
A Hostinger consegue tornar hardware de GPU de ponta prático de alugar? Implantei uma B200, resolvi um problema de conexão e medi o desempenho real de inferência, geração de imagens e monitoramento. Continue lendo para conhecer os resultados, os custos e as limitações importantes antes de alugar.

Avaliei o Hostinger GPU Hosting com base nas minhas duas experiências de implantação, nos resultados dos testes de desempenho da B200 funcional, nos controles do hPanel e nas minhas conversas com o suporte. Também verifiquei os termos publicados de cobrança e reembolso. Sigo a metodologia de avaliação de hospedagem da HostAdvice, mas este é um retrato pontual de uma única B200 testada, não um estudo de disponibilidade nem uma comparação de todos os modelos de GPU.
| Teste | Nota /10 | Motivo da nota |
| Preços e planos | 8.1 | Aluguel de GPU por hora e configurações flexíveis, mas a cobrança contínua, os créditos não reembolsáveis e a falta de uma opção de pausa limitam o custo-benefício. |
| Recursos | 8.8 | GPUs poderosas, VRAM generosa, modelos de aplicativos e ferramentas de monitoramento, mas sem backups integrados nem armazenamento persistente. |
| Desempenho | 8.8 | Excelentes resultados BF16, inferência Qwen rápida e geração SDXL em menos de um segundo, embora cargas de trabalho prolongadas não tenham sido testadas. |
| Facilidade de uso | 8.0 | Implantação rápida e gerenciamento simples, mas as limitações de estoque de GPUs e o problema inicial com SSH causaram frustração. |
| Nível de suporte | 7.8 | Respostas rápidas e detalhadas de IA e documentação útil, mas foi demorado entrar em contato com o suporte humano e resolver problemas de conectividade. |
| Geral | 8.3 | Desempenho impressionante da GPU e implantação acessível, contrabalançados por restrições de cobrança, opções limitadas de recuperação e dificuldades com o suporte. |

O Hostinger GPU Hosting usa um modelo de aluguel sob demanda, em vez das assinaturas mensais fixas que normalmente encontra na hospedagem de sites. Aluga recursos de GPU para cargas de trabalho como inferência de IA, desenvolvimento de modelos, ajuste fino e geração de imagens, com cobranças baseadas na configuração selecionada.
O catálogo de GPUs inclui opções que vão da RTX 4090 e L40S à A100 e NVIDIA B200, cada uma oferecendo diferentes capacidades de memória e recursos computacionais. No entanto, a disponibilidade pode influenciar a sua escolha. A RTX 4090 que eu queria testar inicialmente estava esgotada no hPanel, apesar de aparecer na página pública de preços da Hostinger.
A Hostinger oferece instâncias B200 padrão e Dedicated B200, sendo que a segunda opção custa mais. Também pode selecionar diferentes alocações de CPU, RAM e armazenamento. Minha primeira configuração incluía 16 núcleos de CPU, 32 GB de RAM e 300 GB de armazenamento, que escolhi para dar suporte aos meus testes de desempenho de IA, em vez de depender da configuração menor disponível.
A Hostinger cobra pelo uso de GPU por meio de créditos pré-pagos. No entanto, há várias condições que eu levaria em conta antes de iniciar uma instância:
Essas condições tornam o planejamento de custos especialmente importante para trabalhos de IA mais longos. É necessário ter créditos suficientes para cobrir tanto o processamento quanto o tempo de configuração, levando também em conta atrasos ou falhas de conexão.
Testei o GPU Hosting usando uma conta existente da Hostinger com créditos já disponíveis, portanto, não concluí um novo processo de pagamento. Os novos clientes podem adicionar créditos ao saldo depois de configurar uma instância. A Hostinger aceita cartões de pagamento e carteiras digitais, como o PayPal, embora os métodos disponíveis dependam da região do cliente.
Também não encontrei um período de teste gratuito separado para GPU. As compras de GPU e os créditos de IA não estão incluídos na garantia padrão de reembolso de hospedagem de 30 dias da Hostinger, por isso eu confirmaria a configuração final e os requisitos de créditos antes de efetuar o pagamento.
A maior vantagem é a flexibilidade. Pode aceder a hardware de GPU caro para uma carga de trabalho de curta duração sem comprar nem manter o seu próprio servidor. No entanto, a tarifa por hora anunciada não conta a história toda.
A minha experiência também mostrou por que o provisionamento e a conectividade são importantes para os custos. O tempo gasto a resolver problemas de acesso a um servidor ainda pode contribuir para os seus custos se a instância estiver em execução e a consumir créditos.
Eu verificaria a taxa final de consumo de créditos no hPanel, confirmaria a disponibilidade de GPUs e organizaria o armazenamento externo antes de iniciar uma carga de trabalho paga. Para tarefas curtas e bem planeadas, o modelo de aluguel faz sentido. Para cargas de trabalho mais longas ou imprevisíveis, é essencial acompanhar o consumo de créditos.

