---
title: "Runpodとは？料金・使い方・支払い方法とGPUクラウドの選び方【2026年10月】"
url: "https://www.issoh.co.jp/tech/details/9628/"
published: 2025-11-04
updated: 2026-10-15
categories: ["インフラ・クラウド"]
publisher: "株式会社一創"
---

# Runpodとは？料金・使い方・支払い方法とGPUクラウドの選び方【2026年10月】

Runpod（ランポッド）は、GPUを秒単位で借りられるAI開発向けのクラウドです。RTX 4090なら1時間0.34〜0.89ドル、H100 SXMなら2.69〜3.99ドルで、コンテナ化された環境をすぐに起動できます（公式料金ページ、2026年10月8日更新）。旧表記は「RunPod」ですが、公式ドキュメントは2025年6月以降「Runpod」表記に統一しています。この記事では、料金の内訳、支払い方法、Podの起動からSSH接続・停止までの手順、ComfyUIで画像生成を始める手順、Serverlessで推論APIを動かす手順とAPIキーの権限、GPUの選び方、AWSなど大手クラウドやGoogle Colab・Vast.aiとの違いを、公式ドキュメントとrunpodctl（公式CLI）v2.15.0の`--help`出力をもとに整理します。

## まとめ：Runpodの料金と使い方の要点

- Runpodの中心は、専有GPUを借りる**Pods**と、リクエスト単位で動く**Serverless**の2つです。Podの計算資源とContainer disk・Volume diskは秒単位、Network volumeは時間単位で課金され、データ転送料（ingress/egress）はかかりません。
- Podsの料金は、期間の縛りがない**On-demand**と、3か月または6か月を前払いする**Savings plan**から選びます。現行の料金ドキュメントにスポットは載っていません。
- 無料枠はなく、前払いのクレジット制です。入金は10ドルから、支払いはクレジットカード・暗号資産・請求書払い（5,000ドル超）に対応しています。
- 停止したPodでも、Volume diskには1GBあたり月0.20ドルがかかり続けます。実行中の2倍の単価なので、止めたまま放置するなら削除かネットワークボリュームへの移行が安上がりです。
- 残高が0ドルになると全Podが止まり、ネットワークボリュームを付けていないPodは終了されてデータを復旧できません。
- 画像生成なら、公式のComfyUIテンプレートでPodを立て、ポート8188のHTTPサービスにブラウザで接続します。RTX 5090・B200では専用のBlackwell Editionを選びます。
- Serverlessは、`handler.py`に関数を1つ書いてエンドポイント化し、`/run`と`/status`で呼び出します。自分でデプロイせず既製モデルを従量課金で呼ぶだけなら、Public Endpointsで足ります。
- GPUクラウドの選び方は「今日すぐGPUを使いたいか」「社内の権限管理や閉域網の中で処理する必要があるか」で分かれます。前者はRunpod、後者は大手クラウドのGPUが向きます。

以下、料金、支払い、手順、GPU選び、他サービスとの比較の順に根拠を示します。

## Runpodの運営会社・提供サービスとGPU計算に特化したクラウドの位置づけ

大手クラウドのような汎用サービス群は持たず、GPU計算に特化したクラウドです。こうしたGPU専業のクラウドの全体像は[ネオクラウドの定義と技術的優位性](/tech/details/11760/)で整理しています。

### 運営会社Runpod, Inc.の所在地と資金調達・利用者数

運営は米国のRunpod, Inc.です。[利用規約](https://www.runpod.io/legal/terms-of-service)が契約当事者と連絡先として示す所在地は、サンフランシスコ（329 Bryant St #4D, San Francisco, CA 94107）です。Zhen Lu氏とPardeep Singh氏が共同で創業し、2021年後半に米ニュージャージー州の自宅地下にあったGPUを貸し出す形で開発が始まりました。2026年6月24日には、Summit Partnersが主導する1億ドルの資金調達を発表し、企業評価額は10億ドルとしています（[公式プレスリリース](https://www.runpod.io/press/runpod-raises-100m-summit-partners)）。2026年10月13日の発表では、年間経常収益（ARR）が3億2,500万ドルを超え、2026年1月の1億2,000万ドルから増えたこと、利用する開発者が120万人を超えたことを公表しました（[公式プレスリリース](https://www.runpod.io/press/runpod-325m-arr-new-cfo)）。公式ドキュメントには日本語版がなく、手順の確認は英語のページで行います。

### Pods・Serverless・Clusters・Hub・Public Endpointsの役割

| サービス             | 中身              | 向く用途              |
| ---------------- | --------------- | ----------------- |
| Pods             | 専有GPU/CPUのコンテナ  | 学習・検証・画像生成        |
| Serverless       | 自動スケールする推論基盤    | API化した推論          |
| Instant Clusters | マルチノードのGPUクラスター | 大規模な分散学習          |
| Hub              | 構成済みAIリポジトリの配布  | 既製モデルの即デプロイ       |
| Public Endpoints | デプロイ済みモデルのAPI   | 画像・動画・音声の生成を従量課金で |

個人の利用や検証のほとんどはPodsで足ります。PodはDockerコンテナとして起動し、PyTorchなどが入った公式テンプレートを選べば、CUDAやJupyterLabを自分で用意する必要はありません。

### Secure CloudとCommunity Cloudの違い

Podsには2種類の置き場所があります。**Secure Cloud**はTier 3/Tier 4のデータセンターで動き、冗長性が高く、本番運用や機密データ向けです。**Community Cloud**は審査済みの個人・事業者のマシンを仲介する方式で、単価は安い反面、信頼性はマシンによって差があります。なお公式ドキュメントによれば、Community Cloudの新規ホストの受け入れは停止中です。既存のリソースは引き続き利用できます。ただし、新規ホストの受付停止だけでは、既存ホストによる増設を含む将来の供給量までは判断できません。Windowsが使えない、Pod内でDockerを起動できない、UDPが通らないといった実行環境の制約は、後述の「Runpodを選ぶべきでない場面」にまとめています。

