
Hostinger, üst düzey GPU donanımını kiralamayı pratik hâle getirebilir mi? Bir B200 dağıttım, bağlantı sorununu çözdüm ve gerçek çıkarım, görsel üretimi ve izleme performansını ölçtüm. Kiralamadan önce önem taşıyan sonuçlar, maliyetler ve kısıtlamalar için okumaya devam edin.

Hostinger GPU Hosting’i iki dağıtım deneyimime, çalışan B200’ün performans testi sonuçlarına, hPanel kontrollerine ve destek ekibiyle yaptığım görüşmelere göre puanladım. Ayrıca yayımlanmış ücretlendirme ve para iade koşullarını da kontrol ettim. HostAdvice barındırma puanlama metodolojisiniizliyorum; ancak bu, test ettiğim tek bir B200’ün anlık değerlendirmesidir, çalışma süresi araştırması ya da her GPU modelinin karşılaştırması değildir.
| Test | Puan /10 | Bu Puanın Nedeni |
| Fiyatlandırma ve Planlar | 8.1 | Esnek saatlik GPU kiralama ve yapılandırmalar sunuyor; ancak kesintisiz ücretlendirme, iade edilmeyen krediler ve duraklatma seçeneğinin olmaması sağladığı değeri sınırlandırıyor. |
| Özellikler | 8.8 | Güçlü GPU’lar, geniş VRAM, uygulama şablonları ve izleme araçları sunuyor; ancak yerleşik yedekleme veya kalıcı depolama yok. |
| Performans | 8.8 | Mükemmel BF16 sonuçları, hızlı Qwen çıkarımı ve bir saniyenin altında SDXL görsel üretimi sunuyor; ancak uzun süreli iş yükleri test edilmedi. |
| Kullanım Kolaylığı | 8.0 | Hızlı dağıtım ve kolay yönetim sunuyor; ancak GPU stok kısıtlamaları ve başlangıçtaki SSH sorunu hayal kırıklığı yarattı. |
| Destek Düzeyi | 7.8 | Hızlı ve ayrıntılı yapay zekâ yanıtları ile faydalı belgeler sunuluyor; ancak insan desteğine ulaşmak ve bağlantı sorunlarını çözmek zaman aldı. |
| Genel | 8.3 | Etkileyici GPU performansı ve kolay erişilebilir dağıtım; ücretlendirme kısıtlamaları, sınırlı kurtarma seçenekleri ve destek sürecindeki aksaklıklarla dengeleniyor. |

Hostinger GPU Hosting, web sitesi barındırma hizmetlerinde genellikle karşılaşılan sabit aylık abonelikler yerine talep üzerine kiralama modelini kullanır. Yapay zekâ çıkarımı, model geliştirme, ince ayar ve görsel üretimi gibi iş yükleri için GPU kaynakları kiralarsınız; ücretler seçtiğiniz yapılandırmaya göre belirlenir.
GPU kataloğunda RTX 4090 ve L40S’ten A100 ve NVIDIA B200’e kadar uzanan, her biri farklı bellek kapasiteleri ve hesaplama özellikleri sunan seçenekler bulunur. Ancak kullanılabilirlik, seçiminizi etkileyebilir. Başlangıçta denemek istediğim RTX 4090, Hostinger’ın herkese açık fiyatlandırma sayfasında görünmesine rağmen hPanel’de stokta yoktu.
Hostinger, standart ve Dedicated B200 örnekleri sunar; ikincisinin ücreti daha yüksektir. Ayrıca farklı CPU, RAM ve depolama tahsisleri de seçebilirsiniz. İlk yapılandırmamda 16 CPU çekirdeği, 32 GB RAM ve 300 GB depolama vardı. Kullanılabilir en küçük kuruluma güvenmek yerine yapay zekâ performans testlerimi desteklemek için bu yapılandırmayı seçtim.
Hostinger, GPU kullanımını ön ödemeli krediyle ücretlendirir. Ancak bir örneği başlatmadan önce göz önünde bulunduracağım birkaç koşul var:
Bu koşullar, uzun süreli yapay zekâ işleri için maliyet planlamasını özellikle önemli hâle getirir. Gecikmeleri veya başarısız bağlantıları da hesaba katarak hem işleme hem de kurulum süresini karşılayacak kadar kredinizin olması gerekir.
GPU Hosting’i, hesabımda hâlihazırda kredi bulunduğu için mevcut bir Hostinger hesabını kullanarak test ettim; bu nedenle yeni bir ödeme işlemini tamamlamadım. Yeni müşteriler, bir örneği yapılandırdıktan sonra bakiyelerine kredi yükleyebilir. Hostinger, ödeme kartlarını ve PayPal gibi dijital cüzdanları destekler; ancak kullanılabilir yöntemler müşterinin bulunduğu bölgeye bağlıdır.
Ayrıca ayrı bir ücretsiz GPU deneme süresiyle de karşılaşmadım. GPU satın alımları ve yapay zekâ kredileri, Hostinger’ın standart 30 günlük barındırma para iade garantisi kapsamına girmediğinden, ödeme yapmadan önce son yapılandırmayı ve kredi gereksinimlerini doğrulardım.
En büyük avantaj esnekliktir. Kendi sunucunuzu satın almadan veya bakımını yapmadan, kısa süreli bir iş yükü için pahalı GPU donanımına erişebilirsiniz. Ancak ilan edilen saatlik ücret hikâyenin tamamını anlatmaz.
Deneyimim, kaynak sağlamanın ve bağlantının fiyatlandırma açısından neden önemli olduğunu da gösterdi. Sunucuya erişilememe sorununu gidermek için harcanan zaman, örnek çalışıyor ve kredi tüketiyorsa maliyetlerinize katkıda bulunmaya devam edebilir.
hPanel’deki son kredi tüketim oranını kontrol eder, GPU kullanılabilirliğini doğrular ve ücretli bir iş yükü başlatmadan önce harici depolama ayarlardım. Kısa ve iyi planlanmış işler için kiralama modeli mantıklıdır. Daha uzun veya öngörülemeyen iş yüklerinde kredi tüketimini yakından takip etmek çok önemlidir.