Uma GPU potente só é útil se puder aceder ao hardware, executar as suas cargas de trabalho de forma fiável e obter resultados num prazo razoável. A Hostinger anuncia a sua NVIDIA B200 com 192 GB de VRAM, mas eu queria ver como isso se traduzia em desempenho real.
Concentrei-me em três questões:
A minha primeira implantação da B200 teve um problema de conectividade. O hPanel apresentava um endereço IP privado ao qual eu não conseguia aceder a partir do meu portátil, e a Hostinger reconheceu um problema com o endereço IP apresentado no painel de controlo.
Para separar esse problema inicial do desempenho do hardware, iniciei uma nova instância B200 e consegui me conectar por SSH usando o novo endereço de conexão. Concluí os seguintes testes de desempenho em 26 de outubro de 2026.
Portanto, os resultados abaixo vêm de uma instância substituta em funcionamento. O problema de conectividade anterior continua fazendo parte da minha avaliação geral, mas não me impediu de avaliar o desempenho da GPU.
Usei uma instância B200 com Ubuntu 24.04, alocação de CPU de 16 núcleos, 32 GB de RAM e aproximadamente 300 GB de armazenamento provisionado na região de Los Angeles da Hostinger. No meu laptop Pop!_OS, conectei-me por SSH, verifiquei o hardware com nvidia-smi e instalei um ambiente PyTorch com CUDA habilitado. O servidor informou o driver NVIDIA 595.91.07; o PyTorch 2.11.0+cu128 reconheceu a GPU e ofereceu suporte a cálculos BF16.
Em seguida, executei três tipos de cargas de trabalho: testes curtos de multiplicação de matrizes BF16 e cópia de memória da GPU, inferência do modelo de linguagem Qwen2.5-7B-Instruct e geração de imagens com Stable Diffusion XL. Repeti as cargas de trabalho de IA com configurações fixas e registrei os tempos de execução individuais, em vez de me basear em um único melhor resultado. Por fim, verifiquei a página Metrics do hPanel para ver se a atividade da GPU aparecia ali.
Esses testes oferecem um retrato prático de uma instância. Eles não comprovam o tempo de atividade a longo prazo, o desempenho durante cargas contínuas de várias horas nem como a B200 se compara às ofertas de provedores concorrentes de hospedagem de GPUs em condições idênticas. Também não executei um teste de desempenho de taxa de transferência de rede nem de inferência multiusuário.
O primeiro resultado tranquilizador foi que o Ubuntu reconheceu imediatamente uma NVIDIA B200. O nvidia-smi identificou uma B200, com 182,624 MiB de memória da GPU reportada, enquanto o PyTorch informou 178.34 GiB disponíveis para o dispositivo. Esses valores em unidades binárias são, em linhas gerais, compatíveis com os 192 GB de VRAM anunciados, embora a quantidade legível pelo software não seja exatamente igual ao número mostrado na página de vendas.

O sistema operacional também mostrou 32 GiB de RAM e 268 GiB de capacidade do sistema de arquivos montado, conforme observado de dentro do ambiente. O processador foi identificado como AMD EPYC 9575F, embora o lscpu exibisse 224 CPUs lógicas. Verifiquei as configurações de controle de CPU do contêiner, em vez de interpretar esse número como 224 núcleos incluídos no meu plano.
O limite de cgroup era de 1,600,000 microssegundos por período de 100,000 microssegundos, o que dava à instância 16 equivalentes de CPU. Isso correspondia à alocação de 16 núcleos que eu havia selecionado. Essa é uma distinção importante para os leitores, pois a topologia de CPU visível ao host pode parecer muito mais generosa do que a capacidade realmente atribuída a uma carga de trabalho hospedada.
Para obter uma primeira medida da capacidade de cálculo bruta da B200, executei uma multiplicação de matrizes BF16 com PyTorch. O BF16 é útil neste caso, pois é amplamente usado em cálculos de modelos de IA, embora um pequeno teste de desempenho com matrizes sintéticas não substitua a execução de um modelo completo.
Com 12 repetições, a matriz menor, de 4,096 × 4,096, apresentou uma estimativa de 1,402.7 TFLOP/s, com base no tempo mediano de operação de 0.098 milissegundos. A matriz de 8,192 × 8,192 apresentou uma estimativa de 1,668.8 TFLOP/s, com tempo mediano de 0.659 milissegundos. Estes são cálculos estimados da taxa de processamento aritmético para as operações testadas, não uma medição independente do desempenho sustentado de um aplicativo.
Também medi uma cópia de 512 MiB dentro da memória da GPU. Ela foi concluída em uma mediana de aproximadamente 0.17 milissegundos, equivalente a uma taxa de processamento de dados informada de 3,137.1 GB/s. Esse teste mede a transferência dentro da memória da GPU; não mede a velocidade de baixar um modelo, ler o disco do servidor ou enviar dados pela internet.

O script de referência completo foi concluído em 2.646 segundos. Gostei de ver o PyTorch reconhecer a placa e executar essas operações sem erros de CUDA, mas a curta duração também é uma limitação. Não podemos concluir, com base em alguns milissegundos de processamento, que a GPU manterá a mesma taxa de processamento ou as mesmas temperaturas durante uma tarefa de treinamento longa.
O rendimento sintético foi promissor, mas eu queria ver o B200 lidar com um modelo de linguagem real. Carreguei o Qwen2.5-7B-Instruct por meio do Hugging Face Transformers em BF16 e pedi que explicasse a aceleração por GPU. O teste usou um prompt e um máximo de 128 tokens gerados, repetidos três vezes com as mesmas configurações.
A busca e o carregamento do modelo levaram 35.40 segundos na execução registrada. A primeira resposta de 128 tokens levou então 23.094 segundos, o que correspondeu a apenas 5.54 tokens por segundo. O resultado pareceu inicialmente decepcionante, mas as duas execuções seguintes contaram uma história diferente.
A segunda execução concluiu os 128 tokens em 1.005 segundos, ou 127.30 tokens por segundo. A terceira levou 1.029 segundos, ou 124.35 tokens por segundo. Isso dá uma média de cerca de 125.8 tokens por segundo para as duas execuções posteriores, com muito pouca diferença entre elas.

A diferença é significativa. É compatível com a possibilidade de que uma configuração única ou uma inicialização sob demanda tenha afetado a primeira geração, mas não isolei a causa exata. Não esconderia o resultado de 23 segundos nem apresentaria as execuções posteriores como aquilo que toda solicitação inicial alcançará. Para quem disponibiliza um modelo, tanto a latência inicial quanto as respostas repetidas mais rápidas são importantes.
O PyTorch informou um pico de alocação de GPU de 14.21 GiB. Isso representa apenas uma pequena parte da memória disponível do B200, portanto este teste demonstra inferência viável com uma única solicitação, em vez do benefício de hospedar um modelo que realmente precise de quase 192 GB de VRAM. Não testei concorrência, processamento em lotes, janelas de contexto mais longas nem um servidor de inferência otimizado, como o vLLM.
Para uma segunda aplicação real, usei o Stable Diffusion XL para criar uma imagem de produto de 1,024 × 1,024 de um relógio de pulso preto apoiado em mármore escuro. Usei 25 etapas de inferência, pesos FP16 e o mesmo prompt e a mesma semente aleatória nas três execuções. Isso me proporcionou medições reproduzíveis, em vez de três imagens sem relação entre si e com diferentes níveis de complexidade.
O modelo SDXL levou 18.29 segundos para ser obtido e carregado. A primeira imagem levou 3.275 segundos. A segunda e a terceira levaram 0.915 e 0.913 segundos, respectivamente, resultando em uma média em regime estável de 0.914 segundos por imagem. O processo do PyTorch relatou um pico de alocação de GPU de 11.49 GiB.