## Runpodの料金：GPU別の時間単価と停止中も続くストレージ課金

Podの料金は「GPU時間単価×稼働時間」に「ストレージ容量×保管時間」を足した合計です。データのアップロード・ダウンロードに転送料はかかりません。

### GPU別の時間単価と提供形態による差（2026年10月8日更新版）

[公式料金ページ](https://www.runpod.io/pricing)（2026年10月8日更新）の主なGPUの単価です。Serverlessの列はFlex worker（アイドル時にゼロまで縮む方式）の単価で、一部のGPUは共通の料金グループにまとめられていますが、同じVRAM容量でもGPUによって単価は異なります。

| GPU          | VRAM  | Community | Secure | Serverless |
| ------------ | ----- | --------- | ------ | ---------- |
| RTX A5000    | 24GB  | $0.16     | $0.27  | $0.69      |
| RTX 3090     | 24GB  | $0.22     | $0.50  | $0.69      |
| L4           | 24GB  | $0.44     | $0.59  | $0.69      |
| RTX 4090     | 24GB  | $0.34     | $0.89  | $1.10      |
| RTX 5090     | 32GB  | $0.69     | $1.19  | $1.58      |
| RTX A6000    | 48GB  | $0.33     | $0.59  | $1.22      |
| A40          | 48GB  | $0.35     | $0.59  | $1.22      |
| L40S         | 48GB  | $0.79     | $1.09  | $1.75      |
| RTX PRO 6000 | 96GB  | $1.69     | $2.49  | $3.49      |
| A100 PCIe    | 80GB  | $1.19     | $1.79  | $2.72      |
| A100 SXM     | 80GB  | $1.39     | $1.79  | $2.72      |
| H100 PCIe    | 80GB  | $1.99     | $2.89  | $4.79      |
| H100 SXM     | 80GB  | $2.69     | $3.99  | $4.79      |
| H200         | 141GB | $3.59     | $5.29  | $5.93      |
| B200         | 180GB | $5.98     | $7.99  | $8.64      |

単価はすべて1時間あたりの米ドルで、税は含みません。GPUの単価は改定されることがあるため、実際にデプロイするときはコンソールのPod作成画面に出る金額が正です。RTX 4090ではSecureがCommunityの約2.6倍ある一方、L4ではSecureが1時間0.15ドル高く約34％増、A100 SXMでは0.40ドル高く約29％増です。A100はPCIeとSXMのSecure単価が同じ1.79ドルです。

料金ページには検索エンジン向けの構造化データも埋め込まれていますが、2026年10月15日時点ではSecure Cloudの値が表示中の表より低い旧単価のまま残っていました（RTX 4090は表示0.89ドルに対し構造化データ0.74ドル）。上の表は、料金ページに表示される値と、認証なしで呼べる公開GraphQL API（`https://api.runpod.io/graphql`の`gpuTypes`）が返す`securePrice`・`communityPrice`が一致することを、2026年10月15日に確かめたものです。検索結果のスニペットや他サイトに出る単価が安く見えても、それは古い値の可能性があります。

### On-demandとSavings planの契約条件とスポット価格の記載状況

現行の料金ドキュメント（[Pods pricing](https://docs.runpod.io/pods/pricing)）が挙げる選択肢は2つです。On-demandは縛りのない従量課金で、割り当てたGPUが他の利用者に奪われることはありません。Savings planは3か月か6か月分を前払いして割引を受ける方式で、Podを止めても同じGPU種別の次回デプロイに自動で適用されます。ただし割引はGPU計算だけが対象で、ストレージは通常料金のままです。途中解約による返金もありません。

旧版の記事や古い解説では「スポット（interruptible）で安く借りる」方法が紹介されていますが、現行の料金ドキュメントと料金ページの表にスポットの価格はありません。一方で、Lambdaとの[公式比較ページ](https://www.runpod.io/lambda-alternative)は「On-demandより最大50〜70％安いスポットインスタンス」を挙げており、公式の中でも記載が揃っていません。2026年10月15日に公開GraphQL APIの`gpuTypes`を引いたところ、48種のGPUすべてでスポット価格の項目（`secureSpotPrice`・`communitySpotPrice`）は空でした。中断されてよい安価な枠を前提に予算を組むのは避け、On-demand単価で見積もるのが安全です。

### ストレージ3種の容量別料金とPodの実行中・停止中の課金の違い

| 種類             | 実行中        | 停止中        | データの寿命  |
| -------------- | ---------- | ---------- | ------- |
| Container disk | $0.10/GB/月 | 課金なし       | 停止で消える  |
| Volume disk    | $0.10/GB/月 | $0.20/GB/月 | Pod削除まで |
| Network volume | $0.07/GB/月 | $0.07/GB/月 | Podと独立  |

Network volumeはSecure CloudのPodでしか使えず、1TBを超えた分は$0.05/GB/月に下がります。高速版のHigh-performance storageは$0.14/GB/月の別料金です。見落としやすいのは、`/workspace`に載るVolume diskが停止中に**実行中の2倍**の単価になる点です。GPUを止めれば料金は止まる、という前提で数十GBのモデルを置いたままにすると、使っていない月にもストレージ代が積み上がります。

