Verteilte GPU-Cloud, die die ungenutzten Consumer-GPUs der Welt orchestriert
Geschätzte monatliche Website-Besuche
Similarweb-Schätzungen für diese Domain, keine aktiven Nutzer. Nur Monate mit Beobachtungen werden gezeigt; Erfassungsdatum und Messzeitraum sind getrennt.
Erfasst am 11.11.2026
Das ist die Einschätzung unserer Redaktion auf einer Skala bis 5, kein Durchschnitt von Nutzerbewertungen. Die Sichtweisen auf dieser Seite hat eine KI aus den bekannten Produktinformationen zusammengefasst. Es sind keine Kundenrezensionen.
Laut der am 2026-11-11 verifizierten Telemetrie von OpenAITools.app ist Salad (salad.com) eine KI-Plattform, die unter KI-Entwicklertools indexiert ist und 713.519 monatliche Besuche mit einem Traffic-Delta von +67.488 (+10,4 %) gegenüber dem Vormonat generiert. Ihr primärer geografischer Markt ist Vereinigte Staaten (40,9 % Traffic-Anteil) und sie arbeitet mit einem Preismodell „Kostenlose Testversion, Kostenpflichtig, Preise auf Anfrage“. Zu den wichtigsten konkurrierenden Alternativen nach monatlichem Volumen gehören RunPod (2,88 Mio. Besuche/Monat), Vast.ai (1,26 Mio. Besuche/Monat), Modal (1,2 Mio. Besuche/Monat).
Unglaublich günstige GPU-Preise für Inference.
Manchmal dauert es etwas, bis Container starten.
KI-synthetisierte Perspektiven auf Basis von Live-Prüfung, Preisstruktur und Kategorie-Benchmarks — keine echten Einzelkundenbewertungen.
Plant, überwacht und verlagert Docker-/OCI-Workloads über Tausende verteilte GPU-Knoten, mit Failover, wenn Knoten verschwinden.
On-Demand-Zugriff auf einen verteilten Pool ungenutzter Consumer-GPUs in über 190 Ländern, Priority-Preise ab rund 0,015 USD pro GPU-Stunde.
Ein Managed-Token-Endpunkt für Open-Weight-Modelle mit Token-Abrechnung, wobei deine Daten nie zum Training genutzt werden.
Betreibe denselben Orchestrierungs-Stack in deiner Organisation und bündle ungenutzte Workstation-GPUs zu einem internen OpenAI-kompatiblen Dienst.
Managed Services wie die Transcription API und Virtual-Kubelet-Unterstützung, um Kubernetes-Pods im Netzwerk zu planen.
Salad geht die Kosten von GPU-Compute von einer anderen Seite an. Statt neue Rechenzentrumskapazität zu finanzieren, koordiniert sie die bereits vorhandene Versorgung: Consumer-GPUs, die in PCs und Workstations weltweit ungenutzt sind. Seit 2018 haben über 450.000 GPUs zum Netzwerk beigetragen, und aktuell meldet es über 16.000 täglich aktive GPUs in mehr als 190 Ländern. Die Preise beginnen bei rund 0,015 USD pro GPU-Stunde, was das Unternehmen als bis zu 90 % unter Hyperscaler-Tarifen positioniert.
Die Orchestrierungsschicht ist das Kernprodukt. Salad Container Engine plant OCI/Docker-Container auf Knoten, die sie nie zuvor gesehen hat, verifiziert sie, isoliert sie hinter einem Hypervisor, streamt Logs und verlagert Arbeit in dem Moment, in dem ein Knoten verschwindet – entscheidend, weil unterbrechbare Consumer-Hardware unvorhersehbar ausfällt. Ein proprietäres Trust-Rating bewertet Leistung und Verfügbarkeit der Knoten, und die Priority-Preise bringen günstige unterbrechbare Kapazität mit Workloads zusammen, die damit umgehen können. Dieselbe Engine läuft auf der Community Cloud, auf reservierter Salad-Dedicated-Hardware (RTX PRO 6000 Blackwell unter den ersten) und in einer Private Cloud innerhalb der eigenen Organisation, wo ungenutzte Workstation-GPUs zu einem OpenAI-kompatiblen Token-Dienst gebündelt werden, ohne dass Unternehmensdaten die Firmengeräte verlassen.
Darauf setzen mehrere Managed-Produkte auf: ein OpenAI-kompatibles AI Gateway für Open-Weight-Modelle, eine Transcription API und der Gateway Service für Residential-IP-Tunnel. Veröffentlichte Benchmarks pro Workload untermauern das Versprechen – etwa 5.243 Flux.1-Schnell-Bilder pro Dollar, 95,1 % CommonVoice-Genauigkeit ab 0,16 USD pro Audio-Stunde und Pauschal-GPU-Stundensätze oder Token-Preise ab 0,06 USD pro Million Input-Tokens für LLM-Inferenz. Zu den Produktionsnutzern zählen Civitai, Blend, Klyne.ai, Undetectable AI, Pareto und Datasembly.
Betreibe Bildgenerierung, LLM-Inferenz oder Sprach-Workloads auf Tausenden Consumer-GPUs zu einem Bruchteil der Hyperscaler-Kosten – wie Civitai und Blend im Produktivbetrieb.
Verlagere groß angelegte Batch-Verarbeitung, Computer-Vision-Tagging oder Molekulardynamik wie GROMACS auf unterbrechbare Kapazität und spare erheblich.
Bündle bereits vorhandene ungenutzte GPUs in Unternehmens-Workstations und -Servern zu einem privaten, OpenAI-kompatiblen Token-Dienst mit lokal verbleibenden Daten.
Nutze Virtual Kubelet, um Kubernetes-Pods auf verteilten GPUs zu planen und einen bestehenden Cluster über das Netzwerk zu erweitern.
