Innhold Vis
Jeg ville teste ComfyUI og Stable Diffusion. Så sjekket jeg prisen på en RTX 4090 i Norge: 31,000 kroner. Ouch.
For de fleste av oss er det rett og slett ikke realistisk å kaste 31,000 kr på et grafikkort – uansett hvor mye vi liker å leke med AI. Og selv om du HAR pengene, kommer du fortsatt til kort: RTX 4090 er det kraftigste kortet du finner i norske butikker. Men hva om du trenger noe mer? En H100 med 80GB minne koster flere hundre tusen kroner, og du finner den ikke hos Komplett.
Her er den gode nyheten: Du trenger ikke kjøpe noe som helst. Du kan leie GPU-kraft i skyen – kraftigere kort enn du noensinne ville funnet i butikkene – for rundt NOK 3 i timen. Betale kun når du faktisk bruker det. Ingen bindingstid, ingen abonnement, ingen strømregninger.
Velkommen til verden av cloud GPU, og la meg fortelle deg om en tjeneste som nesten ingen norske AI-entusiaster vet om ennå: RunPod.
Hva er RunPod egentlig?
RunPod er en GPU-as-a-Service leverandør. Enklere forklart: Det er som Airbnb for datakraft. De har tusenvis av kraftige grafikkort i datasentre rundt om i verden – inkludert i EU og Norden – som står klare til å leies ut per minutt.
Du logger inn, velger hvilket grafikkort du vil bruke, trykker «start», og 30 sekunder senere har du en kraftig maskin tilgjengelig i nettleseren din. Når du er ferdig, stopper du den og betaler kun for tiden du brukte.
Ingen installasjon. Ingen vedlikehold. Ingen strømregninger. Bare ren GPU-kraft on-demand.
De tilbyr to hovedtyper tjenester:
Pods: Dette er persistente virtuelle maskiner med GPU. Du får full kontroll, kan installere hva du vil, og alt blir lagret mellom økter. Perfekt for utviklingsarbeid, eksperimentering, eller når du trenger en arbeidsstasjon i skyen.
Serverless: Dette er mer som en funksjon du kaller opp når du trenger den. Send inn data, få resultat tilbake, betal per sekund. Perfekt for API-er og produksjonsworkloads hvor du vil minimere idle-tid.
For de fleste som leser dette – AI-entusiaster, studenter, hobbyister – er Pods det du vil bruke. Det er enkelt, fleksibelt, og du har full frihet til å teste hva du vil.
Kraftmonopolet du ikke visste du hadde tilgang til
Her er det virkelig fascinerende: RunPod gir deg tilgang til GPU-er som er MYE kraftigere enn noe du kan kjøpe i Norge.
Norske butikker topper ut med RTX 4090 til 31,000 kr. Det er et kraftig kort, absolutt. Men på RunPod kan du leie:
- NVIDIA H100 80GB – Nvidia sitt flaggskip for AI-trening, brukes av OpenAI og Google. Koster $30,000-40,000 å kjøpe (hvis du i det hele tatt får tak i et). På RunPod: $1.99 per time.
- NVIDIA A100 80GB – Forrige generasjons datacenter-GPU, fremdeles voldsomt kraftig. Koster $10,000-15,000 å kjøpe. På RunPod: $1.19 per time.
- Flere RTX 4090 samtidig – Vil du kjøre en workload over 4 stykker 4090? Bare bestille fire pods. Totalkostnad å kjøpe: 124,000 kr. På RunPod: $1.36 per time totalt.
Plutselig har du tilgang til utstyr som koster millioner kroner – for et par hundrelapper i timen. Det er ingen butikk i Norge som selger H100. Men du kan leie én akkurat nå, fra sofaen, og begynne å eksperimentere om 30 sekunder.
Det er noe vakkert demokratiserende over det. AI er ikke lenger kun for folk med seksjonssifferet lønn eller venture capital-backing. Hvem som helst med et par tiere kan eksperimentere med det samme utstyret som OpenAI bruker.
Regnestykket: Kjøpe eller leie?