### GPUの稼働時間とストレージの保管容量・停止時間を含む月額の試算方法

次のコードは、1か月を730時間、稼働時間を0〜730時間、StandardのNetwork volumeを1TB以下かつ1か月保持する前提とした簡易試算です。税と割引は含みません。例として、RTX 4090（Secure Cloud、$0.89/時）を月40時間使い、モデル置き場に50GBを確保した場合を比べます。ローカルのPython 3で実行して値を確認しました。

```
HOURS_PER_MONTH = 730

def monthly_cost(gpu_per_hr, run_hours, container_gb=20, volume_gb=0, network_gb=0):
    idle_hours = HOURS_PER_MONTH - run_hours
    gpu = gpu_per_hr * run_hours
    container = container_gb * 0.10 * run_hours / HOURS_PER_MONTH
    volume = volume_gb * (0.10 * run_hours + 0.20 * idle_hours) / HOURS_PER_MONTH
    network = network_gb * 0.07
    return round(gpu + container + volume + network, 2)

# RTX 4090（Secure Cloud 0.89USD/時）を月40時間、モデル置き場50GB
print("volume disk 50GB :", monthly_cost(0.89, 40, volume_gb=50))
print("network vol 50GB :", monthly_cost(0.89, 40, network_gb=50))
# Community Cloud 0.34USD/時の場合（Network volumeはSecure Cloud専用のためVolume disk）
print("community + vd   :", monthly_cost(0.34, 40, volume_gb=50))
```

実行結果は、Volume diskが45.44ドル、Network volumeが39.21ドル、Community CloudでVolume disk 50GBを使うと23.44ドルです。Secure同士ではGPU代35.60ドルが同じで、差はストレージだけです。Volume diskは50GBで9.73ドルかかるのに対し、Network volumeは3.50ドルで済みます。稼働時間が月の1割に満たない使い方なら、モデルはNetwork volumeに置くほうが安くなります。Network volumeはSecure CloudのPodにしか付けられないため、Community Cloudでは停止中に単価が上がるVolume diskを使うことになります。それでも合計はSecure Cloud＋Network volume（39.21ドル）の約60％に収まりますが、ホストによって信頼性に差がある点は前述のとおりです。

### Serverlessの課金単位と起動・処理・アイドル時間の費用

Serverlessは、ワーカーが起動してから完全に止まるまでを1秒単位に切り上げて課金します。課金対象はモデルをGPUに載せる起動時間、リクエストの処理時間、処理後に次のリクエストを待つアイドル時間（既定5秒）の3つです。コンテナイメージの取得と、モデルキャッシュ機能によるモデルのダウンロードは、ワーカーが動き出す前の処理なので課金されません（[Serverless pricing](https://docs.runpod.io/serverless/pricing)）。常時起動のActive workerは割引があるものの、単価は営業経由の個別見積もりで公開されていません。推論をAPIとして常設する構成の考え方は[モデルサービングの構成と選定基準](/tech/details/16073/)が参考になります。

## Runpodの支払い方法と前払いクレジットの入金条件・残高管理

Runpodは前払いのクレジット制です（[公式のBilling overview](https://docs.runpod.io/accounts-billing/billing)）。コンソールのBillingページで入金した残高から、使った分がリアルタイムに引かれます。課金処理は5分ごとに走ります。

### Runpodの支払い手段別の入金条件とカード・暗号資産の注意点

| 方法       | 条件                       |
| -------- | ------------------------ |
| クレジットカード | Visa・Mastercard・Amex等    |
| プリペイドカード | 1回100ドル以上の入金を推奨          |
| 暗号資産     | 初回前にKYC（本人確認）が必要         |
| 請求書払い    | 5,000ドル超の取引。ACH・電信送金・カード |

クレジットカードはStripeが対応するVisa・Mastercard・Amex等を使えます。料金はドル建てです。日本のカードで払う場合、円への換算レートと手数料はカード会社の規定に従います。プリペイド式のカードでは、公式ドキュメントは1回100ドル以上の入金を推奨しています。100ドル未満の決済が一律に不可とは明記されていません。カードが通らないときは、公式の「Troubleshoot payment card declines」ページに対処手順があります。

### Podの起動に必要な最低入金額・残高と全リソースの支出上限の確認

入金は10ドルから始められます。ただしPodを新規にデプロイするには、選んだ構成の**1時間分以上**の残高が必要です。H200（Secure、$5.29/時）を選ぶなら、少なくとも5.29ドルの残高が要ります。全リソース合計の支出上限は既定で1時間80ドルです。利用実績に応じて自動で引き上げられ、急ぐ場合はサポートに申請します。入金したクレジットは返金も引き出しもできません。

### クレジット残高がゼロになったときのPod停止・データ削除の条件

残高が0ドルになると、実行中のPodはすべて自動で停止します。このとき、Network volumeを付けたPodは停止でとどまりデータも残りますが、付けていないPodは**終了（削除）**され、データは復旧できません。Network volume自体も停止中に課金が続くため、残高0の状態が続けば最終的に削除されることがあります。長時間の学習を回すなら、Billingページで残高低下の通知メールか、閾値を下回るとカードから自動入金するauto-pay（試行は1時間に1回まで）を設定しておきます。

## Runpodの使い方：Pod作成・接続から停止・削除までの操作手順

### RunpodコンソールでのPod作成・GPU選択と接続までの手順

1. console.runpod.ioでアカウントを作成し、Billingページで入金する。
2. SSHで接続する予定なら、Credentialsページに公開鍵（`id_ed25519.pub`の中身。`SHA256:`で始まる指紋ではない）を登録する。
3. Podsページで「Deploy」を選び、GPUの種類とSecure/Communityを選ぶ。
4. テンプレート（例：Runpod PyTorch）を選び、Container diskとVolume diskの容量を決めて起動する。
5. 起動後は、JupyterLab、Webターミナル、SSH、VS CodeやCursorから接続する。公開したポートには`https://<pod-id>-<port>.proxy.runpod.net`の形式でアクセスできる。