Güçlü bir GPU, yalnızca donanıma erişebilir, iş yüklerinizi güvenilir biçimde çalıştırabilir ve makul bir sürede sonuç alabilirseniz kullanışlıdır. Hostinger, 192 GB VRAM’e sahip NVIDIA B200’ünü tanıtıyor; ancak bunun gerçek performansa nasıl yansıdığını görmek istedim.
Üç soruya odaklandım:
İlk B200 dağıtımımda bağlantı sorunu yaşandı. hPanel, dizüstü bilgisayarımdan erişemediğim bir özel IP adresi gösteriyordu ve Hostinger, kontrol panelinde gösterilen IP adresiyle ilgili bir sorun olduğunu kabul etti.
Bu başlangıçtaki sorunu donanımın performansından ayırmak için yeni bir B200 örneği başlattım ve yeni bağlantı noktası üzerinden SSH ile başarıyla bağlandım. Aşağıdaki performans testlerini 26 Ekim 2026 tarihinde tamamladım.
Bu nedenle aşağıdaki sonuçlar, sorunsuz çalışan yedek bir örnekten elde edilmiştir. Önceki bağlantı sorunu genel değerlendirmemin bir parçası olmaya devam ediyor, ancak GPU’nun performansını değerlendirmeme engel olmadı.
Hostinger’ın Los Angeles bölgesinde 16 çekirdekli CPU tahsisi, 32 GB RAM’i ve yaklaşık 300 GB sağlanan depolama alanı bulunan bir Ubuntu 24.04 B200 örneği kullandım. Pop!_OS dizüstü bilgisayarımdan SSH ile bağlandım, nvidia-smi kullanarak donanımı kontrol ettim ve CUDA destekli bir PyTorch ortamı kurdum. Sunucu NVIDIA sürücüsü 595.91.07’yi bildirdi; PyTorch 2.11.0+cu128 GPU’yu tanıdı ve BF16 hesaplamalarını destekledi.
Ardından üç tür iş yükü çalıştırdım: kısa BF16 matris çarpımı ve GPU belleği kopyalama testleri, Qwen2.5-7B-Instruct dil modeli çıkarımı ve Stable Diffusion XL görsel üretimi. Yapay zekâ iş yüklerini sabit ayarlarla tekrarladım ve tek bir en iyi sonuca güvenmek yerine her çalıştırmanın süresini kaydettim. Son olarak, GPU etkinliğinin orada görünüp görünmediğini görmek için hPanel’deki Metrics sayfasını kontrol ettim.
Bu testler, tek bir örneğin pratik bir anlık görüntüsünü sunuyor. Uzun vadeli çalışma süresini, saatler boyunca kesintisiz yük altındaki performansı veya B200’ün aynı koşullarda rakip GPU barındırma hizmetleriyle karşılaştırmasını ortaya koymuyor. Ayrıca ağ iş hacmi testi veya çok kullanıcılı çıkarım performans testi yapmadım.
İç rahatlatan ilk sonuç, Ubuntu’nun bir NVIDIA B200’ü hemen tanımasıydı. nvidia-smi, 182,624 MiB bildirilen GPU belleğine sahip bir B200 tanımlarken PyTorch, aygıtta kullanılabilir 178.34 GiB bellek bildirdi. Bu ikili birim değerleri, reklamı yapılan 192 GB VRAM ile genel olarak tutarlıdır; ancak yazılım tarafından okunabilen miktar, satış sayfasında gösterilen değerle tam olarak aynı değildir.

İşletim sistemi ayrıca, ortamın içinden görüldüğü üzere 32 GiB RAM ve bağlanmış dosya sisteminde 268 GiB kapasite gösterdi. İşlemci AMD EPYC 9575F olarak tanımlandı; ancak lscpu, 224 mantıksal CPU gösterdi. Bu değeri planıma dahil 224 çekirdek olarak yorumlamak yerine kapsayıcının CPU denetim ayarlarını kontrol ettim.
cgroup sınırı, her 100,000 mikrosaniyelik dönemde 1,600,000 mikrosaniyeydi; bu da örneğe 16 CPU eşdeğeri sağlıyordu. Bu, seçtiğim 16 çekirdekli tahsisle eşleşiyordu. Barındırılan bir iş yüküne gerçekten atanan kapasiteye kıyasla ana makinede görünen CPU topolojisi çok daha yüksek kapasite sunuyormuş gibi görünebildiğinden, bu ayrım okuyucular için önemlidir.
B200’ün ham hesaplama kapasitesini ölçmek için ilk olarak PyTorch üzerinden BF16 matris çarpımı çalıştırdım. BF16, yapay zekâ modeli hesaplamalarında yaygın olarak kullanıldığı için burada faydalıdır; ancak sentetik, küçük bir matris performans testi tam bir modeli çalıştırmanın yerini tutmaz.
12 yinelemeyle, 4,096 boyutlu daha küçük kare matrisin 0.098 milisaniyelik medyan işlem süresine göre tahmini performansı 1,402.7 TFLOP/s oldu. 8,192 boyutlu kare matrisin tahmini performansı ise 0.659 milisaniyelik medyan süreyle 1,668.8 TFLOP/s oldu. Bunlar, test edilen işlemler için hesaplanan aritmetik iş hacmi tahminleridir; bağımsız olarak doğrulanmış, sürdürülebilir uygulama performansı değerleri değildir.
Ayrıca 512 MiB’lık GPU aygıtlar arası bellek kopyalamasını ölçtüm. İşlem, yaklaşık 0.17 milisaniyelik medyan sürede tamamlandı; bildirilen veri iş hacmi de 3,137.1 GB/s değerine karşılık geliyordu. Bu test, GPU belleği içindeki veri hareketini ölçer; model indirme, sunucunun diskinden veri okuma veya internet üzerinden veri gönderme hızını ölçmez.

Temel ölçüm betiğinin tamamlanması 2.646 saniye sürdü. PyTorch’un kartı tanıdığını ve CUDA hataları olmadan bu işlemleri çalıştırdığını görmek hoşuma gitti; ancak kısa süre bir sınırlama da oluşturuyor. Birkaç milisaniyelik hesaplamaya dayanarak GPU’nun uzun süreli bir eğitim işi boyunca aynı iş hacmini veya sıcaklıkları koruyacağı sonucuna varamayız.
Sentetik iş hacmi umut vericiydi, ancak B200’ün gerçek bir dil modelini nasıl çalıştırdığını görmek istedim. Qwen2.5-7B-Instruct modelini Hugging Face Transformers aracılığıyla BF16 biçiminde yükledim ve ondan GPU hızlandırmasını açıklamasını istedim. Testte tek bir istem ve en fazla 128 üretilen token kullanıldı; aynı ayarlarla üç kez tekrarlandı.
Kaydedilen çalıştırmada modelin getirilip yüklenmesi 35.40 saniye sürdü. Ardından ilk 128 tokenlık yanıt 23.094 saniye sürdü; bu da saniyede yalnızca 5.54 token anlamına geliyordu. Sonuç ilk başta hayal kırıklığı yaratıcı görünüyordu, ancak sonraki iki çalıştırma farklı bir tablo ortaya koydu.
İkinci çalıştırma 128 tokenı 1.005 saniyede, yani saniyede 127.30 token hızında tamamladı. Üçüncü çalıştırma 1.029 saniye sürdü; bu da saniyede 124.35 token hızına karşılık geliyor. Böylece sonraki iki çalıştırmanın ortalaması saniyede yaklaşık 125.8 token oluyor ve aralarında çok az fark bulunuyor.

Aradaki fark önemli. Bu durum, ilk üretimi etkileyen tek seferlik kurulum veya tembel başlatma ile tutarlı olsa da kesin nedeni belirlemedim. 23 saniyelik sonucu gizlemez veya sonraki çalıştırmaları her ilk isteğin ulaşacağı sonuçlarmış gibi sunmazdım. Model sunan biri için hem ilk gecikme hem de tekrarlanan isteklerdeki daha hızlı yanıtlar önemlidir.
PyTorch, GPU için en yüksek bellek tahsisini 14.21 GiB olarak bildirdi. Bu, B200’ün kullanılabilir belleğinin yalnızca küçük bir kısmı; dolayısıyla bu test, VRAM’in 192 GB’ına yakınını gerçekten gerektiren bir modeli barındırmanın faydasından ziyade tek istekli çıkarımın uygulanabilir olduğunu gösteriyor. Eşzamanlılığı, toplu işlemeyi, daha uzun bağlam pencerelerini veya vLLM gibi optimize edilmiş bir çıkarım sunucusunu test etmedim.
İkinci bir gerçek uygulama için Stable Diffusion XL kullanarak koyu mermer üzerinde duran siyah bir kol saatinin 1,024 × 1,024 boyutunda ürün görselini oluşturdum. 25 çıkarım adımı, FP16 ağırlıkları ve üç çalıştırmada da aynı istem ile rastgelelik tohumunu kullandım. Böylece karmaşıklık düzeyleri farklı, birbiriyle ilgisiz üç görsel yerine tekrarlanabilir ölçümler elde ettim.
SDXL modelinin getirilip yüklenmesi 18.29 saniye sürdü. İlk görsel 3.275 saniyede oluşturuldu. İkinci ve üçüncü görsellerin oluşturulması sırasıyla 0.915 ve 0.913 saniye sürdü; böylece kararlı durumda görsel başına ortalama süre 0.914 saniye oldu. PyTorch süreci, GPU belleğinden ayrılan en yüksek miktarın 11.49 GiB olduğunu bildirdi.