La oss se på tallene. Jeg elsker tall.
Scenario 1: Du kjøper en RTX 4090 i Norge
- Kjøpspris: NOK 31,000 (engangsutgift)
- Strømforbruk: 350-450W under full last
- Norsk strømpris: ~NOK 1-2 per kWh (varierer)
- Kjørekostnad: NOK 8-18 per dag hvis du kjører 24/7
- Total første års kostnad: NOK 31,000 + (NOK 13 x 365) = ~NOK 36,000
Scenario 2: Du leier samme kort på RunPod
- Timepris: $0.34 (~NOK 3.74 med dagens kurs)
- Per dag (24/7): $8.16 (~NOK 90)
- Per måned (24/7): $244 (~NOK 2,700)
- Per år (24/7): $2,928 (~NOK 32,000)
Break-even punktet? Cirka 130 timer per måned. Hvis du bruker GPU-en mindre enn det, sparer du penger ved å leie. Hvis du bruker den MER enn det, kan det lønne seg å kjøpe.
Men her er nøkkelen: De fleste av oss trenger IKKE en GPU 24/7. Hvis du:
- Vil teste Stable Diffusion noen timer i uken → Betal NOK 30-120/måned i stedet for NOK 31,000
- Er student som skal kjøre noen ML-eksperimenter → Betal kun for de timene du jobber
- Trenger kraftig render i ny og ne → Leie H100 for et par timer når du trenger det
- Vil lære ComfyUI uten å investere → Test i et par helger for et par hundrelapper
Og husk: Du er ikke begrenset til RTX 4090. Du kan leie MYE kraftigere kort for samme pris eller litt mer. En RTX 3060 koster bare $0.19/time (~NOK 2) – perfekt for læring og lettere workloads.
For meg er matematikken klar: Jeg har ikke råd til å kaste 31,000 kr på et grafikkort jeg bruker sporadisk. Men jeg har råd til å bruke NOK 50-100 i måneden for å eksperimentere når inspirasjonen slår til.
GDPR og dine data: Er det trygt?
Dette er spørsmålet mange norske bedrifter (og privatpersoner) stiller seg: Kan jeg stole på at mine data håndteres riktig i skyen?
Kort svar: Ja, hvis du velger riktig.
RunPod har datasentre i EU, inkludert Sverige. Det betyr at dine data aldri trenger å forlate EU, og du er beskyttet av GDPR. Her er hva du trenger å vite:
EU-datasentre du kan velge:
- EU-SE-1 (Sverige) – Nordisk lokasjon!
- EU-RO-1 (Romania)
- EU-CZ-1 (Tsjekkia)
- EU-FR-1 (Frankrike)
- EU-NL-1 (Nederland)
- EUR-IS-2 (Island)
Når du setter opp en pod, kan du spesifikt velge hvilket datasenter du vil bruke. Vil du at dataene skal ligge i Norden? Velg Sverige. Så enkelt er det.
GDPR-compliance: RunPod er fullt GDPR-compliant i EU-regionene. De er også SOC 2 Type I sertifisert (per 2024), som betyr at de har gjennomgått eksterne revisjoner av sine sikkerhetsprosesser. For datatransport utenfor EU bruker de Standard Contractual Clauses (SCC), som er godkjent av EU-kommisjonen.
To sikkerhetsnivåer:
Community Cloud: Dette er den rimeligste varianten. Delt infrastruktur, god sikkerhet, men ikke enterprise-grade. Perfekt for hobbyprosjekter, læring, og ikke-sensitiv data.
Secure Cloud: Dette er premium-nivået. T3/T4 datasentre med 99.99% uptime-garanti, strengere fysisk sikkerhet, partnere med ISO 27001 og PCI DSS sertifiseringer. Her betaler du 10-30% mer, men får enterprise-kvalitet. Relevant for bedrifter med sensitive data.
