
Hostinger 能否令高階 GPU 硬件 變得適合租用?我部署了一部 B200,處理了一個連線問題,並實測了推論、圖像生成和監控。請繼續閱讀,了解租用前值得注意的結果、成本和限制。

我根據兩次部署經驗、運作正常的 B200 效能基準測試結果、hPanel 控制項,以及與支援團隊的對話,為 Hostinger GPU Hosting 評分。我亦查閱了已公布的計費和退款條款。我採用HostAdvice 主機評分方法,但這只是對一部經測試的 B200 所作的快照,並非正常運作時間研究,也不是對所有 GPU 型號的比較。
| 測試 | 分數 /10 | 評分原因 |
| 價格與方案 | 8.1 | GPU 租用服務和配置具彈性,但持續計費、不可退款的點數,以及沒有暫停選項,限制了其價值。 |
| 功能 | 8.8 | GPU 效能強大、顯示記憶體充足,並提供應用程式範本和監控工具,但沒有內置備份或持久性儲存空間。 |
| 效能 | 8.8 | BF16 結果出色、Qwen 推論速度快,SDXL 圖像生成亦不到一秒,但持續工作負載仍未經測試。 |
| 易用程度 | 8.0 | 部署快捷,管理簡單直接,但 GPU 庫存限制和初始 SSH 問題令人感到挫折。 |
| 支援水平 | 7.8 | 人工智能回覆迅速詳盡,文件亦有用,但聯絡人工支援和解決連線問題都花了不少時間。 |
| 整體 | 8.3 | GPU 效能令人印象深刻,部署門檻亦低,但計費限制、復原選項有限,以及支援方面的阻滯抵銷了部分優勢。 |

Hostinger GPU Hosting 採用按需租用模式,而非網站寄存服務通常提供的固定月費訂閱方案。您可以租用 GPU 資源,用於人工智能推論、模型開發、微調及圖像生成等工作負載,費用則根據您選擇的配置計算。
GPU 目錄提供多種選項,從 RTX 4090、L40S 到 A100 和 NVIDIA B200 均有,記憶體容量和運算能力各不相同。不過,供應情況可能影響您的選擇。我最初想測試的 RTX 4090 在 hPanel 中缺貨,儘管它仍列於 Hostinger 的公開價格頁面上。
Hostinger 提供標準及 Dedicated B200 執行個體,後者收費較高。您亦可以選擇不同的 CPU、RAM 和儲存空間配置。我首次選擇的配置包括 16 個 CPU 核心、32 GB RAM 和 300 GB 儲存空間,目的是支援我的人工智能效能基準測試,而不是使用可供選擇的最低配置。
Hostinger 透過預付點數收取 GPU 使用費。不過,在啟動執行個體之前,有幾項條件值得考慮:
這些條件令較長時間的人工智能工作尤其需要謹慎規劃成本。您需要準備足夠點數,以支付處理及設定所需時間的費用,同時亦要考慮延誤或連線失敗的情況。
我使用已有點數的 Hostinger 帳戶測試 GPU Hosting,因此沒有完成新的付款結帳程序。新客戶可以在配置執行個體後為餘額增值。Hostinger 支援付款卡及 PayPal 等電子錢包,但可用的付款方式視乎客戶所在的地區而定。
我亦沒有遇到獨立的 GPU 免費試用。GPU 購買項目及人工智能點數不包括在 Hostinger 標準的 30 日主機退款保證之內,因此我會在付款前確認最終配置及點數需求。
最大的優點是靈活性。您可以在短期工作負載中使用昂貴的 GPU 硬件,而無須購買或維護自己的伺服器。不過,宣傳的每小時收費並不能說明全部情況。
我的體驗亦顯示,資源配置及連線能力會影響定價。如果執行個體仍在運行並消耗點數,排除伺服器無法存取問題所花的時間仍可能計入您的費用。
我會在啟動付費工作負載前,於 hPanel 查看最終點數消耗速度、確認 GPU 供應情況,並安排外部儲存空間。對於規劃周詳的短期工作而言,租用模式是合理的選擇。對於時間較長或難以預測的工作負載,密切留意點數消耗量至關重要。

