
هل يمكن لـ Hostinger أن تجعل استئجار أجهزة وحدة معالجة الرسومات المتطورة عمليًا؟ نشرت مثيل B200، وعالجت مشكلة في الاتصال، وقست أداء الاستدلال الفعلي وتوليد الصور والمراقبة. تابع القراءة للاطلاع على النتائج والتكاليف والقيود المهمة قبل الاستئجار.

قيّمت Hostinger GPU Hosting استنادًا إلى تجربتَي النشر اللتين خضتهما، ونتائج اختبار أداء B200 العاملة، وعناصر التحكم في hPanel، ومحادثاتي مع الدعم. كما تحققت من شروط الفوترة واسترداد الأموال المنشورة. أتبع منهجية HostAdvice لتقييم الاستضافة، لكن هذا تقييم لحالة B200 واحدة خضعت للاختبار، وليس دراسة لمدى إتاحة الخدمة أو مقارنة لكل طرازات وحدات معالجة الرسومات.
| الاختبار | الدرجة /10 | سبب الدرجة |
| الأسعار والخطط | 8.1 | استئجار مرن لوحدات معالجة الرسومات بالساعة وخيارات تكوين متعددة، لكن الفوترة المستمرة ووحدات الرصيد غير القابلة للاسترداد وعدم توفر خيار الإيقاف المؤقت تحد من القيمة. |
| الميزات | 8.8 | وحدات معالجة رسومات قوية، وذاكرة فيديو وافرة، وقوالب تطبيقات، وأدوات مراقبة، لكن لا توجد نسخ احتياطية مدمجة أو مساحة تخزين دائمة. |
| الأداء | 8.8 | نتائج ممتازة في BF16، واستدلال سريع باستخدام Qwen، وتوليد صور SDXL في أقل من ثانية، رغم أن أحمال العمل المستمرة لم تُختبر. |
| سهولة الاستخدام | 8.0 | نشر سريع وإدارة مباشرة، لكن محدودية مخزون وحدات معالجة الرسومات ومشكلة SSH الأولية تسببا في الإحباط. |
| مستوى الدعم | 7.8 | إجابات سريعة ومفصلة من الذكاء الاصطناعي ووثائق مفيدة، لكن الوصول إلى الدعم البشري وحل مشكلات الاتصال استغرق وقتًا. |
| الإجمالي | 8.3 | أداء مميز لوحدة معالجة الرسومات ونشر متاح بسهولة، تقابلهما قيود الفوترة ومحدودية خيارات الاستعادة والعقبات في الحصول على الدعم. |

تعتمد Hostinger GPU Hosting نموذج الاستئجار عند الطلب بدلًا من الاشتراكات الشهرية الثابتة التي تجدها عادةً في استضافة المواقع. تستأجر موارد وحدات معالجة الرسومات لأعباء عمل مثل استدلال الذكاء الاصطناعي، وتطوير النماذج، والضبط الدقيق، وتوليد الصور، وتُحتسب الرسوم استنادًا إلى إعدادات التكوين التي تختارها.
يتضمن دليل وحدات معالجة الرسومات خيارات تتراوح بين RTX 4090 وL40S وصولًا إلى A100 وNVIDIA B200، وتوفر كل منها سعات ذاكرة وقدرات حوسبة مختلفة. ومع ذلك، قد يؤثر التوفر في اختيارك. لم تكن RTX 4090 التي أردت اختبارها في البداية متوفرة في hPanel، رغم ظهورها على صفحة الأسعار العامة لدى Hostinger.
تقدم Hostinger مثيلات B200 عادية ومثيلات Dedicated B200، وتكلف الأخيرة أكثر. يمكنك أيضًا اختيار تخصيصات مختلفة للمعالج وذاكرة الوصول العشوائي والتخزين. اشتمل إعداد التكوين الأول الذي اخترته على 16 نواة للمعالج و32 GB من ذاكرة الوصول العشوائي و300 GB من مساحة التخزين، واخترته لدعم اختبارات أداء الذكاء الاصطناعي التي أجريها بدلًا من الاعتماد على أصغر إعداد متاح.
تحتسب Hostinger رسوم استخدام وحدات معالجة الرسومات من خلال رصيد مدفوع مسبقًا. لكن هناك عدة شروط سأضعها في الاعتبار قبل تشغيل مثيل:
تجعل هذه الشروط التخطيط للتكاليف مهمًا بشكل خاص لأعمال الذكاء الاصطناعي الطويلة. تحتاج إلى رصيد كافٍ لتغطية وقت المعالجة والإعداد على حد سواء، مع مراعاة التأخيرات أو تعذّر الاتصال أيضًا.
اختبرت GPU Hosting باستخدام حساب موجود لدى Hostinger كان يتوفر فيه رصيد بالفعل، لذا لم أكمل عملية دفع جديدة. ويمكن للعملاء الجدد إضافة رصيد إلى حساباتهم بعد إعداد مثيل. تدعم Hostinger البطاقات المصرفية والمحافظ الرقمية مثل PayPal، مع أن طرق الدفع المتاحة تعتمد على منطقة العميل.
لم أواجه أيضًا فترة تجريبية مجانية منفصلة لوحدات معالجة الرسومات. تُستثنى مشتريات وحدات معالجة الرسومات ووحدات الرصيد للذكاء الاصطناعي من ضمان Hostinger القياسي لاسترداد الأموال خلال 30 يومًا، لذا سأتحقق من التكوين النهائي ومتطلبات الرصيد قبل الدفع.
أكبر ميزة هي المرونة. يمكنك الوصول إلى أجهزة وحدات معالجة الرسومات باهظة الثمن لأداء حمل عمل قصير دون شراء خادمك الخاص أو صيانته. لكن السعر المعلن بالساعة لا يوضح الصورة كاملة.
أظهرت تجربتي أيضًا أهمية تجهيز الموارد والاتصال في تحديد الأسعار. فالوقت المستغرق في استكشاف أخطاء خادم يتعذر الوصول إليه وإصلاحها قد يظل محسوبًا ضمن تكاليفك إذا كان المثيل يعمل ويستهلك وحدات الرصيد.
سأتحقق من معدل استهلاك الرصيد النهائي في hPanel، وأتأكد من توفر وحدة معالجة الرسومات، وأجهز تخزينًا خارجيًا قبل تشغيل حمل عمل مدفوع. يناسب نموذج الاستئجار المهام القصيرة المخطط لها جيدًا. أما أحمال العمل الأطول أو غير المتوقعة، فمن الضروري مراقبة استهلاك الرصيد.