Também inspecionei as imagens exportadas. Todos os três arquivos eram idênticos byte por byte, o que correspondia à configuração de semente fixa e mostrava que o teste repetido produziu a mesma saída. O relógio, a superfície reflexiva e a iluminação pareciam convincentes à primeira vista, embora uma inspeção detalhada do mostrador revelasse pequenas inconsistências típicas de imagens de produtos geradas. Essas imperfeições artísticas não devem ser confundidas com erros de hardware da GPU.
O resultado foi particularmente útil porque me proporcionou uma tarefa concreta para avaliar: depois que o pipeline foi carregado, uma imagem SDXL em tamanho real ficou pronta em menos de um segundo. No entanto, tratou-se da geração de uma única imagem usando um modelo SDXL, não de um teste de desempenho de geração de vídeo, de grandes lotes ou de todos os modelos de imagem disponíveis para aluguel.
No início da avaliação, a página Metrics da Hostinger havia mostrado linhas planas porque a GPU estava ociosa. Depois de executar os testes de desempenho, voltei à mesma visualização de 1 hora e vi atividade nos dois gráficos. A taxa de processamento computacional era exibida como 297 TFLOPs, e o gráfico de VRAM mostrava um aumento visível, incluindo um ponto de 14.3 GB ao passar o cursor sobre ele.

Isso confirmou de forma útil que o hPanel registrava a carga de trabalho, em vez de continuar exibindo zero em uma linha plana. Também tornou a página Metrics mais informativa do que havia sido logo após a implantação. Foi fácil localizar as opções de 1 hora, 24 horas, 7 dias e 30 dias.
Eu ainda evitaria uma comparação numérica direta entre a exibição de 297 TFLOPs do hPanel e o resultado sintético de 1,668.8 TFLOP/s. O intervalo de amostragem e o método de cálculo do painel não foram estabelecidos durante meu teste, e sua exibição de VRAM não é idêntica à alocação de pico no nível do processo do PyTorch. Os gráficos são úteis para identificar atividade e mudanças ao longo do tempo; não substituem medições de tempo no nível da carga de trabalho nem medições do sistema.
A segunda instância B200 da Hostinger proporcionou aceleração de GPU utilizável em três testes bem diferentes. Os resultados sintéticos de BF16 mostraram cálculos curtos rápidos, o Qwen2.5-7B atingiu cerca de 126 tokens por segundo após uma primeira resposta medida excepcionalmente lenta, e o Stable Diffusion XL gerou imagens de 1,024 pixels em aproximadamente 0.91 segundos depois de inicializado. Também confirmei a cota de CPU de 16 núcleos e observei a atividade aparecer no hPanel.
São resultados positivos, mas eu não os transformaria em uma promessa para todas as cargas de trabalho de IA. Os testes foram breves e realizados em uma única instância, com modelos relativamente pequenos em comparação com a VRAM disponível na B200. Não avaliei o treinamento contínuo, a concorrência máxima, a disponibilidade a longo prazo nem a velocidade da rede externa. O problema anterior com o endereço de conexão SSH também continua sendo uma preocupação operacional à parte, embora o servidor substituto tenha se conectado sem problemas.

Abordei o Hostinger GPU Hosting como abordaria um novo aluguel de GPU: encontrar uma placa adequada, verificar o custo real, iniciar uma instância e ver se o ambiente é fácil de gerenciar depois que está em execução.
Também queria saber como o serviço de GPU se encaixa no hPanel mais amplo da Hostinger, já que colocar um servidor em funcionamento é apenas metade da experiência.
A implantação em si foi rápida. O processo de compra foi menos previsível. A GPU que escolhi na página pública de preços não estava disponível no hPanel, e a substituta tinha uma tarifa por hora muito mais alta. Veja como foi a experiência, desde o primeiro clique até as ferramentas de gerenciamento.
Comecei no site da Hostinger e abri Products > Hosting > GPU hosting. Gostei do fato de a hospedagem de GPU ter uma opção própria, claramente identificada, ao lado da hospedagem de sites, da hospedagem VPS e da hospedagem em nuvem. Não precisei abrir um produto VPS genérico nem descobrir se havia hardware de GPU disponível como complemento.

O link abriu a página de destino de Hostinger GPU Hosting, que anunciava o aluguel por hora de GPUs NVIDIA para IA, renderização e outras tarefas computacionalmente intensivas. Um botão Get started ficava logo abaixo do título principal. Clicar nele não criava imediatamente uma instância nem me direcionava para o cadastro; levava-me à seção de preços de GPUs na mesma página.

Era um lugar sensato para começar. A seção de preços apresentava os modelos de GPU disponíveis em cartões separados, com as tarifas por hora iniciais anunciadas, a VRAM e os usos recomendados. Eu podia comparar o hardware antes de ter de configurar um servidor. A variedade apresentada na página pública ia da RTX 4090 a GPUs de centros de dados mais caras, incluindo a B200.

Inicialmente, escolhi a NVIDIA RTX 4090. Hostinger anunciava-a a partir de $0.42 por hora, com 24 GB de VRAM, e recomendava-a para desenvolvimento, experimentação, geração de imagens e vídeos, renderização 3D e inferência com modelos menores.
Isso pareceu um ponto de partida razoável para as verificações de inferência de IA, geração de imagens e desempenho da GPU que eu havia planejado. Não precisava alugar uma das placas mais caras apenas para estabelecer uma referência prática.