JupyterLabのカーネルは予期せず落ちることがあり、ノートブックで回した長時間の処理が途中で失われます。長い学習はターミナルで`tmux`を使って実行すれば、切断後も処理の継続が可能です。tmuxは既定では入っていないため、`apt-get install -y tmux`で導入します。

### SSHとVS Code・Cursorで接続する手順と2種類のSSHの違い

PodのConnectタブには、SSHのコマンドが2種類表示されます（[Connect to a Pod with SSH](https://docs.runpod.io/pods/configuration/use-ssh)）。どちらを使うかで、できることが変わります。

| 方式                   | コマンドの形                            | SCP・SFTP |
| -------------------- | --------------------------------- | -------- |
| 基本SSH（プロキシ経由）        | `ssh <pod-id>-<番号>@ssh.runpod.io` | 使えない     |
| SSH over exposed TCP | `ssh root@<IP> -p <ポート>`          | 使える      |

基本SSHはすべてのPodで使えますが、Runpodのプロキシを経由するためファイル転送のコマンドが通りません。VS CodeやCursorのRemote-SSHで接続する場合も、公開IPとポート22を使う「SSH over exposed TCP」が必要です（[Connect to a Pod with VSCode or Cursor](https://docs.runpod.io/pods/configuration/connect-to-ide)）。デプロイ画面でテンプレートを選んだあと「SSH Terminal Access」にチェックが入っているかを確かめ、起動後にConnectタブの2つ目のコマンドをVS Codeの「Remote-SSH: Connect to Host」→「Add New SSH Host」に貼り付けます。公式のPyTorchテンプレートはこの方式に対応しています。

```
# 手元で鍵を作り、公開鍵の中身をCredentialsページに貼る
ssh-keygen -t ed25519 -f ~/.ssh/id_ed25519 -C "you@example.com"
cat ~/.ssh/id_ed25519.pub

# ConnectタブのSSH over exposed TCPのコマンド（IPとポートはPodごとに異なる）
ssh root@<POD_IP> -p <SSH_PORT> -i ~/.ssh/id_ed25519
```

RunpodのSSHはパスワードを使わないため、接続時にパスワードを聞かれたら鍵の設定がどこかで食い違っています。公式ドキュメントは、登録側の誤り（`SHA256:`で始まる指紋を貼った、先頭の`ssh-ed25519`を落とした、複数の鍵を改行で区切らずに貼った）と、接続側の誤り（`-i`で指定した秘密鍵のパスが違う、秘密鍵のファイルが他のユーザーから読める権限になっている、`~/.ssh/config`の`IdentityFile`が別の鍵を指している）を挙げています。鍵の登録はPodの起動前に済ませておくと、起動時に自動で`authorized_keys`へ書き込まれます。

### runpodctlでのPod作成・停止とGPUの確認に使う操作手順

公式CLIの`runpodctl`を使うと、ローカルのターミナルからPodを作成・停止できます。以下のフラグは、2026年10月9日公開のv2.15.0の`--help`出力と[公式リファレンス](https://docs.runpod.io/runpodctl/reference/runpodctl-pod)に記載されているものです。

```
# インストールと初期設定（APIキーとSSH鍵を対話で登録）
bash <(curl -sL cli.runpod.io)
runpodctl doctor

# 使えるGPUのID（--gpu-idに渡す正式名）を確認
runpodctl gpu list

# 公式PyTorchテンプレートでRTX 4090のPodを作成し、SSHが通るまで待つ
runpodctl pod create --template-id runpod-torch-v21 --gpu-id "NVIDIA GeForce RTX 4090" --volume-in-gb 50 --wait

runpodctl pod list                 # 実行中のPod（停止済みも見るなら --all）
runpodctl pod stop <pod-id>        # 停止：GPU代は止まるがVolume diskは課金継続
runpodctl pod delete <pod-id>      # 削除：ストレージ課金も止まる
runpodctl billing pods             # Podの請求履歴
```

`--cloud-type`の既定値はSECUREです。Community Cloudで`--wait`を使う場合は、ポート22を公開するために`--public-ip`も付ける必要があります。`--wait`の待ち時間の上限は`--wait-timeout`で指定し、既定は10分です。時間切れになってもPodは残るため、課金を止めるには`pod delete`が要ります。古い記事にある`runpodctl stop pod`のような「動詞が先」の書き方は、v2系では非推奨（deprecated）に分類されています。

### 停止（Stop）と削除（Terminate）の課金・データ保持の違い

停止するとGPUが解放され、GPUの課金が止まります。Container diskの中身は消えますが、`/workspace`のVolume diskは残り、$0.20/GB/月の課金が続きます。削除（Terminate）するとVolume diskも消え、そのPodへの課金はすべて停止する仕組みです。Network volumeはPodを削除しても残ります。数日以上使わないなら、必要なファイルをNetwork volumeか外部ストレージに移して削除するのが、費用面でもデータ保全面でも確実です。

### runpodctl send・receiveとscpによるファイル転送の使い分け

モデルやデータセットを手元とPodの間で移す方法は、公式ドキュメント（[Transfer files](https://docs.runpod.io/pods/storage/transfer-files)）が4つ挙げています。runpodctlはすべてのPodに最初から入っているため、手元にも入れれば設定なしで使えます。送る側で`send`を実行すると使い捨てのコードが表示され、受け取る側でそのコードを`receive`に渡します。

```
# 送る側（手元のPCまたはPod）
runpodctl send model.safetensors
# 表示例: Code is: 8338-galileo-collect-fidel

# 受け取る側（Pod内のターミナルなど）
runpodctl receive 8338-galileo-collect-fidel

# 公開IPのSSHが使えるPodならscpでも送れる（ポートとIPはConnectタブの値）
scp -P <SSH_PORT> -i ~/.ssh/id_ed25519 model.safetensors root@<POD_IP>:/workspace/
```

runpodctlのヘルプは、この転送をcrocというオープンソースの転送ツールで行うと説明しています。公式は小〜中サイズのファイル向けとしており、数十GBのデータセットや定期的な同期には、差分だけを送れるrsync（SSH over exposed TCPが必要）か、S3などのクラウドストレージとの同期を使います。