لا تكون وحدة معالجة الرسومات القوية مفيدة إلا إذا تمكنت من الوصول إلى الأجهزة وتشغيل أحمال العمل بموثوقية والحصول على النتائج في وقت معقول. تعلن Hostinger عن وحدة معالجة الرسومات NVIDIA B200 بذاكرة فيديو سعتها 192 GB، لكنني أردت معرفة ما يعنيه ذلك من حيث الأداء الفعلي.
ركزت على ثلاثة أسئلة:
واجه أول نشر لـ B200 مشكلة في الاتصال. عرض hPanel عنوان IP خاصًا لم أتمكن من الوصول إليه من حاسوبي المحمول، وأقرت Hostinger بوجود مشكلة في عنوان IP المعروض في لوحة التحكم.
للفصل بين تلك المشكلة الأولية وأداء الأجهزة، شغّلت مثيل B200 جديدًا وتمكنت من الاتصال عبر SSH باستخدام عنوان الاتصال الجديد. وأكملت اختبارات الأداء التالية في 26 أكتوبر 2026.
لذلك، تأتي النتائج أدناه من مثيل بديل يعمل. وتظل مشكلة الاتصال السابقة جزءًا من تقييمي الإجمالي، لكنها لم تمنعني من تقييم أداء وحدة معالجة الرسومات.
استخدمت مثيل B200 يعمل بنظام Ubuntu 24.04، مع تخصيص معالج ذي 16 نواة وذاكرة وصول عشوائي بسعة 32 GB ونحو 300 GB من التخزين المجهز في منطقة استضافة Hostinger في لوس أنجلوس. ومن حاسوبي المحمول Pop!_OS، اتصلت عبر SSH، وفحصت الأجهزة باستخدام nvidia-smi، وثبّتُّ بيئة PyTorch تدعم CUDA. أبلغ الخادم عن برنامج تشغيل NVIDIA بالإصدار 595.91.07؛ وتعرّف PyTorch 2.11.0+cu128 على وحدة معالجة الرسومات ودعم حسابات BF16.
ثم أجريت ثلاثة أنواع من أحمال العمل: اختبارات قصيرة لضرب المصفوفات BF16 ونسخ البيانات داخل ذاكرة وحدة معالجة الرسومات، واستدلال نموذج اللغة Qwen2.5-7B-Instruct، وتوليد الصور باستخدام Stable Diffusion XL. وكررت أحمال عمل الذكاء الاصطناعي بإعدادات ثابتة وسجلت أوقات التشغيل الفردية بدلًا من الاعتماد على أفضل نتيجة واحدة. وأخيرًا، تحققت من صفحة Metrics في hPanel لمعرفة ما إذا كان نشاط وحدة معالجة الرسومات يظهر فيها.
تقدم هذه الاختبارات لمحة عملية عن مثيل واحد. لكنها لا تثبت الجاهزية طويلة الأمد، أو الأداء أثناء الأحمال المستمرة لساعات متعددة، أو كيفية مقارنة B200 بمضيفي وحدات معالجة الرسومات المنافسين في ظروف متطابقة. كما لم أجرِ اختبارًا لمعدل إنتاجية الشبكة أو اختبار أداء للاستدلال متعدد المستخدمين.
كانت أولى النتائج المطمئنة أن Ubuntu تعرّف فورًا على وحدة NVIDIA B200. وحدد nvidia-smi وحدة B200 واحدة، مع ذاكرة مُبلّغ عنها لوحدة معالجة الرسومات تبلغ 182,624 MiB، بينما أبلغ PyTorch عن إتاحة 178.34 GiB للجهاز. وتتوافق هذه الأرقام بوحدات القياس الثنائية عمومًا مع ذاكرة الفيديو المعلن عنها بسعة 192 GB، وإن كانت الكمية التي يمكن للبرامج قراءتها لا تطابق تمامًا الرقم الظاهر في صفحة المبيعات.

وأظهر نظام التشغيل أيضًا ذاكرة وصول عشوائي بسعة 32 GiB وسعة نظام ملفات مركّب تبلغ 268 GiB، كما ظهر ذلك من داخل البيئة. وحُدد المعالج على أنه AMD EPYC 9575F، مع أن lscpu عرض 224 معالجًا منطقيًا. وفحصت إعدادات التحكم في معالج الحاوية بدلًا من تفسير هذا الرقم على أنه يعني تضمين 224 نواة في خطتي.
كان حد cgroup هو 1,600,000 ميكروثانية لكل فترة مدتها 100,000 ميكروثانية، ما منح المثيل ما يعادل 16 معالجًا. وقد تطابق ذلك مع تخصيص الأنوية الـ16 الذي اخترته. وهذا تمييز مهم للقراء، لأن بنية المعالج التي تظهر على مستوى المضيف قد تبدو أكثر سخاءً بكثير من السعة المخصصة فعليًا لعبء العمل المستضاف.
للحصول على قياس أولي لقدرة B200 على الحساب الخام، أجريت ضربًا للمصفوفات بدقة BF16 باستخدام PyTorch. وتفيد BF16 هنا لأنها تُستخدم على نطاق واسع في حسابات نماذج الذكاء الاصطناعي، مع أن اختبار أداء اصطناعيًا لمصفوفة صغيرة لا يغني عن تشغيل نموذج كامل.
مع 12 تكرارًا، حققت المصفوفة الأصغر ذات الأبعاد 4,096 × 4,096 معدل إنتاجية حسابية تقديريًا بلغ 1,402.7 تيرافلوب في الثانية، استنادًا إلى زمن تنفيذ وسيط قدره 0.098 مللي ثانية. أما المصفوفة ذات الأبعاد 8,192 × 8,192، فحققت معدلًا تقديريًا بلغ 1,668.8 تيرافلوب في الثانية، بزمن وسيط قدره 0.659 مللي ثانية. وهذه تقديرات محسوبة لمعدل الإنتاجية الحسابية للعمليات التي اختبرتها، وليست أداءً مستدامًا للتطبيقات جرى التحقق منه بشكل مستقل.
وقست أيضًا نسخًا للبيانات داخل ذاكرة وحدة معالجة الرسومات بحجم 512 ميبيبايت. واكتمل في زمن وسيط يقارب 0.17 مللي ثانية، أي ما يعادل معدل إنتاجية مُبلغًا عنه للبيانات المنقولة قدره 3,137.1 جيجابايت في الثانية. يختبر هذا نقل البيانات داخل ذاكرة وحدة معالجة الرسومات؛ ولا يقيس سرعة تنزيل نموذج أو قراءة قرص الخادم أو إرسال البيانات عبر الإنترنت.

اكتمل تنفيذ النص البرمجي الأساسي بأكمله في 2.646 ثانية. وقد سرّني أن يتعرّف PyTorch على البطاقة وينفّذ هذه العمليات من دون أخطاء CUDA، لكن قِصر المدة يُعدّ أيضًا أحد القيود. فلا يمكننا الاستنتاج من بضعة أجزاء من الألف من الثانية من الحساب أن وحدة معالجة الرسومات ستحافظ على معدل الإنتاجية نفسه أو درجات الحرارة نفسها خلال مهمة تدريب طويلة.
كانت نتائج معدل الإنتاجية الاصطناعي مشجعة، لكنني أردت معرفة أداء B200 مع نموذج لغوي فعلي. حمّلت Qwen2.5-7B-Instruct عبر Hugging Face Transformers باستخدام BF16، وطلبت منه شرح تسريع وحدة معالجة الرسومات. استخدم الاختبار موجّهًا واحدًا وحدًا أقصى قدره 128 رمزًا مولدًا، وكررته ثلاث مرات بالإعدادات نفسها.
استغرق جلب النموذج وتحميله 35.40 ثانية في التشغيل المسجل. ثم استغرقت الاستجابة الأولى المكوّنة من 128 رمزًا 23.094 ثانية، أي بمعدل 5.54 رمز في الثانية فقط. بدت النتيجة مخيبة للآمال في البداية، لكن التشغيلين التاليين أظهرا صورة مختلفة.
أكمل التشغيل الثاني الرموز الـ128 في 1.005 ثانية، أي بمعدل 127.30 رمز في الثانية. واستغرق التشغيل الثالث 1.029 ثانية، أي بمعدل 124.35 رمز في الثانية. وهذا يعطي متوسطًا يبلغ نحو 125.8 رمز في الثانية للتشغيلين اللاحقين، مع فارق ضئيل جدًا بينهما.

