用途：在 vast.ai 上按需租用 GPU 完成训练任务，覆盖租用→配置→运行→销毁的完整生命周期。用户无需指定 GPU 型号，只需描述任务，技能据此推断硬件需求。
主要能力：分析实验计划或脚本，估算最小显存、GPU 数量、预计小时数与磁盘需求；跨多个 GPU 档位搜索报价并按预估总成本排序，展示 3 个选项（$/hr × 预计小时数）；创建实例、等待就绪、获取 SSH 连接、验证连通性；按有序 pip 阶段安装依赖、rsync 同步代码并验证 PyTorch/CUDA；销毁实例前下载结果并核算实际成本；列出或批量销毁实例。活跃实例记录在项目根目录 vast-instances.json 中。
使用方式：需先安装并认证 vastai CLI（要求 Python ≥ 3.10）：pip install vastai；vastai set api-key YOUR_API_KEY。创建实例前必须在 https://cloud.vast.ai/manage-keys/ 上传 SSH 公钥，密钥在创建时写入实例，事后添加需销毁重建。常用动作：provision（默认，分析任务并展示选项）、rent <offer_id>、list、destroy <instance_id>、destroy-all。创建命令示例：vastai create instance <OFFER_ID> --image <DOCKER_IMAGE> --disk <DISK_GB> --ssh --direct --onstart-cmd "apt-get update && apt-get install -y git screen rsync"。默认镜像为 pytorch/pytorch:2.1.0-cuda12.1-cudnn8-devel，工作目录 /workspace/，代码同步至 /workspace/project/。连接信息应使用 vastai ssh-url <ID> 获取。
适用场景：需要临时云端 GPU 做微调、训练或消融实验，且希望按秒计费、用完即销毁的场合。
限制：vast.ai 按秒计费，实验结束务必销毁实例；销毁不可逆，数据永久丢失，需先下载结果；建议可靠性 > 0.95；短实验（<2 小时）用按需定价，长任务（>4 小时）可考虑可中断定价并配合检查点；若系统 Python 低于 3.10 需用虚拟环境。具体价格、可用机型与效果以实际报价为准，资料未提供固定价格。