深度介绍
官方定价页给出的两个数字很直白：模板（Template）启动约 1.8 秒，按需 VM 在 90 秒内可用，单实例最多可扩到 8 张 GPU。模板是预装好 CUDA 与常用依赖的托管容器，用 JupyterLab、VS Code 或 SSH 接入；VM 给完整 root 权限，允许自带内核与 Docker 栈。这个差别决定了使用姿势：想马上写代码、跑 notebook 或复现实验，选模板；要装自定义驱动、做系统级调优或跑自己的容器编排，选 VM。动手前建议先确认模板里已装了哪些依赖，避免在实例里重复安装浪费时间与磁盘。
模板分两类。基础模板包括 PyTorch、TensorFlow 与 FastAI，每个实例自带 VS Code、JupyterLab、API 端点与 SSH 访问，适合自由装包。专用模板面向具体用途：Automatic1111 与 ComfyUI 用于绘图，Fooocus 降低提示词与参数调优门槛，Axolotl 与 Kohya 面向微调（后者提供图形界面来生成训练命令），Ollama 用于在本机跑常见开源模型。官方说明会持续新增模板并往模板里补充模型。对使用者而言，模板的价值是把环境搭建从小时级压到分钟级；代价是版本由平台决定，需要严格锁版本的可复现实验更适合自己写 Docker 镜像。
Serverless 把「部署一个模型」简化为选框架、选模型、选 GPU：支持 vLLM、SGLang 与 Ollama 三种框架，模型直接用 Hugging Face 仓库 ID（例如 Qwen/Qwen2.5-7B-Instruct）或 Ollama 标签。平台先建持久存储、下载模型，再启动 worker，因此扩容出来的新 worker 不必重复下载权重。接口兼容 OpenAI 的 chat/completions（含流式），把 base_url 指向部署地址即可用 OpenAI SDK 调用，也支持异步提交后轮询结果。需要留意错误码语义：400 是请求体本身有问题，408／429／502／503／504 多为冷启动、队列满或暂无空闲 GPU，重试即可。
官方主打「按分钟计费、无最低承诺」，并支持随时暂停与恢复，暂停期间不计算力费。价格结构上，同一批 GPU 有按需、竞价（Spot）与预留三条线：竞价最多省约 56%，预留则按 1／3／6／12 个月阶梯给折扣。CPU VM 只提供按需档，存储按 GB·月计费，区域内流量免费。容易踩的坑是「挂着的资源」：暂停的实例仍占用存储与磁盘，Serverless 部署即使把最小 worker 设为 0，模型所在存储也持续计费。做预算时建议把算力、存储与流量分开记账，而不是只看每小时单价。
官方价格页按「每 GPU 每小时」列机型：L4 与 A30 面向低成本推理与小规模训练，A100 分 40GB 与 80GB 两档，H100 SXM 定位 70B 以上模型的推理与微调，RTX Pro 6000 Blackwell（96GB GDDR7）覆盖推理、微调与图形负载，H200 SXM 以 141GB HBM3e 面向大模型训练。多数机型支持 1×／2×／4×／8× 配置。选型经验是：先看显存能否装下模型与 KV 缓存，再看卡间互联与宿主内存带宽，最后才比较单价——显存不足时，换更贵的卡往往是唯一解。
平台提供 jl 命令行工具与 Python SDK，文档中早期那套 API（JLClient）已标注弃用。CLI 的设计目标之一是让 Agent 也能干活：官方说明它可以配合 Claude Code、Codex、Cursor、OpenCode 这类编码工具，用一条命令完成安装、认证并在全新 GPU 上跑训练脚本。存储侧有共享文件系统与持久化存储，Serverless 的模型权重就保存在部署自带的存储里。文档还覆盖 VPC、预留 IP、安全组、数据下载、SSH 与 dstack 集成。这些配套决定了从「跑通一次实验」到「每天跑任务」之间的落差有多大。
官方说明目前提供印度与欧洲区域，并单独开设了「印度 GPU 云」入口；CPU VM 明确只在印度区域提供。对数据落地点有要求的团队，需要先确认目标机型在哪个区域可用、模型权重与数据集存放在哪里，以及团队协作时的权限划分——文档中有 Teams 章节处理成员与计费。另外站点面向不同地区显示美元或印度卢比价格，官方说明印度以外客户以美元结算。做合规评估时，区域列表、数据存放位置与结算币种这三项建议都以当期页面与商务沟通为准。
它适合需要长期或间歇性租用 GPU 的开发者、做课程与比赛的师生，以及要跑微调与推理的小团队：官方称已有 27000 名以上 AI 开发者使用，累计提供 5000 万以上 GPU 小时算力，并在站点上单列了高校入口与客户案例。上手前的检查清单：确认目标机型与区域是否可用、充值方式与结算币种、模板里的依赖版本是否满足需求，以及长期挂载的存储费用。如果只是偶尔调用模型 API，直接用它的模型 API 或 Serverless 更省事，不必自己维护实例。
产品特点
官方把启动速度写成明确数字：模板约 1.8 秒、按需 VM 在 90 秒内可用。对频繁启停实验的开发者，这直接影响等环境的时间成本；配合暂停与恢复，短时任务不必一直挂着实例。
模板是预装 CUDA 与依赖的托管容器，接入方式为 JupyterLab、VS Code 或 SSH；VM 给完整 root 权限，可自带内核与 Docker 栈。选哪条取决于是否需要动系统层，而不是单纯比价格。
