Quem aluga GPU por hora na nuvem conhece bem a rotina: você sobe a máquina, baixa os modelos, prepara o ambiente, trabalha — e, ao desligar, perde tudo. Na sessão seguinte, começa do zero de novo. É tempo de GPU (pago) gasto só para refazer o que já estava pronto. O disco persistente resolve isso. Neste guia você entende o que é, como funciona e por que ele corta a sua conta.
Um disco persistente é um armazenamento que sobrevive à máquina. Você guarda modelos, datasets e checkpoints nele uma vez e reutiliza em qualquer instância nova — o que permite desligar a GPU quando não está usando (e parar de pagar por ela) sem perder nada.
O problema: máquina por hora é efêmera
Uma instância de GPU alugada por hora é, por natureza, temporária. O disco que vem com ela — onde ficam o sistema, os pacotes que você instalou e os arquivos que baixou — é descartado quando a máquina é encerrada. Isso é ótimo para o custo (você só paga enquanto usa), mas cria um atrito: cada novo uso exige recriar o ambiente.
Na prática, isso significa baixar de novo os pesos de um modelo de dezenas de gigabytes, reinstalar dependências e reconfigurar tudo. Em uma placa que custa alguns reais por hora, 20 a 40 minutos de "preparação" a cada sessão viram dinheiro queimado — e a tentação passa a ser deixar a máquina ligada só para não perder o setup, o que custa ainda mais.
O que é um disco persistente
O disco persistente é um volume de armazenamento independente da máquina. Ele existe por conta própria: você cria uma vez, no tamanho que quiser, e ele continua lá esteja a máquina ligada, desligada ou já excluída.
Pense nele como um HD externo na nuvem: a GPU é o computador que você usa por algumas horas; o disco persistente é onde ficam os seus arquivos, que você pluga em qualquer computador que alugar depois.
Como funciona na prática
- Crie o disco uma vez. Você define o tamanho (por exemplo, 50 GB, 500 GB ou vários TB) conforme o volume dos seus modelos e dados.
- Anexe a qualquer máquina. Ao subir uma nova instância, você associa o disco a ela. Os dados aparecem prontos assim que a máquina liga.
- Trabalhe normalmente. Salve modelos, datasets e checkpoints no disco. O que você grava ali fica guardado.
- Desligue sem medo. Ao encerrar a máquina, o disco continua intacto. Na próxima, basta anexá-lo de novo e retomar exatamente de onde parou.
Quanto isso economiza
O ganho vem de dois lugares: você deixa de pagar GPU parada só para preservar o ambiente, e elimina o tempo de "baixar tudo de novo" a cada sessão. Um exemplo simples, com uma GPU hipotética a R$ 6/h e um modelo de 40 GB que leva ~20 min para baixar:
| Cenário | Sem disco persistente | Com disco persistente |
|---|---|---|
| Preparar o ambiente a cada sessão | ~20 min de GPU paga (~R$ 2) | segundos — já está no disco |
| Manter o setup entre usos | máquina ligada 24/7 ou refazer tudo | máquina desligada, dados guardados |
| 20 sessões no mês | ~R$ 40 só em "preparação" | ≈ R$ 0 de preparação |
Os números variam com o seu caso, mas a lógica é sempre a mesma: o disco persistente troca horas de GPU cara por armazenamento barato. E armazenamento custa uma fração do que custa manter uma placa ligada.
O que guardar no disco
- Pesos de modelos (os arquivos que você baixa de repositórios de IA) — é o item que mais dói baixar de novo.
- Datasets de treino ou avaliação, especialmente os grandes.
- Checkpoints de treino, para pausar e continuar um fine-tune depois.
- Ambientes e caches que levam tempo para montar.
- Resultados — saídas geradas, logs, artefatos que você quer manter.
Uma boa prática é apontar o cache de modelos do seu framework para dentro do disco. Assim, o download acontece uma vez e, nas próximas máquinas, o modelo já está lá.
Uma observação sobre desempenho
Armazenamento em rede é excelente para guardar e reaproveitar arquivos, mas tem características próprias. Para leitura sequencial de arquivos grandes (como carregar os pesos de um modelo), ele funciona muito bem, ainda mais com um cache local na máquina. Para cargas com milhões de arquivos minúsculos lidos ao mesmo tempo, empacotar os dados (por exemplo em um único arquivo) rende bem melhor. É o mesmo bom senso de qualquer pipeline de dados.
Como usar na GPUBrasil
Na GPUBrasil, o recurso se chama Disco Persistente e está disponível na sua conta, em Meus Discos. Você cria o disco no tamanho que precisar, de 50 GB a 10 TB, e o anexa na hora de criar uma instância — GPU ou CPU. A cobrança é em reais, direto do seu saldo, referente apenas ao tamanho contratado, sem contrato nem fidelidade.
Pare de baixar tudo de novo a cada sessão
Na GPUBrasil, o Disco Persistente guarda seus modelos, datasets e checkpoints fora da máquina. Você desliga a GPU quando não usa e retoma em segundos na próxima. Em reais, sem contrato.
Criar meu Disco PersistentePerguntas frequentes
O que acontece com o disco quando eu excluo a máquina?
Nada. O disco persistente é independente da máquina: ao excluir a instância, o disco e todo o seu conteúdo continuam guardados, prontos para a próxima.
Preciso contratar um disco para usar GPU?
Não. O disco é opcional. A máquina já vem com o armazenamento temporário dela; o disco persistente é um extra para quem quer reaproveitar dados entre máquinas.
Posso usar o mesmo disco em máquinas diferentes?
Sim — essa é a ideia. Você reutiliza o mesmo disco em qualquer instância nova que criar, sem baixar tudo de novo.
Leia também: as 14 melhores cloud GPUs de 2026 · a crise de memória e o custo da GPU.