Dışa aktarılan görselleri de inceledim. Üç dosyanın tümü bayt bayt aynıydı; bu, sabit rastgelelik tohumu ayarıyla örtüşüyor ve tekrarlanan testin aynı çıktıyı ürettiğini gösteriyordu. Saat, yansıtıcı yüzey ve aydınlatma ilk bakışta ikna ediciydi; ancak kadran yakından incelendiğinde, yapay olarak üretilmiş ürün görsellerinde sık görülen küçük tutarsızlıklar fark ediliyordu. Bu sanatsal kusurlar GPU donanım hatalarıyla karıştırılmamalıdır.
Sonuç özellikle faydalıydı; çünkü değerlendirebileceğim somut bir iş sundu: işlem hattı yüklendikten sonra tam boyutlu bir SDXL görseli bir saniyeden kısa sürede hazır oldu. Ancak bu, tek bir SDXL modeliyle tek görsel üretimiydi; video üretimi, büyük toplu işler veya kiralanabilen tüm görsel modelleri için bir performans testi değildi.
İncelemenin önceki bölümünde, GPU boşta olduğu için Hostinger’ın Metrics sayfasında düz çizgiler görünüyordu. Performans testlerini çalıştırdıktan sonra aynı 1 saatlik görünüme döndüm ve her iki grafikte de etkinlik gördüm. Hesaplama iş hacmi 297 TFLOPs olarak gösteriliyordu ve VRAM grafiğinde belirgin bir artış vardı; üzerine gelinen noktalardan birinde değer 14.3 GB olarak görünüyordu.

Bu, hPanel’in sıfır değerinde düz bir çizgi göstermeye devam etmek yerine iş yükünü kaydettiğini doğrulamak açısından faydalıydı. Ayrıca Metrics sayfası, dağıtımın hemen ardından göründüğünden daha bilgilendirici hâle gelmişti. 1 saat, 24 saat, 7 gün ve 30 gün seçeneklerini bulmak kolaydı.
Yine de hPanel’in 297 TFLOPs gösterimiyle sentetik testte elde edilen 1,668.8 TFLOP/s sonucu arasında doğrudan sayısal karşılaştırma yapmaktan kaçınırdım. Testim sırasında panonun örnekleme aralığı ve hesaplama yöntemi belirlenmemişti; VRAM gösterimi de PyTorch sürecinin en yüksek bellek tahsisiyle aynı ölçüm değildi. Grafikler etkinliği ve zaman içindeki değişiklikleri fark etmek için kullanışlıdır; ancak iş yükü düzeyindeki zaman ölçümlerinin veya sistem ölçümlerinin yerini tutmaz.
Hostinger’ın ikinci B200 örneği, birbirinden çok farklı üç testte kullanılabilir GPU hızlandırması sağladı. Sentetik BF16 sonuçları kısa hesaplamaların hızlı olduğunu gösterdi, Qwen2.5-7B olağan dışı derecede yavaş ölçülen ilk yanıtın ardından saniye başına yaklaşık 126 tokena ulaştı ve Stable Diffusion XL başlatıldıktan sonra 1,024 piksellik görselleri yaklaşık 0.91 saniyede üretti. Ayrıca 16 çekirdekli CPU kotasını doğruladım ve etkinliğin hPanel’de görünmesini izledim.
Bunlar olumlu sonuçlar, ancak bunları her yapay zekâ iş yükü için bir vaat olarak görmezdim. Testler kısaydı ve B200’ün kullanılabilir VRAM kapasitesine kıyasla görece küçük modellerle, tek bir örnek üzerinde gerçekleştirildi. Sürekli eğitimi, tepe eşzamanlılığı, uzun vadeli kullanılabilirliği veya harici ağ hızını ölçmedim. Önceki SSH bağlantı noktası sorunu da ayrı bir operasyonel kaygı olmaya devam ediyor; bununla birlikte yerine geçen sunucuya başarıyla bağlanabildim.

Hostinger GPU Hosting hizmetini, yeni bir GPU kiralama hizmetini değerlendirir gibi ele aldım: uygun bir kart bulmak, gerçek maliyeti kontrol etmek, bir örnek başlatmak ve çalışmaya başladıktan sonra ortamı yönetmenin ne kadar kolay olduğunu görmek istedim.
Ayrıca sunucuyu çevrimiçi duruma getirmenin deneyimin yalnızca yarısı olması nedeniyle GPU hizmetinin Hostinger’ın daha kapsamlı hPanel yapısına nasıl uyduğunu da öğrenmek istedim.
Dağıtımın kendisi hızlıydı. Satın alma süreci ise daha az öngörülebilirdi. Herkese açık fiyatlandırma sayfasında seçtiğim GPU, hPanel’de mevcut değildi ve onun yerine aldığım GPU’nun saatlik ücreti çok daha yüksekti. İlk tıklamadan yönetim araçlarına kadar deneyim şu şekilde gelişti.
Hostinger’ın web sitesinden başladım ve Products > Hosting > GPU hosting yolunu açtım. GPU barındırma hizmetinin, web barındırma, VPS barındırma ve bulut barındırmanın yanında, açıkça etiketlenmiş ayrı bir seçenek olarak sunulmasını beğendim. Genel bir VPS ürününü açmam veya GPU donanımının eklenti olarak sunulup sunulmadığını anlamaya çalışmam gerekmedi.

Bağlantı, Hostinger GPU Hosting açılış sayfasını açtı. Bu sayfada yapay zekâ, işleme ve hesaplama açısından yoğun işler için saatlik NVIDIA GPU kiralama hizmeti tanıtılıyordu. Ana başlığın hemen altında Get started düğmesi vardı. Bu düğmeye tıklamak bir örneği hemen oluşturmuyor veya beni kayıt sayfasına göndermiyordu; aynı sayfadaki GPU fiyatlandırma bölümüne indiriyordu.

Başlamak için makul bir yerdi. Fiyatlandırma bölümünde kullanılabilir GPU modelleri ayrı kartlarda, belirtilen başlangıç saatlik ücretleri, VRAM değerleri ve önerilen kullanım alanlarıyla listelenmişti. Bir sunucu yapılandırmam istenmeden önce donanımları karşılaştırabiliyordum. Herkese açık sayfada gösterilen ürün yelpazesi RTX 4090’dan B200 dahil daha pahalı veri merkezi GPU’larına kadar uzanıyordu.

