atau berhenti yang memungkinkan pelanggan mempertahankan instans GPU tanpa dikenai biaya. Menghapus permanen instans akan menghentikan penagihan, tetapi menghapus data lokalnya secara permanen.
Jawabannya juga menjelaskan cara mempertahankan lingkungan kerja saya. Agen tersebut menyarankan untuk memindahkan model dan set data ke penyimpanan eksternal, mengekspor dependensi Python atau Conda, mencatat versi CUDA dan PyTorch, serta menyimpan file konfigurasi dan skrip penerapan.

Saya menyukai tingkat perinciannya. Alih-alih hanya menyatakan bahwa instans GPU tidak dapat dijeda, asisten tersebut menjelaskan apa yang sebaiknya saya lakukan sebelum menghapus permanen server. Panduannya juga sesuai dengan dokumentasi resmi Hostinger tentang penagihan GPU, sehingga saya dapat memeriksa keakuratan penjelasannya.
Namun, menjawab pertanyaan teknis hanyalah bagian pertama dari pengujian dukungan saya. Berikutnya, saya ingin berbicara langsung dengan spesialis manusia.
Pada pukul 17:23, saya meminta Hostinger Agent menghubungkan saya dengan perwakilan dukungan pelanggan manusia untuk mengonfirmasi detail penagihan GPU dan retensi data. Alih-alih mengatur pengalihan, agen tersebut mengulangi kebijakan itu dan mendorong saya untuk melanjutkan dengan dukungan AI, dengan menjelaskan bahwa cara ini akan lebih cepat.
Saya mengajukan permintaan tegas lagi pada pukul 17:24. Kali ini, saya menyatakan bahwa saya memahami kebijakan tersebut dan tidak memerlukan penjelasan AI lainnya. Saya secara khusus menginginkan perwakilan manusia dan bersedia menunggu.
Pada pukul 17:25, asisten tersebut kembali merangkum aturan penagihan sebelum menawarkan dua opsi: Wait for a human review dan Lanjutkan dengan Hostinger Agent.

Saya memilih opsi peninjauan oleh manusia dan mengonfirmasi bahwa saya ingin melanjutkan dengan seseorang. Hostinger kemudian menampilkan pesan bahwa peninjauan sedang berlangsung, hitung mundur, dan kolom tempat saya dapat memberikan informasi tambahan kepada spesialis.

Pada pukul 17:31, sekitar enam menit setelah permintaan memasuki proses peninjauan, saya menerima tanggapan yang terkait dengan seorang spesialis bernama Amber. Antarmuka menampilkan “Response reviewed by Amber.”
Pesan Amber meminta saya memberikan nama instans GPU, hal-hal terkait penagihan atau retensi data yang ingin saya pastikan, serta galat atau tangkapan layar yang relevan.

Saya memberikan nama instans, hostinger-gpu-review-b200, dan meminta konfirmasi tentang tiga hal penting: tidak adanya fungsi jeda, penghapusan data permanen setelah penghapusan instans, serta ketersediaan snapshot, pencadangan, atau penyimpanan persisten.
Saya juga mengajukan pertanyaan tentang proses dukungan itu sendiri. Karena antarmuka menyatakan bahwa tanggapan telah ditinjau oleh Amber, saya ingin mengetahui apakah saya kini berbicara langsung dengannya atau masih berinteraksi dengan AI.
Pada pukul 17:33, saya menerima jawaban terperinci lainnya. Tanggapan tersebut mengonfirmasi bahwa instans GPU terus menggunakan kredit saat tidak aktif, bahwa penghapusan instans akan menghapus data lokal secara permanen, dan bahwa Hostinger saat ini tidak menyediakan snapshot GPU, pencadangan otomatis, atau penyimpanan persisten.
Tanggapan itu juga menjelaskan bahwa instans akan langsung dihapus permanen ketika saldo kredit mencapai nol, tanpa masa tenggang. Alternatif yang disarankan adalah mengekspor lingkungan ke VPS terpisah, penyimpanan awan, atau komputer lokal menggunakan alat seperti scp atau rsync.
Namun, bagian paling mengungkap dari tanggapan itu berkaitan dengan dukungan manusia. Hostinger secara eksplisit mengonfirmasi bahwa saya masih berkomunikasi dengan Hostinger Agent, asisten AI. Seorang spesialis manusia mengawasi atau meninjau percakapan tersebut, tetapi saya tidak dialihkan ke obrolan langsung satu lawan satu dengan manusia.

