RunPod 控制台创建 GPU 实例
说明如何在 RunPod 控制台选择 GPU、命名并配置 Pod 后创建按需实例，同时核对创建前余额、连接验证与停止后的数据保存边界。
如果你要做 GPU服务器租用，在 RunPod 控制台创建 GPU 实例时，依次选择 GPU 类型、填写 Pod 名称、按需选择模板、设置 GPU 数量，最后点击 Deploy On-Demand；RunPod 的 Pod 管理文档 给出的流程与此一致。按需 Pod 采用 pay-as-you-go，资源不会被其他用户挤占；提交前，余额必须至少覆盖所选配置一小时的费用。RunPod 的 Pods 计费说明
GPU服务器租用前，先在 RunPod 准备余额与 GPU
先做显存粗估。RunPod 的 Pod 选择指南 给出的经验值是每十亿参数约需 2 GB VRAM，可以先记录为：
估算显存（GB）≈ 参数量（十亿）× 2
这只适合初筛。量化方式、上下文长度和运行组件都会影响实际需求，最终仍要核对模型当前说明。选择 GPU 时，应同时记录型号、显存和数量，不要只比较卡的数量。
在控制台创建 GPU 实例
把下面的控制台流程作为执行清单：
GPU: Select GPU type → Name your Pod → (Optional) Choose a template → Set GPU count → Click Deploy On-Demand
- 在
GPU步骤选择前述显存估算能够覆盖的型号。 - 在
Name your Pod步骤填写后续容易识别的名称。 - 模板是可选项；需要模板时再选择，不必把它当成必填项。
- 在
Set GPU count步骤按模型需求和实际工作负载确定数量。 - 提交前重新核对 GPU 型号、数量和余额，然后点击
Deploy On-Demand。
怎样确认实例已经连接
Pod 启动后，浏览器终端适合快速检查，但 RunPod 的连接方式说明 不建议通过它运行长时间任务。
需要使用 JupyterLab 验证时，按 RunPod 提供的连接格式 使用 HTTP proxy 地址，并将 JUPYTER_PASSWORD 设为认证密码：
https://[POD_ID]-8888.proxy.runpod.net
JUPYTER_PASSWORD
把地址中的 [POD_ID] 替换为实际 Pod ID。页面能够打开并通过认证，可以确认连接路径可用，但这不等于模型服务已经正确加载。
停止或终止前，先决定数据放在哪里
RunPod 的存储类型说明区分了容器磁盘、卷磁盘和网络卷：
| 数据位置 | 停止 Pod | 终止或删除 Pod |
|---|---|---|
| 容器磁盘 | 数据清空 | 不保留 |
卷磁盘 /workspace |
数据保留 | 数据删除 |
| 网络卷 | 独立于 Pod 存在 | 数据仍然保留 |
卷磁盘中的 /workspace 数据还能跨停止和重启保留，但终止 Pod 时会删除。网络卷必须在创建 Pod 时挂载，创建后不能分离；挂载后，它会替代 /workspace 处的卷磁盘。RunPod 的网络卷规则因此，模型权重或检查点是否只需要跨停止保留，还是还要跨 Pod 删除保留，会直接影响存储选择。
停止 Pod 也不等于停止全部存储计费。存储费用仍会累计；余额耗尽时，没有网络卷的 Pod 会被终止，数据无法恢复。RunPod 的计费与余额规则不要只观察 GPU 是否释放，还要确认数据究竟位于容器磁盘、/workspace 还是网络卷。
创建或重启失败时先看什么
停止后的 Pod 仍与原来的物理机器关联，但 GPU 已被释放，重启时可能找不到可用 GPU。RunPod 的零 GPU 排查说明因此，停止状态不等于继续独占原来的 GPU。
如果部署出现 OCI runtime create failed，按 RunPod 的 Pod 管理说明使用 Additional filters → CUDA Versions 选择兼容机器。编辑运行中的 Pod 也会重置实例，并清除 /workspace 或网络卷之外的数据，修改配置前应先处理需要保留的内容。
本文步骤依据正文所链接的官方文档整理，使用前请按当前版本复核。