Depois de escolher a RTX 4090, cliquei em Get GPU no cartão correspondente. Isso me levou à página de cadastro da conta Hostinger. Ela oferecia o cadastro pelo Google ou GitHub, além dos campos habituais de endereço de e-mail e senha.
O campo de número de telefone estava marcado como opcional, e havia uma caixa de seleção separada para mensagens promocionais por WhatsApp e SMS.

A tela de cadastro era simples. Mais importante, a seleção da GPU ainda não me comprometia a comprar um servidor específico.
Após criar a conta ou iniciar sessão, entrei na área de GPU do hPanel, onde era possível selecionar e iniciar o hardware. O painel mostrava um saldo de créditos de 2,000.
O painel mostrava um saldo de créditos de 2,000 porque eu já tinha uma conta Hostinger com créditos disponíveis. Se estiver se cadastrando pela primeira vez sem um saldo de créditos existente, você encontrará uma etapa de pagamento depois de configurar sua instância de GPU, na qual poderá escolher a forma de pagamento preferida antes de concluir a compra.
A página de GPU no hPanel era organizada e fácil de consultar. Acima da lista, a Hostinger explicava que eu poderia iniciar instâncias de GPU diretamente pelo painel, e o hardware disponível para seleção aparecia abaixo de um saldo de créditos visível. Havia sete modelos listados, incluindo a RTX 4090 que eu havia escolhido, mas a maioria dos botões Select estava desativada.

Tentei selecionar a RTX 4090 e descobri que o botão estava esmaecido. Ao passar o cursor sobre ele, apareceu a mensagem “Sem estoque”. Também não consegui selecionar a RTX 5090, a L40S, a A100 ou a RTX PRO 6000 naquela sessão. Apenas duas opções estavam disponíveis para mim: a NVIDIA B200 e a B200 (Dedicated).

Esse foi o atrito mais significativo na experiência de compra. A página pública de preços havia me convidado a alugar uma RTX 4090 por $0.42 por hora, mas eu não conseguia realmente provisionar essa GPU.
Pelo menos, a Hostinger deixou clara a restrição no hPanel, em vez de permitir que eu preenchesse uma configuração e falhasse depois da implantação. Ainda assim, isso significava reconsiderar tanto o hardware do meu teste quanto o orçamento.
Escolhi a NVIDIA B200 padrão, anunciada a partir de $4.50 por hora, com 192 GB de VRAM. Sua maior capacidade de memória também me daria espaço para testar cargas de trabalho de IA mais exigentes posteriormente.
A alternativa B200 (Dedicated) começava em $7.08 por hora, e eu não tinha nenhuma necessidade específica de acesso exclusivo à GPU que justificasse pagar esse valor adicional. Cliquei em Select na B200 padrão para continuar.
Depois que selecionei a B200, a Hostinger abriu uma página chamada Deploy sua instância de GPU. Ela mantinha as opções de GPU em uma coluna à esquerda e a configuração da instância selecionada à direita. Essa organização funcionava bem: eu podia analisar a B200 ao lado das alternativas disponíveis sem perder de vista as configurações do servidor nem o custo operacional.

Dei à instância o nome hostinger-gpu-review-b200. A Hostinger especificava que as palavras separadas no nome deveriam usar hífens, o que deixava clara a regra de nomenclatura no próprio formulário.
O campo seguinte era o da região, e isso revelou a segunda limitação prática: o menu suspenso oferecia apenas Los Angeles, Estados Unidos. Não havia outro local para escolher nesta sessão de implantação.

O seletor de tamanho da instância exigiu mais atenção do que eu esperava inicialmente. A Hostinger havia pré-selecionado uma configuração com 2 núcleos, 64 GB de RAM e 100 GB de armazenamento, a 506 créditos por hora. Ao abrir o menu suspenso, encontrei outras combinações de CPU, RAM e armazenamento, com tarifas diferentes. A seleção não seguia uma progressão simples em que cada quantidade menor de núcleos de CPU significasse um preço mais baixo; por exemplo, a opção de 4 núcleos custava 450 créditos por hora.

Escolhi a opção X-Large: 16 núcleos de CPU, 32 GB de RAM e 300 GB de armazenamento, a 488 créditos por hora. Isso proporcionou ao servidor mais capacidade de CPU e disco para configurar e executar testes, sem passar para a configuração de 32 núcleos.
A tarifa por hora também era ligeiramente inferior à da opção pré-selecionada de 2 núcleos. O importante em relação ao preço é que a tarifa anunciada pela Hostinger de $4.50 por hora para a B200 era um preço inicial. A tarifa da configuração que selecionei foi de 488 créditos por hora, o equivalente a cerca de $4.88 por hora, considerando a taxa implícita nos cartões de preços da Hostinger.
Em seguida, abri Selecionar sistema operacional ou aplicativo. Além do Ubuntu 24.04, a Hostinger oferecia opções prontas para Ollama, JupyterLab, Unsloth e InvokeAI. Essas opções poderiam economizar tempo de configuração para quem estivesse focado em um aplicativo de IA específico. Selecionei o Ubuntu 24.04 porque queria um sistema operacional limpo e controle sobre as ferramentas instaladas para os testes seguintes.

A Hostinger também oferecia um campo opcional para chave SSH. Deixei-o em branco na implantação inicial, em vez de adicionar uma chave durante a finalização da compra. Mais tarde, o painel exibiu os dados de conexão por senha, portanto, a ausência de uma chave não me deixou sem um método de login anunciado. Para um servidor que funcionasse por mais tempo, porém, eu preferiria o acesso por SSH com chave.
Antes de clicar em Deploy, o resumo mostrava a B200 escolhida, a configuração X-Large e a tarifa de 488 créditos por hora, em comparação com meu saldo de 2,000 créditos.
A Hostinger estimou que o saldo cobriria cerca de quatro horas de uso contínuo. Gostei de ver essa estimativa logo acima do botão de implantação: ela tornava a despesa contínua mais visível do que um cartão de preços que apenas informa a partir de $4.50 por hora.