只有在您能夠存取硬件、可靠地執行工作負載,並在合理時間內取得結果時,強大的 GPU 才有用。Hostinger 宣傳其 NVIDIA B200 配備 192 GB 顯示記憶體,但我想了解這在實際效能上有何體現。
我集中探討三個問題:
我的第一個 B200 部署遇到連線問題。hPanel 顯示了一個我無法透過手提電腦連線的私人 IP 位址,而 Hostinger 承認控制台顯示的 IP 位址出現問題。
為了將最初遇到的問題與硬件效能分開評估,我啟動了一個全新的 B200 執行個體,並使用新的連線端點成功透過 SSH 連線。我於 2026年10月26日 完成以下效能測試。
因此,以下結果來自一個正常運作的替代執行個體。先前的連線問題仍會納入我的整體評估,但並未妨礙我評估 GPU 的效能。
我使用了一個 Ubuntu 24.04 B200 執行個體,配備 16 核心 CPU 配額、32 GB RAM,以及約 300 GB 已配置儲存空間,地區位於 Hostinger 的洛杉磯。我從 Pop!_OS 手提電腦透過 SSH 連線,使用 nvidia-smi 檢查硬件,並安裝支援 CUDA 的 PyTorch 環境。伺服器顯示 NVIDIA 驅動程式版本為 595.91.07;PyTorch 2.11.0+cu128 能識別 GPU,並支援 BF16 運算。
接着,我執行了三類工作負載:簡短的 BF16 矩陣乘法和 GPU 記憶體複製測試、Qwen2.5-7B-Instruct 語言模型推論,以及 Stable Diffusion XL 圖像生成。我以固定設定重複執行 AI 工作負載,並記錄每次執行時間,而非只採用單次最佳結果。最後,我查看 hPanel 的 Metrics 頁面,確認是否有顯示 GPU 活動。
這些測試提供了單一執行個體的實用概況,但無法證明長期正常運作時間、持續數小時負載時的效能,或 B200 在相同條件下與其他 GPU 主機的比較結果。我亦沒有進行網絡吞吐量或多用戶推論效能基準測試。
首先令人安心的是,Ubuntu 立即識別出 NVIDIA B200。nvidia-smi 識別出一張 B200,顯示 GPU 記憶體為 182,624 MiB;PyTorch 則顯示裝置可用記憶體為 178.34 GiB。這些以二進制單位計算的數值,與宣傳所述的 192 GB 顯示記憶體大致相符,不過軟件可讀取的容量與銷售頁面上顯示的數字並不完全相同。

從環境內查看,作業系統亦顯示 32 GiB RAM,以及 268 GiB 已掛載檔案系統容量。處理器識別為 AMD EPYC 9575F,不過 lscpu 顯示 224 個邏輯 CPU。我檢查了容器的 CPU 控制設定,而沒有將該數字解讀為方案包含 224 個核心。
cgroup 限制為每 100,000 微秒週期 1,600,000 微秒,令執行個體有 16 個 CPU 核心等效數。這與我選擇的 16 核心配置相符。對讀者而言,這是一項重要分別,因為主機可見的 CPU 拓撲可能看起來遠比實際分配給託管工作負載的容量充裕。
為初步測量 B200 的原始運算能力,我透過 PyTorch 執行了 BF16 矩陣乘法。BF16 在此很有用,因為它廣泛用於人工智能模型運算,不過小型合成矩陣效能基準測試並不能取代執行完整模型。
進行 12 次重複測試後,較小的 4,096 方陣以 0.098 毫秒的中位運算時間,得出估算值 1,402.7 TFLOP/s。8,192 方陣的估算值為 1,668.8 TFLOP/s,中位時間為 0.659 毫秒。這些數值是根據受測運算計算出的算術吞吐量估算值,並非經獨立驗證的持續應用程式效能。
我亦測量了 512 MiB GPU 裝置內記憶體複製。其完成時間中位數約為 0.17 毫秒,相當於所報告的 3,137.1 GB/s 有效載荷吞吐量。這項測試測量的是 GPU 記憶體內的資料傳輸速度,並非下載模型、讀取伺服器磁碟或透過互聯網傳送資料的速度。

整個基準測試腳本在 2.646 秒內完成。我很高興看到 PyTorch 識別到這張顯示卡,並在沒有 CUDA 錯誤的情況下執行這些操作,但時間短亦是其限制。我們不能單憑數毫秒的運算,就斷定 GPU 在長時間訓練工作中能維持相同吞吐量或溫度。
合成吞吐量令人鼓舞,但我想看看 B200 處理實際語言模型的表現。我透過 Hugging Face Transformers 以 BF16 載入 Qwen2.5-7B-Instruct,並要求它解釋 GPU 加速。測試使用一個提示詞,最多生成 128 個詞元,並以相同設定重複三次。
在記錄的測試中,擷取及載入模型耗時 35.40 秒。接着,首次生成 128 個詞元的回應耗時 23.094 秒,換算後每秒只有 5.54 個詞元。結果起初看來令人失望,但接下來兩次測試的結果卻截然不同。
第二次測試在 1.005 秒內生成 128 個詞元,即每秒 127.30 個詞元。第三次耗時 1.029 秒,即每秒 124.35 個詞元。兩次後續測試的平均速度約為每秒 125.8 個詞元,而且兩者之間的差異很小。

兩者的差距相當顯著。這與一次性設定或延遲初始化影響首次生成的情況相符,但我沒有查明確切原因。我不會隱瞞耗時 23 秒的結果,也不會把後續測試的表現說成每次首次請求都能達到的速度。對於提供模型服務的人來說,初始延遲和較快的重複回應同樣重要。
PyTorch 回報的 GPU 峰值記憶體分配量為 14.21 GiB。這只佔 B200 可用記憶體的一小部分,因此這項測試展示的是可行的單次請求推論,而非託管實際需要接近 192 GB 顯示記憶體的模型所帶來的優勢。我沒有測試並行處理、批次處理、較長的上下文視窗,或 vLLM 等經過優化的推論伺服器。
作為第二個實際應用,我使用 Stable Diffusion XL 生成一張 1,024 × 1,024 的產品圖片,內容是一隻放在深色大理石上的黑色腕錶。我使用 25 個推論步數、FP16 權重,並在三次測試中使用相同的提示詞和隨機種子。這樣得出的測量結果便可以重複驗證,而非得到三張複雜程度各異、互不相關的圖片。
SDXL 模型花了 18.29 秒擷取及載入。第一張圖花了 3.275 秒。第二及第三張分別花了 0.915 和 0.913 秒,穩態下平均每張圖需時 0.914 秒。PyTorch 程序報告的 GPU 峰值配置量為 11.49 GiB。

