RunPod, Inc. が提供する、AI・機械学習向けのGPUクラウドインフラサービス。2022年の登場以来、「必要なときに必要な分だけGPUを借りる」使い方に特化して機能を広げてきた。31以上のグローバルリージョンでオンデマンドのGPUインスタンス（Pod）を数十秒で立ち上げられるほか、リクエストが来たときだけ起動して待機中は課金されないサーバーレスGPU、複数ノードをInfiniBandで束ねるクラスター、コンテナやモデルのテンプレートを集めたRunPod Hubを備える。LLMの推論APIを立てる、画像生成モデルを動かす、手元のGPUでは載りきらないモデルをファインチューニングする ─ そうした用途に対して、自前でGPUマシンを買わずに済む選択肢を提供している。
主な特徴
- オンデマンドGPU Pod: RTX 4090・L40S・A100・H100・H200・B200など30種類以上のGPUから選び、コンテナベースのインスタンスを起動できる。JupyterやSSHで入って対話的に作業でき、課金はミリ秒〜秒単位。中断ありの安価なSpotと、確保が保証されるOn-Demandを使い分けられる
- サーバーレスGPU（scale to zero）: 推論エンドポイントとしてコンテナをデプロイすると、リクエストが来たときだけワーカーが起動し、アイドル時はゼロまで縮む。公式はFlashBootによる200ミリ秒未満のコールドスタートを掲げており、ジョブキューやオートスケールも組み込みで用意される
- マルチノードクラスター: 200基以上のGPUを同時に扱える分散構成に対応し、InfiniBandで接続される。単一ノードに収まらない学習や大規模なバッチ推論を想定した構成
- RunPod Hubとテンプレート: vLLMやComfyUIなど、よく使われるコンテナのテンプレートを選ぶだけでデプロイでき、自前のDockerイメージも持ち込める。環境構築の手間を大きく減らせる
- 31以上のグローバルリージョン: 用途や価格に応じてリージョンを選択でき、レイテンシやデータ所在地の要件に合わせやすい
- 開発者向けの導線が揃っている: REST/GraphQL API、CLI、公式ドキュメント、MCPサーバー（
docs.runpod.io/get-started/mcp-servers）まで用意されており、AIコーディングエージェントからの操作も想定されている
料金
RunPodは月額固定のプランではなく、使った時間とストレージ量に対する従量課金が基本。以下は公式料金ページに掲載されている代表的な単価。
| 区分 | 例 | 単価（時間あたり） |
|---|---|---|
| Pod（オンデマンド） | RTX A5000 24GB | $0.27 |
| Pod（オンデマンド） | RTX 4090 24GB | $0.74 |
| Pod（オンデマンド） | L40S 48GB | $0.99 |
| Pod（オンデマンド） | A100 SXM 80GB | $1.59 |
| Pod（オンデマンド） | H100 PCIe 80GB | $2.89 |
| Pod（オンデマンド） | H200 141GB | $4.59 |
| サーバーレス | L40/L40S | $1.75 |
| サーバーレス | A100 | $2.72 |
| サーバーレス | H100 | $4.79 |
ストレージは、コンテナディスクとボリュームディスク（稼働中）が$0.10/GB/月、ネットワークストレージが標準$0.05〜$0.07/GB/月、高性能タイプが$0.14/GB/月。長期利用向けのリザーブド契約による割引もあるが、具体的な条件は問い合わせが必要。
料金は2026年8月時点の情報です。GPUの単価はモデル・リージョン・在庫状況によって変動します。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- 秒単位の課金で、使った分だけ支払う。短時間の実験や単発のファインチューニングでコストを抑えやすい
- サーバーレスはアイドル時の課金がゼロになるため、アクセスが読めない個人開発の推論APIと相性がよい
- コンシューマー向けGPU（RTX 4090など）を安価に選べるので、H100クラスが不要な用途では大手クラウドより割安になりやすい
- テンプレートが充実しており、vLLMやComfyUIのような定番構成をすぐ立ち上げられる
- 大手クラウドのような長期契約や最低利用額がなく、クレジットを入れればすぐ試せる
⚠️ デメリット
- 従量課金のため、停止し忘れたPodがそのまま課金され続ける。コスト管理の意識が必要
- 人気GPUは時間帯やリージョンによって在庫切れになることがあり、必ず希望の機種を確保できるとは限らない
- Spotインスタンスは中断されうるため、長時間の学習では途中保存（チェックポイント）の設計が前提になる
- Dockerコンテナ・SSH・GPUメモリといった基礎知識が必要で、まったくの初心者がノーコード感覚で使えるサービスではない
- 日本語のUI・公式ドキュメントは用意されておらず、英語での読み書きが前提になる
類似サービスとの比較
| 比較項目 | RunPod | Vast.ai | Lambda | Modal |
|---|---|---|---|---|
| 主な形態 | Pod + サーバーレス + クラスター | GPUマーケットプレイス | GPUクラウド + オンデマンド | サーバーレス実行基盤 |
| 課金単位 | 秒単位の従量課金 | 時間単位の従量課金 | 時間単位の従量課金 | 秒単位の従量課金 |
| アイドル課金 | サーバーレスはゼロ | 起動中は課金 | 起動中は課金 | ゼロ |
| 使い方 | コンテナ / API / CLI | インスタンス貸借 | インスタンス / クラスター | Pythonコードのデプロイ |
| 向く用途 | 推論API・実験・ファインチューニング | とにかく安くGPUを借りる | 大規模学習・安定運用 | Pythonアプリのスケール実行 |
RunPodは「対話的に触れるPod」と「放っておけるサーバーレス」の両方を1つのアカウントで扱える点が特徴で、実験から小規模な本番運用まで同じ場所で完結させやすい。
こんな人におすすめ
- 手元のPCのGPUではメモリが足りず、LLMや画像生成モデルを動かせずにいる人
- 自作のモデルやオープンウェイトのLLMで推論APIを立てたいが、常時起動のサーバー代は払いたくない個人開発者
- 短時間のファインチューニングや検証を繰り返したい研究者・学生
- ComfyUIやvLLMのような定番環境を、環境構築に時間をかけずに使いたい人
- GPUマシンの購入を検討する前に、実際の必要スペックをクラウドで見極めたい人
まとめ
RunPodは、秒課金のGPU Podとscale to zeroのサーバーレスを組み合わせて、AIワークロードを「使った分だけ」動かせるGPUクラウドである。GPUを買うほどではないが手元のマシンでは足りない、という中間の領域を埋める存在で、実験用のPodから小規模な推論APIの運用まで同じアカウントで進められる。一方でDockerやSSHの基本知識は必要になり、停止し忘れによる課金や人気GPUの在庫といった運用面の注意点もある。まずは安価なGPUのPodを短時間動かして、自分のワークロードにかかる実コストを測るところから始めるとよい。