部署时平台先建持久存储并下载模型，再启动 GPU worker，因此扩容与替换出来的 worker 启动更快。接口兼容 OpenAI 的 chat/completions，现有客户端通常只需改 base_url 与 Key。
同一批 GPU 提供按需、竞价与预留三种形态：竞价最多省约 56%，预留按 1／3／6／12 个月阶梯折扣；按需与竞价按分钟计费并支持暂停。存储按 GB·月单独计费，区域内流量免费。
最近动态
截至 2026 年 9 月，官方定价页以「按分钟计费、无最低承诺」为主张，给出模板约 1.8 秒、VM 90 秒内的启动口径，并按每 GPU 每小时列出 L4、A30、A100 40GB／80GB、H100 SXM、RTX Pro 6000 Blackwell 与 H200 SXM 等机型，多数支持 1×／2×／4×／8× 配置。
官方文档说明 Serverless 支持 vLLM、SGLang 与 Ollama，可设置最小／最大 worker、并发请求数、空闲超时与等待时间，最小 worker 设为 0 时可在无流量时缩容到零；模型先下载到持久存储再启动 worker，接口兼容 OpenAI 的 chat/completions 并支持流式。
官方文档把 jl 命令行与编码 Agent 放在一起介绍：可与 Claude Code、Codex、Cursor、OpenCode 配合，用一条命令完成安装、认证并在全新 GPU 上运行训练脚本，同时提供 Python SDK；早期那套 API（JLClient）已在文档中标注为弃用。
官方站点除 H200、H100、A100、L4 等机型页外，另设 B200 与 RTX 6000 Pro 规格页，以及与其他 GPU 云厂商的对比页。对做选型的团队，这类页面便于对齐规格，但价格与可用区域仍应以当期定价页为准。
Jarvislabs 是一家印度团队的 GPU 云平台，官方定位是「为 AI 团队打造的云」，主主张是按分钟计费、无最低承诺，并且可以随时暂停实例。它把算力拆成四种用法：模板（预装 CUDA 与依赖的托管容器，可用 JupyterLab、VS Code 或 SSH 接入）、按需 VM（完整 root 权限，可自带内核与 Docker 栈）、Serverless（选框架与模型即得到推理端点，worker 随流量自动扩缩）、以及 H200 InfiniBand 多节点集群。官方给出的启动口径是模板约 1.8 秒、VM 在 90 秒内可用，单实例最多可扩到 8 张 GPU。 机型与计费结构相对透明。定价页按每 GPU 每小时列出 L4、A30、A100 40GB／80GB、H100 SXM、RTX Pro 6000 Blackwell 与 H200 SXM 等档位，多数支持 1×／2×／4×／8× 配置；同一批卡有按需、竞价与预留三条线，竞价最多省约 56%，预留按 1／3／6／12 个月阶梯折扣。CPU 虚拟机只提供按需档，价格由 vCPU 与内存单价组合而成；存储按 GB·月计费，区域内流量免费。 面向开发者的配套包括 jl 命令行工具、Python SDK、共享文件系统，以及 VPC、预留 IP、安全组、数据下载与 dstack 集成等文档章节。官方特别把 CLI 与编码 Agent 放在一起介绍，可与 Claude Code、Codex、Cursor、OpenCode 配合，让 Agent 自己开卡、跑脚本。Serverless 侧支持 vLLM、SGLang 与 Ollama，接口兼容 OpenAI 的 chat/completions（含流式），也提供异步提交后轮询的调用方式；部署时先把模型下载到持久存储再启动 worker，因此扩出来的 worker 启动较快。 容易忽略的是「挂着的资源」：暂停的实例仍占用存储与磁盘，Serverless 部署即使把最小 worker 设为 0，模型所在存储也持续计费，所以预算要把算力、存储与流量分开算。另外官方称目前区域为印度与欧洲，CPU VM 仅印度区域提供，站点按地区显示美元或印度卢比，印度以外客户以美元结算；官方称已有 27000 名以上 AI 开发者使用、累计提供 5000 万以上 GPU 小时，并在站点上单列高校入口。整体而言，它适合需要频繁启停 GPU、又想少花时间搭环境的个人开发者与中小团队；只需要偶尔调用模型 API 的话，直接用其模型 API 或 Serverless 更省事。
核验信息
本页事实来自 Jarvislabs 官方渠道：官网与定价页（「为 AI 团队打造的云」定位、按分钟计费与无最低承诺、模板约 1.8 秒与 VM 90 秒内的启动口径、单实例最多 8 张 GPU、按每 GPU 每小时的机型价格、竞价与预留折扣、CPU VM 计价方式、存储与区域内流量口径、印度与欧洲区域表述、27000 名以上开发者与 5000 万以上 GPU 小时的表述）、官方文档（Serverless 的框架支持与 worker 扩缩逻辑、OpenAI 兼容接口与计费方式、模板清单与实例自带组件、CLI 与 Python SDK、JLClient 弃用标注）以及官方博客。间为 2026 年 9 月 22 日，价格与区域可用性变化较快，请以官方当期页面为准。
Jarvislabs介绍页面对您是否有帮助？
Jarvislabs