الفارق كبير. وهو يتوافق مع احتمال تأثير الإعداد لمرة واحدة أو التهيئة الكسولة في عملية التوليد الأولى، لكنني لم أحدد السبب الدقيق. لن أخفي نتيجة الـ23 ثانية أو أعرض نتائج التشغيلات اللاحقة على أنها ما سيحققه كل طلب أول. بالنسبة إلى من يشغّل نموذجًا لخدمة المستخدمين، فإن كلاً من زمن الاستجابة الأولي والاستجابات المتكررة الأسرع مهم.
أفاد PyTorch بأن ذروة الذاكرة المخصصة على وحدة معالجة الرسومات بلغت 14.21 GiB. وهذا لا يمثل سوى جزء صغير من الذاكرة المتاحة في B200، لذا يبرهن هذا الاختبار على إمكانية إجراء الاستدلال لطلب واحد، لا على فائدة استضافة نموذج يحتاج فعليًا إلى ما يقارب 192 GB من ذاكرة الفيديو. لم أختبر معالجة الطلبات بالتزامن أو المعالجة على دفعات أو نوافذ سياق أطول أو خادم استدلال محسّنًا مثل vLLM.
استخدمت Stable Diffusion XL لإنشاء صورة منتج بمقاس 1,024 × 1,024 لساعة يد سوداء موضوعة على رخام داكن، وذلك في تطبيق فعلي ثانٍ. استخدمت 25 خطوة استدلال وأوزان FP16، مع الموجّه والبذرة العشوائية نفسيهما في التشغيلات الثلاثة. وقد أتاح لي ذلك الحصول على قياسات قابلة للتكرار بدلًا من ثلاث صور غير مترابطة متفاوتة التعقيد.
استغرق جلب نموذج SDXL وتحميله 18.29 ثانية. واستغرقت الصورة الأولى 3.275 ثانية. أما الصورتان الثانية والثالثة فاستغرقتا 0.915 و0.913 ثانية، على التوالي، بمتوسط بعد استقرار الأداء قدره 0.914 ثانية لكل صورة. وأفادت عملية PyTorch بأن ذروة الذاكرة المخصصة على وحدة معالجة الرسومات بلغت 11.49 GiB.

فحصت أيضًا الصور المصدّرة. كانت الملفات الثلاثة متطابقة بايتًا ببايت، وهو ما توافق مع إعداد البذرة الثابتة وأظهر أن الاختبار المتكرر أنتج النتيجة نفسها. بدا كل من الساعة والسطح العاكس والإضاءة مقنعًا للوهلة الأولى، مع أن الفحص الدقيق لقرص الساعة كشف عن تناقضات طفيفة معتادة في صور المنتجات المُولّدة. ولا ينبغي الخلط بين هذه العيوب الفنية وأخطاء عتاد وحدة معالجة الرسومات.
كانت النتيجة مفيدة على نحو خاص لأنها منحتني مهمة ملموسة لتقييمها: بعد تحميل خط المعالجة، ظهرت صورة SDXL كاملة الحجم في أقل من ثانية. لكن هذا كان توليدًا لصورة واحدة باستخدام نموذج SDXL واحد، وليس اختبار أداء لتوليد الفيديو أو معالجة دفعات كبيرة أو كل نماذج الصور المتاحة للاستئجار.
في وقت سابق من المراجعة، عرضت صفحة Metrics في Hostinger خطوطًا مسطحة لأن وحدة معالجة الرسومات كانت خاملة. وبعد تشغيل اختبارات الأداء، عدت إلى العرض نفسه الذي يغطي فترة 1 ساعة ولاحظت نشاطًا في كلا المخططين. عُرض معدل الإنتاجية الحسابية بقيمة 297 TFLOPs، وأظهر مخطط ذاكرة الفيديو ارتفاعًا واضحًا، بما في ذلك نقطة بلغت 14.3 GB عند تمرير المؤشر فوقها.

كان ذلك تأكيدًا مفيدًا على أن hPanel سجّل عبء العمل بدلًا من مواصلة عرض قيمة صفرية ثابتة. كما جعل صفحة Metrics أكثر إفادة مما كانت عليه مباشرة بعد النشر. وكان من السهل العثور على خيارات 1 ساعة و24 ساعة و7 أيام و30 يومًا.
مع ذلك، سأتجنب إجراء مقارنة رقمية مباشرة بين عرض hPanel البالغ 297 TFLOPs ونتيجة الاختبار الاصطناعي البالغة 1,668.8 TFLOP/s. فلم تُحدَّد نافذة أخذ العينات وطريقة الحساب في لوحة المعلومات أثناء اختباري، كما أن عرض ذاكرة الفيديو لا يطابق ذروة تخصيص الذاكرة على مستوى العملية في PyTorch. تفيد المخططات في رصد النشاط والتغيرات بمرور الوقت؛ لكنها لا تحل محل توقيت عبء العمل أو قياسات النظام.
وفّر لي مثيل B200 الثاني من Hostinger تسريعًا قابلًا للاستخدام بواسطة وحدة معالجة الرسومات في ثلاثة اختبارات مختلفة جدًا. أظهرت نتائج BF16 الاصطناعية سرعة في الحسابات القصيرة، وبلغ Qwen2.5-7B نحو 126 رمزًا في الثانية بعد أول استجابة مقاسة بطيئة على نحو غير معتاد، كما أنتج Stable Diffusion XL صورًا بدقة 1,024 بكسل في نحو 0.91 ثانية بعد التهيئة الأولية. وأكدت أيضًا حصة المعالج البالغة 16 نواة، وشاهدت النشاط يظهر في hPanel.
هذه نتائج إيجابية، لكنني لن أحوّلها إلى وعد بشأن كل أحمال عمل الذكاء الاصطناعي. كانت الاختبارات قصيرة وأُجريت على مثيل واحد، باستخدام نماذج صغيرة نسبيًا مقارنة بذاكرة الفيديو المتاحة في B200. ولم أختبر التدريب المستمر، أو ذروة معالجة الطلبات بالتزامن، أو التوفر على المدى الطويل، أو سرعة الشبكة الخارجية. كما تظل مشكلة عنوان الاتصال عبر SSH السابقة مصدر قلق تشغيليًا منفصلًا، رغم نجاح الاتصال بالخادم البديل.

تعاملت مع Hostinger GPU Hosting كما أتعامل مع خدمة جديدة لاستئجار وحدات معالجة الرسومات: أبحث عن بطاقة مناسبة، وأتحقق من التكلفة الفعلية، وأشغّل مثيلًا، ثم أرى مدى سهولة إدارة البيئة بعد تشغيلها.
أردت أيضًا معرفة كيفية اندماج خدمة وحدات معالجة الرسومات مع لوحة hPanel الأكبر لدى Hostinger، لأن تشغيل الخادم عبر الإنترنت لا يمثل سوى نصف التجربة.
كان نشر المثيل سريعًا، لكن تجربة الشراء كانت أقل قابلية للتوقع. لم تكن وحدة معالجة الرسومات التي اخترتها في صفحة الأسعار العامة متاحة في hPanel، وكان سعر المثيل البديل بالساعة أعلى بكثير. إليكم كيف سارت التجربة، من النقرة الأولى إلى أدوات الإدارة.
بدأت على موقع Hostinger وفتحت Products > Hosting > GPU hosting. أعجبني أن استضافة وحدات معالجة الرسومات لها مدخل واضح يحمل اسمها، إلى جانب استضافة المواقع، واستضافة VPS، والاستضافة السحابية. لم أضطر إلى فتح منتج VPS عام أو معرفة ما إذا كانت أجهزة وحدات معالجة الرسومات متاحة كإضافة.

فتح الرابط صفحة Hostinger GPU Hosting الرئيسية، التي روّجت لاستئجار وحدات معالجة رسومات NVIDIA بالساعة لاستخدامها في الذكاء الاصطناعي والتصيير وغيرها من المهام كثيفة الحوسبة. وكان زر Get started أسفل العنوان الرئيسي مباشرةً. ولم يؤدِ النقر عليه إلى إنشاء مثيل فورًا أو نقلي إلى صفحة التسجيل؛ بل نقلني إلى قسم أسعار وحدات معالجة الرسومات في الصفحة نفسها.

كان ذلك مكانًا منطقيًا للبدء. عرض قسم الأسعار طُرز وحدات معالجة الرسومات المتاحة في بطاقات منفصلة، مع أسعارها المبدئية المعلنة بالساعة، وذاكرة الفيديو، والاستخدامات الموصى بها. وتمكنت من مقارنة الأجهزة قبل أن يُطلب مني إعداد خادم. وامتد نطاق الخيارات المعروضة على الصفحة العامة من RTX 4090 إلى وحدات معالجة الرسومات الأعلى سعرًا والمخصصة لمراكز البيانات، بما فيها B200.

