Stats
Actions
Tags
Help us improve
Share bugs, ideas, or general feedback.
From auto-research
指定した workload (gpu_type, count, duration_h) に最適な GPU リソース提供元を ランク付け推奨する skill。AWS/GCP/Azure に加え Lambda/RunPod/Vast.ai/Salad/TensorDock/ CoreWeave/DataCrunch 等の marketplace、Colab/Kaggle/HF ZeroGPU の free tier、 GCP TRC/NSF ACCESS/national HPC の academic grant を含む 18 provider を網羅。 Use when: Phase 4 (Experiment Design) で compute estimate が固まった直後、または 借りる前に「同じ workload を最安でどこで動かせるか」を知りたいとき。
npx claudepluginhub 0h-n0/auto-research --plugin auto-researchHow this skill is triggered — by the user, by Claude, or both
Slash command
/auto-research:research.compute.shopThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
GPU 調達 (compute procurement) のためのカタログ駆動推奨 skill。
Guides technical evaluation of code review feedback: read fully, restate for understanding, verify against codebase, respond with reasoning or pushback before implementing.
Share bugs, ideas, or general feedback.
research.compute.shopGPU 調達 (compute procurement) のためのカタログ駆動推奨 skill。
価格は静的 catalog ベース、API 連携なし、最新は各 provider の pricing_url で確認する前提。
| field | 必須 | 例 | 説明 |
|---|---|---|---|
gpu_type | yes | A100-80GB-SXM | GPU 種別。aliases (A100, H100) 解決 |
gpu_count | yes | 1 | per-job の GPU 数 |
duration_h | yes | 24 | 所要時間 (時) |
max_usd_per_hour | no | 5.0 | 単価上限 (filter) |
prefer_spot | no (default false) | true | 中断可なら spot 価格優先 |
region_preference | no | ["us", "jp"] | region match を加点 |
include_free | no (default true) | true | free tier も提示 |
include_academic | no (default false) | true | academic grant も提示 (要 eligibility) |
slug | no | attention-sink | 指定時 .research/<slug>/COMPUTE_PROCUREMENT.md を生成 |
stdout: markdown 表形式の ranked list (commercial top N + free / academic 別枠)。
ファイル: slug 指定時は .research/<slug>/COMPUTE_PROCUREMENT.md に保存。
gpu_type_normalized = catalog["aliases"].get(gpu_type, gpu_type)
gpu_type が catalog の aliases や providers[*].gpus に存在しない場合は warning + fuzzy 候補提示
(例: A100 → A100-80GB-SXM)。
各 provider について:
gpus[gpu_type_normalized] が存在する provider のみ採用prefer_spot=true なら spot != null のものを優先 (未提供は on_demand を使う)max_usd_per_hour 指定時、超過する provider は除外 (リストに warning として残す)include_free=false なら tier=free を除外include_academic=false なら tier=academic を除外unit = (provider["gpus"][gpu_type]["spot"] if prefer_spot and provider["gpus"][gpu_type]["spot"] else
provider["gpus"][gpu_type]["on_demand"])
total_usd = unit * gpu_count * duration_h
詳細仕様: references/recommendation_logic.md
ソートキー (asc total_usd) → tiebreak (tier_order 逆順、enterprise > cloud > marketplace > consumer > free > academic)。
free / academic は別 section で表示 (要件マッチするもののみ)。
# Compute Procurement Recommendation
Generated: 2026-05-10T...
Workload: 1× A100-80GB-SXM, 24 hours
Filters: max_usd_per_hour=5, prefer_spot=true
## Top 5 (commercial, sorted by total estimated USD)
| # | Provider | Tier | usd/h | total USD | reliability | notes |
|---|----------|------|-------|-----------|-------------|-------|
| 1 | DataCrunch | cloud | 1.65 | $39.60 | high | EU 拠点 / 低 carbon |
| 2 | RunPod (Community) | marketplace | 1.69 | $40.56 | medium | host availability fluctuates |
| 3 | RunPod (Secure) | cloud | 1.89 | $45.36 | high | reliable on-demand |
| 4 | Lambda Labs | cloud | 1.99 | $47.76 | high | weekly reservation cheaper |
| 5 | TensorDock (spot) | marketplace | 0.95 | $22.80 | medium | ⚠ spot 中断リスク |
## Free options matching this workload (best effort)
- ⚪ HF Spaces ZeroGPU: A100-40GB burst (1-2 min/call) — 24h 連続 training には不向き
- ⚪ Colab Pro+ Compute Units: A100-40GB は ~$50/月で ~6-8 GPU-h 換算
(該当なし: A100-80GB-SXM の free tier はなし。L4 等への変更を検討すれば Colab Pro / Kaggle が候補)
## Academic options (要 eligibility)
- ⚪ NSF ACCESS (Discover allocation): US academic researcher 向け、application ~1-2 週間
- ⚪ National HPC centers: 所在国の academic 研究者は確認の価値あり (PRACE/EuroHPC, Cyfronet, Jülich, Riken, JADE2, AIST ABCI など)
## Caveats
- 価格は `gpu_providers.json` の reference 値、最新は公式 pricing page で確認
- Marketplace / spot は事前 reservation 不可、interrupted のリスクあり
- 24h 連続 training なら spot より on-demand 推奨
- Vast.ai / Salad は host 個別の reliability に大きな差 → 事前 DLPerf 確認推奨
## Next steps
- 推奨 1 を採用するなら: <pricing_url>
- 試算を反映: `.research/<slug>/cost_overrides.json` に契約価格を記入し
`research.cost.estimate` を再実行
- 公平な比較を保つため複数 provider で同じ workload を回す場合、
`research.cross.compare` で結果統合
─────────────────────────────────────
[Phase 4/8] ●●●●○○○○ G3 ✓ 📊 Procurement ready
→ 推奨: DataCrunch (A100-80GB) ~$39.60 for 24h job
catalog: skills/research.compute.shop/references/gpu_providers.json
代替:
・ /auto-research:research-experiment <slug> 実行に進む
・ research.cost.estimate skill 実費試算 (実行後)
─────────────────────────────────────
| failure | 検出 | 回復 |
|---|---|---|
gpu_type が catalog に存在しない | aliases lookup 失敗 | fuzzy 候補 3 つを提示 + 公式 pricing_url 一覧 |
| 全 provider が予算超過 | max_usd_per_hour でフィルタ後 0 件 | top 5 を warning 付きで表示 + smaller GPU 提案 |
| catalog が古い (>180 日) | updated_at 比較 | warning 出力 + 公式 pricing 確認を強く促す |
gpu_providers.json が読めない | jq fail | エラー終了、catalog 修復を案内 |
experiment-designer agent が compute 見積を出した直後、
本 skill を続けて invoke して provider 候補を表示。auto-research SKILL.md の Phase 4 ガイドに記載research.cost.estimate で cost_overrides.json を介して
実契約価格を反映。事前 procurement 推奨と実費の乖離を可視化cost_overrides.json) は git ignore 推奨を
README で明記済みreferences/gpu_providers.json — catalog SoT (18 providers, A100/H100/H200/L4/L40S/RTX-4090/3090/T4/P100/TPU 系)references/recommendation_logic.md — ranking / filter / fallback の詳細references/compute_shop.py.txt — Python 参照実装 (uv で実行可能)scripts/find_cheap_gpu.sh — CLI shortcut (skill を経由しないクイック比較)