Når du IKKE bør bruke RunPod (eller være ekstra forsiktig):
- Helsedata (pasientjournaler, medisinsk info) – bruk Secure Cloud eller vurder lokal prosessering
- Ekstremt sensitive forretningshemmeligheter
- Data underlagt strenge regulatoriske krav (finans, helse) – gjør en grundig risikovurdering først
- Arbeidsbelastninger som krever garantert uptime (kritisk infrastruktur)
Best practices jeg anbefaler:
- Aktiver 2FA (to-faktor autentisering) på kontoen din
- Velg EU-datasenter (spesielt Sverige hvis du er norsk/nordisk)
- Rydd opp data når du er ferdig med en pod
- Aldri hardkod passord eller API-nøkler i skript
- For sensitive workloads: Bruk Secure Cloud
For de fleste privatpersoner som vil teste AI, lære, eller eksperimentere? Community Cloud i Sverige er mer enn bra nok. For bedrifter med kundegrunnlag og personopplysninger? Secure Cloud eller grundig DPIA først.
Hva kan du faktisk bruke dette til?
Nok teori. La oss snakke om hva du faktisk kan GJØRE med en leid GPU.
For deg som er privatperson og AI-entusiast:
1. Teste Stable Diffusion og ComfyUI uten å kjøpe GPU
Du har sett de imponerende bildene folk lager med AI. Du vil teste selv. Men du vil ikke bruke 31,000 kr før du vet om du liker det. På RunPod kan du starte en ComfyUI-pod med pre-installerte modeller på 2 minutter. Test i et par timer. Koster deg kanskje NOK 10. Liker du det? Fortsett å leie når du trenger det. Liker du det ikke? Du har brukt prisen på to kaffe.
2. Lære AI og maskinlæring på ordentlig
Følger du en online-kurs i machine learning? Mange tutorials krever GPU for å kjøre i realistisk hastighet. Jupyter notebooks med PyTorch, TensorFlow, CUDA-akselererte operasjoner – alt dette går fra «venter i 10 timer» til «ferdig på 10 minutter» med en leid GPU. Studenter: Dette er deres vei til å faktisk lære uten å måtte spare i flere måneder.
3. Cloud gaming
Ja, du kan faktisk spille spill på RunPod. Leie en gaming-rigg for $0.50-1.00 per time, streame til laptopen din, og spille AAA-titler du ellers ikke kunne kjørt. Ikke like polert som GeForce NOW, men MYE mer fleksibelt.
4. Video- og bilde-rendering
Jobber du med video i Premiere eller DaVinci Resolve? 3D i Blender? Disse prosessene kan ta timer – eller minutter med en kraftig GPU. Leie en H100 i to timer for å rendre et prosjekt? Koster deg ~NOK 40. Spare deg for 10 timer ventetid.
5. Eksperimentere med store AI-modeller
Vil du kjøre Llama 3.1 405B lokalt? Flux Pro? Modeller som krever 80GB+ minne? Disse går rett og slett ikke på consumer-hardware. Men på RunPod kan du leie en H100 og teste i løpet av minutter. Plutselig har du tilgang til de samme modellene som forskningsinstitutter bruker.
For deg som driver SMB eller er selvstendig:
1. AI-modelltrening og fine-tuning uten capex
Bedriften din skal fine-tune en LLM på deres egne data. Å kjøpe en H100 koster flere hundre tusen kroner, pluss infrastruktur. På RunPod? Leie H100 for 40 timer i måneden koster ~$80 (~NOK 880). Null kapitalutgifter. Kun driftskostnader når du faktisk bruker det.
2. Hosting av AI-verktøy for teamet
Vil dere kjøre en intern ComfyUI-instans for design-teamet? Stable Diffusion for marketing? Ollama for tekst-generering? Sett opp en pod som ligger og venter, slå den på når noen trenger den. Betal kun for aktiv tid.
3. Proof-of-concept før investering
Usikker på om AI faktisk gir ROI for deres bruk? Test i produksjon i noen måneder på RunPod. Dokumenter resultater. Hvis det funker: Kjøp lokal hardware eller fortsett i skyen. Hvis det ikke funker: Minimalt tap.