İlk olarak NVIDIA RTX 4090’ı seçtim. Hostinger, bu modeli 24 GB VRAM ile saat başına $0.42 fiyatından başlayan ücretlerle sunuyor ve geliştirme, deneme, görsel ve video üretimi, 3D işleme ve daha küçük modellerle çıkarım için öneriyordu.
Bu, planladığım yapay zekâ çıkarımı, görsel üretimi ve GPU performans kontrolleri için makul bir başlangıç gibi görünüyordu. Uygulanabilir bir temel oluşturmak için en pahalı kartlardan birini kiralamam gerekmiyordu.

RTX 4090’ı seçtikten sonra kartındaki Get GPU düğmesine tıkladım. Bu beni Hostinger’ın hesap kayıt sayfasına götürdü. Burada Google veya GitHub üzerinden kaydolmanın yanı sıra alışılmış e-posta adresi ve parola alanları da vardı.
Telefon numarası alanı isteğe bağlı olarak işaretlenmişti ve ayrı bir onay kutusu WhatsApp ve SMS yoluyla tanıtım iletilerini kapsıyordu.

Kayıt ekranı basitti. Daha da önemlisi, GPU seçimi henüz beni belirli bir sunucuyu satın almaya bağlamamıştı.
Hesap oluşturduktan veya oturum açtıktan sonra, donanımın gerçekten seçilip başlatılabildiği hPanel’in GPU alanına girdim. Panelde 2,000 kredi bakiyesi görünüyordu.
Kullanılabilir kredileri olan mevcut bir Hostinger hesabım bulunduğu için panelde 2,000 kredi bakiyesi görünüyordu. Mevcut kredi bakiyesi olmadan ilk kez kaydoluyorsanız, GPU örneğinizi yapılandırdıktan sonra bir ödeme adımıyla karşılaşırsınız; satın alma işlemini tamamlamadan önce tercih ettiğiniz ödeme yöntemini seçebilirsiniz.
hPanel’deki GPU sayfası düzenliydi ve kolayca gözden geçirilebiliyordu. Listenin üzerinde Hostinger, GPU örneklerini doğrudan panelden başlatabileceğimi açıkladı; seçilebilir donanımlar ise görünür bir kredi bakiyesinin altında yer alıyordu. Seçtiğim RTX 4090’ın da aralarında bulunduğu yedi model listelenmişti, ancak Select düğmelerinin çoğu devre dışıydı.

RTX 4090’ı seçmeye çalıştım ve düğmesinin gri renkte olduğunu gördüm. Üzerine geldiğimde Stokta yok mesajı görüntülendi. Ayrıca bu oturumda RTX 5090, L40S, A100 veya RTX PRO 6000 modellerini de seçemedim. Kullanabildiğim yalnızca iki seçenek vardı: NVIDIA B200 ve B200 (Dedicated).

Satın alma deneyimindeki en önemli pürüz buydu. Herkese açık fiyatlandırma sayfası, saati $0.42 olan bir RTX 4090 kiralamaya davet etmişti; ancak bu GPU için kaynak sağlayamıyordum.
Hostinger en azından kısıtlamayı hPanel’de açıkça belirtiyordu; yapılandırmayı doldurmama izin verip dağıtımdan sonra işlemin başarısız olmasına yol açmıyordu. Yine de bu durum hem test donanımımı hem de bütçemi yeniden değerlendirmem gerektiği anlamına geliyordu.
Saatte $4.50’dan başlayan fiyatla sunulan ve 192 GB VRAM’e sahip standart NVIDIA B200’ü seçtim. Daha yüksek bellek kapasitesi, ileride daha fazla kaynak gerektiren yapay zekâ iş yüklerini test etmem için de alan sağlıyordu.
Diğer seçenek olan B200 (Dedicated), saatte $7.08’dan başlıyordu ve bu ek ücreti haklı çıkaracak, GPU’ya özel erişim gereksinimim yoktu. Devam etmek için standart B200’deki Select düğmesine tıkladım.
B200’ü seçtikten sonra Hostinger, GPU örneğinizi Deploy sayfasını açtı. GPU seçeneklerini soldaki sütunda, seçilen örneğin yapılandırmasını ise sağda tuttu. Bu düzen işe yarıyordu: sunucu ayarlarını ve işletim maliyetini gözden kaçırmadan B200’ü mevcut alternatiflerle karşılaştırabiliyordum.

Örneğe hostinger-gpu-review-b200 adını verdim. Hostinger, addaki ayrı kelimelerin tireyle ayrılması gerektiğini belirterek adlandırma kuralını formun kendisinde açıkça gösteriyordu.
Bir sonraki alan bölgeydi ve bu, ikinci pratik kısıtlamayı ortaya çıkardı: açılır menüde yalnızca Los Angeles, United States seçeneği vardı. Bu dağıtım oturumunda seçebileceğim başka bir konum yoktu.

Örnek boyutu seçicisi, ilk başta beklediğimden daha fazla dikkat gerektirdi. Hostinger, saatte 506 kredi karşılığında 2 çekirdekli, 64 GB RAM’li ve 100 GB depolama alanlı bir yapılandırmayı önceden seçmişti. Açılır menüyü açınca farklı ücretlere sahip başka CPU, RAM ve depolama kombinasyonları da ortaya çıktı. Seçenekler, daha az CPU çekirdeğinin her zaman daha düşük fiyat anlamına geldiği basit bir sıralamadan ibaret değildi; örneğin 4 çekirdekli seçenek saatte 450 kredi olarak listelenmişti.

X-Large seçeneğini tercih ettim: saatte 488 kredi karşılığında 16 CPU çekirdeği, 32 GB RAM ve 300 GB depolama alanı. Böylece 32 çekirdekli yapılandırmaya geçmeden, testleri kurup çalıştırmak için sunucuya daha fazla CPU ve disk kapasitesi sağlamış oldum.
Saatlik ücreti, önceden seçilmiş 2 çekirdekli seçenekten biraz daha düşüktü. Fiyatlandırmayla ilgili önemli nokta, Hostinger’ın ilan ettiği saatte $4.50 tutarındaki B200 ücretinin başlangıç fiyatı olmasıydı. Seçtiğim yapılandırmanın gerçek ücreti saatte 488 krediydi; bu da Hostinger’ın fiyat kartlarında ima edilen kura göre saatte yaklaşık $4.88 tutarına karşılık geliyordu.
Sonra İşletim sistemi veya uygulama seçeneğini açtım. Ubuntu 24.04’ün yanı sıra Hostinger, Ollama, JupyterLab, Unsloth ve InvokeAI için kullanıma hazır seçenekler sunuyordu. Bu seçenekler, belirli bir yapay zekâ uygulamasına odaklanan kişilerin kurulum süresinden tasarruf etmesini sağlayabilirdi. Temiz bir işletim sistemi istediğim ve sonraki testlerde kuracağım araçlar üzerinde denetim sahibi olmayı tercih ettiğim için Ubuntu 24.04’ü seçtim.

Hostinger ayrıca isteğe bağlı bir SSH anahtarı alanı da sunuyordu. İlk dağıtım sırasında anahtar eklemek yerine bu alanı boş bıraktım. Panel daha sonra parola tabanlı bağlantı bilgilerini gösterdi; dolayısıyla anahtar eklememiş olmam, ilan edilen giriş yönteminden yoksun kaldığım anlamına gelmiyordu. Yine de daha uzun süre çalışacak bir sunucu için SSH erişiminde anahtar kullanmayı tercih ederdim.
Deploy düğmesine tıklamadan önce özet bölümünde seçilen B200, X-Large yapılandırması ve saatte 488 kredilik ücret, 2,000 kredilik bakiyemle birlikte gösteriliyordu.
Hostinger, bakiyenin yaklaşık dört saatlik kesintisiz kullanımı karşılayacağını tahmin ediyordu. Bu tahminin dağıtım düğmesinin hemen üzerinde yer almasını beğendim: devam eden masrafı, yalnızca saatte $4.50’dan başlayan fiyat yazan bir fiyat kartına göre daha görünür kılıyordu.

