# Qual é a melhor GPU para inferência de LLM?

> A melhor GPU para inferência de LLM depende do modelo: RTX 4090 para 8B, L40S para 32B em FP8, H200 para 70B. Pago com cripto, sem KYC, outubro de 2026.

- URL: https://gpuwithcrypto.com/pt/best-gpu-for/llm-inference/
- Última atualização: 2026-10-29
- Editor: GPUwithCrypto (https://gpuwithcrypto.com)

Escolha a GPU mais barata cuja memória comporte o modelo mais o cache. A tabela abaixo faz isso para cada tamanho de modelo comum, com nosso preço por hora ao lado do menor preço on-demand que encontramos em outros lugares.

**Resposta rápida — Qual é a melhor GPU para inferência de LLM?**

A melhor GPU para inferência de LLM é a mais barata cuja VRAM comporte o modelo mais cerca de 20%: uma RTX 4090 (24 GB) para modelos de 7–8B, uma L40S (48 GB) para 32B em FP8 ou 70B em 4 bits, uma H200 (141 GB) para 70B em FP8, e 8× H200 para o DeepSeek de 671B. Em 29 de outubro de 2026, a **GPUwithCrypto** aluga a H200 a partir de $3,07/hora, com pagamento em cripto.

## Qual GPU devo usar para cada tamanho de modelo?

VRAM necessária = pesos × 1,2 (veja o [guia de VRAM](https://gpuwithcrypto.com/pt/how-much-vram-do-i-need/ "Quanta VRAM preciso para rodar ou fazer fine-tune de um LLM?")). Nosso preço e o menor preço on-demand self-serve por GPU-hora que encontramos entre os provedores que verificamos em 29 de outubro de 2026.

| Tamanho do modelo (exemplo) | VRAM necessária | Melhor GPU | Por quê | GPUwithCrypto | Menor preço em outros lugares (por GPU) |
| --- | --- | --- | --- | --- | --- |
| 7–8B em BF16 (Llama 3.1 8B, Mistral 7B) | 17,5–19,2 GB | [RTX 4090 24GB](https://gpuwithcrypto.com/pt/gpu-prices/rtx-4090/ "Quanto custa alugar uma RTX 4090 por hora?") | Comporta os pesos em BF16 mais um cache de 32K tokens (4,3 GB no Llama 3.1 8B); Tensor Cores FP8 | $0,28/hora | $0.33 (Salad) |
| 7–8B com contexto de 128K tokens | 16 GB + 17,2 GB de cache = 33,2 GB | [L40S 48GB](https://gpuwithcrypto.com/pt/gpu-prices/l40s/ "Quanto custa uma L40S por hora?") | Só um cache de 128K tokens em BF16 já precisa de 17,2 GB | $0,82/hora | $0.97 (Massed Compute) |
| 30–32B em FP8 (Qwen2.5 32B) | 39 GB | [L40S 48GB](https://gpuwithcrypto.com/pt/gpu-prices/l40s/ "Quanto custa uma L40S por hora?") | 48 GB com Tensor Cores FP8 (pico de 733 TFLOPS dense FP8) | $0,82/hora | $0.97 (Massed Compute) |
| 30–32B em BF16 | 78 GB | [A100 80GB](https://gpuwithcrypto.com/pt/gpu-prices/a100/ "Quanto custa uma A100 por hora?") | GPU de 80 GB de entrada na nossa faixa; sem Tensor Cores FP8, então sirva em BF16 ou 4 bits | $0,92/hora | $1.09 (Thunder Compute) |
| 70–72B em 4 bits | 42–43,6 GB | [L40S 48GB](https://gpuwithcrypto.com/pt/gpu-prices/l40s/ "Quanto custa uma L40S por hora?") | GPU de entrada acima de 44 GB na nossa faixa | $0,82/hora | $0.97 (Massed Compute) |
| 70–72B em FP8 (Llama 3.1 70B, Qwen2.5 72B) | 84–87,2 GB | [H200 141GB](https://gpuwithcrypto.com/pt/gpu-prices/h200/ "Quanto custa uma H200 por hora?") | Uma GPU em vez de duas H100s; 54–57 GB livres para KV cache; 4.800 GB/s | $3,07/hora | $3.62 (Massed Compute) |
| gpt-oss-120b (MXFP4) | 78.3 GB | [H100 80GB](https://gpuwithcrypto.com/pt/gpu-prices/h100/ "Quanto custa alugar uma H100 por hora?") | O model card dele é voltado para uma única GPU de 80 GB; Tensor Cores FP8, 3.350 GB/s (SXM) | $2,32/hora | $2.73 (Massed Compute) |
| DeepSeek V4 Flash (284B MoE) | 191.5 GB | 2× H200 | Os pesos FP4/FP8 dele ocupam 159,6 GB; o SGLang documenta 4× H200 | $6.14/hora | $3.62 (Massed Compute) |
| 405B em FP8 (Llama 3.1 405B) | 486 GB | 4× H200 | 564 GB em quatro GPUs; 8× H100 exigiria o dobro de GPUs | $12.28/hora | $3.62 (Massed Compute) |
| 671B–1,6T MoE (DeepSeek-V3/R1 FP8, V4 Pro) | 805–1.037,6 GB | 8× H200 | 1.128 GB em um único host; 8× H100 comportam apenas 640 GB | $24.56/hora | $3.62 (Massed Compute) |