4. Skalering opp og ned etter behov
En ansatt trenger GPU i 2 timer? Betal for 2 timer. Tre ansatte trenger samtidig? Sett opp tre pods. Prosjektet er ferdig? Slå av alt. Ingen sunk costs, ingen ubrukt hardware i skapet.
5. Rendering for kreative byråer
Jobber dere med 3D, arkitekturvisualisering, eller video? Rendering kan være en enorm flaskehals. Bruke RunPod som render farm: Send jobb til skyen, fortsett å jobbe lokalt, hent ferdig resultat. Betale kun for render-tid.
Slik kommer du i gang (konkret guide)
Greit, jeg har solgt deg på konseptet. Hvordan starter du egentlig?
Steg 1: Opprett konto
Gå til runpod.io og registrer deg. Du må legge inn betalingskort, men de krever $1 minimum for å starte en pod. Ja, én dollar. ~NOK 11. Det er alt du trenger for å begynne.
Steg 2: Legg til credits
Legg inn $5-10 for å ha litt buffer. RunPod krever at du har minst 1 times verdi av credits på kontoen før du kan starte en pod. Dette er for å forhindre at folk glemmer å slå av og ender opp med skyhøye regninger.
Steg 3: Velg template
Gå til «Pods» → «Deploy». Du ser tusenvis av templates. Vil du teste ComfyUI? Søk etter «ComfyUI». Vil du teste Ollama? Søk etter «Ollama». De fleste populære verktøy har ferdiglagde templates – du slipper å sette opp alt fra scratch.
Steg 4: Velg GPU
Her velger du hvilket grafikkort du vil leie. Min anbefaling for nybegynnere:
- Læring/testing: RTX 3060 12GB ($0.19/time) – billig, mer enn nok for å lære
- Seriøs eksperimentering: RTX 4090 ($0.34/time) – kraftig consumer-kort
- Tung trening: A100 80GB ($1.19/time) – datacenter-klasse
- Cutting edge: H100 80GB ($1.99/time) – det kraftigste som finnes
Steg 5: Velg datacenter
Viktig: Velg et EU-datasenter hvis GDPR er relevant. EU-SE-1 (Sverige) er mitt go-to valg som nordmann. Lavere latency, norsk tidssone, og dine data ligger i Norden.
Steg 6: Konfigurer storage
Du trenger litt diskplass for modeller og output. Start med 20-50GB Container Disk. Koster ~$2-5/måned når poden er stoppet. Dette er hvor dine filer blir lagret mellom økter.
Steg 7: Deploy!
Trykk «Deploy On-Demand». Poden din blir allokert og startet. Dette tar typisk 20-60 sekunder. Du får en lenke til å koble til – enten via web UI (for ComfyUI/Jupyter) eller SSH (for utviklere).
Steg 8: Jobbe med poden
Nå har du tilgang til en kraftig maskin i skyen. Åpne web-grensesnittet, last opp modeller, kjør workflows, eksperimenter. Det er din maskin så lenge den kjører.
Steg 9: VIKTIG – Stopp poden når du er ferdig!
Dette er den viktigste delen: Når du er ferdig, STOPP poden. Klikk «Stop» i dashboardet. Klokken slutter å tikke. Dine filer er fortsatt lagret (du betaler litt storage), men du betaler ikke lenger for GPU-tid.
Kostnads-tips:
- Sett opp auto-shutdown etter X minutter inaktivitet
- Bruk «Savings Plans» hvis du vet du kommer til å bruke mye (får rabatt)
- Last ned filer du trenger, slett resten – storage koster også
- Community Cloud er 10-30% billigere enn Secure Cloud for ikke-kritiske workloads
Når du IKKE bør bruke RunPod
Jeg skal være ærlig: RunPod er ikke perfekt for alt. Her er når du bør vurdere alternativer:
1. Du jobber med ekstremt sensitive data
Helseopplysninger, sensitive forretningshemmeligheter, personopplysninger under streng regulering – her må du enten bruke Secure Cloud (premium-nivå) eller vurdere lokal prosessering. Multi-tenant cloud er fantastisk for mye, men ikke for alt.
