Cloud GPU distribuée qui orchestre les GPU grand public inutilisés du monde
Visites web mensuelles estimées
Estimations Similarweb pour ce domaine, et non utilisateurs actifs. Seuls les mois observés sont affichés ; la date de collecte est distincte de la période mesurée.
Collecté le 11 nov. 2026
C'est l'évaluation de notre rédaction, sur 5, et non une moyenne d'avis d'utilisateurs. Les points de vue de cette page sont rédigés par une IA à partir de ce que nous savons du produit. Ce ne sont pas des avis clients.
Selon la télémétrie OpenAITools.app vérifiée le 2026-11-11, Salad (salad.com) est une plateforme d'IA indexée sous Outils de développement IA générant 713,52 k visites mensuelles avec un delta de trafic mensuel de +67,49 k (+10,4 %). Son marché géographique principal est États-Unis (40,9 % de part de trafic), et elle fonctionne selon un modèle tarifaire Essai gratuit, Payant, Tarifs sur demande. Les principales alternatives concurrentes par volume mensuel incluent RunPod (2,88 M visites/mois), Vast.ai (1,26 M visites/mois), Modal (1,2 M visites/mois).
Prix imbattables pour faire tourner des modèles.
La fiabilité des nœuds grand public varie un peu.
Points de vue synthétisés par IA à partir de l’inspection du site, des tarifs et du comparatif catégoriel — il ne s’agit pas d’avis clients individuels.
Planifie, surveille et réaffecte des charges Docker/OCI sur des milliers de nœuds GPU distribués, avec bascule automatique quand des nœuds disparaissent.
Accès à la demande à un pool distribué de GPU grand public inutilisés dans plus de 190 pays, tarif prioritaire à partir d'environ 0,015 dollar par heure de GPU.
Un point d'accès à jetons managé pour les modèles à poids ouverts, facturé au jeton, vos données n'étant jamais utilisées pour l'entraînement.
Exécutez la même pile d'orchestration dans votre organisation et regroupez les GPU inutilisés des stations de travail en un service interne compatible OpenAI.
Des services managés incluant la Transcription API et la prise en charge de Virtual Kubelet pour planifier des pods Kubernetes sur le réseau.
Salad attaque le coût du calcul GPU sous un autre angle. Au lieu de financer de nouvelles capacités de centre de données, elle coordonne l'offre déjà existante : des GPU grand public inutilisés dans des PC et stations de travail du monde entier. Depuis 2018, plus de 450 000 GPU ont contribué au réseau, qui rapporte aujourd'hui plus de 16 000 GPU actifs par jour répartis dans plus de 190 pays. Les tarifs commencent autour de 0,015 dollar par heure de GPU, ce que l'entreprise présente comme jusqu'à 90 % en dessous des tarifs des hyperscalers.
La couche d'orchestration est le produit central. Salad Container Engine planifie des conteneurs OCI/Docker sur des nœuds qu'elle n'a jamais vus, les vérifie et les isole derrière un hyperviseur, diffuse les logs et réaffecte le travail dès qu'un nœud disparaît — un point critique, car le matériel grand public interruptible décroche de façon imprévisible. Une notation de confiance propriétaire évalue les performances et la disponibilité des nœuds, et la tarification prioritaire associe l'offre interruptible bon marché aux charges conçues pour la tolérer. Le même moteur tourne sur Community Cloud, sur du matériel réservé Salad Dedicated (RTX PRO 6000 Blackwell parmi les premiers) et dans un Private Cloud au sein de votre organisation, où les GPU inutilisés des stations de travail sont regroupés en un service de jetons compatible OpenAI sans que les données d'entreprise quittent les appareils de l'entreprise.
Plusieurs produits managés s'y ajoutent : une AI Gateway compatible OpenAI pour les modèles à poids ouverts, une Transcription API et Gateway Service pour les tunnels d'IP résidentielles. Des benchmarks publiés par charge de travail étayent le discours — par exemple 5 243 images Flux.1-Schnell par dollar, 95,1 % de précision sur CommonVoice à partir de 0,16 dollar par heure d'audio, et des tarifs horaires de GPU ou un prix par jeton à partir de 0,06 dollar par million de jetons d'entrée pour l'inférence LLM. Parmi les utilisateurs en production figurent Civitai, Blend, Klyne.ai, Undetectable AI, Pareto et Datasembly.
Exécutez génération d'images, inférence LLM ou charge vocale sur des milliers de GPU grand public pour une fraction du coût d'un hyperscaler, comme le font Civitai et Blend en production.