Deploy düğmesine tıkladım. Hostinger daha sonra GPU’nuz hazırlanıyor ekranını gösterdi ve kaynak sağlama devam ederken sayfadan ayrılabileceğimi belirtti. Bu aşamada ek bir manuel altyapı kurulumu gerekmiyordu.

Yaklaşık iki dakika sonra başarı ekranında Her şey hazır! mesajı görüntülendi ve GPU örneğinin çalışır durumda olduğu belirtildi. hostinger-gpu-review-b200 örneğinin 192 GB VRAM’e sahip bir B200 olduğunu ve X-Large boyutlandırmasını kullandığını gösterdi. Sonraki adım açıkça Manage olarak sunuldu; böylece kaynak sağlama tamamlandıktan sonra nereye gitmem gerektiği belliydi.

Dağıtımdan sonra kullanacağım kontrolleri incelemek için bu onay ekranındaki Manage düğmesine tıkladım. Bu doğrudan yönlendirme hoş bir ayrıntıydı: yeni sunucumu aramak için genel hPanel ana sayfasına dönmem gerekmiyordu.
Manage, sıradan bir web barındırma kontrol paneli yerine özel bir GPU yönetim alanı açtı. Sol menüde yalnızca üç seçenek vardı: Genel Bakış, Metrics ve Exposed services. Geniş ürün seçimi ekranlarından sonra bu gezinme yapısının odaklı olmasını takdir ettim.
Genel Bakış, pahalı donanım kiraladıktan sonra aklıma gelecek soruları hemen yanıtladı: Çalışıyor mu? Hangi GPU ve kaynaklar bana tahsis edildi? Saatlik kredi tüketimi ne kadar? Nasıl bağlanabilirim? Örnek kartında hostinger-gpu-review-b200 Durum: Çalışıyor olarak gösterildi ve NVIDIA B200, 192 GB VRAM, 16 CPU çekirdeği, 32 GB RAM, 300 GB disk, Ubuntu 24.04 ve Los Angeles konumu doğrulandı.

Örnek kartında doğrudan iki kontrol bulunuyordu: Yeniden başlat ve Sil. Görünür olmaları faydalı; çünkü saatlik ödeme yaparken örneğin yaşam döngüsünü nasıl yöneteceğinizi bilmeniz gerekir. Testin bu bölümünde bu eylemlerden hiçbirini gerçekleştirmedim; dolayısıyla kontrollerin ne kadar erişilebilir olduğunu değerlendiriyorum, davranışlarını doğruladığımı iddia etmiyorum.
Sunucu kartının üzerinde Hostinger; hesaplama iş hacmini, VRAM kullanımını ve kredi harcamasını gösterdi. İlk ekran görüntümde iş hacmi 0 TFLOPs, ortalama VRAM kullanımıysa 0 GB olarak görünüyordu; çünkü henüz GPU iş yükü çalıştırmamıştım.
Kredi özeti, toplamda 488 kredi kullanıldığını, saatlik kredi tüketiminin 488 kredi olduğunu ve 1,512 kredi bakiyesi kaldığını gösteriyordu. Özellikle ücretli GPU kullanımının ne kadar hızlı birikebildiği düşünüldüğünde, bu görünürlük memnuniyet vericiydi.
Bağlantı panelinde genel IPv4 adresi, kopyalanabilir bir SSH komutu ve parola aynı bölümde yer alıyordu. SSH komutunda Ubuntu kullanıcı adı ve varsayılan dışı bir SSH portu bulunuyordu; parola alanında gösterme ve kopyalama kontrolleri vardı.
Hostinger ayrıca SSH üzerinden değiştirilen bir parolanın artık hPanel’de kayıtlı olan parolayla eşleşmeyeceği konusunda uyarıda bulundu. Böylece belgelerde arama yapmadan bağlantı bilgilerini bulabildim; ancak yalnızca ekran görüntüsüne bakarak SSH üzerinden başarıyla giriş yaptığımı söylemek mümkün değil.
Genel Bakış’ı inceledikten sonra Metrics’i açtım. Hostinger, 1 saat, 24 saat, 7 gün ve 30 gün için zaman filtreleri sunuyordu. Sayfada hesaplama iş hacmi TFLOPs cinsinden, VRAM kullanımı ise GB cinsinden grafiklerle gösteriliyordu. Grafikler sade ve okunaklıydı; dikkati dağıtan ilgisiz sistem grafikleri yoktu.

Ekran görüntülerini aldığım sırada her iki grafik de sıfır değerindeydi. Henüz bir yapay zekâ işi çalıştırmadığım için bu beklenen bir durumdu; dolayısıyla bu değerleri GPU performansına ilişkin kanıt ya da izleme sistemindeki bir kusur olarak değerlendirmem.
Asıl yararlı test daha sonra yapılacak: gerçek bir iş yükü başlatmak, kullanım değiştikçe grafikleri kontrol etmek ve bunları Ubuntu içinden alınan ölçümlerle karşılaştırmak.
Ardından, GPU sunucusunda çalışan bir uygulamaya internet üzerinden erişim sağlamaya yarayan bölüm olan Exposed services’i açtım. Henüz bir hizmet oluşturmadığım için sayfada Add service düğmesinin bulunduğu boş bir durum gösteriliyordu. Hostinger ayrıca, uygulamanın kendi giriş sistemi olmadığı sürece yayımlanan her şeye adresi bilen herkesin erişebileceği konusunda bir uyarı eklemişti.

Bu uyarıyı beğendim. GPU iş yükleri çoğu zaman herkese açık olması amaçlanmayan not defterlerini, çıkarım API’lerini ve diğer geliştirme arayüzlerini içerir. Giriş noktası kolayca bulunabiliyordu; ancak burada henüz herkese açık bir hizmet ekleyip test etmediğim için, yalnızca bu ekran görüntülerine bakarak iş akışının geri kalanını veya güvenlik seçeneklerini değerlendiremiyorum.
GPU’ya özel ekranları kontrol ettikten sonra ancak hPanel Home’a geri döndüm. Bu, kullanım kolaylığına farklı bir açıdan bakmamı sağladı: Dağıtımdan sonra Manage düğmesini kullanmak yerine daha sonra yeniden oturum açarsam GPU örneğini nerede bulacaktım?
Home sayfam, belirgin bir yapay zekâ asistanı istemiyle ve mevcut web siteleriyle dolu uzun bir Your business alanıyla açıldı.
Her sitede bir Manage site eylemi vardı ve bazı girişlerde geçici alan adlarıyla ilgili hatırlatmalar gösteriliyordu. Daha aşağıda IP adreslerinin, çalışma durumlarının, sona erme tarihlerinin ve yönetim düğmelerinin bulunduğu bir VPS tablosu görebiliyordum. Soldaki gezinme menüsünde Websites, Domains, Emails, More services, web sitesi oluşturucuları, yapay zekâ aracıları, pazarlama araçları ve geliştirici hizmetleri bir araya getirilmişti.