2. Du trenger GPU 24/7 i flere måneder
Hvis du genuint skal kjøre noe døgnet rundt i over 4-6 måneder, begynner kostnadene å nærme seg det å faktisk kjøpe hardware. Da kan det lønne seg å investere lokalt. Men dette gjelder VELDIG få brukstilfeller.
3. Du har kritiske uptime-krav
Community Cloud har ikke SLA. Secure Cloud har 99.99%, som er bra, men ikke perfekt. Hvis 5 minutters nedetid betyr katastrofe, trenger du redundans eller lokal backup. For de fleste av oss? Ikke et problem.
4. Du har veldig strenge latency-krav
Spiller du konkurransedyktige FPS-spill? Cloud gaming på RunPod er ikke optimalt (bruk heller GeForce NOW). Kjører du sanntids trading-algoritmer? Kanskje ikke best egnet. Men for AI-trening, rendering, eksperimentering? Latency er ikke et issue.
5. Du har allerede investert i lokal GPU
Har du ALLEREDE en RTX 4090? Bruk den! RunPod er for folk som IKKE har, eller som trenger MER enn det de har. Har du en 3060 og trenger H100-kraft i ny og ne? Da gir RunPod mening som supplement.
Hva jeg synes er fascinerende her
Det er noe jeg synes er virkelig vakkert med dette: Demokratiseringen av tilgang.
For 10 år siden måtte du være i akademia, big tech, eller velfinansiert for å få tilgang til kraftig compute. H100-er var forbeholdt forskningsinstitutter og Google. Nå kan hvem som helst med et bankkort leie samme utstyr for prisen av en kinobillett per time.
Dette endrer hvem som kan eksperimentere med AI. Studenten i Tromsø kan fine-tune en LLM på samme hardware som OpenAI bruker. Hobbykokken i Bergen kan kjøre bildegenerering som tidligere krevde enterprise-budsjetter. Startup-en i Oslo kan teste AI-features uten å investere millioner i infrastruktur.
Det er ikke perfekt. Det er ikke for alle use cases. Men det er et enormt skritt mot å gjøre AI tilgjengelig for alle – ikke bare for folk med rike foreldre eller venture capital.
Og akkurat nå? Nesten ingen nordmenn vet om dette. Det er derfor jeg skriver denne artikkelen. First-mover advantage er ekte i innholdsverdenen, men viktigere: Folk fortjener å vite at de har alternativer. Du trenger ikke 31,000 kr for å lære AI. Du trenger 10 dollar og nysgjerrighet.
Konklusjon: Er dette noe for deg?
Hvis du har lest så langt, er du sannsynligvis allerede interessert. Her er min anbefaling:
Test det. Seriøst. Legg inn $5 på RunPod, start en ComfyUI-pod med en billig RTX 3060, lek deg i et par timer. Kostnaden? ~NOK 40. Prisen på en Grandiosa.
Hvis du liker det? Fantastisk. Nå vet du at du kan eksperimentere uten å investere titusenvis av kroner. Hvis du IKKE liker det? Du har brukt 40 spenn på å lære noe nytt. Det er billigere enn de fleste hobbyer.
For meg har RunPod åpnet muligheter jeg ikke hadde før. Jeg kan teste modeller jeg aldri kunne kjørt lokalt. Jeg kan rendre prosjekter på minutter i stedet for timer. Jeg betaler kun for det jeg bruker, og jeg slipper å bekymre meg for strømregninger eller vedlikehold.
Er det perfekt? Nei. Men det er et kraftig verktøy som jeg tror langt flere nordmenn bør vite om.
Hva tenker du? Er cloud GPU noe du kunne sett for deg å bruke? Eller foretrekker du å eie hardware selv? Jeg er nysgjerrig på hva folk tenker om dette – det er fortsatt relativt nytt i Norge.
Lykke til med eksperimenteringen. Og husk: Stopp poden når du er ferdig. 😉
1 kommentar