Cliquei em Deploy. Em seguida, a Hostinger exibiu uma tela de configuração da GPU e informou que eu poderia sair da página enquanto o provisionamento continuava. Não houve nenhuma configuração manual adicional da infraestrutura nesta etapa.

Cerca de dois minutos depois, a tela de sucesso confirmou que estava tudo pronto e informou que a instância de GPU estava funcionando. Ela identificou hostinger-gpu-review-b200 como uma B200 com 192 GB de VRAM e dimensionamento X-Large. A próxima ação foi claramente apresentada como Manage, deixando evidente para onde ir depois que o provisionamento fosse concluído.

Cliquei em Manage nesta tela de confirmação para examinar os controles que usaria após a implantação. Essa transição direta foi um toque bem-vindo: não precisei voltar à página inicial geral do hPanel e procurar meu novo servidor.
Ao clicar em Manage, abriu-se uma área dedicada ao gerenciamento de GPUs, em vez de um painel de controle comum de hospedagem na web. O menu à esquerda tinha apenas três opções: Visão geral, Metrics e Exposed services. Depois das telas abrangentes de seleção de produtos, gostei da simplicidade dessa navegação.
A Visão geral respondeu imediatamente às perguntas que eu teria depois de alugar hardware caro: está em execução? Qual GPU e quais recursos recebi? Qual é o ritmo de consumo de créditos? Como faço para me conectar? O cartão da instância identificou hostinger-gpu-review-b200 como em execução e confirmou a NVIDIA B200, 192 GB de VRAM, 16 núcleos de CPU, 32 GB de RAM, disco de 300 GB, Ubuntu 24.04 e localização em Los Angeles.

Dois controles apareciam diretamente no cartão da instância: Reiniciar e Excluir. A visibilidade deles é útil porque é preciso saber como gerenciar o ciclo de vida da instância quando se paga por hora. Não executei nenhuma dessas ações nesta parte do teste, portanto, avalio a facilidade de acesso aos controles, sem afirmar que verifiquei como funcionam.
Acima do cartão do servidor, a Hostinger exibia a taxa de processamento computacional, o uso de VRAM e o consumo de créditos. Minha captura inicial mostrava uma taxa de processamento de 0 TFLOPs e um uso médio de VRAM de 0 GB, pois eu ainda não havia executado nenhuma carga de trabalho de GPU.
O resumo de créditos indicava 488 créditos utilizados no total, um ritmo de consumo de créditos de 488 créditos por hora e um saldo restante de 1,512 créditos. Essa visibilidade foi bem-vinda, sobretudo considerando a rapidez com que o uso pago de GPUs pode acumular custos.
O painel Connection reunia o endereço IPv4 público, um comando SSH copiável e a senha numa única seção. O comando SSH incluía o nome de usuário do Ubuntu e uma porta SSH não padrão; o campo da senha tinha controles para revelá-la e copiá-la.
A Hostinger também avisava que uma senha alterada por SSH deixaria de corresponder àquela armazenada no hPanel. Assim, consegui encontrar as informações de conexão sem pesquisar na documentação, embora a captura de tela, por si só, não comprove que consegui iniciar sessão por SSH.
Depois de analisar a página Overview, abri Metrics. A Hostinger oferecia filtros de período para 1 hora, 24 horas, 7 dias e 30 dias. A página apresentava gráficos da taxa de processamento computacional em TFLOPs e do uso de VRAM em GB. Os gráficos eram simples e legíveis, sem gráficos do sistema não relacionados disputando a atenção.

Os dois gráficos estavam zerados quando fiz a captura. Isso era esperado antes de executar um trabalho de IA, portanto, eu não consideraria essas leituras como evidência do desempenho da GPU nem como indicação de um defeito no sistema de monitoramento.
O teste útil vem depois: iniciar uma carga de trabalho real, verificar os gráficos conforme o uso muda e compará-los com as medições feitas no Ubuntu.
Em seguida, abri Exposed services, a seção para tornar acessível pela internet um aplicativo em execução no servidor de GPU. Como eu ainda não tinha criado nenhum serviço, a página mostrava um estado vazio com um botão Add service. A Hostinger também incluía um aviso de que qualquer conteúdo publicado ficaria acessível a qualquer pessoa com o endereço, a menos que o aplicativo tivesse seu próprio login.

Gostei desse aviso. As cargas de trabalho de GPU frequentemente envolvem notebooks, APIs de inferência e outras interfaces de desenvolvimento que não devem ficar acessíveis ao público. Foi fácil localizar o ponto de entrada, mas eu ainda não tinha adicionado nem testado nenhum serviço público, por isso não consigo avaliar o restante desse fluxo de trabalho nem as opções de segurança apenas com essas capturas de tela.
Só depois de verificar as telas específicas da GPU voltei à Home do hPanel. Isso me deu uma perspectiva diferente sobre a facilidade de uso: onde eu encontraria a instância de GPU se entrasse novamente mais tarde, em vez de acessar pelo botão Manage após a implantação?
Minha página Home foi aberta com um prompt do assistente de IA em destaque e uma longa área Seu negócio, repleta de sites existentes.
Cada site tinha uma ação Manage site, e várias entradas exibiam lembretes sobre domínios temporários. Mais abaixo, pude ver uma tabela de VPS com endereços IP, status de execução, datas de expiração e botões de gerenciamento. À esquerda, a navegação reunia Sites, Domínios, E-mails, Mais serviços, criadores de sites, agentes de IA, ferramentas de marketing e serviços para desenvolvedores.

