H100: US$2,69 o US$12,29 por hora según el proveedor

El mismo chip, 4,57 veces de diferencia

Un H100 SXM de 80 GB cuesta US$2,69 por GPU-hora en RunPod Community y US$12,29 en la instancia ND96isrH100v5 de Azure. Es el mismo chip, con la misma memoria. La diferencia es de 4,57 veces y, medida en un mes de uso continuo (730 horas), va de US$1.964 a US$8.972.

Para un founder que arma el presupuesto de un fine-tuning o de inferencia en producción, esa brecha no es un detalle de compras: es la diferencia entre correr el experimento o no correrlo. Los números salen de Data Receipts, un repositorio abierto que normaliza los precios on-demand de AWS, Azure y los neoclouds a dólares por GPU por hora, y que agrupa únicamente chips idénticos para no comparar peras con manzanas.

El ranking completo para el H100 SXM 80GB, en dólares por GPU-hora y con el costo mensual equivalente:

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

RunPod Community: US$2,69 por GPU-hora — US$1.964 al mes
RunPod Secure: US$3,99 por GPU-hora — US$2.913 al mes
AWS p5.48xlarge: US$6,88 por GPU-hora — US$5.022 al mes
Azure ND96isrH100v5: US$12,29 por GPU-hora — US$8.972 al mes

Por qué "un H100" son en realidad tres productos distintos

El primer error al comparar precios de GPU es tratar al H100 como una sola cosa. El SXM 80GB, el PCIe 80GB y el NVL 94GB se comercializan todos como H100 y no cuestan lo mismo. Meterlos en un mismo gráfico fabrica una dispersión que no existe en el mercado, y esa dispersión falsa es la que después termina en un spreadsheet de fundraising mal armado.

La trampa también aparece dentro de un mismo proveedor. Azure lista el mismo A100 PCIe 80GB en configuraciones de una, dos y cuatro GPU por máquina virtual a US$3,67, US$4,78 y US$4,78 por GPU-hora respectivamente. Es decir: la ruta más barata a una GPU determinada puede estar en el mismo proveedor que la más cara, y esa diferencia interna no es una señal de mercado.

La regla práctica es simple: antes de comparar dos cotizaciones, confirma que el modelo y la memoria coinciden exactamente. Si una dice SXM y la otra NVL, no estás comparando precios, estás comparando productos.

Qué pagas de más en un hyperscaler (y cuándo vale la pena)

La brecha de 4,57 veces no es margen puro. Pasar de la serie ND de Azure a RunPod Community implica renunciar a cosas concretas:

InfiniBand. El SKU ND de Azure incluye 400 Gbps por GPU de Quantum-2 InfiniBand con GPU Direct RDMA, que es lo que hace funcionar el entrenamiento multi-nodo. Por eso el ND se cotiza por encima del propio SKU NC de un solo H100 de Azure, que sale US$6,98 por GPU-hora.
SLA de datacenter. RunPod Community son hosts terceros que alquilan su propio hardware, sin las garantías de un hyperscaler.
Compliance empresarial, capacidad comprometida y el resto de la superficie del hyperscaler, desde certificaciones hasta contratos de soporte.

La conclusión operativa que da el propio análisis es contundente: si estás haciendo fine-tuning en un solo nodo, estás pagando por un interconnect que nunca vas a usar. Si estás entrenando a lo largo de 64 nodos, la fila barata no es una opción. El precio bajo y el precio alto no compiten entre sí: sirven para cargas de trabajo distintas.

Lo que el precio de lista no te dice

Antes de tomar estos números como definitivos, hay cuatro advertencias que el propio dataset explicita:

Son precios on-demand de lista. Las tarifas reservadas, de uso comprometido y spot recortan los números de los hyperscalers, y el spot en particular cerraría buena parte de la brecha. El spread de 4,57 veces es el peor escenario, no el promedio.
Una sola región por proveedor. AWS se midió en us-east-1 y Azure en eastus. Los precios varían por región.
Lambda quedó fuera del cálculo principal. Su página publicada indica que las tarifas listadas entran en vigor el 16 de noviembre de 2026 y las actuales están detrás de un login, así que sus filas se muestran por separado.
La disponibilidad no tiene precio. Un H100 barato que no puedes conseguir no es un precio. De nada sirve la fila de US$2,69 si la capacidad está agotada justo cuando tu pipeline de entrenamiento necesita arrancar.