اخترت في البداية NVIDIA RTX 4090. وأعلنت Hostinger أن سعرها يبدأ من $0.42 في الساعة، مع ذاكرة فيديو بسعة 24 GB، وأوصت بها للتطوير والتجريب وتوليد الصور والفيديو والتصيير 3D والاستدلال باستخدام النماذج الأصغر.
بدا ذلك نقطة انطلاق معقولة لاختبارات استدلال الذكاء الاصطناعي وتوليد الصور وأداء وحدات معالجة الرسومات التي خططت لإجرائها. فلم أكن بحاجة إلى استئجار إحدى البطاقات الأغلى سعرًا لمجرد وضع خط أساس عملي.

بعد اختيار RTX 4090، نقرت على زر Get GPU في بطاقتها. فنقلني ذلك إلى صفحة تسجيل حساب لدى Hostinger. وأتاحت التسجيل عبر Google أو GitHub، إلى جانب حقلي البريد الإلكتروني وكلمة المرور المعتادين.
ووُسم حقل رقم الهاتف بأنه اختياري، كما خُصص مربع اختيار منفصل للرسائل الترويجية عبر WhatsApp والرسائل النصية القصيرة SMS.

كانت شاشة التسجيل واضحة ومباشرة. والأهم من ذلك أن اختيار وحدة معالجة الرسومات لم يُلزمني بعد بشراء خادم بعينه.
بعد إنشاء الحساب أو تسجيل الدخول، دخلت إلى قسم وحدات معالجة الرسومات في hPanel، حيث أمكن اختيار الأجهزة وتشغيلها فعليًا. وأظهرت اللوحة رصيد حساب قدره 2,000.
أظهرت اللوحة رصيد حساب قدره 2,000 لأن لدي حسابًا لدى Hostinger يتوفر فيه رصيد بالفعل. أما إذا كنت تسجل للمرة الأولى من دون رصيد حساب موجود، فستواجه خطوة للدفع بعد إعداد مثيل مزوّد بوحدة معالجة رسومات، حيث يمكنك اختيار طريقة الدفع التي تفضلها قبل إتمام الشراء.
كانت صفحة وحدات معالجة الرسومات في hPanel واضحة وسهلة التصفح. وفوق القائمة، أوضحت Hostinger أنه يمكنني تشغيل مثيلات وحدات معالجة الرسومات مباشرةً من لوحة التحكم، وظهرت الأجهزة القابلة للاختيار أسفل رصيد الحساب الظاهر. عُرضت سبعة طرز، من بينها RTX 4090 الذي اخترته، لكن معظم أزرار Select كانت معطّلة.

حاولت اختيار RTX 4090، فوجدت أن زره معطّل باللون الرمادي. وعند تمرير المؤشر فوقه، ظهرت رسالة «غير متوفر». ولم أتمكن أيضًا من اختيار RTX 5090 أو L40S أو A100 أو RTX PRO 6000 خلال تلك الجلسة. لم يتوفر لي سوى خيارين: NVIDIA B200 وB200 (Dedicated).

كان هذا أكبر عائق واجهته في تجربة الشراء. فقد دعتني صفحة الأسعار العامة إلى استئجار RTX 4090 بسعر $0.42 في الساعة، لكنني لم أتمكن فعليًا من تجهيز الموارد باستخدام وحدة معالجة الرسومات هذه.
على الأقل، كانت Hostinger واضحة بشأن هذا القيد في hPanel، بدلًا من السماح لي بإكمال إعدادات التكوين ثم إفشال العملية بعد نشر المثيل. ومع ذلك، كان عليّ إعادة النظر في كل من أجهزة الاختبار والميزانية.
اخترت NVIDIA B200 القياسية، المعلن عن سعرها ابتداءً من $4.50 في الساعة، مع ذاكرة فيديو بسعة 192 GB. كما أتاحت لي سعة ذاكرتها الأكبر مجالًا لاختبار أعباء عمل الذكاء الاصطناعي الأكثر تطلبًا لاحقًا.
بدأ سعر الخيار البديل B200 (Dedicated) من $7.08 في الساعة، ولم تكن لديّ حاجة محددة إلى وصول حصري لوحدة معالجة الرسومات تبرر دفع هذا المبلغ الإضافي. نقرت على Select في خيار B200 القياسي للمتابعة.
بعد اختيار B200، فتحت Hostinger صفحة «Deploy مثيل وحدة معالجة الرسومات». وأبقت خيارات وحدات معالجة الرسومات في عمود على اليسار وإعدادات تكوين المثيل المحدد على اليمين. كان هذا الترتيب مناسبًا: إذ أمكنني مراجعة B200 إلى جانب البدائل المتاحة، مع إبقاء إعدادات الخادم وتكلفة تشغيله ظاهرة.

سمّيت المثيل hostinger-وحدة-معالجة-الرسومات-review-b200. وأوضحت Hostinger أن الكلمات المنفصلة في الاسم يجب أن تُفصل بشرطات، ما جعل قاعدة التسمية واضحة في النموذج نفسه.
كان الحقل التالي هو منطقة الاستضافة، وكشف ذلك عن القيد العملي الثاني: لم تعرض القائمة المنسدلة سوى لوس أنجلوس، الولايات المتحدة. ولم يكن لديّ موقع آخر للاختيار منه في جلسة نشر المثيل هذه.

احتاج محدد حجم المثيل إلى اهتمام أكبر مما توقعت في البداية. فقد اختارت Hostinger مسبقًا إعدادًا يتضمن 2 نواة للمعالج وذاكرة وصول عشوائي بسعة 64 GB وتخزينًا بسعة 100 GB، مقابل 506 وحدات رصيد في الساعة. وكشف فتح القائمة المنسدلة عن توليفات أخرى من المعالج وذاكرة الوصول العشوائي والتخزين، بأسعار مختلفة. ولم يكن الاختيار تدرجًا بسيطًا تنخفض فيه التكلفة كلما قل عدد أنوية المعالج؛ فعلى سبيل المثال، كان خيار 4 أنوية مدرجًا بسعر 450 وحدة رصيد في الساعة.

اخترت خيار X-Large: 16 نواة للمعالج وذاكرة وصول عشوائي بسعة 32 GB وتخزين بسعة 300 GB، مقابل 488 وحدة رصيد في الساعة. وقد منح هذا الخادم قدرة أكبر للمعالج ومساحة أكبر على القرص لإعداد الاختبارات وتشغيلها، من دون الانتقال إلى إعداد 32 نواة.
وكان سعره في الساعة أقل قليلًا أيضًا من سعر خيار 2 نواة المحدد مسبقًا. والنقطة المهمة المتعلقة بالتسعير هي أن السعر المعلن من Hostinger، وهو $4.50 في الساعة لوحدة B200، كان سعرًا ابتدائيًا. أما الإعداد الذي اخترته فعليًا، فكان سعره 488 وحدة رصيد في الساعة، أي ما يعادل نحو $4.88 في الساعة وفقًا للسعر الذي توحي به بطاقات الأسعار لدى Hostinger.
بعد ذلك، فتحت خيار تحديد نظام التشغيل أو التطبيق. وإلى جانب Ubuntu 24.04، قدمت Hostinger خيارات جاهزة لكل من Ollama وJupyterLab وUnsloth وInvokeAI. وكان بإمكان هذه الخيارات توفير وقت الإعداد لمن يركز على تطبيق ذكاء اصطناعي معين. واخترت Ubuntu 24.04 لأنني أردت نظام تشغيل نظيفًا والتحكم في الأدوات التي أثبتها لإجراء الاختبارات اللاحقة.

وقدمت Hostinger أيضًا حقلًا اختياريًا لمفتاح SSH. ولم أستخدمه في عملية نشر المثيل الأولية بدلًا من إضافة مفتاح أثناء إتمام الشراء. وعرضت اللوحة لاحقًا تفاصيل الاتصال باستخدام كلمة مرور، لذا لم يؤدِ عدم إضافة مفتاح إلى حرماني من طريقة تسجيل الدخول المعلنة. لكنني أفضل الوصول عبر SSH باستخدام مفتاح في الخوادم التي تعمل لفترات أطول.
قبل النقر على زر Deploy، عرض الملخص وحدة B200 التي اخترتها وإعداد X-Large والسعر البالغ 488 وحدة رصيد في الساعة، مقابل رصيد حسابي البالغ 2,000 وحدة رصيد.
وقدرت Hostinger أن الرصيد يكفي لنحو أربع ساعات من الاستخدام المتواصل. وأعجبني ظهور هذا التقدير مباشرة فوق زر النشر: فقد جعل التكلفة المستمرة أوضح من بطاقة أسعار لا تذكر سوى «ابتداءً من $4.50 في الساعة».