我亦檢查了匯出的圖片。3 個檔案的每個位元組完全相同,這符合固定隨機種子的設定,亦顯示重複測試產生了相同輸出。乍看之下,手錶、反光表面和光線效果都相當逼真,不過仔細查看錶面,便會發現一些生成式產品圖像常見的小瑕疵。這些藝術上的不完美之處不應被誤認為 GPU 硬件錯誤。
這個結果特別有參考價值,因為它讓我有一項具體工作可供評估:載入整個流程後,不到一秒便生成了一張全尺寸 SDXL 圖像。然而,這是使用單一 SDXL 模型生成單張圖像,並非影片生成、大批次處理,或所有可供租用的圖像模型的效能基準測試。
在評測較早的部分,Hostinger 的 Metrics 頁面曾顯示平直線條,因為當時 GPU 閒置。執行效能基準測試後,我返回相同的 1 小時檢視畫面,看到兩個圖表都有活動。運算吞吐量顯示為 297 TFLOPs,而顯示記憶體圖表則顯示明顯上升,游標停留的位置更顯示 14.3 GB。

這有助確認 hPanel 有記錄工作負載,而非繼續顯示平直的零值。相比剛完成部署後,Metrics 頁面的資訊亦更豐富。1 小時、24 小時、7 天和 30 天的選項都很容易找到。
我仍會避免直接比較 hPanel 顯示的 297 TFLOPs 和合成測試得出的 1,668.8 TFLOP/s。測試期間並未確定控制面板的取樣時段和計算方法,而其顯示記憶體數值亦與 PyTorch 程序層級的峰值配置量並不相同。這些圖表有助找出活動情況及隨時間出現的變化,但不能取代工作負載層級的計時或系統測量。
Hostinger 的第二個 B200 執行個體在 3 項截然不同的測試中,都為我提供了可用的 GPU 加速。合成 BF16 測試結果顯示短時間計算速度很快;Qwen2.5-7B 在首次測量的回應速度異常緩慢後,達到約每秒 126 個詞元;Stable Diffusion XL 則在初始化後,約 0.91 秒便生成 1,024 像素的圖像。我亦確認了 16 核心 CPU 配額,並看到 hPanel 上顯示活動記錄。
這些結果令人滿意,但我不會據此承諾所有人工智能工作負載都能有同樣表現。這些測試時間短,而且只在一個執行個體上進行,所用模型相對於 B200 可用的顯示記憶體而言也較小。我沒有測試持續訓練、最高並行度、長期供應情況或外部網絡速度。較早前的 SSH 連線端點問題仍是另一項操作上的隱憂,儘管替換後的伺服器成功連線。

我以評估全新 GPU 租用服務的方式體驗 Hostinger GPU Hosting:尋找合適的顯示卡、查看實際費用、啟動執行個體,然後感受環境運行後是否易於管理。
我亦想了解 GPU 服務如何融入 Hostinger 更大的 hPanel,因為讓伺服器上線只是整個體驗的一半。
部署過程很快,購買流程則較難預料。我在公開價格頁面選擇的 GPU,在 hPanel 中並無供應,而替換的 GPU 每小時收費高出許多。以下是這次體驗的經過,從第一次點擊到管理工具一一說明。
我從 Hostinger 網站開始,然後開啟 Products > Hosting > GPU hosting。我喜歡 GPU hosting 有獨立且標示清晰的項目,與網頁寄存、VPS 寄存及雲端寄存並列。我毋須開啟一般的 VPS 產品,也毋須弄清楚 GPU 硬件能否作為附加項目提供。

連結開啟了 Hostinger GPU Hosting 登陸頁面,頁面宣傳按小時租用 NVIDIA GPU,適用於人工智能、算圖及其他運算密集型工作。主標題正下方有一個 Get started 按鈕。按下後並不會立即建立執行個體或帶我前往註冊頁面,而是將我帶到同一頁面的 GPU 價格部分。

這是個合理的起點。價格部分以不同卡片展示可供選擇的 GPU 型號,並列出宣傳的每小時起始收費、顯示記憶體及建議用途。在需要配置伺服器之前,我可以先比較硬件。公開頁面所列的型號涵蓋 RTX 4090,以至包括 B200 在內、價格較高的資料中心 GPU。

我最初選擇了 NVIDIA RTX 4090。Hostinger 宣傳其每小時收費由 $0.42 起,配備 24 GB 顯示記憶體,並建議用於開發、實驗、圖像和影片生成、3D 算圖,以及使用較小型模型進行推論。
對於我計劃進行的人工智能推論、圖像生成及 GPU 效能檢查來說,這看來是個合理的起點。我不需要只為了建立實用的效能基準,就租用其中一款最昂貴的顯示卡。

選擇 RTX 4090 後,我按下其卡片上的 Get GPU。接着便前往 Hostinger 的帳戶註冊頁面。頁面提供透過 Google 或 GitHub 註冊的選項,也有一般的電郵地址和密碼欄位。
電話號碼欄位標示為選填,另有一個獨立的核取方格,用於選擇是否透過 WhatsApp 和 SMS 接收宣傳訊息。