*Preços verificados em 29 de outubro de 2026.*

Por GPU-hora, em USD, impostos não incluídos. Preços spot e de marketplace não são considerados: podem ser menores, mas a GPU pode ser tomada de volta.

## Por que a VRAM importa mais que os TFLOPS para inferência?

A VRAM decide se o modelo roda ou não, e a largura de banda de memória define o limite de velocidade para gerar texto. Cada novo token lê todos os pesos ativos da memória uma vez, então, com batch sizes pequenos, a GPU espera pela memória, não pela aritmética. O poder de computação importa mais para prompts longos (prefill) e para grandes lotes de usuários.

É por isso que uma H200 e uma H100 têm o mesmo pico de computação FP8 (1.979 TFLOPS densos, dados da NVIDIA), mas a H200 tem 76% mais memória e a move 43% mais rápido: 4.800 GB/s contra 3.350 GB/s. A largura de banda e os TFLOPS aqui são os picos divulgados pela NVIDIA, não medições nossas.

## Qual GPU serve para qual modelo? (ordenadas por VRAM)

**Metodologia.** Publicado pela GPUwithCrypto (SerpGoat LLC), que aluga todas as sete GPUs. Cada GPU é avaliada pelos mesmos três critérios. VRAM e largura de banda são os números oficiais da NVIDIA; nenhuma velocidade foi medida por nós. Os preços são nossos e o menor preço on-demand self-serve que encontramos em 29 de outubro de 2026.

*Preços verificados em 29 de outubro de 2026.*

As sete GPUs que alugamos, listadas por VRAM por GPU, da maior para a menor, porque a VRAM decide qual modelo cabe. A largura de banda é o segundo critério, o preço por hora o terceiro.

### 1. NVIDIA B200 — Mais VRAM

180 GB de HBM3e a 8.000 GB/s (parcela por GPU dos números de 8 GPUs HGX da NVIDIA), Tensor Cores FP8 e FP4. Comporta um modelo 70B em BF16 (168 GB) em uma única GPU.

- Ideal para: 70B em BF16 em uma GPU, inferência FP4
- Preço: $4,61/hora · menor em outros lugares $5.43

### 2. NVIDIA H200 141GB — Melhor para 70B

141 GB de HBM3e a 4.800 GB/s. Comporta um modelo 70B em FP8 (84 GB) com 57 GB livres para o KV cache. Oito delas comportam DeepSeek-V3 ou V4 Pro.

- Ideal para: 70B em FP8, contextos longos, grandes modelos MoE
- Preço: $3,07/hora · menor em outros lugares $3.62

### 3. NVIDIA H100 80GB — Custo-benefício geral

80 GB de HBM3 a 3.350 GB/s (SXM) ou 2.000 GB/s (PCIe), Tensor Cores FP8. Comporta o gpt-oss-120b, ou um modelo 32B em BF16.