نقرت على Deploy. ثم عرضت Hostinger شاشة إعداد وحدة معالجة الرسومات، وأوضحت أنه يمكنني مغادرة الصفحة بينما يستمر تجهيز الموارد. ولم تكن هناك حاجة إلى أي إعداد يدوي إضافي للبنية التحتية خلال هذه المرحلة.

بعد نحو دقيقتين، أكدت شاشة النجاح أن كل شيء أصبح جاهزًا، وذكرت أن مثيلًا مزوّدًا بوحدة معالجة رسومات أصبح قيد التشغيل. وحددت hostinger-gpu-review-b200 على أنه B200 بذاكرة فيديو سعتها 192 GB وبحجم X-Large. وعُرض الإجراء التالي بوضوح على أنه Manage، ما جعل معرفة الخطوة التالية بعد اكتمال تجهيز الموارد أمرًا واضحًا.

نقرت على Manage من شاشة التأكيد هذه للاطلاع على عناصر التحكم التي سأستخدمها بعد النشر. وكان هذا الانتقال المباشر لمسة موفقة؛ إذ لم تكن هناك حاجة إلى العودة إلى الصفحة الرئيسية العامة لـ hPanel والبحث عن الخادم الجديد.
فتح Manage مساحة مخصصة لإدارة وحدات معالجة الرسومات، لا لوحة تحكم عادية لاستضافة الويب. لم تتضمن القائمة الجانبية سوى ثلاثة خيارات: نظرة عامة، وMetrics، وExposed services. وبعد شاشات اختيار المنتج الواسعة، استحسنت مدى تركيز عناصر التنقل هذه.
أجابت النظرة العامة فورًا عن الأسئلة التي قد تراودني بعد استئجار أجهزة باهظة الثمن: هل هي قيد التشغيل؟ ما وحدة معالجة الرسومات والموارد التي حصلت عليها؟ ما معدل استهلاك الرصيد؟ وكيف يمكنني الاتصال؟ وأظهرت بطاقة المثيل أن hostinger-gpu-review-b200 قيد التشغيل، وأكدت أنها تتضمن NVIDIA B200، وذاكرة فيديو بسعة 192 GB، و16 نواة للمعالج، وذاكرة وصول عشوائي بسعة 32 GB، وقرصًا بسعة 300 GB، ونظام Ubuntu 24.04، وموقعًا في لوس أنجلوس.

ظهر زران مباشرةً على بطاقة المثيل: إعادة التشغيل والحذف نهائيًا. ومن المفيد ظهورهما بوضوح، لأنك تحتاج إلى معرفة كيفية إدارة دورة حياة المثيل عندما تدفع بالساعة. لم أنفذ أيًا من الإجراءين خلال هذا الجزء من الاختبار، لذا فإنني أقيّم مدى سهولة الوصول إلى عناصر التحكم، ولا أدّعي أنني تحققت من طريقة عملها.
عرضت Hostinger فوق بطاقة الخادم معدل الإنتاجية الحسابية، واستخدام ذاكرة الفيديو، والإنفاق من وحدات الرصيد. وأظهر الالتقاط الأولي لدي معدل إنتاجية قدره 0 TFLOPs ومتوسط استخدام لذاكرة الفيديو قدره 0 GB، لأنني لم أكن قد شغّلت حمل عمل على وحدة معالجة الرسومات بعد.
أظهر ملخص الرصيد استخدام 488 وحدة رصيد إجمالًا، ومعدل استهلاك رصيد بلغ 488 وحدة رصيد في الساعة، ورصيدًا متبقيًا قدره 1,512 وحدة رصيد. وكان هذا الوضوح مرحبًا به، لا سيما بالنظر إلى مدى سرعة تراكم تكاليف استخدام وحدات معالجة الرسومات المدفوعة.
عرضت لوحة الاتصال عنوان IPv4 العام، وأمر SSH قابلًا للنسخ، وكلمة المرور في قسم واحد. وتضمّن أمر SSH اسم مستخدم Ubuntu ومنفذ SSH غير افتراضي؛ كما احتوى حقل كلمة المرور على خياري الإظهار والنسخ.
حذّرت Hostinger أيضًا من أن كلمة المرور التي تُغيَّر عبر SSH لن تعود مطابقة لكلمة المرور المخزنة في hPanel. لذلك تمكنت من العثور على معلومات الاتصال من دون البحث في الوثائق، إلا أن لقطة الشاشة وحدها لا تثبت أنني سجلت الدخول بنجاح عبر SSH.
بعد مراجعة نظرة عامة، فتحت Metrics. أتاحت Hostinger عوامل تصفية زمنية لمدة 1 ساعة و24 ساعة و7 أيام و30 يومًا. وعرضت الصفحة مخططًا لمعدل الإنتاجية الحسابية بوحدة تيرافلوب في الثانية، ومخططًا لاستخدام ذاكرة الفيديو بوحدة غيغابايت. وكانت الرسوم البيانية بسيطة وسهلة القراءة، من دون مخططات نظام غير ذات صلة تنافسها على الانتباه.

كان المخططان يعرضان قيمًا ثابتة عند الصفر عندما التقطت صورهما. وكان ذلك متوقعًا قبل تشغيل مهمة ذكاء اصطناعي، لذا لن أتعامل مع هذه القراءات على أنها دليل على أداء وحدة معالجة الرسومات أو على وجود خلل في نظام المراقبة.
يأتي الاختبار المفيد لاحقًا: شغّل عبء عمل حقيقيًا، وتحقق من الرسوم البيانية مع تغير الاستخدام، وقارنها بالقياسات المأخوذة من داخل Ubuntu.
ثم فتحت Exposed services، وهو القسم المخصص لجعل التطبيق الذي يعمل على خادم وحدة معالجة الرسومات متاحًا عبر الإنترنت. ولأنني لم أنشئ خدمة، عرضت الصفحة حالة فارغة مع زر Add service. كما أدرجت Hostinger تحذيرًا يفيد بأن أي شيء يُنشر سيكون متاحًا للجميع ممن لديهم العنوان، ما لم يكن للتطبيق نظام تسجيل دخول خاص به.

أعجبني هذا التحذير. فكثيرًا ما تتضمن أعباء عمل وحدات معالجة الرسومات دفاتر الملاحظات وواجهات برمجة التطبيقات للاستدلال وواجهات التطوير الأخرى التي لا يُفترض أن تكون متاحة للجميع. وكان العثور على نقطة الدخول سهلًا، لكنني لم أضف خدمة عامة أو أختبرها هنا بعد، لذا لا يمكنني تقييم بقية سير العمل أو خيارات الأمان اعتمادًا على لقطات الشاشة هذه وحدها.
لم أعد إلى Home في hPanel إلا بعد التحقق من الشاشات الخاصة بوحدات معالجة الرسومات. وقد منحني ذلك منظورًا مختلفًا لسهولة الاستخدام: أين سأجد مثيل وحدة معالجة الرسومات إذا سجّلت الدخول مجددًا لاحقًا بدلًا من الوصول إليه عبر زر Manage بعد النشر؟
فُتحت صفحة Home لديّ مع مطالبة بارزة للمساعد الذكي ومنطقة طويلة بعنوان أعمالك تضم عددًا كبيرًا من المواقع الإلكترونية الحالية.
كان لكل موقع إجراء Manage site، كما عرضت عدة إدخالات تذكيرات بشأن النطاقات المؤقتة. وفي الأسفل، رأيت جدولًا للخوادم الافتراضية الخاصة يتضمن عناوين IP وحالات التشغيل وتواريخ انتهاء الصلاحية وأزرار الإدارة. وعلى اليسار، جمعت قائمة التنقل المواقع الإلكترونية والنطاقات والبريد الإلكتروني والمزيد من الخدمات وأدوات إنشاء المواقع ووكلاء الذكاء الاصطناعي وأدوات التسويق وخدمات المطورين.