註冊畫面簡單直接。更重要的是,選擇 GPU 尚未令我承諾購買特定伺服器。
建立帳戶或登入後,我進入了 hPanel 的 GPU 區域,並可在此實際選擇和啟動硬件。控制台顯示點數餘額為 2,000。
控制台顯示點數餘額為 2,000,因為我已有 Hostinger 帳戶,而且帳戶內有可用點數。如果您是首次註冊,且沒有現有點數餘額,在配置 GPU 執行個體後便會遇到付款步驟,屆時可先選擇偏好的付款方式,再完成購買。
hPanel 中的 GPU 頁面簡潔易讀。清單上方,Hostinger 說明我可以直接從控制面板啟動 GPU 執行個體,而可選硬件則顯示在可見的點數餘額下方。頁面列出了 7 款型號,包括我選擇的 RTX 4090,但大部分 Select 按鈕都無法使用。

我嘗試選擇 RTX 4090,發現其按鈕呈灰色。將滑鼠停留在按鈕上時,會顯示「缺貨」訊息。我在該工作階段中也無法選擇 RTX 5090、L40S、A100 或 RTX PRO 6000。我只有兩個選項:NVIDIA B200 和 B200 (Dedicated)。

這是購買體驗中最明顯的不便之處。公開定價頁邀請我租用每小時 $0.42 的 RTX 4090,但我實際上無法配置該 GPU。
至少 Hostinger 在 hPanel 中清楚說明這項限制,而不是讓我填寫配置資料後,待部署時才失敗。不過,這意味着我必須重新考慮測試硬件和預算。
我選擇了標準版 NVIDIA B200,價格標示為每小時 $4.50 起,配備 192 GB 顯示記憶體。其較大的記憶體容量亦讓我日後有空間測試要求更高的人工智能工作負載。
另一個選項 B200 (Dedicated) 的價格為每小時 $7.08 起,而我沒有需要專用 GPU 存取權限的特定要求,因此不值得支付這筆額外費用。我按下標準版 B200 的 Select 按鈕以繼續。
選擇 B200 後,Hostinger 開啟了「部署您的 GPU 執行個體」頁面。頁面左側以一欄列出 GPU 選項,右側則顯示所選執行個體的配置。這種安排很實用:我可以查看 B200 和其他可用選項,同時掌握伺服器設定和運行成本。

我將執行個體命名為 hostinger-gpu-review-b200。Hostinger 指明名稱中的詞語應以連字號分隔,讓我可以直接從表格中清楚了解命名規則。
下一個欄位是地區,這揭示了第二個實際限制:下拉式選單只提供美國洛杉磯。在這次部署期間,我沒有其他地點可供選擇。

執行個體大小選擇器比我最初預期的更需要仔細留意。Hostinger 預先選取了 2 核心、64 GB RAM、100 GB 儲存空間的配置,每小時收費為 506 點數。打開下拉式選單後,我看到其他 CPU、RAM 和儲存空間組合,以及各自不同的收費。選項並非簡單地按序遞增,不是每個較少的 CPU 核心數都代表較低價格;例如,4 核心選項的標價是每小時 450 點數。

我選擇了 X-Large 選項:16 個 CPU 核心、32 GB RAM 和 300 GB 儲存空間,每小時收費為 488 點數。這讓伺服器有更多 CPU 和磁碟容量來進行設定及測試,同時無需升級至 32 核心配置。
每小時收費也略低於預先選取的 2 核心選項。定價方面的重點是,Hostinger 宣傳的 B200 每小時 $4.50 是起始價格。我實際選取的配置每小時收費為 488 點數,按 Hostinger 定價卡所暗示的換算比率計算,相當於每小時約 $4.88。
接着我打開「選擇作業系統或應用程式」。除了 Ubuntu 24.04,Hostinger 還提供 Ollama、JupyterLab、Unsloth 和 InvokeAI 的預先配置選項。對於專注於特定人工智能應用程式的人來說,這些選項可節省設定時間。我選取了 Ubuntu 24.04,因為我想使用乾淨的作業系統,並自行控制為後續測試安裝的工具。

Hostinger 也提供可選的 SSH 金鑰欄位。我在首次部署時沒有使用這個欄位,而沒有在結帳時新增金鑰。之後控制面板顯示了以密碼為基礎的連線資料,因此沒有金鑰也不代表我缺少所宣傳的登入方式。不過,若要使用較長時間的伺服器,我會較偏好以金鑰為基礎的 SSH 連線存取。
在我按下 Deploy 之前,摘要顯示所選的 B200、X-Large 配置,以及每小時 488 點數的收費,並列出我的 2,000 點數餘額。
Hostinger 估計這筆餘額可供持續使用約四小時。我喜歡部署按鈕正上方即時顯示這項估算:這比只標示「由 $4.50/小時起」的價格卡更清楚地呈現持續開支。

我按下了 Deploy。Hostinger 隨後顯示「正在設定您的 GPU」畫面,並表示我可以離開頁面,讓資源配置繼續進行。在這個階段,無需額外手動設定基礎架構。

大約兩分鐘後,成功畫面確認「一切就緒!」並表示 GPU 執行個體已啟動並運作。畫面顯示 hostinger-gpu-review-b200 是一部 B200,配備 192 GB 顯示記憶體,規格為 X-Large。下一步清楚顯示為 Manage,讓人一目了然地知道資源配置完成後該前往何處。