Perbedaan itu penting. Saya sengaja meminta perwakilan manusia, bukan penjelasan otomatis lainnya. Meskipun sistem memperoleh pengawasan manusia dan memberikan jawaban teknis yang lengkap, sistem tersebut tidak menyediakan interaksi langsung dengan manusia seperti yang saya minta.
Dari pertanyaan pertama pada pukul 17:22 hingga klarifikasi terakhir pada pukul 17:33, seluruh percakapan dukungan berlangsung sekitar 11 menit. Jawaban awal AI tiba dalam waktu kurang dari 30 detik, sementara peninjauan oleh manusia mulai terlihat kira-kira enam menit setelah saya meminta eskalasi.
Setelah menguji obrolan langsung, saya beralih ke Pusat Bantuan daring Hostinger untuk mengetahui seberapa mudah pelanggan GPU menemukan jawaban tanpa menghubungi dukungan.
Halaman berandanya rapi dan tertata dengan baik, dengan bilah pencarian yang menonjol dan dokumentasi yang dikelompokkan ke dalam kategori seperti Memulai, Dasbor Hostinger, VPS, Penagihan, dan Sertifikat SSL. Namun, saya tidak menemukan kategori GPU khusus di antara opsi yang ditampilkan.

Saya memasukkan “gpu” di bilah pencarian, dan Hostinger menampilkan 10 hasil. Delapan di antaranya secara khusus membahas GPU hosting, mencakup pemilihan perangkat keras, templat aplikasi, penerapan, pengelolaan instans, penagihan, layanan yang dapat diakses publik, keamanan, dan perbandingan dengan hosting VPS. Dua hasil lainnya membahas kebijakan pengembalian dana dan dasbor Hostinger.

Saya menyukai bahwa pencarian langsung menampilkan dokumentasi GPU yang relevan, meskipun tidak ada kategori khusus di halaman beranda. Lebih penting lagi, artikel-artikelnya membahas persoalan praktis seperti pemakaian kredit per jam, kehilangan data setelah penghapusan permanen instans, dan pengamanan aplikasi yang dapat diakses publik.
Selanjutnya, saya memeriksa panduan satu per satu untuk melihat seberapa jelas panduan tersebut menjelaskan persoalan ini dan seberapa sesuai petunjuknya dengan pengalaman langsung saya.
Saya meninjau panduan Hostinger tentang penyiapan GPU dan pengelolaan instans. Panduan tersebut mencakup pemilihan perangkat keras, wilayah, templat perangkat lunak, penerapan, pemantauan, dan layanan yang dapat diakses publik.
Instruksi tersebut sangat sesuai dengan pengalaman saya di hPanel. Saya juga menghargai bahwa Hostinger mengakui keterbatasan ketersediaan GPU di wilayah tertentu, yang saya alami saat RTX 4090 stok habis dan Los Angeles menjadi satu-satunya opsi penerapan saya.
Panduan penagihan GPU sangat berguna karena membahas kekhawatiran yang sama dengan yang saya sampaikan selama obrolan langsung.
Panduan tersebut menegaskan bahwa penagihan berlanjut saat instans tidak aktif, memulai ulang tidak menghentikan biaya, dan penghapusan permanen menghapus data lokal secara permanen.
Yang lebih penting, Hostinger memperingatkan bahwa tidak ada isi ulang kredit otomatis atau pemberitahuan saldo rendah. Kehabisan kredit mengakibatkan penghapusan permanen instans seketika.