لهذا الترتيب الشامل مزايا. فمجموعات المنتجات تحمل تسميات واضحة، ويمكن لعميل Hostinger الحالي الوصول إلى أنواع متعددة من الاستضافة من حساب واحد. لكن في حالتي، جعلت كثرة المحتوى المتعلق بالمواقع الإلكترونية الصفحة مزدحمة بصريًا.
لم تكن وحدة معالجة الرسومات الجديدة بارزة بالقدر نفسه في محتوى Home الظاهر مثل المواقع الإلكترونية والخوادم الافتراضية الخاصة. ووجدت أن قائمة التنقل المخصصة لوحدة معالجة الرسومات، التي تضم Overview وMetrics وExposed services، أكثر تركيزًا بعد الوصول إليها.
تعكس القائمة الطويلة غير المعتادة للمواقع الإلكترونية ما كان موجودًا بالفعل في حسابي؛ وقد يرى العميل الجديد الذي لا يملك خدمات أخرى صفحة أقل ازدحامًا. ومع ذلك، يظل هذا التمييز مهمًا للقارئ: فنشر وحدة معالجة الرسومات عملية قصيرة ومركزة، بينما تحاول لوحة تحكم hPanel الأوسع نطاقًا خدمة جميع منتجات Hostinger في آن واحد.
كان أقوى جوانب سهولة استخدام Hostinger GPU Hosting هو ما حدث بعد أن عثرت على وحدة معالجة رسومات متاحة. عرضت صفحة الإعدادات الخيارات وتكلفتها، وكان من السهل العثور على صور Ubuntu وصور تطبيقات الذكاء الاصطناعي، واكتمل النشر في نحو دقيقتين، ونقلني زر Manage مباشرةً إلى لوحة تحكم موجزة للمثيل.
تمكنت من العثور على مواصفات وحدة معالجة الرسومات، ومعدل استهلاك الرصيد، ومعلومات SSH، وعناصر التحكم الإدارية الرئيسية من دون التعامل مع وحدة تحكم سحابية معقدة.
لكن ينبغي ألا تحجب هذه السهولة القيود قبل النشر. اخترت RTX 4090 على الصفحة العامة، ولم أتمكن من استئجاره عند الوصول إلى hPanel؛ إذ لم تكن معظم وحدات معالجة الرسومات المدرجة متاحة، وكانت لوس أنجلوس منطقة الاستضافة الوحيدة في جلستي. وكان B200 أعلى بكثير في السعر من RTX 4090 الذي كنت أنوي استخدامه، كما أن سعر إعداد X-Large كان أعلى من السعر الابتدائي المعلن لـ B200. كذلك بدا عرض Home العام في hPanel أكثر ازدحامًا من الصفحات المخصصة لوحدات معالجة الرسومات.

توفر Hostinger دعمًا عبر الإنترنت على مدار الساعة طوال أيام الأسبوع من خلال دردشة لوحة التحكم، مع إمكانية التواصل أيضًا عبر WhatsApp والبريد الإلكتروني على support@hostinger.com. وعلى خلاف بعض موفري الاستضافة، لا تقدم دعمًا هاتفيًا.
تتمحور تجربة الدعم الرئيسية الآن حول Hostinger Agent، وهو مساعد ذكاء اصطناعي يمكنه الإجابة عن الأسئلة، واستكشاف المشكلات وإصلاحها، واسترجاع الوثائق، وتنفيذ بعض إجراءات إدارة الحساب. كما تتيح Hostinger التواصل مع Customer Success Specialists عند الحاجة إلى مساعدة إضافية.
في هذه المراجعة، اختبرت الدردشة المباشرة بطرح مسألة حقيقية تتعلق بمثيل NVIDIA B200 مزوّد بوحدة معالجة رسومات. أردت معرفة مدى سرعة حصولي على إرشادات تقنية دقيقة، والأهم من ذلك مدى سهولة التحدث مباشرةً إلى موظف عندما أطلب ذلك.
راجعت أيضًا قاعدة المعرفة لدى Hostinger لتقييم جودة وثائقها المتعلقة بوحدات معالجة الرسومات، ومعرفة ما إذا كان بإمكان العملاء حل المشكلات الشائعة دون التواصل مع الدعم.
وصلت إلى الدردشة المباشرة بالنقر على Agent في أعلى hPanel. وظهرت الدردشة بجوار صفحة إدارة وحدة معالجة الرسومات، ما أتاح لي الاطلاع على مثيل B200 قيد التشغيل واستهلاك الرصيد أثناء التحدث مع الدعم.

Hostinger Agent هو الإصدار الذي خلف Kodee، مساعد الدعم السابق المدعوم بالذكاء الاصطناعي من Hostinger. وقد دمجت Hostinger Kodee مع مجموعتها الأوسع من أدوات الذكاء الاصطناعي المتخصصة في مساعد موحد. ووفقًا لـ Hostinger، يستطيع هذا المساعد شرح المشكلات التقنية، وتقديم إرشادات استكشاف الأخطاء وإصلاحها، واقتراح الوثائق ذات الصلة، وتنفيذ الإجراءات المدعومة في حساب العميل.
لكن اختباري ركّز على المشورة التقنية وتصعيد الطلب إلى موظف دعم، بدلًا من السماح له بإجراء تغييرات على الحساب.
طرحت سؤالًا عمليًا حول فوترة وحدات معالجة الرسومات والاحتفاظ بالبيانات. وبما أن Hostinger تفرض رسومًا على مثيلات وحدات معالجة الرسومات بالساعة، أردت معرفة ما إذا كان بإمكاني إيقاف خادمي مؤقتًا بين أعباء عمل الذكاء الاصطناعي دون فقدان التطبيقات والنماذج والملفات التي ثبّتها. وسألت أيضًا عما إذا كانت إعادة التشغيل ستوقف الرسوم، وما الذي ينبغي لي فعله للحفاظ على بيئتي إذا كان حذف المثيل نهائيًا ضروريًا.
ردّ الوكيل في أقل من 30 ثانية.
تناول رده المخاوف الثلاثة جميعها. وأوضح أن إعادة التشغيل لا تفعل سوى إعادة تشغيل الخادم، ولا توقف الفوترة. ولا توفر Hostinger حاليًا وظيفة للإيقاف المؤقت أو الإيقاف تتيح للعملاء الاحتفاظ بمثيل وحدة معالجة الرسومات دون تكبّد رسوم. ويؤدي حذف المثيل نهائيًا إلى إيقاف الفوترة، لكنه يحذف بياناته المحلية بشكل دائم.
ومضت الإجابة إلى أبعد من ذلك، إذ شرحت كيف يمكنني الحفاظ على بيئة عملي. وأوصت بنقل النماذج ومجموعات البيانات إلى تخزين خارجي، وتصدير تبعيات Python أو Conda، وتسجيل إصدارات CUDA وPyTorch، وحفظ ملفات التكوين ونصوص نشر المثيل.