我在確認畫面按下 Manage,檢視部署後會使用的控制項。這種直接交接很貼心:無需返回一般的 hPanel 首頁,再搜尋我的新伺服器。
Manage 開啟的是專用 GPU 管理區域,而非一般網頁寄存控制台。左側選單只有三個項目:概覽、Metrics 和 Exposed services。在瀏覽過廣泛的產品選擇畫面後,我很欣賞這種精簡的導覽方式。
概覽頁面立即解答了租用昂貴硬件後會有的疑問:它正在運作嗎?我獲分配了哪款 GPU 和哪些資源?點數消耗速度如何?我該如何連線?執行個體卡片將 hostinger-gpu-review-b200 標示為正在運作,並確認配備 NVIDIA B200、192 GB 顯示記憶體、16 個 CPU 核心、32 GB RAM、300 GB 磁碟、Ubuntu 24.04,位置為洛杉磯。

執行個體卡片上直接顯示了兩個控制項:重新啟動和銷毀。這些控制項容易找到很實用,因為按小時付費時,您需要知道如何管理執行個體的生命週期。我在這部分測試期間沒有執行任何一項操作,因此我評估的是這些控制項是否容易存取,而不是聲稱已驗證它們的行為。
伺服器卡片上方,Hostinger 顯示運算吞吐量、顯示記憶體使用量和點數支出。我最初擷取的畫面顯示吞吐量為 0 TFLOPs,平均顯示記憶體使用量為 0 GB,因為我尚未執行 GPU 工作負載。
點數摘要顯示總共使用了 488 點數,每小時點數消耗速度為 488 點數,剩餘點數餘額為 1,512 點數。這種透明度令人安心,尤其是付費 GPU 用量累積得如此迅速。
「連線」面板在同一個部分列出公用 IPv4 位址、可複製的 SSH 指令,以及密碼。SSH 指令包含 Ubuntu 使用者名稱和非預設 SSH 連接埠;密碼欄位則設有顯示和複製控制項。
Hostinger 亦提醒,透過 SSH 更改的密碼將不再與 hPanel 中儲存的密碼相符。因此,我毋須搜尋文件便能找到連線資料,不過單憑螢幕截圖,無法證明我已成功透過 SSH 登入。
查看「總覽」後,我開啟了 Metrics。Hostinger 提供 1 小時、24 小時、7 日和 30 日的時間篩選選項。頁面以圖表顯示以 TFLOPs 計算的運算吞吐量,以及以 GB 計算的顯示記憶體用量。圖表簡潔易讀,沒有無關的系統圖表分散注意力。

拍攝螢幕截圖時,兩張圖表的數值都維持在零。由於當時尚未執行人工智能工作負載,這是預期之內的情況,因此我不會把這些讀數視為 GPU 效能的證據,或監察系統有缺陷的證明。
稍後才是有用的測試:啟動實際工作負載,在用量變化時查看圖表,並與 Ubuntu 系統內的測量結果比較。
接着,我開啟了 Exposed services,這個部分可讓互聯網連線至在 GPU 伺服器上執行的應用程式。由於我尚未建立任何服務,頁面顯示空白狀態,並設有「新增服務」按鈕。Hostinger 亦附上警告,指出除非應用程式設有自己的登入功能,否則任何人都可以透過該地址存取已公開的內容。

我很欣賞這項警告。GPU 工作負載經常涉及筆記本、推論 API 和其他不應公開存取的開發介面。入口很容易找到,但我尚未在這裏新增或測試公開服務,因此單憑這些螢幕截圖,我無法評估工作流程的其餘部分或安全選項。
檢查完 GPU 專用畫面後,我才返回 hPanel Home。這讓我從另一個角度看易用性:如果我稍後再次登入,而不是透過部署後的 Manage 按鈕進入,要在哪裏找到 GPU 執行個體?
我的 Home 頁面首先顯示一個醒目的 AI 助手提示,以及一個內容豐富的 Your business 區域,當中列出許多現有網站。
每個網站都有 Manage site 操作,部分項目還顯示有關臨時網域的提醒。再往下,我可以看到一個 VPS 表格,列有 IP 位址、運作狀態、到期日期和管理按鈕。左側的導覽列則集合了網站、網域、電郵、更多服務、網站建立工具、AI 代理、營銷工具和開發人員服務。

這種一站式安排有其優點。產品分類標示清晰,現有的 Hostinger 客戶可以透過一個帳戶使用多種類型的主機服務。不過,就我而言,與網站相關的內容太多,令頁面看起來較為繁雜。
相較於網站和 VPS 項目,我的新 GPU 在 Home 可見內容中並不突出。進入 GPU 專用頁面後,其 Overview、Metrics 和 Exposed services 導覽則更為集中。
網站清單異常冗長,是因為我的帳戶本來就有這些網站;沒有其他服務的新客戶,看到的頁面可能不會那麼擠迫。儘管如此,讀者仍須留意這項分別:部署 GPU 的流程簡短而專注,而更廣泛的 hPanel 控制台則試圖同時服務所有 Hostinger 產品。
Hostinger GPU Hosting 易用性最出色之處,在於找到有供應的 GPU 之後的流程。配置頁面列出各項選擇及其費用,Ubuntu 和 AI 應用程式映像檔很容易找到,部署約兩分鐘便完成,而 Manage 會直接帶我進入精簡的執行個體控制台。
我毋須在複雜的雲端管理主控台中摸索,就能找到 GPU 規格、點數消耗速度、SSH 資訊及主要管理控制項。
不過,在部署前不應因為方便而忽略其限制。我在公開頁面選擇了 RTX 4090,但進入 hPanel 後卻無法租用;大部分列出的 GPU 均無法供應,而在我這次使用期間,洛杉磯是唯一可選的部署地區。B200 的價格遠高於我原本打算租用的 RTX 4090,而 X-Large 配置的收費亦高於宣傳中 B200 的起始價格。一般 hPanel Home 頁面的內容也比 GPU 專用頁面繁雜。