Bu hepsi bir arada düzenin avantajları var. Ürün grupları anlaşılır biçimde etiketlenmiş ve mevcut Hostinger müşterileri tek bir hesaptan çeşitli barındırma türlerine erişebiliyor. Ancak benim durumumda web sitesiyle ilgili içerik miktarı sayfayı görsel açıdan kalabalıklaştırdı.
Yeni GPU’m, görünür Home içeriğinde web siteleri ve VPS girişleri kadar öne çıkmıyordu. GPU’ya ulaştıktan sonra, GPU’ya özel Overview, Metrics ve Exposed services gezinme menüsünün daha odaklı olduğunu gördüm.
Alışılmadık ölçüde uzun web sitesi listesi, hesabımda zaten bulunanları yansıtıyor; başka hizmeti olmayan yeni bir müşteri daha az kalabalık bir sayfa görebilir. Yine de bu ayrım okuyucu açısından önemli: GPU dağıtımı kısa ve odaklı bir süreçken, daha geniş kapsamlı hPanel kontrol paneli tüm Hostinger ürünlerine aynı anda hizmet vermeye çalışıyor.
Hostinger GPU Hosting’in kullanılabilirlik açısından en güçlü yanı, kullanılabilir bir GPU bulduktan sonra yaşananlardı. Yapılandırma sayfasında seçenekler ve maliyetleri gösteriliyor, Ubuntu ve yapay zekâ uygulaması imajları kolayca bulunuyor, dağıtım yaklaşık iki dakika içinde tamamlanıyor ve Manage düğmesi beni doğrudan kompakt bir örnek kontrol paneline götürüyordu.
Karmaşık bir bulut konsolunda işlem yapmak zorunda kalmadan GPU özelliklerini, kredi tüketim hızını, SSH bilgilerini ve temel yönetim denetimlerini bulabildim.
Ancak bu kolaylık, dağıtımdan önce sınırlamaları göz ardı etmenize neden olmamalı. Herkese açık sayfada RTX 4090’ı seçtim, ancak hPanel’e ulaştığımda kiralayamadım; listelenen GPU’ların çoğu kullanılamıyordu ve oturumumda dağıtım için tek bölge Los Angeles’tı. B200, kullanmayı planladığım RTX 4090’dan önemli ölçüde daha pahalıydı ve X-Large yapılandırmasının ücreti, ilan edilen B200 başlangıç ücretinden daha yüksekti. Genel hPanel Home görünümü de GPU’ya özel sayfalardan daha kalabalık geldi.

Hostinger, kontrol panelindeki sohbet aracılığıyla 7/24 çevrimiçi destek sunar; ayrıca WhatsApp ve support@hostinger.com adresi üzerinden e-posta desteğine erişebilirsiniz. Bazı barındırma sağlayıcılarının aksine, telefon desteği sunmaz.
Temel destek deneyimi artık soruları yanıtlayabilen, sorunları giderebilen, belgelere erişebilen ve belirli hesap yönetimi işlemlerini gerçekleştirebilen bir yapay zekâ asistanı olan Hostinger Agent etrafında şekilleniyor. Hostinger, ek yardım gerektiğinde Customer Success Specialists ekibine erişim de sağlıyor.
Bu inceleme için NVIDIA B200 GPU örneğimle ilgili gerçek bir sorun hakkında canlı sohbeti denedim. Doğru teknik yönlendirmeyi ne kadar hızlı alabileceğimi ve daha da önemlisi, bir insanla görüşmek istediğimde bunun ne kadar kolay olduğunu öğrenmek istedim.
Ayrıca GPU belgelerinin kalitesini değerlendirmek ve müşterilerin yaygın sorunları destek ekibiyle iletişime geçmeden çözüp çözemeyeceğini görmek için Hostinger’ın bilgi bankasını inceledim.
hPanel’in üst kısmındaki Agent seçeneğine tıklayarak canlı sohbete eriştim. Sohbet, GPU yönetim sayfamın yanında açıldı; böylece destek ekibiyle konuşurken çalışan B200 örneğimi ve kredi tüketimini görüntüleyebildim.

Hostinger Agent, Hostinger’ın eski yapay zekâ destek asistanı Kodee’nin yerini aldı. Hostinger, Kodee’yi özel amaçlı daha geniş yapay zekâ araçları koleksiyonuyla birleştirerek tek bir asistanda topladı. Hostinger’a göre asistan teknik sorunları açıklayabilir, sorun giderme talimatları sunabilir, ilgili belgeleri önerebilir ve müşterinin hesabında desteklenen işlemleri gerçekleştirebilir.
Ancak testim, hesap değişiklikleri yapmasına izin vermekten ziyade teknik tavsiyelere ve bir insan temsilciye yönlendirmeye odaklandı.
GPU ücretlendirmesi ve veri saklama hakkında pratik bir soru sordum. Hostinger GPU örnekleri için saatlik ücret aldığından, yüklü uygulamalarımı, modellerimi ve dosyalarımı kaybetmeden yapay zekâ iş yükleri arasında sunucumu duraklatıp duraklatamayacağımı öğrenmek istedim. Ayrıca yeniden başlatmanın ücretleri durdurup durdurmayacağını ve örneği silmek gerekirse ortamımı korumak için ne yapmam gerektiğini sordum.
Yapay zekâ asistanı 30 saniyeden kısa sürede yanıt verdi.
Yanıtı üç endişemin tümünü ele aldı. Yeniden başlatmanın yalnızca sunucuyu yeniden başlattığını ve ücretlendirmeyi durdurmadığını açıkladı. Hostinger şu anda müşterilerin ücret ödemeden GPU örneğini korumasını sağlayan bir duraklatma veya durdurma işlevi sunmuyor. Örneğin silinmesi ücretlendirmeyi durduruyor, ancak örnekteki yerel verileri kalıcı olarak siliyor.
Yanıt, çalışma ortamımı nasıl koruyabileceğimi de açıklayarak daha ileri gitti. Modelleri ve veri kümelerini harici depolamaya aktarmayı, Python veya Conda bağımlılıklarını dışa aktarmayı, CUDA ve PyTorch sürümlerini kaydetmeyi, ayrıca yapılandırma dosyalarını ve dağıtım betiklerini saklamayı önerdi.

Ayrıntı düzeyini beğendim. GPU örneklerinin duraklatılamayacağını söylemekle yetinmek yerine, sunucuyu silmeden önce ne yapmam gerektiğini ele aldı. Verdiği yönlendirme Hostinger’ın resmî GPU ücretlendirme belgeleriyle de örtüşüyordu; böylece açıklamanın doğruluğunu kontrol edebildim.
Ancak teknik soruyu yanıtlamak, destek testimin yalnızca ilk kısmıydı. Ardından doğrudan bir insan uzmanla konuşmak istedim.
Saat 17:23’te, GPU ücretlendirmesi ve veri saklama ayrıntılarını doğrulamak için Hostinger Agent’tan beni bir insan müşteri destek temsilcisine bağlamasını istedim. Beni bir temsilciye aktarmak yerine politikayı tekrarladı ve bunun daha hızlı olacağını açıklayarak yapay zekâ desteğiyle devam etmemi önerdi.
Saat 17:24’te açıkça yeniden talepte bulundum. Bu kez politikayı anladığımı ve başka bir yapay zekâ açıklamasına ihtiyacım olmadığını belirttim. Özellikle bir insan temsilciyle görüşmek istediğimi ve beklemeye razı olduğumu söyledim.
Saat 17:25’te asistan, iki seçenek sunmadan önce ücretlendirme kurallarını yeniden özetledi: Wait for a human review ve Hostinger Agent ile devam et.