أعجبني مستوى التفصيل. فبدلًا من الاكتفاء بالقول إن مثيلات وحدات معالجة الرسومات لا يمكن إيقافها مؤقتًا، تناول المساعد ما ينبغي لي فعله قبل حذف الخادم نهائيًا. كما طابقت إرشاداته وثائق Hostinger الرسمية بشأن فوترة وحدات معالجة الرسومات، ما أتاح لي طريقة للتحقق من دقة الشرح.
لكن الإجابة عن السؤال التقني لم تكن سوى الجزء الأول من اختباري للدعم. بعد ذلك، أردت التحدث مباشرةً إلى اختصاصي بشري.
في الساعة 17:23، طلبت من Hostinger Agent توصيلي بممثل بشري لدعم العملاء للتأكد من تفاصيل فوترة وحدات معالجة الرسومات والاحتفاظ بالبيانات. وبدلًا من ترتيب التحويل، كرر السياسة وشجعني على مواصلة استخدام دعم الذكاء الاصطناعي، موضحًا أن ذلك سيكون أسرع.
قدّمت طلبًا صريحًا آخر في الساعة 17:24. وهذه المرة، أوضحت أنني أفهم السياسة ولا أحتاج إلى شرح آخر من الذكاء الاصطناعي. وأردت تحديدًا التحدث إلى ممثل بشري، وكنت مستعدًا للانتظار.
في الساعة 17:25، لخّص المساعد قواعد الفوترة مرة أخرى قبل أن يعرض خيارين: Wait for a human review والمتابعة مع Hostinger Agent.

اخترت خيار المراجعة البشرية وأكدت أنني أريد المتابعة مع شخص. ثم عرضت Hostinger رسالة تفيد بأن المراجعة جارية، وعدًّا تنازليًا، وحقلًا يمكنني فيه تقديم معلومات إضافية إلى الاختصاصي.

في الساعة 17:31، أي بعد نحو ست دقائق من دخول الطلب مرحلة المراجعة، تلقيت ردًا مرتبطًا باختصاصية تُدعى Amber. وعرضت الواجهة عبارة «راجع Amber الرد».
طلبت مني رسالة Amber تزويدها باسم مثيل وحدة معالجة الرسومات، ونقاط الفوترة أو الاحتفاظ بالبيانات التي أردت تأكيدها، وأي أخطاء أو لقطات شاشة ذات صلة.

قدمت اسم المثيل، hostinger-مثيل-مزوّد-بوحدة-معالجة-رسومات-review-b200، وطلبت تأكيد ثلاث نقاط مهمة: عدم وجود وظيفة للإيقاف المؤقت، وحذف البيانات نهائيًا بعد حذف المثيل، وتوفر لقطات الحالة أو النسخ الاحتياطية أو التخزين الدائم.
كما طرحت سؤالًا عن عملية الدعم نفسها. وبما أن الواجهة ذكرت أن Amber راجعت الرد، أردت أن أعرف ما إذا كنت أتحدث إليها مباشرة الآن أم ما زلت أتفاعل مع الذكاء الاصطناعي.
في الساعة 17:33، تلقيت إجابة مفصلة أخرى. وأكد الرد أن مثيلات وحدات معالجة الرسومات تواصل استهلاك وحدات الرصيد أثناء خمولها، وأن حذفها يزيل بياناتها المحلية نهائيًا، وأن Hostinger لا توفر حاليًا لقطات حالة لوحدات معالجة الرسومات أو نسخًا احتياطية تلقائية أو تخزينًا دائمًا.
وأوضح أيضًا أن المثيل يُحذف فورًا عند نفاد رصيد الحساب، من دون فترة سماح. وكان البديل المقترح هو تصدير البيئة إلى خادم افتراضي خاص منفصل أو تخزين سحابي أو جهاز كمبيوتر محلي، باستخدام أدوات مثل scp أو rsync.
لكن الجانب الأكثر كشفًا في الرد كان متعلقًا بالدعم البشري. أكدت Hostinger صراحةً أنني ما زلت أتواصل مع Hostinger Agent، وهو مساعد يعمل بالذكاء الاصطناعي. وكان اختصاصي بشري يشرف على المحادثة أو يراجعها، لكن لم يتم تحويلي إلى محادثة مباشرة فردية مع شخص.

هذا الفرق مهم. فقد طلبت عمدًا التحدث إلى ممثل بشري بدلًا من تلقي شرح آلي آخر. وعلى الرغم من أن النظام استعان بإشراف بشري وقدم إجابة تقنية كاملة، فإنه لم يوفر التفاعل المباشر مع شخص الذي طلبته.
من السؤال الأول عند 17:22 إلى التوضيح الأخير عند 17:33، استغرق تبادل الدعم بالكامل نحو 11 دقيقة. وصل الرد الأولي من الذكاء الاصطناعي في أقل من 30 ثانية، بينما ظهر أن المراجعة البشرية جارية بعد نحو ست دقائق من طلبي التصعيد.
بعد اختبار الدردشة المباشرة، انتقلت إلى مركز المساعدة عبر الإنترنت لدى Hostinger لأرى مدى سهولة عثور عملاء وحدات معالجة الرسومات على إجابات دون التواصل مع الدعم.
كانت الصفحة الرئيسية بسيطة ومنظمة جيدًا، مع شريط بحث بارز ووثائق مصنفة ضمن فئات مثل البدء، ولوحة تحكم Hostinger، والخوادم الافتراضية الخاصة، والفوترة، وشهادات SSL. لكنني لم أجد فئة مخصصة لوحدات معالجة الرسومات ضمن الخيارات المعروضة.

أدخلت كلمة “gpu” في شريط البحث، فعرضت Hostinger 10 نتائج. ركزت 8 منها تحديدًا على GPU hosting، وتناولت اختيار الأجهزة، وقوالب التطبيقات، والنشر، وإدارة المثيلات، والفوترة، والخدمات المتاحة عبر الإنترنت، والأمان، والمقارنة مع استضافة الخوادم الافتراضية الخاصة. أما النتيجتان الأخريان فتناولتا سياسة استرداد الأموال ولوحة تحكم Hostinger.

أعجبني أن البحث أظهر فورًا وثائق ذات صلة بوحدات معالجة الرسومات، حتى من دون وجود فئة مخصصة على الصفحة الرئيسية. والأهم من ذلك أن المقالات تناولت مسائل عملية، مثل استهلاك وحدات الرصيد بالساعة، وفقدان البيانات بعد حذف المثيل نهائيًا، وتأمين التطبيقات المتاحة للجمهور.
بعد ذلك، تفحصت الأدلة الفردية لأرى مدى وضوح شرحها لهذه المسائل ومدى تطابق تعليماتها مع تجربتي العملية.
راجعت أدلة Hostinger حول إعداد وحدات معالجة الرسومات و إدارة المثيلات. وهي تغطي اختيار الأجهزة، ومناطق الاستضافة، وقوالب البرامج، والنشر، والمراقبة، والخدمات المتاحة عبر الإنترنت.
تطابقت التعليمات إلى حد كبير مع تجربتي في hPanel. وقدّرت أيضًا إقرار Hostinger بقيود توافر وحدات معالجة الرسومات في بعض المناطق، والتي واجهتها عندما لم تكن RTX 4090 متاحة، وكانت لوس أنجلوس خياري الوحيد لنشر المثيل.
كان دليل فوترة وحدات معالجة الرسومات مفيدًا بصفة خاصة لأنه تناول الشواغل نفسها التي أثرتها أثناء الدردشة المباشرة.
وهو يؤكد استمرار الفوترة عندما يكون المثيل خاملاً، وأن إعادة التشغيل لا توقف الرسوم، وأن حذف المثيل نهائيًا يؤدي إلى حذف البيانات المحلية نهائيًا.
والأهم من ذلك، تحذر Hostinger من عدم وجود عمليات شحن تلقائية لوحدات الرصيد أو إشعارات عند انخفاض الرصيد. ويؤدي نفاد وحدات الرصيد إلى حذف المثيل نهائيًا على الفور.

هذه تفاصيل بالغة الأهمية لأي شخص يشغّل أعباء عمل الذكاء الاصطناعي دون إشراف، وقد أعجبني أن Hostinger شرحتها بوضوح.
يشرح دليل Hostinger حول إتاحة الخدمات الوصول العام وإعدادات المنافذ والبروتوكولات المدعومة. كما يوضح أن اختيار HTTPS لا يهيئ تشفير TLS تلقائيًا.
ويغطي دليل الأمان المرافق مصادقة التطبيقات والحماية بجدار الحماية. ومع ذلك، كنت أفضّل وجود تحذير أوضح بشأن الحفاظ على إمكانية الوصول عبر SSH قبل تفعيل قواعد جدار حماية مقيّدة.