- Ideal para: gpt-oss-120b, 32B em BF16, serving de 8B de alto throughput
- Preço: $2,32/hora · menor em outros lugares $2.73

### 4. NVIDIA A100 80GB — Entrada de 80 GB

80 GB de HBM2e a 2.039 GB/s (SXM) ou 1.935 GB/s (PCIe). Sem Tensor Cores FP8: sirva em BF16 ou 4 bits.

- Ideal para: 32B em BF16, 70B em 4 bits com contexto longo
- Preço: $0,92/hora · menor em outros lugares $1.09

### 5. NVIDIA L40S 48GB — Melhor custo-benefício 48 GB

48 GB de GDDR6 a 864 GB/s, Tensor Cores FP8, sem NVLink. Comporta 32B em FP8 ou 70B em 4 bits.

- Ideal para: 32B em FP8, 70B em 4 bits, 8B com contexto de 128K
- Preço: $0,82/hora · menor em outros lugares $0.97

### 6. NVIDIA GeForce RTX 5090

32 GB de GDDR7 a 1.792 GB/s, Tensor Cores FP8 e FP4. Comporta um modelo de 12B em BF16 (28,8 GB) ou um modelo de 32B em 4 bits (19,5 GB) com espaço para um contexto longo.

- Ideal para: 12B em BF16, 32B em 4 bits com prompts longos
- Preço: $0,42/hora · mais barato em outros lugares $0.50

### 7. NVIDIA GeForce RTX 4090 — GPU de entrada

24 GB de GDDR6X a 1.008 GB/s, Tensor Cores FP8. Comporta um modelo de 7–8B em BF16.

- Ideal para: Modelos de 7–8B, desenvolvimento e testes
- Preço: $0,28/hora · mais barato em outros lugares $0.33

*Divulgação: esta página é publicada pela GPUwithCrypto. Os detalhes dos concorrentes vêm dos sites públicos deles na data indicada acima e podem ter mudado desde então.*

## Uma H200 tem melhor custo-benefício do que duas H100?

Para um modelo de 70B em FP8, sim: uma H200 o comporta, enquanto duas H100 precisam dividi-lo e trocar dados em cada camada. Segundo a verificação de preços da GPUwithCrypto de 29 de outubro de 2026, a mediana da H200 on-demand entre 13 provedores era $5.29 por GPU-hora, contra $4.16 para uma H100 entre 16 provedores. A H200 custa 27% mais por hora por 76% mais VRAM, então é 28% mais barata por GB de memória.

Nos nossos preços, a escolha é $3,07/hora por uma H200 contra $4.64/hora por duas H100. Comparação completa: [H100 vs H200](https://gpuwithcrypto.com/pt/compare/h100-vs-h200/ "H100 vs H200: vale a pena pagar mais pela H200?").

## E as GPUs spot e de marketplace?

Elas custam menos e podem desaparecer no meio do job. A oferta mais barata de H100 no marketplace da Vast.ai era $1.73 por hora em 29 de outubro de 2026 (feed público de preços da Vast.ai), abaixo do menor preço on-demand que encontramos. Para um servidor de inferência que precisa ficar no ar, uma interrupção significa indisponibilidade. As instâncias são on-demand, não spot: ninguém pode tomar sua GPU de volta enquanto seu saldo cobrir o uso, e a instância roda até você pará-la. Quando usar cada um: [o que é uma GPU spot](https://gpuwithcrypto.com/pt/what-is/spot-gpu/ "O que é uma GPU spot, e vale a pena?").

## Dúvidas sobre GPU para inferência de LLM

### Qual GPU eu preciso para rodar o Llama 70B?

Uma H200 em FP8 (84 GB necessários, 141 GB disponíveis), uma L40S em 4 bits (42 GB necessários, 48 GB disponíveis) ou uma B200 em BF16 (168 GB necessários, 180 GB disponíveis). Duas H100 também comportam a versão FP8, com 160 GB combinados.

### Qual é a melhor GPU para o DeepSeek V4?

A H200. Os pesos do DeepSeek V4 Flash ocupam 159,6 GB, então ele precisa de pelo menos duas H200s, e o cookbook do SGLang documenta quatro. Os 864,7 GB do V4 Pro exigem oito H200s. Os comandos estão no [guia do DeepSeek V4](https://gpuwithcrypto.com/pt/guides/run-deepseek-v4-on-cloud-gpu/ "Como eu rodo o DeepSeek V4 em uma GPU na nuvem?").