El mercado se está moviendo en la dirección contraria

Mientras comparas precios, el suelo se mueve. En la última llamada de resultados de Nvidia, su CFO Colette Kress señaló que los precios de alquiler de las GPU Hopper (H100) subieron 20% en lo que va del año, y que el pricing cloud de las A100 más antiguas escaló cerca de 15%, según reportó Barchart vía Yahoo Finance. Que un chip viejo se encarezca en lugar de abaratarse es una anomalía que solo se explica por demanda que supera la oferta.

Nebius, uno de los neoclouds de referencia, movió su tarifa on-demand de H100 de US$2,95 a US$3,85 por hora, un alza de casi 29%, y subió el precio de su capacidad preemptible un 51%, de acuerdo con la misma cobertura. Es la prueba de que el piso de US$2,69 no es un derecho adquirido: es una foto de un mercado con poder de fijación de precios del lado del proveedor.

Del otro lado, el financiamiento se aprieta. El 25 de octubre, Elon Musk advirtió que los mercados de deuda prácticamente cerraron el financiamiento para compañías sin ingresos sustanciales independientes de los datacenters de IA, y dijo que los neoclouds enfrentan una "muerte y consolidación a nivel de pez guppy", según 247wallst. Los bonos de CoreWeave cayeron a niveles de distress ese mes. La propia compañía carga con US$35.000 millones de deuda contra una meta de ARR superior a US$30.000 millones para fines de 2027, según Seeking Alpha.

Traducido para un founder: el proveedor barato de hoy puede no ser el proveedor barato —ni el proveedor existente— de dentro de doce meses. El precio por hora es una variable, la continuidad del proveedor es otra.

Qué significa esto para tu startup

La buena noticia es que esta dispersión de precios es una de las pocas palancas de costo que un equipo chico puede mover sin reescribir su producto. Cuatro movimientos concretos:

Calcula el costo por experimento, no por hora. Un fine-tuning de un solo nodo en un neocloud puede costar una fracción de lo que cuesta en un hyperscaler, porque no necesitas InfiniBand ni SLA empresarial. Antes de firmar, mapea tu carga real: cuántos nodos, cuántas horas, cuántas veces por semana.
Pide siempre la cotización spot y preemptible. El dataset mide precios on-demand de lista, que son el techo. Si tu pipeline tolera interrupciones —y muchos pipelines de experimentación las toleran—, el spot puede reducir la brecha de forma sustancial. Preguntar por spot antes de firmar un compromiso anual es gratis.
Verifica el SKU antes de comparar. Modelo y memoria, exactos. Si tu comparación mezcla SXM con NVL o PCIe, el ahorro que crees ver es ficticio.
Precio la disponibilidad, no solo la tarifa. Un proveedor con capacidad garantizada a US$3,99 puede salir más barato que uno a US$2,69 que te deja esperando tres días con el equipo parado. Para cargas de producción, la disponibilidad es parte del precio.

Conclusión

La lección de este dataset no es que exista un proveedor barato, sino que el precio de la misma GPU varía 4,57 veces según dónde la alquiles, y que esa variación responde a diferencias técnicas reales —interconnect, SLA, compliance— y no a capricho comercial. Un founder que entiende qué está comprando en cada fila deja de pagar por infraestructura que no usa.

El contexto agrega urgencia: con los precios de alquiler del H100 subiendo y el crédito para los neoclouds apretándose, la ventana de precios bajos no está garantizada. La decisión de dónde entrenar tu próximo modelo conviene tomarla con el spreadsheet abierto y las tres variables sobre la mesa: qué carga tienes, qué garantías necesitas y qué disponibilidad real te ofrece cada proveedor.