## RunpodでComfyUI・Stable Diffusionの画像生成を始める手順

画像生成でRunpodを使うなら、ComfyUIとComfyUI Managerがあらかじめ入った公式テンプレートを使うと、環境構築を省けます。公式チュートリアル（[Generate images with ComfyUI](https://docs.runpod.io/tutorials/pods/comfyui)）は、ComfyUIとプラグインのComfyUI Managerが入ったテンプレートを使い、SDXL-Turboで1枚生成するまでを示しています。

### GPUに合わせたComfyUIテンプレートの選択とPodの起動

テンプレートは2種類あり、GPUの世代で選び分けます。RTX 4090・L40・A100などの一般的なGPUは「ComfyUI」、RTX 5090やB200のBlackwell世代は「ComfyUI Blackwell Edition」です。公式は、Blackwell世代はアーキテクチャが異なるため、専用のテンプレートで互換性を確保すると説明しています。

1. コンソールのHubで対象のComfyUIテンプレートを開き、「Deploy」を選ぶ。
2. GPUを選ぶ。公式はSDXL-TurboならL40かRTX 4090を挙げている。ストレージはテンプレートの既定値で足りる。
3. 「Deploy On-Demand」で起動する。初回はコンテナの準備に最大30分かかる。
4. PodのConnectから「Connect to HTTP Service \[Port 8188\]」を選ぶと、`https://<pod-id>-8188.proxy.runpod.net`でComfyUIが開く。「Not Ready」やBad Gatewayが出たら2〜3分待って再読み込みする。

同じ構成はrunpodctlでも作れます。次のコマンドは、公式チュートリアルのREST APIの例（イメージ`runpod/comfyui:latest`、Container disk 50GB、Volume disk 100GB、公開ポート3つ）を、v2.15.0の`--help`にあるフラグへ置き換えたものです。

```
# 公式テンプレートのIDを調べる場合
runpodctl template search comfyui --type official

# 8188=ComfyUIの画面、22=SSH、8080=ファイルブラウザ
runpodctl pod create --name comfyui-pod --image runpod/comfyui:latest \
  --gpu-id "NVIDIA GeForce RTX 4090" --container-disk-in-gb 50 --volume-in-gb 100 \
  --ports "8188/http,22/tcp,8080/http"
```

RTX 5090やB200で動かす場合、REST APIの例ではイメージを`runpod/comfyui:cuda12.8`に替えます。

### テンプレートに入っていないモデルの導入と保存先の費用

ワークフローは、使うモデル向けに作られたものを選びます。公式チュートリアルでは、画面右上の「Workflow」→「Browse Templates」→「Image」タブからSDXL-Turboのテンプレートを読み込みます。テンプレートにモデルは入っていないため、読み込むと「Missing Models」が表示されますが、そこのダウンロードボタンはモデルを手元のPCに落とすだけです。Podに入れるには、画面右上のManagerから「Model Manager」を開き、モデル名（例：`SDXL-Turbo 1.0 (fp16)`）で検索してInstallを押し、画面を再読み込み（Rキー）してからLoad Checkpointノードでモデルを選びます。あとは「CLIP Text Encode (Prompt)」ノードにプロンプトを入れて「Run」（Ctrl+Enter）を押すと、出力ノードに画像が表示され、右クリックで保存できます。初回はモデルの読み込みに数分かかります。Model Managerにないモデルは、前述の`runpodctl send`で`/workspace/madapps/ComfyUI/models`に送ります。

見落としやすいのは保存先の費用です。公式例の100GBのVolume diskは、実行中は月10ドル、停止中は単価が2倍になり月20ドルかかります。FLUX系のように1本で数十GBになるモデルを何本も置くなら、Secure CloudのPodであれば、停止中も単価が変わらないNetwork volume（100GBで月7ドル）に置き、作業のたびにPodを作り直すほうが安くなります。FLUX.2の各モデルの違いと必要な規模は[FLUX.2の全5モデル比較](/tech/details/11352/)で、ComfyUIで動画生成モデルを動かす手順は[Wan2.2の使い方](/tech/details/9955/)で解説しています。

ComfyUIのワークフローを推論APIとして公開したい場合は、HubからServerlessのエンドポイントにComfyUIをデプロイする公式手順もあります（[Deploy ComfyUI on Serverless](https://docs.runpod.io/tutorials/serverless/comfyui)）。

## Runpod Serverlessのhandler.py作成・APIキーの権限とAPI呼び出し手順

Podが「GPU付きのサーバーを借りる」使い方なのに対し、Serverlessは「関数を置いておき、リクエストが来たときだけGPUを動かす」使い方です。推論をAPIとして公開したいが、待機中のGPU代は払いたくない、という場面に向きます。

### handler.pyの作成と入力JSONを使ったローカル動作の確認

公式の[Handler functions](https://docs.runpod.io/serverless/workers/handler-functions)が示す最小構成は、ジョブを受け取る関数を1つ書き、`runpod.serverless.start`に渡すだけです。ジョブの入力は`job["input"]`に入っています。次の例は、受け取ったプロンプトの文字数を返すだけの関数です。実際にはこの中でモデルを呼び出します。

```
# handler.py（事前に pip install runpod で公式SDKを入れる）
import runpod

def handler(job):
    job_input = job["input"]
    prompt = job_input.get("prompt", "")
    # ここで推論処理を呼ぶ。例として文字数を返す
    return {"prompt": prompt, "length": len(prompt)}

runpod.serverless.start({"handler": handler})
```