Essa organização completa tem vantagens. Os grupos de produtos têm rótulos claros, e um cliente existente da Hostinger pode acessar vários tipos de hospedagem usando uma única conta. No meu caso, porém, a quantidade de conteúdo relacionado a sites deixou a página visualmente carregada.
Minha nova GPU não tinha tanto destaque no conteúdo visível da Home quanto os sites e as entradas de VPS. Depois que cheguei até lá, achei a navegação dedicada Visão geral, Metrics e Exposed services da GPU mais focada.
A lista excepcionalmente longa de sites reflete o que já havia na minha conta; um novo cliente sem outros serviços talvez veja uma página menos carregada. Ainda assim, essa distinção é importante para o leitor: implantar uma GPU é um processo curto e focado, enquanto o painel mais amplo do hPanel tenta atender a todos os produtos da Hostinger de uma só vez.
O ponto mais forte da facilidade de uso do Hostinger GPU Hosting foi o que aconteceu depois que encontrei uma GPU disponível. A página de configuração mostrava as opções e seus custos, a imagem do Ubuntu e as imagens de aplicativos de IA eram fáceis de localizar, a implantação foi concluída em cerca de dois minutos e Manage me levou diretamente a um painel compacto da instância.
Consegui encontrar as especificações da GPU, o ritmo de consumo de créditos, as informações de SSH e os principais controles de administração sem ter de navegar por um console de nuvem complicado.
Mas essa praticidade não deve ocultar as limitações antes da implantação. Escolhi a RTX 4090 na página pública, mas não consegui alugá-la quando cheguei ao hPanel; a maioria das GPUs listadas estava indisponível, e Los Angeles era a única região de implantação na minha sessão. A B200 era consideravelmente mais cara do que a RTX 4090 que eu pretendia usar, e a tarifa da configuração X-Large era superior à tarifa inicial anunciada para a B200. A visualização geral Home do hPanel também pareceu mais carregada do que as páginas específicas de GPU.

A Hostinger oferece suporte online 24/7 pelo chat do painel, além de atendimento pelo WhatsApp e pelo e-mail support@hostinger.com. Ao contrário de alguns provedores de hospedagem, não oferece suporte por telefone.
A experiência de suporte principal agora gira em torno do Hostinger Agent, um assistente de IA que pode responder a perguntas, solucionar problemas, consultar a documentação e realizar determinadas ações de gerenciamento da conta. A Hostinger também oferece acesso aos Customer Success Specialists quando é necessária assistência adicional.
Para esta avaliação, testei o chat ao vivo usando uma preocupação real sobre minha instância de GPU NVIDIA B200. Queria verificar com que rapidez conseguiria orientações técnicas precisas e, mais importante, quão fácil seria falar diretamente com uma pessoa quando eu solicitasse isso.
Também analisei a base de conhecimento da Hostinger para avaliar a qualidade da documentação sobre GPUs e verificar se os clientes poderiam resolver problemas comuns sem entrar em contato com o suporte.
Acessei o chat ao clicar em Agent na parte superior do hPanel. O chat abriu ao lado da minha página de gerenciamento da GPU, permitindo que eu visualizasse minha instância B200 em execução e o consumo de créditos enquanto conversava com o suporte.

Hostinger Agent é o sucessor do Kodee, o antigo assistente de suporte com IA da Hostinger. A Hostinger combinou o Kodee com sua coleção mais ampla de ferramentas especializadas de IA em um assistente unificado. Segundo a Hostinger, o agente pode explicar problemas técnicos, fornecer instruções para solucionar problemas, sugerir documentação relevante e realizar ações que ele pode executar na conta do cliente.
No entanto, meu teste se concentrou em orientações técnicas e no encaminhamento para atendimento humano, em vez de permitir que o agente fizesse alterações na conta.
Fiz uma pergunta prática sobre a cobrança de GPU e a retenção de dados. Como a Hostinger cobra por hora pelas instâncias de GPU, queria saber se poderia pausar meu servidor entre cargas de trabalho de IA sem perder os aplicativos, modelos e arquivos instalados. Também perguntei se a reinicialização interromperia a cobrança e o que deveria fazer para preservar meu ambiente caso fosse necessário excluir a instância.
O agente respondeu em menos de 30 segundos.
A resposta abordou todas as três preocupações. O agente explicou que a reinicialização apenas reinicia o servidor e não interrompe a cobrança. Atualmente, a Hostinger não oferece uma função de pausa ou parada que permita aos clientes preservar uma instância de GPU sem incorrer em cobranças. Excluir a instância interrompe a cobrança, mas apaga permanentemente os dados locais.
A resposta foi além e explicou como eu poderia preservar meu ambiente de trabalho. O agente recomendou transferir modelos e conjuntos de dados para um armazenamento externo, exportar as dependências do Python ou do Conda, registrar as versões do CUDA e do PyTorch e salvar os arquivos de configuração e os scripts de implantação.

Gostei do nível de detalhe. Em vez de simplesmente afirmar que não era possível pausar as instâncias de GPU, o assistente explicou o que eu deveria fazer antes de excluir o servidor. As orientações também correspondiam à documentação oficial da Hostinger sobre cobrança de GPU, permitindo que eu verificasse a exatidão da explicação.
No entanto, responder à pergunta técnica era apenas a primeira parte do meu teste de suporte. Em seguida, quis falar diretamente com um especialista humano.
Às 17:23, pedi ao Hostinger Agent que me conectasse a um representante humano do suporte ao cliente para confirmar os detalhes sobre a cobrança de GPU e a retenção de dados. Em vez de providenciar a transferência, o agente repetiu a política e incentivou-me a continuar com o suporte de IA, explicando que seria mais rápido.
Fiz outra solicitação explícita às 17:24. Dessa vez, afirmei que havia entendido a política e que não precisava de outra explicação de IA. Eu queria especificamente falar com um representante humano e estava disposto a esperar.
Às 17:25, o assistente voltou a resumir as regras de cobrança antes de oferecer duas opções: Wait for a human review e Continuar com o Hostinger Agent.

Selecionei a opção de revisão humana e confirmei que queria continuar com uma pessoa. Em seguida, a Hostinger exibiu uma mensagem informando que a revisão estava em andamento, uma contagem regressiva e um campo onde eu podia fornecer informações adicionais ao especialista.