Ini adalah detail penting bagi siapa pun yang menjalankan beban kerja AI tanpa pengawasan, dan saya menyukai penjelasan Hostinger yang jelas mengenai hal tersebut.
Panduan pemaparan layanan Hostinger menjelaskan akses publik, konfigurasi port, dan protokol yang didukung. Panduan itu juga menjelaskan bahwa memilih HTTPS tidak otomatis mengonfigurasi enkripsi TLS.
Panduan keamanan yang menyertainya membahas autentikasi aplikasi dan perlindungan firewall. Namun, saya berharap ada peringatan yang lebih jelas tentang mempertahankan akses SSH sebelum mengaktifkan aturan firewall yang ketat.

Hostinger memberikan pengalaman dukungan berbantuan AI yang kuat, meskipun proses eskalasi ke manusia masih perlu ditingkatkan.
Hostinger Agent menjawab pertanyaan saya tentang GPU dalam waktu kurang dari 30 detik, menjelaskan implikasi penagihan, dan merekomendasikan langkah praktis untuk mempertahankan lingkungan saya. Panduannya terperinci dan konsisten dengan dokumentasi resmi.
Pengawasan manusia tersedia setelah sekitar enam menit, dan tanggapan akhirnya menjawab pertanyaan tambahan yang saya ajukan. Namun, saya harus berulang kali meminta eskalasi, dan percakapan tetap dipimpin AI alih-alih beralih menjadi obrolan langsung dengan seorang spesialis.
Basis pengetahuan juga menjadi nilai tambah. Delapan artikelnya yang khusus membahas GPU memberikan penjelasan yang jelas tentang penerapan, pengelolaan, penagihan, penyediaan akses publik ke layanan, dan keamanan. Dokumentasi penagihan sangat berguna untuk memahami risiko pemakaian kredit berkelanjutan dan kehilangan data permanen.