Hostinger 透過控制面板即時聊天提供全天候網上支援,亦可透過 WhatsApp 和電郵 support@hostinger.com 聯絡。與部分主機服務供應商不同,Hostinger 不提供電話支援。
目前,主要支援體驗以 Hostinger Agent 為核心。這款人工智能助理能回答問題、排解故障、查閱文件,以及執行某些帳戶管理操作。Hostinger 亦提供 Customer Success Specialists 的支援,讓您在需要更多協助時尋求幫忙。
這次評測中,我以 NVIDIA B200 GPU 執行個體的實際問題測試即時聊天。我想了解自己能多快獲得準確的技術指引,更重要的是,當我提出要求時,能否輕易直接聯絡真人客服。
我亦查閱了 Hostinger 的知識庫,以評估其 GPU 文件的質素,並了解客戶能否在不聯絡支援團隊的情況下自行解決常見問題。
我在 hPanel 頂部按下 Agent,開啟即時聊天。聊天視窗在 GPU 管理頁面旁邊開啟,讓我在與支援團隊對話時,查看正在運行的 B200 執行個體及其點數消耗量。

Hostinger Agent 是 Kodee 的後繼產品;Kodee 是 Hostinger 先前的人工智能支援助理。Hostinger 將 Kodee 與旗下其他專用人工智能工具整合為一個統一助理。據 Hostinger 表示,這款助理能解釋技術問題、提供故障排解指示、推薦相關文件,並對客戶帳戶執行受支援的操作。
不過,我的測試重點是技術建議和轉介真人支援,而非讓它對帳戶作出更改。
我問了一個關於 GPU 計費和資料保留的實際問題。由於 Hostinger 按小時收取 GPU 執行個體費用,我想知道在 AI 工作負載之間暫停伺服器,會否令已安裝的應用程式、模型和檔案遺失。我亦問了重新啟動是否會停止收費,以及如果必須銷毀執行個體,我應如何保留目前的環境。
代理程式在不到 30 秒內作出回覆。
回覆解答了全部三個疑問。它解釋,重新啟動只會重新啟動伺服器,並不會停止計費。Hostinger 目前沒有提供暫停或停止功能,讓客戶在不產生費用的情況下保留 GPU 執行個體。銷毀執行個體會停止計費,但其本機資料會永久刪除。
答案還進一步說明如何保留我的工作環境。它建議將模型和資料集轉移至外部儲存空間、匯出 Python 或 Conda 依賴項、記錄 CUDA 和 PyTorch 版本,以及儲存配置檔案和部署指令碼。

我很欣賞它提供的詳細程度。助理沒有只簡單指出 GPU 執行個體無法暫停,而是說明我在銷毀伺服器前應該怎樣做。它提供的指引亦符合 Hostinger 官方的 GPU 計費文件,讓我可以核實解釋是否準確。
不過,回答技術問題只是我支援測試的第一部分。接下來,我想直接聯絡真人專員。
17:23,我要求 Hostinger Agent 為我轉接真人客戶支援代表,以確認 GPU 計費和資料保留的詳情。它沒有安排轉接,反而重複說明相關政策,並鼓勵我繼續使用 AI 支援,解釋這樣會更快。
17:24,我再次明確提出要求。這次我表示自己已了解相關政策,不需要再聽 AI 解釋。我特別希望聯絡真人代表,並願意等候。
17:25,助理再次概述計費規則,然後提供兩個選項:「Wait for a human review」和「繼續使用 Hostinger Agent」。

我選擇了人工審核選項,並確認希望繼續與真人交流。Hostinger 隨後顯示了一則正在審核的訊息、一個倒數計時,以及一個欄位,讓我可以向專員提供更多資料。

17:31,即請求進入審核程序約六分鐘後,我收到一則與名為 Amber 的專員相關的回覆。介面顯示「由 Amber 審核的回覆」。
Amber 的訊息請我提供 GPU 執行個體名稱、希望確認的計費或資料保留事項,以及任何相關錯誤或螢幕截圖。