Às 17:31, aproximadamente seis minutos depois de o pedido ter entrado no processo de revisão, recebi uma resposta associada a uma especialista chamada Amber. A interface exibiu “Resposta revisada por Amber”.
A mensagem de Amber pediu que eu fornecesse o nome da minha instância de GPU, os pontos relacionados à cobrança ou à retenção de dados que eu queria confirmar e quaisquer erros ou capturas de tela relevantes.

Forneci o nome da instância, hostinger-gpu-review-b200, e pedi a confirmação de três pontos importantes: a inexistência de uma função de pausa, a exclusão permanente dos dados após a exclusão da instância e a disponibilidade de instantâneos, backups ou armazenamento persistente.
Também fiz uma pergunta sobre o próprio processo de suporte. Como a interface dizia que a resposta tinha sido revisada por Amber, queria saber se estava falando diretamente com ela ou se ainda estava interagindo com uma IA.
Às 17:33, recebi outra resposta detalhada. A resposta confirmou que as instâncias de GPU continuam consumindo créditos quando estão ociosas, que a exclusão da instância remove permanentemente os dados locais e que a Hostinger não oferece atualmente instantâneos de GPU, backups automáticos nem armazenamento persistente.
Também explicou que uma instância é excluída imediatamente quando o saldo de créditos chega a zero, sem período de tolerância. A alternativa sugerida foi exportar o ambiente para uma VPS separada, armazenamento em nuvem ou computador local usando ferramentas como scp ou rsync.
Mas a parte mais reveladora da resposta dizia respeito ao suporte humano. A Hostinger confirmou explicitamente que eu ainda estava me comunicando com o Hostinger Agent, um assistente de IA. Uma especialista humana estava supervisionando ou revisando a conversa, mas eu não tinha sido transferido para um chat direto individual com uma pessoa.

Essa distinção é importante. Eu tinha solicitado deliberadamente falar com um representante humano, em vez de receber outra explicação automatizada. Embora o sistema tenha obtido supervisão humana e fornecido uma resposta técnica completa, não ofereceu a interação direta com uma pessoa que solicitei.
Da primeira pergunta, às 17:22, ao esclarecimento final, às 17:33, toda a interação com o suporte levou aproximadamente 11 minutos. A resposta inicial da IA chegou em menos de 30 segundos, enquanto a revisão humana ficou visível cerca de seis minutos depois que solicitei o encaminhamento.
Depois de testar o chat ao vivo, acessei a Central de Ajuda on-line da Hostinger para ver com que facilidade os clientes de GPU poderiam encontrar respostas sem entrar em contato com o suporte.
A página inicial era limpa e bem organizada, com uma barra de pesquisa em destaque e a documentação agrupada em categorias como Introdução, Painel da Hostinger, VPS, Faturamento e Certificados SSL. No entanto, não encontrei uma categoria específica para GPUs entre as opções exibidas.

Digitei “gpu” na barra de pesquisa, e a Hostinger apresentou 10 resultados. Oito eram especificamente sobre GPU hosting e abordavam a seleção de hardware, modelos de aplicativos, implantação, gerenciamento de instâncias, faturamento, serviços expostos, segurança e comparações com hospedagem VPS. Os outros dois tratavam da política de reembolso e do painel da Hostinger.

Gostei do fato de a pesquisa ter apresentado imediatamente documentação relevante sobre GPUs, mesmo sem uma categoria específica na página inicial. Mais importante, os artigos abordavam questões práticas, como o consumo de créditos por hora, a perda de dados após a exclusão da instância e a proteção de aplicativos acessíveis publicamente.
Em seguida, examinei os guias individuais para ver com que clareza explicavam essas questões e o quanto suas instruções correspondiam à minha experiência prática.
Analisei os guias da Hostinger sobre configuração de GPUs e gerenciamento de instâncias. Eles abordam a seleção de hardware, regiões, modelos de software, implantação, monitoramento e serviços expostos.
As instruções corresponderam de perto à minha experiência no hPanel. Também apreciei o fato de a Hostinger reconhecer as limitações regionais de disponibilidade de GPUs, que encontrei quando a RTX 4090 estava fora de estoque e Los Angeles era minha única opção de implantação.
O guia de cobrança de GPU foi particularmente útil porque abordou as mesmas preocupações que levantei durante o chat ao vivo.
Ele confirma que a cobrança continua enquanto uma instância está ociosa, que a reinicialização não interrompe as cobranças e que a exclusão apaga permanentemente os dados locais.
Mais importante ainda, a Hostinger alerta que não há adição automática de créditos nem notificações de saldo baixo. Ficar sem créditos resulta na exclusão imediata da instância.

Esses são detalhes essenciais para qualquer pessoa que execute cargas de trabalho de IA sem supervisão, e gostei do fato de a Hostinger tê-los explicado com clareza.
O guia de exposição de serviços da Hostinger explica o acesso público, a configuração de portas e os protocolos compatíveis. Também esclarece que selecionar HTTPS não configura automaticamente a criptografia TLS.
O guia de segurança correspondente aborda a autenticação de aplicativos e a proteção por firewall. No entanto, eu gostaria que houvesse um aviso mais claro sobre como preservar o acesso por SSH antes de ativar regras restritivas de firewall.

A Hostinger ofereceu uma ótima experiência de suporte assistido por IA, embora seu processo de encaminhamento para atendimento humano pudesse ser melhor.
O Hostinger Agent respondeu à minha pergunta sobre GPU em menos de 30 segundos, explicou as implicações para a cobrança e recomendou medidas práticas para preservar meu ambiente. As orientações foram detalhadas e consistentes com a documentação oficial.
A revisão humana ficou disponível após aproximadamente seis minutos, e a resposta final abordou as perguntas adicionais que fiz. No entanto, tive de solicitar o encaminhamento repetidamente, e a conversa permaneceu conduzida pela IA, em vez de passar para um chat ao vivo direto com um especialista.
A base de conhecimento foi outro ponto positivo. Seus oito artigos específicos sobre GPU apresentavam explicações claras sobre implantação, gerenciamento, cobrança, exposição de serviços e segurança. A documentação de cobrança foi especialmente útil para compreender os riscos do consumo contínuo de créditos e da perda permanente de dados.