Ya, bagi pengembang dan tim AI yang membutuhkan kapasitas GPU serius tanpa harus membeli perangkat kerasnya. B200 saya menjalankan inferensi Qwen dengan kecepatan sekitar 126 token per detik setelah pemanasan awal dan menghasilkan gambar SDXL dalam waktu sekitar 0.91 detik.
Penerapan berlangsung cepat setelah saya memiliki titik akses SSH yang berfungsi. Namun, masalah tampilan IP pada server pertama, ketersediaan perangkat keras yang berubah-ubah, kredit yang tidak dapat dikembalikan dan ketiadaan opsi jeda atau pencadangan bawaan merupakan risiko yang berarti.
| Nama Paket | CPU | RAM | Lebar Pita | Harga | |
|---|---|---|---|---|---|
| Free Trial | - | Tidak Terbatas | Rp0 | Detail | |
| Game Panel 2 | 2 core | 8 GB | 8 TB | Rp155.900 | Detail |
| Game Panel 4 | 4 core | 16 GB | 16 TB | Rp229.840 | Detail |
| Game Panel 8 | 8 core | 32 GB | 32 TB | Rp459.850 | Detail |
| Description | Expert Review |
|---|---|
| Hosting ramah anggaran dengan kinerja tinggi dan alat manajemen yang mudah | Read Shared Hosting Review |
| ast dan aman WordPress hosting dengan instalasi satu-klik dan fitur premium. | Read Wordpress Hosting Review |
| Hosting VPS yang dapat diskalakan dengan sumber daya khusus dan akses root. | Read VPS Review |
| Hosting cloud yang cepat dan fleksibel dengan waktu aktif yang sangat baik dan sumber... | Read Cloud Hosting Review |
| Solusi hosting yang aman dan pribadi dengan lokasi pusat data luar negeri. | Read Offshore Hosting Review |
| Hosting email yang aman dan andal dengan fitur kelas profesional. | Read Email Hosting Review |
| Hosting Python yang andal dengan lingkungan fleksibel untuk pengembang. | Read Python Hosting Review |
| Hosting PHP berkinerja tinggi dengan dukungan penuh untuk situs web dan aplikasi dina... | Read PHP Hosting Review |
| Hosting VPS Windows yang andal dengan kontrol penuh dan opsi kustomisasi. | Read Windows VPS Review |
| Hosting cepat dan fleksibel yang disesuaikan untuk aplikasi Node.js dengan kinerja op... | Read Nodejs Hosting Review |
| Hosting yang dioptimalkan untuk toko WooCommerce dengan kecepatan tinggi dan integras... | Read Woocommerce Hosting Review |
| Hosting server khusus untuk pengalaman bermain Minecraft yang mulus. | Read Minecraft Server Hosting Review |
| Solusi hosting yang dapat diskalakan dengan fitur canggih untuk agensi digital dan pe... | Read Agency Hosting Review |
| Hosting cepat dan aman yang dioptimalkan untuk situs web e-commerce Magento. | Read Magento Hosting Review |
| Hosting berbasis Linux berkinerja tinggi untuk pengoperasian situs web yang stabil da... | Read Linux Hosting Review |
| Solusi hosting Java yang tangguh untuk aplikasi web dinamis dan proyek. | Read Java Hosting Review |
| Hosting yang dioptimalkan untuk website ecommerce dengan performa yang aman, cepat, d... | Read Ecommerce Hosting Review |
| Hosting Django terpercaya dengan kecepatan tinggi dan lingkungan yang aman. | Read Django Hosting Review |
| Hosting cPanel yang mudah digunakan dengan kinerja yang kuat dan dukungan yang andal. | Read Cpanel Hosting Review |
| Hosting yang kuat untuk bisnis dengan kecepatan tinggi, keamanan, dan skalabilitas. | 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 |
| Hosting server SMTP khusus untuk pengiriman email yang andal dan aman. | Read SMTP Server Review |
| Hosting yang cepat dan dioptimalkan yang disesuaikan untuk aplikasi web Ruby on Rails... | Read Ruby on Rails Review |
| Hosting kaya fitur dengan integrasi OpenClaw untuk membangun dan mengelola game mesin... | Read OpenClaw Review |
| Hosting cepat dan andal dengan server berbasis Inggris untuk performa lokal yang opti... | Read UK Hosting Review |
| Hosting yang terjangkau dan andal dengan server berbasis India untuk akses latensi re... | 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 |
Ya. NVIDIA B200 saya berhasil menjalankan inferensi Qwen2.5-7B dan pembuatan gambar Stable Diffusion XL. Hasil bervariasi tergantung model, framework, dan ukuran instans.
Hostinger mengiklankan 192 GB VRAM. B200 saya melaporkan 178,34 GiB melalui PyTorch, sesuai dengan perbedaan antara unit memori desimal dan biner.
Tidak. Kredit GPU terus terpakai saat instance dalam keadaan idle atau rebooting. Menghancurkan instance menghentikan biaya penggunaan tetapi akan menghapus data lokalnya secara permanen.
Saya tidak melihat uji coba gratis GPU khusus selama proses pembayaran saya. Hostinger mengecualikan pembelian GPU dan kredit AI dari jaminan uang kembali standar 30 hari mereka.
Ya. SSH berfungsi pada instance B200 pengganti saya, meskipun deployment pertama menampilkan IP privat alih-alih endpoint SSH publik yang dapat digunakan.

Jawab beberapa pertanyaan sederhana dan temukan solusi yang sempurna untuk Anda!
Mulai Pencarian Layanan HosHostAdvice.com menyediakan tinjauan hosting web secara profesional yang sepenuhnya terbebas dari entitas mana pun. Tinjauan kami tidak memihak, jujur, dan menerapkan standar evaluasi yang sama bagi semua pihak yang kami tinjau.
Meskipun kami menerima kompensasi keuangan dari beberapa perusahaan yang tercantum di situs ini, namun kompensasi dari layanan dan produk tidak berpengaruh pada arah dan kesimpulan dari tinjauan kami. Kompensasi tidak juga memengaruhi peringkat yang kami tetapkan untuk perusahaan host tertentu.
Kompensasi ini digunakan untuk menutup biaya pembelian akun, biaya pengujian, dan royalti bagi peninjau.