手元での動作確認は、`--test_input`に入力JSONを渡して実行します。同じ内容を`test_input.json`として置き、`python handler.py`だけで動かす方法もあります。

```
python handler.py --test_input '{"input": {"prompt": "Test prompt"}}'
```

動作を確かめたら、このファイルとモデルの依存関係をコンテナイメージにまとめ、コンソールのServerlessページでエンドポイントを作成します。モデルの重みを毎回ダウンロードすると起動時間がそのまま課金されるため、重みはイメージに含めるかNetwork volumeに置きます。

### APIキーの作成とAll・Restricted・Read Onlyの権限の選び方

エンドポイントの呼び出しにはAPIキーが要ります。コンソールのCredentialsページで「API Keys」タブを開き、「Create API Key」から名前と権限を決めて作成します（[Manage credentials](https://docs.runpod.io/get-started/credentials)）。権限は**All**・**Restricted**・**Read Only**の3つです。Restrictedを選ぶと、RunpodのAPIごとに「None（アクセスなし）」「Read/Write」「Read Only」に加え、Serverlessのエンドポイント単位で個別に許可する「Restricted」を選べます。キーはRunpod側に保存されないため、作成直後にコピーしてパスワード管理ツールやGitHubのシークレットに控えます。

アプリに組み込むキーは、呼び出すエンドポイントだけを許可したRestrictedにしておくと、漏れたときにPodの作成や削除まで操作される事態を防げます。2024年11月11日より前に作ったキーは旧形式で、AI APIには全権限を持つため、公式は最小権限のRestrictedキーへの作り直しを勧めています。なお、各Podには起動時からPodに限定されたAPIキーが入っているため、Pod内でrunpodctlを使うだけなら自分のキーを置く必要はありません。

### /run・/status・/runsyncによるエンドポイントの呼び出し

エンドポイントができたら、エンドポイントIDとAPIキーでHTTPリクエストを送ります。書式は[公式のOperation reference](https://docs.runpod.io/serverless/endpoints/operation-reference)に沿っています。

```
# 非同期でジョブを投入する（ジョブIDが返る）
curl --request POST \
     --url https://api.runpod.ai/v2/$ENDPOINT_ID/run \
     -H "authorization: $RUNPOD_API_KEY" \
     -H "content-type: application/json" \
     -d '{"input": {"prompt": "Hello, world!"}}'
# 応答例: {"id": "eaebd6e7-6a92-4bb8-a911-f996ac5ea99d", "status": "IN_QUEUE"}

# 返ってきたジョブIDで結果を取りに行く
curl --request GET \
     --url https://api.runpod.ai/v2/$ENDPOINT_ID/status/YOUR_JOB_ID \
     -H "authorization: $RUNPOD_API_KEY"

# 完了まで待って結果を受け取る同期版
curl --request POST \
     --url https://api.runpod.ai/v2/$ENDPOINT_ID/runsync \
     -H "authorization: $RUNPOD_API_KEY" \
     -H "content-type: application/json" \
     -d '{"input": {"prompt": "Hello, world!"}}'
```

使い分けの目安は処理時間です。公式ドキュメントによれば、`/runsync`の待機は既定で90秒（`?wait=`で1,000〜300,000ミリ秒の範囲で指定）、結果の保持は完了後1分です。`/run`の結果は完了後30分保持されます。入力の上限は`/run`が10MB、`/runsync`が20MBです（[Send API requests](https://docs.runpod.io/serverless/endpoints/send-requests)、2026年10月時点）。数秒で返る分類や短文生成なら`/runsync`、画像生成や長文生成のように時間が読めない処理は`/run`で投げて`/status`を問い合わせる形にすると、タイムアウトで結果を取り逃しません。

### Public Endpointsでデプロイせずに既製モデルを呼ぶ方法と料金

自分でコンテナを作らず、公開済みのモデルを呼ぶだけで足りるなら、Public Endpointsが使えます（[Public Endpoints overview](https://docs.runpod.io/public-endpoints/overview)）。画像（Flux Dev・Flux Schnell・Qwen Imageなど）、動画（WAN・Klingなど）、音声、テキスト（Qwen3 32Bなど）のモデルがRunpod側にデプロイ済みで、APIキーを付けて`https://api.runpod.ai/v2/<モデルのID>/runsync`へPOSTするだけで結果が返ります。呼び方は上の`/run`・`/runsync`と同じです。

課金はGPUの時間ではなく出力量です。公式の例では、Flux Devが1メガピクセルあたり0.02ドル（1024×1024の1枚で約0.021ドル）、Flux Schnellが0.0024ドル、Qwen3 32Bが100万トークンあたり10ドルで、生成に失敗した分は課金されません。1024×1024をFlux Devで月500枚生成すると約10.5ドルで、待機中のGPU代とモデルの保管代はかかりません。生成枚数が少なく、使わない期間が長いほど、Podにモデルを置いておくより有利になります。反対に、自前のLoRAや独自のワークフローを使うなら、ServerlessかPodで自分のコンテナを動かす必要があります。

## 停止後に起動できないZero GPU問題とNetwork volume

止めたPodを再開しようとして「Zero GPU Pods」と表示されるのは、Runpodでよくあるトラブルです。原因は仕組みにあります。Podは特定の物理マシンのGPUに結び付けられており、停止するとそのGPUは解放され、ほかの利用者が借りられるようになります。Volume diskは同じマシンに残ったままなので、GPUが埋まっていると元のマシンでは起動できません。