İnsan incelemesi seçeneğini seçtim ve bir kişiyle devam etmek istediğimi onayladım. Hostinger daha sonra incelemenin sürdüğünü belirten bir mesaj, geri sayım ve uzmana ek bilgi verebileceğim bir alan görüntüledi.

Saat 17:31’de, talebin inceleme sürecine girmesinden yaklaşık altı dakika sonra, Amber adlı bir uzmanla ilişkilendirilmiş bir yanıt aldım. Arayüzde “Amber tarafından incelenen yanıt.” ifadesi görüntülendi.
Amber’in mesajında GPU örneğimin adını, teyit edilmesini istediğim ücretlendirme veya veri saklamayla ilgili noktaları ve varsa ilgili hata mesajlarını ya da ekran görüntülerini paylaşmam istendi.

Örneğin adını, hostinger-gpu-review-b200, paylaştım ve üç önemli noktanın teyit edilmesini istedim: duraklatma işlevinin bulunmaması, silme işleminden sonra verilerin kalıcı olarak silinmesi ve anlık görüntülerin, yedeklemelerin veya kalıcı depolamanın mevcut olup olmadığı.
Destek sürecinin kendisiyle ilgili de bir soru sordum. Arayüzde yanıtın Amber tarafından incelendiği yazdığı için, artık doğrudan onunla mı konuştuğumu yoksa hâlâ yapay zekâyla mı etkileşimde bulunduğumu öğrenmek istedim.
Saat 17:33’te bir başka ayrıntılı yanıt aldım. Yanıtta, GPU örneklerinin boşta kaldıklarında da kredi tüketmeye devam ettiği, silindiklerinde yerel verilerinin kalıcı olarak kaldırıldığı ve Hostinger’ın şu anda GPU anlık görüntüleri, otomatik yedekleme veya kalıcı depolama sağlamadığı doğrulandı.
Ayrıca kredi bakiyesi sıfıra ulaştığında, ek süre tanınmadan örneğin hemen silindiği açıklandı. Önerilen alternatif, scp veya rsync gibi araçları kullanarak ortamı ayrı bir VPS’ye, bulut depolamaya ya da yerel bir bilgisayara aktarmaktı.
Ancak yanıtın insan desteğiyle ilgili en açıklayıcı kısmı buydu. Hostinger, hâlâ Hostinger Agent adlı bir yapay zekâ asistanıyla iletişim kurduğumu açıkça doğruladı. Bir insan uzman görüşmeyi gözetiyor veya inceliyordu, ancak doğrudan bire bir insan görüşmesine aktarılmamıştım.

Bu ayrım önemli. Başka bir otomatik açıklama yerine özellikle bir insan temsilci talep etmiştim. Sistem insan gözetimi sağladı ve eksiksiz bir teknik yanıt verdi, ancak talep ettiğim doğrudan insan iletişimini sunmadı.
17:22’deki ilk sorudan 17:33’teki son açıklamaya kadar tüm destek görüşmesi yaklaşık 11 dakika sürdü. İlk yapay zekâ yanıtı 30 saniyeden kısa sürede geldi; insan incelemesi ise yönlendirme talebimden yaklaşık altı dakika sonra görünür hâle geldi.
Canlı sohbeti test ettikten sonra Hostinger’ın çevrimiçi Yardım Merkezi’ne GPU müşterilerinin destek ekibiyle iletişime geçmeden yanıtları ne kadar kolay bulabildiğini görmek için başvurdum.
Ana sayfa temiz ve düzenliydi; belirgin bir arama çubuğu ve Başlangıç, Hostinger Kontrol Paneli, VPS, Faturalandırma ve SSL Sertifikaları gibi kategoriler altında gruplandırılmış belgeler vardı. Ancak gösterilen seçenekler arasında GPU’ya ayrılmış bir kategori bulamadım.

Arama çubuğuna “gpu” yazdım ve Hostinger 10 sonuç gösterdi. Bunlardan sekizi özellikle GPU hosting hizmetine odaklanıyordu ve donanım seçimi, uygulama şablonları, dağıtım, örnek yönetimi, faturalandırma, internete açılan hizmetler, güvenlik ve VPS barındırma hizmetiyle karşılaştırmalar konularını kapsıyordu. Diğer iki sonuç Hostinger’ın para iade politikası ve kontrol paneliyle ilgiliydi.

Ana sayfada özel bir kategori bulunmasa da aramanın ilgili GPU belgelerini hemen göstermesini beğendim. Daha da önemlisi, makaleler saatlik kredi tüketimi, örneğin silinmesinden sonra veri kaybı ve herkese açık uygulamaların güvenliğini sağlama gibi pratik konuları ele alıyordu.
Ardından, bu konuları ne kadar açık anlattıklarını ve talimatların uygulamalı deneyimimle ne ölçüde örtüştüğünü görmek için tek tek rehberleri inceledim.
Hostinger’ın GPU kurulumu ve örnek yönetimikonulu rehberlerini inceledim. Bu rehberlerde donanım seçimi, bölgeler, yazılım şablonları, dağıtım, izleme ve internete açılan hizmetler ele alınıyor.
Talimatlar, hPanel’deki deneyimimle yakından örtüşüyordu. Ayrıca, RTX 4090 stokta yokken ve dağıtım için tek seçeneğim Los Angeles olduğunda karşılaştığım bölgesel GPU kullanılabilirliği kısıtlamalarını Hostinger’ın kabul etmesini de takdir ettim.
GPU ücretlendirme kılavuzu , canlı sohbet sırasında dile getirdiğim endişelerin aynısını ele aldığı için özellikle yararlıydı.
Bu kılavuz, bir örnek boşta olsa bile ücretlendirmenin devam ettiğini, yeniden başlatmanın ücretleri durdurmadığını ve silme işleminin yerel verileri kalıcı olarak sildiğini doğruluyor.
Daha da önemlisi Hostinger, otomatik kredi yüklemesi veya düşük bakiye bildirimi olmadığını belirtiyor. Kredilerin tükenmesi, örneğin derhâl silinmesine yol açıyor.

Bunlar, gözetimsiz yapay zekâ iş yükleri çalıştıran herkes için kritik ayrıntılar ve Hostinger’ın bunları açıkça anlatmasını beğendim.
Hostinger’ın hizmetleri internete açma kılavuzu , genel erişimi, port yapılandırmasını ve desteklenen protokolleri açıklıyor. Ayrıca HTTPS’yi seçmenin TLS şifrelemesini otomatik olarak yapılandırmadığını da açıklığa kavuşturuyor.
Bu kılavuza eşlik eden güvenlik kılavuzu, uygulama kimlik doğrulamasını ve güvenlik duvarı korumasını ele alıyor. Ancak kısıtlayıcı güvenlik duvarı kurallarını etkinleştirmeden önce SSH erişimini korumaya yönelik daha açık bir uyarı olmasını isterdim.