Sim, para desenvolvedores e equipes de IA que precisam de capacidade de GPU robusta sem comprar o hardware. Minha B200 executou inferências com Qwen a cerca de 126 tokens por segundo após o aquecimento e gerou imagens com SDXL em cerca de 0.91 segundos.
A implantação foi rápida assim que tive um endereço de conexão SSH funcional. No entanto, o problema de exibição de IP do primeiro servidor, a disponibilidade variável de hardware, os créditos não reembolsáveis e a falta de uma opção de pausa ou de backups integrados são riscos significativos.
⟁
| Nome do Plano | CPU | RAM | Largura de banda | Preço | |
|---|---|---|---|---|---|
| Free Trial | - | Ilimitado | € 0,00 | Detalhes | |
| Game Panel 2 | 2 núcleos | 8 GB | 8 TB | € 7,75 | Detalhes |
| Game Panel 4 | 4 núcleos | 16 GB | 16 TB | € 11,43 | Detalhes |
| Game Panel 8 | 8 núcleos | 32 GB | 32 TB | € 22,86 | Detalhes |
| Description | Expert Review |
|---|---|
| Hospedagem econômica com alto desempenho e ferramentas de gerenciamento fáceis. | Read Shared Hosting Review |
| Hospedagem WordPress rápida e segura com instalação em um clique e recursos premiu... | Read Wordpress Hosting Review |
| Hospedagem VPS escalável com recursos dedicados e acesso root. | Read VPS Review |
| Hospedagem em nuvem rápida, flexível com excelente tempo de atividade e recursos es... | Read Cloud Hosting Review |
| Soluções de hospedagem seguras e privadas com data centers offshore. | Read Offshore Hosting Review |
| Hospedagem de e-mail segura e confiável com recursos de nível profissional. | Read Email Hosting Review |
| Hospedagem Python confiável com ambientes flexíveis para desenvolvedores. | Read Python Hosting Review |
| Hospedagem PHP de alto desempenho com suporte completo para sites e aplicações din�... | Read PHP Hosting Review |
| Hospedagem VPS Windows confiável com controle total e opções de personalização. | Read Windows VPS Review |
| Hospedagem rápida e flexível sob medida para aplicações Node.js com desempenho id... | Read Nodejs Hosting Review |
| Hospedagem otimizada para lojas WooCommerce com alta velocidade e integração segura... | Read Woocommerce Hosting Review |
| Hospedagem de servidor dedicado para experiências de jogo de Minecraft sem interrup�... | Read Minecraft Server Hosting Review |
| Soluções de hospedagem escaláveis com recursos avançados para agências digitais ... | Read Agency Hosting Review |
| Hospedagem rápida e segura otimizada para sites de comércio eletrônico Magento. | Read Magento Hosting Review |
| Hospedagem baseada em Linux de alto desempenho para operações de sites estáveis e ... | Read Linux Hosting Review |
| Soluções robustas de hospedagem Java para aplicações web dinâmicas e projetos. | Read Java Hosting Review |
| Hospedagem otimizada para websites de ecommerce com desempenho seguro, rápido e conf... | Read Ecommerce Hosting Review |
| Hospedagem confiável para Django com velocidades rápidas e ambiente seguro. | Read Django Hosting Review |
| Hospedagem cPanel fácil de usar com desempenho robusto e suporte confiável. | Read Cpanel Hosting Review |
| Hospedagem poderosa para empresas com alta velocidade, segurança e escalabilidade. | 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 |
| Hospedagem de servidor SMTP dedicado para entrega de e-mails confiável e segura. | Read SMTP Server Review |
| Hospedagem rápida e otimizada, feita sob medida para aplicações web Ruby on Rails. | Read Ruby on Rails Review |
| Hospedagem rica em recursos com integração OpenClaw para construir e gerenciar jogo... | Read OpenClaw Review |
| Hospedagem rápida e confiável com servidores baseados no Reino Unido para desempenh... | Read UK Hosting Review |
| Hospedagem acessível e confiável com servidores baseados na Índia para acesso de b... | 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 |
Sim. Meu NVIDIA B200 executou com sucesso a inferência do Qwen2.5-7B e a geração de imagens do Stable Diffusion XL. Os resultados variam de acordo com o modelo, o framework e o tamanho da instância.
A Hostinger anuncia 192 GB de VRAM. Minha B200 relatou 178,34 GiB por meio do PyTorch, consistente com as diferenças entre as unidades de memória decimal e binária.
Não. Os créditos de GPU continuam sendo consumidos enquanto a instância está ociosa ou reiniciando. Destruir a instância interrompe as cobranças de uso, mas remove permanentemente seus dados locais.
Não vi um teste gratuito dedicado de GPU durante meu processo de compra. A Hostinger exclui compras de GPU e créditos de IA de sua garantia padrão de reembolso de 30 dias.
Sim. O SSH funcionou na minha instância B200 de substituição, embora a primeira implantação tenha mostrado um IP privado em vez de um endpoint público de SSH utilizável.

Responda a algumas perguntas simples e encontre a solução perfeita para você!
Iniciar pesquisa de hospedagemHostAdvice.com fornece opiniões profissionais sobre hospedagem Web totalmente independentes de qualquer outra entidade. Nossas análises são imparciais, honestas e aplicam os mesmos parâmetros para todos os hosts.
Recebemos uma compensação monetária das empresas que analisamos. A remuneração de serviços e produtos não tem nenhuma influência sobre a direção ou as conclusões de nossos comentários. A compensação também não influencia a pontuação de determinadas empresas de hospedagem.
Esta compensação cobre os custos de royalties aos revisores, da compra de contas e dos testes.