我提供了執行個體名稱 hostinger-gpu-review-b200,並要求確認三個重要事項:沒有暫停功能、銷毀後資料會永久刪除,以及是否提供快照、備份或持久性儲存空間。
我亦詢問了支援流程本身的問題。由於介面顯示回覆已由 Amber 審核,我想知道自己現在是否正直接與她交談,還是仍在與 AI 互動。
17:33,我收到另一則詳盡的答覆。回覆確認,GPU 執行個體在閒置時仍會持續消耗點數、銷毀後其本機資料會永久移除,而 Hostinger 目前不提供 GPU 快照、自動備份或持久性儲存空間。
回覆亦說明,當點數餘額降至零時,執行個體會立即銷毀,不設寬限期。建議的替代做法是使用 scp 或 rsync 等工具,將環境匯出至獨立的 VPS、雲端儲存空間或本機電腦。
不過,回覆中最能揭示實情的部分,是關於真人支援的內容。Hostinger 明確確認,我仍在與 Hostinger Agent 這個 AI 助手溝通。真人專員正在監督或審核這段對話,但我並未被轉接至直接的一對一真人聊天。

這項分別很重要。我刻意要求與真人代表交流,而不是再收到一段自動生成的解釋。雖然系統安排了真人監督,並提供完整的技術答覆,但並沒有提供我所要求的直接真人交流。
由 17:22 提出的第一個問題,到 17:33 的最後一次澄清,整段支援對話約花了 11 分鐘。最初的 AI 答覆在不到 30 秒內送達,而我要求升級處理後約 6 分鐘,才看到人工審核介入。
測試即時聊天後,我轉到 Hostinger 的網上說明中心 ,看看 GPU 客戶在不聯絡支援團隊的情況下,能否輕易找到答案。
首頁簡潔整齊,設有醒目的搜尋欄,文件亦按「開始使用」、「Hostinger 控制面板」、「VPS」、「帳單」和「SSL 憑證」等類別整理。不過,在畫面顯示的選項中,我找不到專門的 GPU 類別。

我在搜尋欄輸入「gpu」,Hostinger 顯示了 10 項搜尋結果。其中 8 項專門介紹 GPU hosting,涵蓋硬件選擇、應用程式範本、部署、執行個體管理、帳單、公開服務、安全,以及與 VPS 主機服務的比較。其餘 2 項則介紹 Hostinger 的退款政策和控制面板。

即使首頁沒有專門的類別,搜尋功能仍立即顯示相關的 GPU 文件,這點令我滿意。更重要的是,文章涵蓋了實際問題,例如每小時的點數消耗量、執行個體銷毀後的資料遺失,以及如何保護可供公眾存取的應用程式。
接下來,我仔細查看各篇指南,看看它們對這些問題的說明是否清晰,以及指示與我的實際操作經驗有多相符。
我查看了 Hostinger 有關 GPU 設定 及 執行個體管理的指南。內容涵蓋硬件選擇、地區、軟件範本、部署、監控和公開服務。
這些指示與我在 hPanel 的實際體驗非常吻合。我亦很欣賞 Hostinger 承認各地區的 GPU 供應有限;我曾遇到 RTX 4090 缺貨,而洛杉磯是我唯一可選的部署地點。
這份 GPU 計費指南 特別實用,因為它回應了我在即時聊天期間提出的相同疑慮。
指南確認,即使執行個體閒置,計費仍會繼續;重新啟動不會停止收費,而銷毀執行個體會永久刪除本機資料。
更重要的是,Hostinger 提醒用戶,系統不會自動為點數增值,也不會在點數餘額偏低時發出通知。點數用盡會導致執行個體立即銷毀。

這些都是任何人執行無人看管的人工智能工作負載時必須留意的重要細節,我很欣賞 Hostinger 對此作出清晰解釋。
Hostinger 的 服務公開指南 說明公用存取、連接埠配置及支援的通訊協定,亦釐清選擇 HTTPS 並不會自動配置 TLS 加密。
配套的安全指南涵蓋應用程式驗證及防火牆防護。不過,我希望指南能更清楚提醒用戶,在啟用限制較嚴格的防火牆規則之前,先確保 SSH 連線存取不受影響。

Hostinger 提供了出色的人工智能輔助支援體驗,但其轉接至人工客服的流程仍有改善空間。
Hostinger Agent 在不到 30 秒內回答了我的 GPU 問題,解釋了計費方面的影響,並建議了保留環境的實用步驟。其指引內容詳盡,亦與官方文件一致。
約六分鐘後,我便能獲得人工監督,而最終回覆亦解答了我提出的額外問題。不過,我必須多次要求轉接,而且對話仍由人工智能主導,並未轉為直接與專員進行即時聊天。
知識庫亦是另一項優點。當中 8 篇專門介紹 GPU 的文章,清晰解釋部署、管理、計費、服務公開及安全性。計費文件尤其有助了解持續消耗點數和永久遺失資料的風險。