Hostinger güçlü bir yapay zekâ destekli destek deneyimi sundu, ancak insan temsilciye yönlendirme sürecinde iyileştirme fırsatları vardı.
Hostinger Agent, GPU sorumu 30 saniyeden kısa sürede yanıtladı, ücretlendirme üzerindeki etkileri açıkladı ve ortamımı korumak için uygulanabilir adımlar önerdi. Verdiği yönlendirme ayrıntılıydı ve resmî belgelerle tutarlıydı.
Yaklaşık altı dakika sonra insan gözetimi devreye girdi ve son yanıt, yönelttiğim ek soruları ele aldı. Ancak yönlendirme talebimi tekrar tekrar iletmem gerekti ve konuşma, uzmanla doğrudan canlı sohbete dönüşmek yerine yapay zekâ tarafından yönlendirilmeye devam etti.
Bilgi bankası da bir başka olumlu yöndü. GPU’ya özel sekiz makalesi; dağıtım, yönetim, ücretlendirme, hizmetleri internete açma ve güvenlik konularında net açıklamalar sunuyordu. Ücretlendirme belgeleri, kesintisiz kredi tüketiminin ve kalıcı veri kaybının risklerini anlamak açısından özellikle yararlıydı.

Evet; donanımı satın almadan ciddi GPU kapasitesine ihtiyaç duyan geliştiricilere ve yapay zekâ ekiplerine öneriyoruz. B200’üm, ısınmanın ardından Qwen çıkarımını saniye başına yaklaşık 126 token hızında gerçekleştirdi ve SDXL görsellerini yaklaşık 0.91 saniyede üretti.
Çalışan bir SSH bağlantı noktasına sahip olduktan sonra dağıtım hızlıydı. Ancak ilk sunucudaki IP görüntüleme sorunu, değişen donanım kullanılabilirliği, iade edilmeyen krediler ve duraklatma seçeneğinin ya da yerleşik yedeklemelerin bulunmaması kayda değer risklerdir.
| Paket Adı | CPU | RAM | Bant Genişliği | Fiyat | |
|---|---|---|---|---|---|
| Free Trial | - | Sınırsız | 0 TL | Detaylar | |
| Game Panel 2 | 2 çekirdek | 8 GB | 8 TB | 440 TL | Detaylar |
| Game Panel 4 | 4 çekirdek | 16 GB | 16 TB | 640 TL | Detaylar |
| Game Panel 8 | 8 çekirdek | 32 GB | 32 TB | 1.270 TL | Detaylar |
| Description | Expert Review |
|---|---|
| Yüksek performans sunan, kolay yönetim araçlarına sahip bütçe dostu barındırm... | Read Shared Hosting Review |
| Tek tıklamayla kurulum ve premium özelliklerle hızlı ve güvenli WordPress barın... | Read Wordpress Hosting Review |
| Özel kaynaklara ve root erişimine sahip ölçeklenebilir VPS barındırma. | Read VPS Review |
| Hızlı, esnek bulut barındırma ile mükemmel çalışma süresi ve ölçeklenebili... | Read Cloud Hosting Review |
| Güvenli ve özel barındırma çözümleri, offshore veri merkezi konumlarıyla. | Read Offshore Hosting Review |
| Profesyonel düzeyde özelliklere sahip güvenli ve güvenilir e-posta barındırma. | Read Email Hosting Review |
| Geliştiriciler için esnek ortamlara sahip güvenilir Python barındırma. | Read Python Hosting Review |
| Dinamik web siteleri ve uygulamalar için tam destek sunan yüksek performanslı PHP ... | Read PHP Hosting Review |
| Güvenilir Windows VPS barındırma tam kontrol ve özelleştirme seçenekleriyle | Read Windows VPS Review |
| Node.js uygulamaları için optimal performanslı hızlı ve esnek barındırma. | Read Nodejs Hosting Review |
| Yüksek hızlı ve güvenli entegrasyonlu WooCommerce mağazaları için optimize edi... | Read Woocommerce Hosting Review |
| Kesintisiz Minecraft oyun deneyimleri için özel sunucu barındırma. | Read Minecraft Server Hosting Review |
| Dijital ajanslar ve geliştiriciler için gelişmiş özelliklere sahip ölçeklenebi... | Read Agency Hosting Review |
| Magento e-ticaret web siteleri için optimize edilmiş hızlı, güvenli barındırma... | Read Magento Hosting Review |
| İstikrarlı ve güvenli web sitesi operasyonları için yüksek performanslı Linux ... | Read Linux Hosting Review |
| Dinamik web uygulamaları ve projeler için sağlam Java barındırma çözümleri. | Read Java Hosting Review |
| E-ticaret web siteleri için güvenli, hızlı ve güvenilir performansla optimize ed... | Read Ecommerce Hosting Review |
| Yüksek hız ve güvenli bir ortam sunan güvenilir Django barındırma. | Read Django Hosting Review |
| Kullanımı kolay cPanel barındırma, güçlü performans ve güvenilir destek ile. | Read Cpanel Hosting Review |
| İşletmeler için yüksek hızlı, güvenli ve ölçeklenebilir güçlü barındırm... | 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 |
| Güvenilir ve güvenli e-posta teslimatı için özel SMTP sunucusu barındırma. | Read SMTP Server Review |
| Ruby on Rails web uygulamaları için özel olarak tasarlanmış hızlı ve optimize ... | Read Ruby on Rails Review |
| OpenClaw entegrasyonuyla claw machine oyunları oluşturmak ve yönetmek için özell... | Read OpenClaw Review |
| Birleşik Krallık merkezli sunucularla hızlı ve güvenilir hosting, optimum yerel ... | Read UK Hosting Review |
| Hindistan merkezli sunucularla düşük gecikmeli erişim için uygun fiyatlı ve gü... | 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 |
Evet. NVIDIA B200’üm Qwen2.5-7B çıkarımını ve Stable Diffusion XL görüntü oluşturmayı başarıyla çalıştırdı. Sonuçlar modele, çerçeveye ve örnek boyutuna göre değişiklik gösterir.
Hostinger, 192 GB VRAM reklamı yapıyor. B200’üm PyTorch aracılığıyla 178.34 GiB olarak bildirildi; bu da ondalık ve ikili bellek birimleri arasındaki farkla uyumlu.
Hayır. GPU kredileri, örnek boşta olsa veya yeniden başlatılıyor olsa bile tüketilmeye devam eder. Örneği silmek kullanım ücretlerini durdurur ancak yerel verilerini kalıcı olarak kaldırır.
GPU için ücretsiz deneme sürümü satın alma işlemi sırasında göremedim. Hostinger, GPU satın alımlarını ve AI kredilerini standart 30 günlük para iade garantisine dahil etmez.
Evet. SSH, değiştirilmiş B200 örneğimde çalıştı; ancak ilk dağıtım, kullanışlı bir genel SSH uç noktası yerine özel bir IP gösterdi.

Birkaç basit soruya cevap verin ve sizin için mükemmel çözümü bulun!
Hosting Aramasını BaşlatHostAdvice.com herhangi birinden tamamen bağımsız olarak profesyonel web hosting incelemeleri sunar. İncelemelerimiz yansız, dürüst ve incelemeye alınan tüm hostinglere aynı değerlendirmeyi uygulayacak şekilde yapılmaktadır.
İncelediğimiz firmalardan maddi bir karşılık alıyoruz. Hizmet ve ürün ödemelerinin incelemelerimizin yönü veya sonucu üzerinde hiçbir etkisi yoktur. Ayrıca ödemeler belirli host firmalarının sıralamasını da etkilemez.
Bu ödemeler incelemeleri yapan kişilerin masrafları, hesap satın alma ve test için alınan bedellerdir.