公式ドキュメントが示す対処は3つです。GPUなしで起動してデータだけ取り出す、空くまで待って再試行する、必要なデータを退避してからPodを削除して同じ構成で作り直す、のいずれかです。予防策として公式はNetwork volumeの使用を推奨しています。データを特定マシンから切り離しておけば、空いている別マシンに新しいPodを立てて同じボリュームを付けるだけで作業を再開できます。ただしNetwork volumeはSecure CloudのPodにしか付けられず、付けられるのもPod作成時だけで、後から付け外しはできません。また作成したデータセンターに固定されるため、そのデータセンターで目的のGPUが空いているかも確認しておく必要があります。

## 画像生成・LLMの学習と推論に向けた用途別のGPUとVRAMの選び方

GPU選びで最初に効くのはVRAM容量です。公式のPod選定ガイドは、LLMの目安を**パラメータ10億あたり約2GB**としています。重みだけの概算では、16bitの7Bは約14GB、70Bは約140GB、4bitの70Bは約35GBです。実際の推論にはKVキャッシュなどの追加メモリが必要で、複数GPUが要るかはGPUの容量と実行条件によって変わります。同時リクエスト数や文脈長でKVキャッシュがどれだけ膨らむかは、[KVキャッシュの仕組みとメモリ削減の手法](/tech/details/13786/)で計算方法を解説しています。Podを起動したら、ターミナルで`nvidia-smi`を実行すると、割り当てられたGPUの型番とVRAMの使用量を確認できます。出力の読み方は[nvidia-smiの使い方](/tech/details/17936/)にまとめています。

| 用途              | 公式推奨のGPU帯   | VRAM目安  |
| --------------- | ----------- | ------- |
| 画像生成（SDXL・Flux） | RTX 4090、L4 | 16〜24GB |
| LLM推論（7B〜13B）   | RTX 4090、L4 | 24GB    |
| LLM推論（30B〜70B）  | A100、H100   | 48〜80GB |
| LLMの学習・微調整      | A100、H100   | 40〜80GB |
| 3Dレンダリング        | RTコア付きの中位帯  | 16〜24GB |

SDXLやFlux系の画像生成では、公式の推奨は表のとおり16〜24GBの帯です。必要量はモデルの規模・解像度・バッチサイズで変わるため、大きなモデルや動画生成ではこれを超えます。24GBの単価を比べると、Community CloudではRTX A5000（$0.16）とRTX 3090（$0.22）がRTX 4090（$0.34）より安く、Secure CloudではRTX 4090が$0.89まで上がるため、RTX 3090（$0.50）やL4（$0.59）が候補に入ります。SDXLは最低8GBで動きますが、LoRA学習やバッチを大きく取るなら16〜24GBの余裕を持たせてください。LLMの微調整を80GB級のGPUより安く済ませたい場合は、[QLoRAの仕組みとVRAM目安](/tech/details/15944/)で必要量を先に見積もると、24〜48GB帯で足りるかを判断できます。LLMをPod上でAPIとして動かすなら、[vLLMの仕組みと使い方](/tech/details/15786/)で解説している推論サーバーがそのまま使えます。

Blackwell世代のRTX PRO 6000を分割したMIGスライス（24GB・48GB）はSecure Cloud限定です。使う場合は、CUDAとフレームワークの版がBlackwellに対応しているかを先に確認します。CUDAの版とドライバーの対応関係の読み方は[CUDAの仕組みとバージョンの見方](/tech/details/4902/)にまとめています。

## GPUクラウドの選び方：Runpodと大手クラウドを分ける4つの判断軸

GPUクラウドは、Runpodのような[GPU専業のネオクラウド](/tech/details/11760/)と、AWS・Google Cloud・Azureといった大手クラウドのGPUに大きく分かれます。どちらが安いかより先に、次の4つの軸で自分の案件がどちらに寄るかを確かめると、選び直しが起きにくくなります。

| 判断軸    | Runpod         | 大手クラウド      |
| ------ | -------------- | ----------- |
| 使い始め   | 入金後すぐデプロイ      | GPU枠の上限申請が先 |
| 価格の見え方 | GPU別の時間単価      | インスタンス単位の価格 |
| ネットワーク | TCP・HTTPのポート公開 | VPC内の閉域構成   |
| 周辺サービス | GPU計算に特化       | DB・権限・監視が同居 |

### GPU枠の上限申請の有無によるRunpodとAWSの利用開始の差

差がもっとも出るのは使い始めです。AWSの[EC2インスタンスタイプのクォータ一覧](https://docs.aws.amazon.com/ec2/latest/instancetypes/ec2-instance-quotas.html)では、GPU系の「Running On-Demand G and VT instances」と「Running On-Demand P instances」の既定値はどちらも0（vCPU数）です（2026年10月時点）。利用実績に応じて自動で引き上げられるほか申請もできますが、GPUを使ったことのないアカウントでは、申請が通るまでGPUインスタンスを1台も起動できない状態から始まります。Runpodは入金して1時間分の残高があれば、その場でPodを立てられます。

### Runpodを選ぶ条件とデータ管理の要件から大手クラウドに寄せる条件

Runpodを選んでよいのは、公開データやオープンなモデルを扱い、GPUを今日から数十時間単位で使いたい場合です。該当する用途は、モデルの比較検証、PoC、画像生成、社外向けでない推論APIの試作です。反対に、個人情報や社内の機密データを扱い、既存のクラウド上の権限管理・監査ログ・閉域網の中で処理する必要があるなら、大手クラウドのGPUかマネージドMLサービスに寄せます。Google Cloudの場合の選択肢は[Vertex AIの機能・料金とSageMakerとの違い](/tech/details/15546/)で比較しています。