會,適合需要強大 GPU 運算能力、但不想購買硬件的開發人員和 AI 團隊。我的 B200 在預熱後以大約每秒 126 個詞元的速度執行 Qwen 推論,並在約 0.91 秒內生成 SDXL 圖像。
取得可用的 SSH 連線端點後,部署過程很快。不過,首部伺服器的 IP 顯示問題、硬件供應情況不斷變動、不可退款的點數,以及沒有暫停功能或內置備份,都是值得重視的風險。
| 計劃名稱 | CPU | RAM | 頻寬 | 價錢 | |
|---|---|---|---|---|---|
| Free Trial | - | 無限 | HK$0 | 詳細信息 | |
| Game Panel 2 | 2核心 | 8 GB | 8 TB | HK$68 | 詳細信息 |
| Game Panel 4 | 4核心 | 16 GB | 16 TB | HK$99 | 詳細信息 |
| Game Panel 8 | 8核心 | 32 GB | 32 TB | HK$198 | 詳細信息 |
| Description | Expert Review |
|---|---|
| 價格實惠的主機託管,具備高效能及簡易管理工具。 | Read Shared Hosting Review |
| 快速且安全的 WordPress 主機,提供一鍵安裝和高級功能。 | Read Wordpress Hosting Review |
| 可擴充的 VPS 主機託管,提供專用資源及 root 存取權限。 | Read VPS Review |
| 快速、靈活的雲端託管,提供卓越的正常運行時間及可擴展資源�... | Read Cloud Hosting Review |
| 在離岸數據中心位置提供安全及私密的主機託管方案。 | Read Offshore Hosting Review |
| 安全可靠的電郵託管服務,具備專業級功能。 | Read Email Hosting Review |
| 為開發人員提供靈活環境的可靠 Python 託管。 | Read Python Hosting Review |
| 高效能 PHP 主機託管,全面支援動態網站及應用程式。 | Read PHP Hosting Review |
| 可靠的 Windows VPS 主機託管,提供完整控制與自訂選項。 | Read Windows VPS Review |
| 為 Node.js 應用程式度身訂造的快速且靈活主機託管,提供最佳效�... | Read Nodejs Hosting Review |
| 為 WooCommerce 商店提供優化主機託管,具備高速和安全整合。 | Read Woocommerce Hosting Review |
| 專用伺服器託管,打造無縫的 Minecraft 遊戲體驗。 | Read Minecraft Server Hosting Review |
| 為數碼代理商及開發人員提供具可擴展性及進階功能的託管方案 | Read Agency Hosting Review |
| 為 Magento 電子商務網站優化的快速、安全主機託管。 | Read Magento Hosting Review |
| 高效能的 Linux 主機託管,確保網站運作穩定及安全。 | Read Linux Hosting Review |
| 強大可靠的 Java 主機託管解決方案,適用於動態網頁應用程式及�... | Read Java Hosting Review |
| 為電子商務網站提供優化主機服務,具備安全、快速及可靠的效�... | Read Ecommerce Hosting Review |
| 可靠的 Django 主機託管,提供高速效能及安全環境。 | Read Django Hosting Review |
| 易於使用的 cPanel 主機託管,具備強勁效能及可靠支援。 | Read Cpanel Hosting Review |
| 為企業提供強大的主機託管服務,具有高速、安全及可擴展性。 | Read Business Hosting Review |
| Easy-to-use website builder with drag-and-drop tools and customizable templates. | Read Website Builder Review |
| Optimized hosting for Joomla sites with one-click installation and reliable performan... | Read Joomla Hosting Review |
| Powerful hosting with full PostgreSQL database support for data-driven applications. | Read PostgreSQL Hosting Review |
| Flexible hosting with MongoDB integration for scalable, modern web applications. | Read MongoDB Hosting Review |
| AI-powered website creation platform for building professional sites in minutes. | Read AI Builder Review |
| Reliable hosting for n8n workflow automation with easy setup and management. | Read n8n Hosting Review |
| VPS hosting with Docker support for containerized application deployment and scaling. | Read Docker VPS Review |
| 專用 SMTP 伺服器託管,提供可靠及安全的電郵傳送。 | Read SMTP Server Review |
| 為 Ruby on Rails 網頁應用程式度身打造嘅快速同經過優化嘅主機服�... | Read Ruby on Rails Review |
| 提供豐富功能嘅託管服務,整合 OpenClaw,用於建構同管理夾公仔�... | Read OpenClaw Review |
| 快速可靠嘅託管,配備英國本地伺服器,帶來最佳本地效能。 | Read UK Hosting Review |
| 價格實惠且可靠、設有印度伺服器的主機服務,可實現低延遲存�... | Read India Review |
| Read Singapore Review | |
| Read Australia Review | |
| Read AI Agent Review | |
| Read Paperclip VPS Review | |
| Read Hermes Agent Review | |
| Read Hostinger Connector Review | |
| Read Web Apps Hosting Review | |
| Read Hostinger Reach Review | |
| Read MCP Review | |
| Read hpanel Review | |
| Read Odoo Review | |
| Read Laravel Review | |
| Read MERN VPS Review | |
| Read Ubuntu Review | |
| Read Drupal Hosting Review | |
| Read Express.js Review | |
| Read React Review | |
| Read Nextjs Review | |
| Read AI Router Review | |
| Read AI Game Maker Review |
是的。我的 NVIDIA B200 已成功執行 Qwen2.5-7B 推理及 Stable Diffusion XL 圖像生成。結果會因模型、框架及執行個體大小而異。
Hostinger 宣稱有 192 GB VRAM。我嘅 B200 透過 PyTorch 報告為 178.34 GiB,與十進制同二進制記憶體單位之間嘅差異一致。
不會。GPU 點數會在執行個體閒置或重新啟動時繼續消耗。銷毀執行個體可停止用量收費,但會永久刪除其本機資料。
我在結賬期間沒有看到專屬 GPU 試用。Hostinger 將 GPU 購買和 AI 點數排除在其標準 30 天退款保證之外。
是。SSH 在我嘅替代 B200 執行個體上運作正常,不過第一次部署顯示咗一個私有 IP,而唔係一個可用嘅公用 SSH 端點。