قدمت Hostinger تجربة دعم قوية بمساعدة الذكاء الاصطناعي، رغم أن عملية تصعيد الطلب إلى موظف دعم كانت قابلة للتحسين.
أجاب Hostinger Agent عن سؤالي بشأن وحدة معالجة الرسومات في أقل من 30 ثانية، وشرح آثار الفوترة، واقترح خطوات عملية للحفاظ على بيئتي. وكانت إرشاداته مفصلة ومتسقة مع الوثائق الرسمية.
أصبح الإشراف البشري متاحًا بعد نحو ست دقائق، وتناول الرد النهائي الأسئلة الإضافية التي طرحتها. لكنني اضطررت إلى طلب التصعيد مرارًا، وظلت المحادثة بقيادة الذكاء الاصطناعي بدلًا من التحول إلى دردشة مباشرة مع أحد المتخصصين.
كانت قاعدة المعرفة نقطة إيجابية أخرى. فقدمت مقالاتها الثمانية الخاصة بوحدات معالجة الرسومات شروحًا واضحة لنشر المثيلات وإدارتها والفوترة وإتاحة الخدمات عبر الإنترنت والأمان. وكانت وثائق الفوترة مفيدة على نحو خاص لفهم مخاطر استهلاك الرصيد المستمر وفقدان البيانات نهائيًا.

نعم، للمطورين وفرق الذكاء الاصطناعي التي تحتاج إلى قدرة كبيرة لوحدات معالجة الرسومات من دون شراء الأجهزة. شغّل مثيلي B200 الاستدلال باستخدام Qwen بمعدل يقارب 126 رمزًا في الثانية بعد التهيئة الأولية، وأنشأ صور SDXL في نحو 0.91 ثانية.
كان النشر سريعًا بعد أن حصلت على عنوان اتصال عبر SSH يعمل. لكن مشكلة عرض عنوان IP في الخادم الأول، وتغير توفر الأجهزة، ووحدات الرصيد غير القابلة للاسترداد، وعدم وجود خيار للإيقاف المؤقت أو نسخ احتياطية مدمجة، كلها مخاطر جديرة بالاهتمام.
| اسم الخطة | وحدة المعالجة المركزية | ذاكرة عشوائية | النطاق الترددي | السعر | |
|---|---|---|---|---|---|
| Free Trial | - | غير محدود | US$ 0,00 | التفاصيل | |
| Game Panel 2 | 2 مراكز | 8 جيجابايت | 8 تيرابايت | US$ 8,54 | التفاصيل |
| Game Panel 4 | 4 مراكز | 16 جيجابايت | 16 تيرابايت | US$ 12,59 | التفاصيل |
| Game Panel 8 | 8 مراكز | 32 جيجابايت | 32 تيرابايت | US$ 25,19 | التفاصيل |
| Description | Expert Review |
|---|---|
| استضافة اقتصادية ذات أداء عالٍ وأدوات إدارة سه... | Read Shared Hosting Review |
| استضافة WordPress سريعة وآمنة مع تثبيت بنقرة واحدة ... | Read Wordpress Hosting Review |
| استضافة VPS قابلة للتوسع مع موارد مخصصة ووصول بص... | Read VPS Review |
| استضافة سحابية سريعة ومرنة مع وقت تشغيل ممتاز �... | Read Cloud Hosting Review |
| حلول استضافة آمنة وخاصة مع مواقع مراكز بيانات �... | Read Offshore Hosting Review |
| استضافة بريد إلكتروني آمنة وموثوقة مع ميزات من... | Read Email Hosting Review |
| استضافة بايثون موثوقة مع بيئات مرنة للمطورين. | Read Python Hosting Review |
| استضافة PHP عالية الأداء مع دعم كامل للمواقع وال... | Read PHP Hosting Review |
| استضافة Windows VPS موثوقة مع تحكم كامل وخيارات تخص�... | Read Windows VPS Review |
| استضافة سريعة ومرنة مُصممة لتطبيقات Node.js بأداء... | Read Nodejs Hosting Review |
| استضافة مُحسَّنة لمتاجر WooCommerce بسرعة عالية وتك... | Read Woocommerce Hosting Review |
| استضافة خوادم مخصصة لتجارب لعب Minecraft السلسة | Read Minecraft Server Hosting Review |
| حلول استضافة قابلة للتوسع مع ميزات متقدمة للوك... | Read Agency Hosting Review |
| استضافة سريعة وآمنة مُحسّنة لمواقع التجارة ال�... | Read Magento Hosting Review |
| استضافة عالية الأداء مبنية على لينكس لعمليات م... | Read Linux Hosting Review |
| حلول استضافة جافا قوية لتطبيقات ومشاريع الويب ... | Read Java Hosting Review |
| استضافة مُحسّنة لمواقع التجارة الإلكترونية بأ... | Read Ecommerce Hosting Review |
| استضافة Django موثوقة ذات سرعات عالية وبيئة آمنة. | Read Django Hosting Review |
| استضافة cPanel سهلة الاستخدام مع أداء قوي ودعم مو�... | Read Cpanel Hosting Review |
| استضافة قوية للشركات مع سرعات عالية, أمان, وقاب... | 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 |
| استضافة خادم SMTP مخصص لتسليم بريد إلكتروني موثو... | Read SMTP Server Review |
| استضافة سريعة ومحسّنة مصممة خصيصًا لتطبيقات ا�... | Read Ruby on Rails Review |
| استضافة غنية بالميزات مع تكامل OpenClaw لبناء وإدا... | Read OpenClaw Review |
| استضافة سريعة وموثوقة مع خوادم مقرها المملكة ا... | Read UK Hosting Review |
| استضافة ميسورة التكلفة وموثوقة مع خوادم مقرها ... | 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 |
نعم. قام NVIDIA B200 الخاص بي بتشغيل استدلال Qwen2.5-7B وإنشاء الصور باستخدام Stable Diffusion XL بنجاح. تختلف النتائج حسب النموذج والإطار وحجم المثيل.
تعلن Hostinger عن 192 جيجابايت من ذاكرة VRAM. أبلغت بطاقة B200 الخاصة بي عن 178.34 غيبيبايت عبر PyTorch، وهو ما يتوافق مع الفروق بين وحدات الذاكرة العشرية والثنائية.
لا. تستمر أرصدة GPU في الاستهلاك أثناء كون المثيل في وضع الخمول أو أثناء إعادة التشغيل. يؤدي تدمير المثيل إلى إيقاف رسوم الاستخدام، لكنه يزيل بياناته المحلية بشكل دائم.
لم أجد تجربة مجانية مخصّصة لوحدة معالجة الرسومات أثناء إتمام عملية الشراء. يستثني Hostinger عمليات شراء GPU ورصيد الذكاء الاصطناعي من ضمان استرداد الأموال القياسي لمدة 30 يومًا.
نعم. كان SSH يعمل على مثيل B200 البديل لديّ، رغم أن عملية النشر الأولى عرضت عنوان IP خاصًا بدلًا من نقطة وصول SSH عامة قابلة للاستخدام.

أجب على بعض الأسئلة البسيطة وابحث عن الحل المثالي لك!
بدء البحث في الاستضافةيقدم HostAdvice.com مراجعات وتقييمات احترافية بخدمات استضافة مواقع الانترنت مستقلة تماما عن أي جهة أو كيان آخر. تقييماتنا عادلة وأمينة وتطبق نفس معايير التقييم على كل المراجعات التي تتم.
يتم استلام تعويض نقدي من الشركات التي نقوم بتقييمها. تعويض الخدمات والمنتجات ليس له تأثير على توجه أو استنتاجات تقييماتنا. ولا تؤثر هذه التعويضات على ترتيبنا لشركات استضافة المواقع المحددة.
تغطي هذه التعويضات تكاليف الإنفاق على المراجعين، شراء الحسابات، والاختبار.






