L’API Compute de RentGPUPower parle la même langue que celle d’OpenAI. Pointez le SDK d’OpenAI — ou n’importe quel outil construit dessus — vers notre adresse avec la clé de votre compte, indiquez un modèle ouvert, et vous obtenez des réponses de chat, streaming compris. Derrière, un GPU sert le modèle pour vous, et vous payez ce GPU à la seconde au lieu de payer au token.

Deux réglages

RéglageValeur
URL de basehttps://rentgpupower.com/api/v1/compute
Clé APIla clé de votre compte, gpuapi_…, créée sur la page développeurs

L’API fonctionne avec des crédits prépayés : rechargez votre solde, et les appels y puisent.

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://rentgpupower.com/api/v1/compute",
    api_key="gpuapi_...",
    max_retries=20,  # continue d'essayer pendant que le modèle démarre
)

stream = client.chat.completions.create(
    model="qwen3:8b",
    messages=[{"role": "user", "content": "Écris un haïku sur les GPU."}],
    stream=True,
)
for chunk in stream:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="", flush=True)

curl

curl https://rentgpupower.com/api/v1/compute/chat/completions \
  -H "Authorization: Bearer $GPURENT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "llama3.2:1b", "messages": [{"role": "user", "content": "Bonjour !"}]}'

Quels modèles

  • N’importe quel nom de modèle Ollama, par exemple llama3.2:1b, llama3.1:8b, qwen3:8b ou gpt-oss:20b.
  • Un modèle vLLM vérifié de Hugging Face : Qwen/Qwen2.5-7B-Instruct, Qwen/Qwen2.5-1.5B-Instruct, Qwen/Qwen2.5-Coder-7B-Instruct, Qwen/Qwen2.5-14B-Instruct ou mistralai/Mistral-7B-Instruct-v0.3.

client.models.list() (GET /models) montre ce qui tourne pour vous et ce qui peut être démarré. Vous ne savez pas quelle taille de modèle choisir ? Le tableau est dans De combien de mémoire GPU (VRAM) ai-je besoin ?

Le premier appel : un GPU démarre pour vous

Si aucune de vos instances ne sert le modèle demandé, une instance est démarrée sur vos crédits. L’appel répond 503 avec le type d’erreur model_loading, une estimation en secondes (eta_s) et un en-tête Retry-After — et le même appel est servi dès que le modèle est prêt. Les SDK d’OpenAI relancent d’eux-mêmes un 503 en attendant ce qu’indique Retry-After : c’est à cela que sert max_retries. Une machine « à chaud », qui a déjà le modèle sur son disque, répond en quelques secondes ; sinon, le modèle est d’abord téléchargé, ce qui prend quelques minutes.

Les appels suivants vont à la même instance tant qu’elle tourne : seul le premier attend. En attendant, GET /instances/ID/ready indique si son serveur de modèle répond déjà.

Quand un appel n’aboutit pas

RéponseCe qu’elle veut dire
503 model_loadingle modèle démarre ; le SDK relance tout seul
402vos crédits, ou le plafond de dépenses de cette clé, ne couvrent pas une nouvelle instance — rechargez ou relevez le plafond
409 no_capacityaucune machine adaptée n’est libre pour l’instant ; réessayez un peu plus tard

Chaque clé peut avoir son propre plafond de dépenses, et une clé en lecture seule peut consulter sans jamais dépenser — pratique pour un tableau de bord.

Combien ça coûte

Pas de facturation au token. Vous payez le GPU de l’instance à la seconde, au prix horaire de la machine, tant qu’elle tourne — que vous l’appeliez ou non. Une instance démarrée ainsi est réservée pour une demi-heure : prolongez-la, ou arrêtez-la plus tôt avec DELETE /instances/ID (gpurent stop ID en ligne de commande), et le temps non utilisé revient à vos crédits. Pour choisir vous-même la durée, démarrez-en une avec POST /instances et un duration_s, puis appelez-la de la même façon. La documentation liste tous les endpoints.

Les embeddings aussi

POST /embeddings est aussi disponible, au format d’OpenAI. Le calcul est fait par un pool de téléphones et de navigateurs qui gagnent de l’argent sur /earn, avec un petit modèle d’embeddings de phrases, all-MiniLM-L6-v2 (384 dimensions).

Questions fréquentes

Faut-il d’abord louer un GPU ?

Non. Demandez un modèle et une instance démarre pour vous. Vous pouvez aussi en démarrer une vous-même avec POST /instances et l’appeler de la même façon.

Est-ce vraiment facturé à la seconde ?

Oui : le temps GPU à la seconde, sans frais au token. Une instance laissée en marche coûte la même chose que vous l’appeliez ou non : arrêtez-la quand vous avez fini.

Le streaming fonctionne-t-il ?

Oui. Passez stream=True (ou "stream": true), exactement comme avec OpenAI.

Mon outil fonctionnera-t-il ?

La plupart des outils qui permettent de régler une URL de base et une clé OpenAI fonctionnent tels quels — les SDK d’OpenAI pour Python et Node, et les bibliothèques construites dessus. Pour faire tourner un modèle sur une machine que vous louez vous-même, voyez Faire tourner Llama, Qwen, DeepSeek ou gpt-oss sur un GPU loué.