両者は段階で使い分けられます。Runpodで必要なVRAMと1リクエストあたりの処理時間を測り、その数値で本番基盤のGPU台数と月額を見積もる進め方です。検証で得た数値をもとに、推論APIや業務システムへの組み込みまで進める段階では、一創の[生成AI開発・AI受託開発](/service/ai/development/)で、モデル選定から推論基盤の構築、アプリケーションへの実装までを支援しています。

## Google Colab・Vast.aiとの料金体系・実行環境の比較

| 項目      | Runpod          | Google Colab  | Vast.ai     |
| ------- | --------------- | ------------- | ----------- |
| 提供形態    | コンテナ（root権限）    | ノートブック        | 個人ホストの仲介    |
| 課金      | 秒課金・前払い         | コンピューティングユニット | 秒課金・ホスト設定価格 |
| 価格の決まり方 | GPU・Cloud別の公開単価 | 月額プラン・都度購入    | 需給で変動       |
| 中断      | 他利用者による横取りなし    | セッションが切断される   | 入札枠は中断あり    |
| 向く用途    | 学習・推論API        | 手軽な実験・教材      | 最安値の探索      |

Colabはブラウザだけで始められる手軽さが強みです。一方、Runpodは任意のDockerイメージとポート公開が使えるので、推論サーバーやWeb UIを立てて外部から叩く用途に向きます。ColabをノートブックUIではなくターミナルから操作する方法については、[Colab CLIの仕組み](/tech/details/12438/)で解説しているとおりです。Vast.aiはホストが価格を決めるマーケットプレイスで、On-demandはホストの設定した固定価格、Interruptibleは入札額の高い利用者が優先され、他は一時停止されます。最安値を探すならVast.ai、GPU別に公開された定価で予算を立てたいならRunpod、という使い分けになります。ただしRunpodでも、目的のGPUに空きがあるかはデータセンターと時間帯で変わるため、デプロイ画面で在庫を確認してから計画します。

## Runpodを選ぶべきでない場面と実行環境・通信・常時稼働の制約

次の条件に当てはまる場合、Runpodは第一候補になりません。このうち最初の3つは、Podsの制約として公式ドキュメントが挙げているものです。

- **Windows環境が必要**：PodsはWindowsに対応しておらず、Ubuntu系のLinuxコンテナが前提です。Windows専用のレンダラーやツールは動かせません。
- **Docker Composeで複数コンテナを組む**：Runpod側がDockerを動かしているため、Pod内でDockerやDocker Composeは起動できません。サービスを分けるなら、Podを複数立てるか1コンテナにまとめる設計が必要です。
- **UDP通信が要る**：ゲームサーバーや一部のストリーミング用途は、通信がTCPとHTTPに限られ、UDPが通らない制約に引っかかります。
- **データの長期保管先にしたい**：公式ドキュメント自身が「長期のクラウドストレージとしては設計していない」と明記しています。成果物はS3などに逃がす前提で使います。
- **24時間365日の常時稼働**：月730時間回すなら、On-demandの秒課金の利点は薄れます。Savings planの割引率か他社の月額専有サーバーと比較してから決めます。
- **社内の閉域網や権限管理の中で処理する**：VPCや既存のID管理と組み合わせる前提の案件は、前述の判断軸に沿って大手クラウドのGPUを先に検討します。

## よくある質問

### Runpodは無料で使えますか？

無料枠はありません。前払いのクレジット制で、最低10ドルの入金から始められます。Podを新規に作るには、選んだ構成の1時間分以上の残高が必要です。

### Runpodの支払いにプリペイドカードや暗号資産は使えますか？

プリペイドカード・暗号資産のどちらも利用可能です。プリペイドカードでは、1回100ドル以上の入金が推奨されています。暗号資産は、初回の支払い前に本人確認（KYC）を済ませる必要があります。

### Podを停止している間も料金はかかりますか？

GPUの料金は止まりますが、Volume diskには停止中も1GBあたり月0.20ドルがかかります。Network volumeも引き続き月0.07ドル/GBの課金対象です。課金を完全に止めるには、Podを削除（Terminate）し、不要なNetwork volumeも消します。

### Runpodはどこの会社ですか？

米国のRunpod, Inc.が運営しています。利用規約が示す連絡先の所在地はサンフランシスコです。2026年6月にSummit Partners主導で1億ドルを調達し、同年10月には年間経常収益が3億2,500万ドルを超えたと発表しています。

### ブラウザを閉じても処理は続きますか？

Pod自体は動き続け、GPUの課金も続きます。ただしJupyterLabのノートブックで回している処理は、カーネルが落ちると止まることがあります。長時間の処理は、ターミナルでtmuxのセッション内で実行してください。Serverlessの場合は、`/run`で投げたジョブは呼び出し側の接続と関係なく処理され、結果は完了後30分間`/status`で取得できます。

## 関連記事

- [ネオクラウドとは？GPU特化クラウドの仕組みと主要企業・日本の事業者【2026年10月】](/tech/details/11760/)
- [FLUX.2の全5モデル比較｜Flex・Max・Pro・Dev・Kleinの違いと料金・選び方【2026年9月】](/tech/details/11352/)
- [vLLMとは？PagedAttentionの仕組み・使い方とOllama・TensorRT-LLMとの違いを実装者目線で解説](/tech/details/15786/)
- [QLoRAとは？4bit量子化＋LoRAの仕組み・VRAM目安・実装手順と採用判断を解説【2026年版】](/tech/details/15944/)
- [nvidia-smiの使い方｜GPU使用率とメモリの見方・CSV記録・DCGMへの移行判断](/tech/details/17936/)

---

出典: [Runpodとは？料金・使い方・支払い方法とGPUクラウドの選び方【2026年10月】](<https://www.issoh.co.jp/tech/details/9628/>)（株式会社一創）