Direkter Telemetrievergleich konkurrierender KI-Tools in derselben Hauptkategorie
| Rang | KI-Tool | Monatliche Besuche | MoM-Wachstum | Anteil direkter Zugriffe | Preise | Direktvergleich |
|---|---|---|---|---|---|---|
| ● | Salad | 713.519 | +10,4 % | 62% direkt | Kostenlose Testversion, Kostenpflichtig, Preise auf Anfrage | Aktuell |
| 1 | RunPod Bietet zuverlässige dedizierte und serverlose GPU-Vermietung, verfügt jedoch nicht über Salads extrem kostengünstigen Peer-to-Peer-Consumer-Hardware-Pool. | 2,88 Mio. | +5,9 % | 57% direkt | Kostenpflichtig | vs RunPod |
| 2 | Vast.ai Bietet einen umfangreichen Peer-to-Peer-GPU-Marktplatz zu günstigeren Preisen, erfordert jedoch mehr manuelle Konfiguration. | 1,26 Mio. | +2,8 % | 75% direkt | Kostenpflichtig | vs Vast.ai |
| 3 | Modal Bietet mühelose Python-Serverless-Ausführung für KI-Pipelines, konzentriert sich jedoch auf Function-as-a-Service statt auf reine VMs. | 1,2 Mio. | +30,2 % | 71% direkt | Freemium, Preise auf Anfrage | vs Modal |
| 4 | Nebius Liefert NVIDIA-GPU-Cluster der Enterprise-Klasse und verwaltete ML-Tools, allerdings zu einem höheren professionellen Preis. | 1,15 Mio. | +10,7 % | 39% direkt | Kostenpflichtig, Preise auf Anfrage | vs Nebius |
| 5 | Cerebrium Optimiert schnelle Kaltstarts für Echtzeit-Modellinferenz, bietet jedoch keine generalisierten Container-Orchestrierungsfunktionen. | 26.974 | -50,8 % | 56% direkt | Kostenlose Testversion, Kostenpflichtig | vs Cerebrium |
| 6 | Together AI Spezialisiert sich auf verwaltete Serverless-Inferenzen-APIs für Open-Source-Modelle statt auf die Vermietung von reiner GPU-Infrastruktur. | 1,65 Mio. | +64,9 % | 54% direkt | Freemium, Kostenpflichtig | vs Together AI |
Bietet zuverlässige dedizierte und serverlose GPU-Vermietung, verfügt jedoch nicht über Salads extrem kostengünstigen Peer-to-Peer-Consumer-Hardware-Pool.
Bietet zuverlässige dedizierte und serverlose GPU-Vermietung, verfügt jedoch nicht über Salads extrem kostengünstigen Peer-to-Peer-Consumer-Hardware-Pool.
Bietet einen umfangreichen Peer-to-Peer-GPU-Marktplatz zu günstigeren Preisen, erfordert jedoch mehr manuelle Konfiguration.
Bietet einen umfangreichen Peer-to-Peer-GPU-Marktplatz zu günstigeren Preisen, erfordert jedoch mehr manuelle Konfiguration.
SpezialisiertBietet mühelose Python-Serverless-Ausführung für KI-Pipelines, konzentriert sich jedoch auf Function-as-a-Service statt auf reine VMs.
SpezialisiertBietet mühelose Python-Serverless-Ausführung für KI-Pipelines, konzentriert sich jedoch auf Function-as-a-Service statt auf reine VMs.
Liefert NVIDIA-GPU-Cluster der Enterprise-Klasse und verwaltete ML-Tools, allerdings zu einem höheren professionellen Preis.
Liefert NVIDIA-GPU-Cluster der Enterprise-Klasse und verwaltete ML-Tools, allerdings zu einem höheren professionellen Preis.
SpezialisiertOptimiert schnelle Kaltstarts für Echtzeit-Modellinferenz, bietet jedoch keine generalisierten Container-Orchestrierungsfunktionen.
SpezialisiertOptimiert schnelle Kaltstarts für Echtzeit-Modellinferenz, bietet jedoch keine generalisierten Container-Orchestrierungsfunktionen.
SpezialisiertSpezialisiert sich auf verwaltete Serverless-Inferenzen-APIs für Open-Source-Modelle statt auf die Vermietung von reiner GPU-Infrastruktur.
SpezialisiertSpezialisiert sich auf verwaltete Serverless-Inferenzen-APIs für Open-Source-Modelle statt auf die Vermietung von reiner GPU-Infrastruktur.
SpezialisiertOffers extremely cheap serverless model hosting via API, but does not provide raw containerized GPU instances.
SpezialisiertOffers extremely cheap serverless model hosting via API, but does not provide raw containerized GPU instances.
Features second-billed persistent SSH GPU instances, but lacks a distributed consumer hardware backbone.
Features second-billed persistent SSH GPU instances, but lacks a distributed consumer hardware backbone.
Gives access to competitive cloud GPU virtual machines, but operates traditional data centers instead of P2P.
Gives access to competitive cloud GPU virtual machines, but operates traditional data centers instead of P2P.
Focuses on large-scale enterprise GPU clusters for training, rather than lightweight consumer container workloads.
Focuses on large-scale enterprise GPU clusters for training, rather than lightweight consumer container workloads.
Delivers high-performance bare metal servers and clusters, but lacks a consumer-grade low-cost tier.
Delivers high-performance bare metal servers and clusters, but lacks a consumer-grade low-cost tier.
SpezialisiertScales distributed Ray workloads effortlessly across clusters, but is tailored for heavy data engineering and training.
SpezialisiertScales distributed Ray workloads effortlessly across clusters, but is tailored for heavy data engineering and training.
