Vast.ai は、世界中のデータセンターや事業者が持つ GPU を借り手とつなぐ「GPU クラウドマーケットプレイス」である。H100・B200・RTX 4090 といった GPU を時間単位（課金は秒単位）で借りられ、価格は固定の定価ではなく、需要と供給によってリアルタイムに変動する。従来の大手クラウドのように 1 社が価格を決めるのではなく、多数のホストが出品した GPU を一覧から選んで借りる仕組みのため、同じ GPU でも条件次第で大きく価格差が出る。機械学習モデルの学習・ファインチューニング、推論サーバーの運用、画像生成など、GPU を長時間使う作業のコストを抑えたい人に向いたサービスである。2018 年から提供されており、開発者向けの API・CLI・Python SDK も揃っている。
主な特徴
- マーケットプレイス型の価格決定: 価格は 40 以上のデータセンターにまたがる需要と供給で決まり、リアルタイムに変動する。GPU の種類は 68 種類以上が並び、性能・価格・立地・ホストの信頼性を見比べて選べる
- 3 つの利用形態: 中断されない「オンデマンド」、ホストに回収されうる代わりに大幅に安い「インタラプティブ（中断可）」、1・3・6 か月単位で容量を押さえる「リザーブド」から選べる。公式サイトによれば、インタラプティブはオンデマンドより 50% 以上安く、リザーブドは最大 50% 引きになる
- 秒単位課金: オンデマンドインスタンスは秒単位で課金されるため、短時間の検証や実験でも無駄が出にくい
- API・CLI・Python SDK: OpenAPI 仕様が公開されており、CLI と Python SDK からインスタンスの検索・起動・停止を自動化できる。学習ジョブのスケジューリングや、価格条件を指定した自動借り上げといった使い方ができる
- Secure Cloud（セキュアクラウド）: 高いセキュリティ・コンプライアンス要件を持つ利用者向けに、認証済みのデータセンターパートナーがホストする GPU に絞って利用できる選択肢が用意されている。運営会社は SOC 2 の認証を取得している
- Docker ベースの環境: 任意の Docker イメージを指定してインスタンスを起動できるため、PyTorch や各種推論サーバーなど、手元の環境をそのまま持ち込みやすい
料金
Vast.ai には月額のサブスクリプションプランがなく、使った分だけを支払う従量課金である。GPU の単価はホストが設定し、需給で変動するため固定の定価は存在しない。利用形態ごとの違いは次のとおり。
| 利用形態 | 課金 | 特徴 |
|---|---|---|
| オンデマンド | 秒単位の従量課金 | 中断されない。本番運用・長時間の学習向け |
| インタラプティブ（中断可） | 従量課金 | ホストに回収される可能性がある代わりに、オンデマンドより 50% 以上安い。バッチ学習向け |
| リザーブド | 1・3・6 か月の期間契約 | 容量を確保でき、最大 50% 引き |
GPU 料金とは別に、ストレージとネットワーク転送量がホストの設定した単価で課金される点に注意が必要（インスタンスを停止していてもストレージ料金は発生し、削除するまで止まらない）。支払いはクレジットの前払い方式で、残高から使用分が差し引かれていく。
料金は2026年8月時点の情報です。GPU の実勢価格は時々刻々と変わるため、最新の料金は公式サイトの料金ページや料金計算機、コンソール上の出品一覧をご確認ください。
メリット・デメリット
✅ メリット
- 大手クラウドの GPU インスタンスと比べて、同じ GPU をかなり安く借りられる可能性がある
- 秒単位課金と豊富な GPU の選択肢により、「試したいときだけ、必要な性能を、必要な時間だけ」という使い方ができる
- 中断可インスタンスを使えば、失敗してもやり直せるバッチ学習のコストを大きく下げられる
- CLI・API・Python SDK が整っており、インスタンスの調達自体をスクリプトで自動化できる
- Docker イメージを指定できるため、環境構築のやり直しが少ない
⚠️ デメリット
- 価格が変動するため、月額のコストを事前に固定しづらい。予算管理には見積もりの余裕が必要
- ホストごとに回線速度・ディスク性能・稼働の安定性が異なり、当たり外れがある。出品の信頼性指標を見て選ぶ手間がかかる
- 中断可インスタンスは予告なく回収されうるため、チェックポイント保存など中断前提の設計が必須
- ストレージと転送量が別課金で、停止中のインスタンスにもストレージ料金がかかるため、放置するとコストが積み上がる
- マネージドな学習基盤やジョブ管理機能は薄く、基本的には「GPU 付きのサーバーを借りる」レベルの提供。オーケストレーションは自前で組む必要がある
類似サービスとの比較
| 比較項目 | Vast.ai | RunPod | Lambda | CoreWeave |
|---|---|---|---|---|
| 提供形態 | 分散型マーケットプレイス | GPU クラウド（Community/Secure の 2 系統） | 自社データセンターの GPU クラウド | エンタープライズ向け GPU クラウド |
| 価格の決まり方 | 需給で変動（ホストが設定） | 事業者が提示（種別ごとの単価） | 事業者が提示 | 契約ベースが中心 |
| 安さの傾向 | 最安値を狙いやすい | 中程度 | 中程度 | 大規模契約向け |
| 品質のばらつき | ホストごとに差がある | 比較的そろっている | そろっている | そろっている |
| 主な用途 | 個人・小規模チームの学習/推論 | 個人〜チームの推論・学習 | 学習・研究 | 大規模学習・本番推論基盤 |
同じ「GPU を借りる」でも、価格の安さを最優先するなら Vast.ai、環境の均質さや運用の手離れを重視するなら他社のマネージド寄りのサービス、という住み分けになる。
こんな人におすすめ
- 個人や小規模チームで、モデルの学習・ファインチューニングの GPU 費用を抑えたい人
- 画像生成や動画生成を大量に回したいが、高性能 GPU を購入するのは避けたい人
- 中断されても再開できるバッチ処理を組める人（中断可インスタンスの恩恵が最も大きい）
- CLI や API でインフラ調達を自動化することに抵抗がない開発者
- ローカル PC の GPU では足りない実験を、必要なときだけ大きな GPU で回したい研究者・学生
逆に、SLA と均質な品質が求められる本番システムや、GPU の調達・運用を丸ごと任せたいチームには、マネージド寄りのサービスのほうが適している。
まとめ
Vast.ai は、GPU を「定価で買うもの」から「相場を見て借りるもの」に変えるサービスである。マーケットプレイス型ゆえに最安値を狙いやすい一方、ホストごとの品質差・中断リスク・ストレージの別課金といった、自分で管理すべき要素も増える。まずは少額のクレジットを入れて短時間のインスタンスを借り、回線速度やディスク性能を実際に測ってから本格利用に進むのが現実的な始め方といえる。