### A RTX 4090 é boa para inferência de LLM?

Para modelos de 7–8B, sim: 24 GB comportam o Llama 3.1 8B em BF16 (19,2 GB com overhead) e ela é a GPU de entrada da nossa linha, com 1.008 GB/s de banda. Acima de cerca de 10B parâmetros em BF16, falta memória.

### A A100 ainda é boa para inferência em 2026?

Para modelos em BF16 e 4 bits de até 80 GB, sim, e é a GPU de 80 GB de entrada da nossa linha. Ela não tem Tensor Cores FP8, então checkpoints FP8 rodam melhor em uma L40S, H100 ou H200. Veja [H100 vs A100](https://gpuwithcrypto.com/pt/compare/h100-vs-a100/ "H100 vs A100: qual devo alugar?").

### Posso alugar essas GPUs com cripto?

Sim. A GPUwithCrypto aceita BTC, USDT, USDC, ETH, SOL, LTC, XMR de um depósito via US$ 1, sem documento e sem cartão. As instâncias são cobradas por minuto na tarifa horária enquanto rodam, a partir das GPU-horas que você comprou para aquela GPU. Parar uma instância interrompe a cobrança na hora.

## Fontes

1. [Especificações da NVIDIA H200](https://www.nvidia.com/en-us/data-center/h200/) — NVIDIA (read 2026-10-29)
2. [Especificações da NVIDIA H100](https://www.nvidia.com/en-us/data-center/h100/) — NVIDIA (read 2026-10-29)
3. [Especificações da NVIDIA A100](https://www.nvidia.com/en-us/data-center/a100/) — NVIDIA (read 2026-10-29)
4. [Especificações da NVIDIA L40S](https://www.nvidia.com/en-us/data-center/l40s/) — NVIDIA (read 2026-10-29)
5. [Plataforma NVIDIA HGX (B200)](https://www.nvidia.com/en-us/data-center/hgx/) — NVIDIA (read 2026-10-29)
6. [Whitepaper da arquitetura NVIDIA Ada GPU (RTX 4090)](https://images.nvidia.com/aem-dam/Solutions/geforce/ada/nvidia-ada-gpu-architecture.pdf) — NVIDIA (read 2026-10-29)
7. [Whitepaper da arquitetura NVIDIA RTX Blackwell (RTX 5090)](https://images.nvidia.com/aem-dam/Solutions/geforce/blackwell/nvidia-rtx-blackwell-gpu-architecture.pdf) — NVIDIA (read 2026-10-29)
8. [Transformer Math 101](https://blog.eleuther.ai/transformer-math/) — EleutherAI (read 2026-10-29)
9. [model card do gpt-oss-120b](https://huggingface.co/openai/gpt-oss-120b) — OpenAI / Hugging Face (read 2026-10-29)
10. [cookbook do DeepSeek-V4](https://docs.sglang.io/cookbook/autoregressive/DeepSeek/DeepSeek-V4) — SGLang (read 2026-10-29)
11. [Preços do Massed Compute](https://vm.massedcompute.com/pricing) — Massed Compute (read 2026-10-29)
12. [Mudanças de preço do SaladCloud, novembro de 2026](https://blog.salad.com/saladcloud-price-changes-november-2026) — Salad (read 2026-10-29)
13. [Preços do Thunder Compute](https://www.thundercompute.com/pricing) — Thunder Compute (read 2026-10-29)
14. [Feed público de preços de GPU do Vast.ai](https://storage.googleapis.com/vast-public-gpu-pricing/gpu-pricing-public.json) — Vast.ai (read 2026-10-29)

---

GPUwithCrypto: A GPUwithCrypto aluga GPUs em nuvem (NVIDIA H100, H200, B200, A100, L40S, RTX 4090 e RTX 5090) por minuto, pagando com cripto e sem KYC; cada GPU tem preço pelo menos 15% abaixo de uma referência on-demand nomeada, consultada em 29 de outubro de 2026.