浏览算力市场

算力市场（/app/market）列出所有可租用的 GPU 节点。每台节点按卡定价，你可以筛选、排序，选机器后再决定租用几张卡。

从模板进入 vs 直接浏览

• 从模板进入：在模板页点「使用」，市场会以该模板为"当前模板"，按模板要求（CUDA、磁盘、GPU、端口）筛选兼容机器。
• 直接浏览：直接打开市场，自由筛选，再在创建时选择镜像/模板。

筛选与排序

GET /market/nodes 是公开接口（无需鉴权），支持以下查询参数：

参数	说明
gpu_count	GPU 卡数：1 / 2 / 4 / 8 / 9（≥9）；0 不限
min_vram	最小单卡显存（GB）
max_price	每小时最高价（元）
region	地区组：cn / us / eu / apac
gpu_series	rtx50 / rtx40 / rtx30 / rtx20 / datacenter（H100/A100/L40…）
disk_type	NVMe / SSD / HDD
q	模糊搜索：节点编号、名称、地区、GPU 型号
available_only	true 仅显示在线且未被独占的节点
verified_only	true 仅显示已核验节点
sort	见下表，默认 price_asc
page / limit	分页，limit 默认 20、最大 100

排序 sort 取值：price_asc（默认）、price_desc、reliability_desc（成功率）、tflops_desc、vram_desc、perf_per_price、vram_per_price。

无论怎么排序，在线节点优先，其次已认证供应商靠前。

# RTX 40 系、显存 ≥16G、单价 ≤5 元/时，按性价比排序
curl -s "$ARK_API/market/nodes?gpu_series=rtx40&min_vram=16&max_price=5&sort=perf_per_price" \
  -H "Authorization: Bearer $ARK_TOKEN" | jq '.nodes[] | {id, name, price_per_hour, specs: .specs.gpu_model}'

节点字段

列表与详情（GET /market/nodes/:id）返回的节点对象（节选）：

字段	说明
id	节点 ID（创建租用时用）
name / node_label_id	节点名称 / 编号
price_per_hour	每卡每小时价格（元）
storage_price_per_gb_month	存储价（元 / GB·月）
total_gpus / allocated_gpus	总卡数 / 已分配卡数
min_gpu_per_rental	单次租用最少卡数
allow_multitenant	是否支持多租户（与他人共享整机）
usable_disk_gb / allocated_disk_gb	可用 / 已分配磁盘
region_code / location / country / city	地区与位置
public_ip	是否有公网 IP（影响能否直连 SSH）
vm_capable / nfs_capable	是否支持 VM / 网络卷
min_bid_price	竞价（spot）下限，0 表示不支持竞价
connection_status	connected / offline / unknown
success_rate_30d	近 30 天成功率（0–1）
verified / certified	节点已核验 / 供应商已认证
specs	硬件详情：gpu_model、gpu_vram_gb、gpu_tflops_fp32/fp16、cuda_version、cpu_model、cpu_cores、ram_gb、disk_type、net_up_mbps 等

选机器技巧

• 看成功率：success_rate_30d > 0.95 的节点更稳定，长任务尤其重要。
• 就近选地区：数据在国内优先 region=cn，降低数据传输耗时。
• 多卡确认余量：需要 N 卡时确认 total_gpus - allocated_gpus >= N。
• 要 SSH 直连：选 public_ip 非空的节点；否则只能走隧道的 Jupyter / 网页终端。
• 匹配 CUDA：确认 specs.cuda_version 满足镜像要求。
• 省钱：支持 min_bid_price 的节点可用竞价实例，价格更低但可能被抢占。

常见 GPU 参考价

GPU	显存	适用	参考价（元/卡·时）
H100 80GB	80GB	大模型训练、超大批量推理	15–30
A100 80GB	80GB	大模型微调	13–25
A100 40GB	40GB	训练、推理	10–18
RTX 4090	24GB	中小模型训练、渲染、推理	2–5
RTX 3090	24GB	开发调试、小批量推理	1–3
L4 / T4	24/16GB	批量推理、NLP	1–2

选好机器后 → 使用任务模板 或直接 创建交互式实例。