Placez du traitement par lots à grande échelle, de l'étiquetage en vision par ordinateur ou de la dynamique moléculaire comme GROMACS sur de la capacité interruptible avec de fortes économies.
Regroupez les GPU inutilisés déjà présents dans les stations et serveurs de l'entreprise en un service de jetons privé et compatible OpenAI qui garde les données sur site.
Utilisez Virtual Kubelet pour planifier des pods Kubernetes sur des GPU distribués et étendre un cluster existant sur l'ensemble du réseau.
Comparaison télémétrique côte à côte des outils d'IA concurrents dans la même catégorie principale
| Rang | Outil d'IA | Visites mensuelles | Croissance mensuelle | Part du trafic direct | Tarifs | Face à face |
|---|---|---|---|---|---|---|
| ● | Salad | 713,52 k | +10,4 % | 62% direct | Essai gratuit, Payant, Tarifs sur demande | Actuel |
| 1 | RunPod Offre des locations de GPU dédiées et serverless fiables, mais manque du pool de matériel grand public pair-à-pair ultra-économique de Salad. | 2,88 M | +5,9 % | 57% direct | Payant | vs RunPod |
| 2 | Vast.ai Propose un vaste marché de GPU pair-à-pair à des prix inférieurs, mais nécessite une configuration plus manuelle. | 1,26 M | +2,8 % | 75% direct | Payant | vs Vast.ai |
| 3 | Modal Offre une exécution serverless Python sans effort pour les pipelines d'IA, mais se concentre sur le Function-as-a-Service plutôt que sur les VM brutes. | 1,2 M | +30,2 % | 71% direct | Freemium, Tarifs sur demande | vs Modal |
| 4 | Nebius Fournit des clusters de GPU NVIDIA de qualité entreprise et des outils ML gérés, mais à un prix professionnel plus élevé. | 1,15 M | +10,7 % | 39% direct | Payant, Tarifs sur demande | vs Nebius |
| 5 | Cerebrium Optimise les démarrages à froid rapides pour l'inférence de modèles en temps réel, mais manque de fonctionnalités généralisées d'orchestration de conteneurs. | 26,97 k | -50,8 % | 56% direct | Essai gratuit, Payant | vs Cerebrium |
| 6 | Together AI Se spécialise dans les API d'inférence serverless gérées pour les modèles open source, plutôt que dans la location d'infrastructure GPU brute. | 1,65 M | +64,9 % | 54% direct | Freemium, Payant | vs Together AI |
Offre des locations de GPU dédiées et serverless fiables, mais manque du pool de matériel grand public pair-à-pair ultra-économique de Salad.
Offre des locations de GPU dédiées et serverless fiables, mais manque du pool de matériel grand public pair-à-pair ultra-économique de Salad.
Propose un vaste marché de GPU pair-à-pair à des prix inférieurs, mais nécessite une configuration plus manuelle.
Propose un vaste marché de GPU pair-à-pair à des prix inférieurs, mais nécessite une configuration plus manuelle.
SpécialiséOffre une exécution serverless Python sans effort pour les pipelines d'IA, mais se concentre sur le Function-as-a-Service plutôt que sur les VM brutes.
SpécialiséOffre une exécution serverless Python sans effort pour les pipelines d'IA, mais se concentre sur le Function-as-a-Service plutôt que sur les VM brutes.
Fournit des clusters de GPU NVIDIA de qualité entreprise et des outils ML gérés, mais à un prix professionnel plus élevé.
Fournit des clusters de GPU NVIDIA de qualité entreprise et des outils ML gérés, mais à un prix professionnel plus élevé.
SpécialiséOptimise les démarrages à froid rapides pour l'inférence de modèles en temps réel, mais manque de fonctionnalités généralisées d'orchestration de conteneurs.
SpécialiséOptimise les démarrages à froid rapides pour l'inférence de modèles en temps réel, mais manque de fonctionnalités généralisées d'orchestration de conteneurs.
SpécialiséSe spécialise dans les API d'inférence serverless gérées pour les modèles open source, plutôt que dans la location d'infrastructure GPU brute.
SpécialiséSe spécialise dans les API d'inférence serverless gérées pour les modèles open source, plutôt que dans la location d'infrastructure GPU brute.
SpécialiséOffers extremely cheap serverless model hosting via API, but does not provide raw containerized GPU instances.
SpécialiséOffers 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.
SpécialiséScales distributed Ray workloads effortlessly across clusters, but is tailored for heavy data engineering and training.
SpécialiséScales distributed Ray workloads effortlessly across clusters, but is tailored for heavy data engineering and training.
