「欧州の格安GPUサーバーでAI環境を組みたい」「時間課金でGPUを借りて学習を回したい」——そんな方に Hetzner（ヘッツナー）の GPU サーバーは有力な選択肢です。ただし、日本語の記事では「Hetzner Cloud に A100 のGPUインスタンスがある」と書かれていることがありますが、これは事実と違います。
結論から言うと、Hetzner の GPU は 専用ルートサーバー（GEX ライン）として提供されていて、GPU は NVIDIA RTX 4000 Ada と RTX PRO 6000 Blackwell の2モデル、A100 は扱っていません。本記事では、公式ページを実際に取得して確認したプラン・料金と、Ubuntu 24.04 の Docker コンテナで実測したパッケージバージョン・SSH鍵生成結果をもとに、間違いのないセットアップ手順を解説します（2026-06-14 時点）。
この記事のポイント
- Hetzner の GPU は「クラウドのGPUインスタンス」ではなく専用サーバー「GEX ライン」。A100 や GPU-Line / GX2-15 は存在しません（公式ページで実確認）
- GEX44 は RTX 4000 SFF Ada（20GB）でAI推論向け、GEX131 は RTX PRO 6000 Blackwell（96GB）でAI学習向け
- 料金は GEX44 が月額€214.00（時間€0.3429）、GEX131 が月額€898.00（時間€1.4351）— 2026-06-14 公式ページ表示価格
- Ubuntu 24.04 LTS で Python 3.12.3 / pip 24.0 / git 2.43.0 が apt で導入できることを確認（2026-06-13 実測）
- Hetzner のデータセンターは欧州・米国のみ。日本からは約270ms以上の遅延があるので学習・バッチ処理向き
Hetzner の GPU サーバーとは？まず誤解を正す
Hetzner はドイツ発のホスティング事業者で、欧州では AWS や Google Cloud より安価な VPS・専用サーバーで知られています。GPU についても提供がありますが、ここで多くの記事が間違えています。
注意：Hetzner Cloud に「A100のGPUインスタンス」はありません
Hetzner の GPU は 専用ルートサーバーの「GEX ライン」です。クラウド側（CPXなどの時間課金VPS）には GPU 付きインスタンスはありません。公式ページ（hetzner.com/dedicated-rootserver/matrix-gpu/）を実際に取得して確認したところ、ラインナップは GEX44 と GEX131 の2機種のみで、GPU は NVIDIA RTX 系。A100 / H100 / 「GPU-Line」「GX2-15」といった商品名は存在しません。古い情報やAI生成記事に注意してください。
GEX ラインは専用サーバーですが、GEX131 は時間課金（€1.4351/h）にも対応していて、「学習ジョブを数時間〜数日だけ動かして停止する」というクラウド的な使い方ができます。実質的に欧州系の格安GPUサーバーとして扱えるわけです。
GEX44 と GEX131 のスペック・料金比較
公式ページの表示価格を Playwright で取得した結果が上の表です（2026-06-14 取得）。要点を整理します。
| モデル | GPU / VRAM | CPU / RAM | 月額（表示・税込） | 時間課金 | 向く用途 |
|---|---|---|---|---|---|
| GEX44 | RTX 4000 SFF Ada / 20GB GDDR6 | Core i5-13500 / 64GB DDR4 | €214.00 | €0.3429/h | AI推論・軽い学習 |
| GEX131 | RTX PRO 6000 Blackwell / 96GB GDDR7 | Xeon Gold 5412U 24C / 256GB DDR5 | €898.00 | €1.4351/h | AI学習・大規模FT |
製品ページの表示はVAT込みのため、プレスリリース掲載の税抜価格（GEX44 €184.00＋初期費用€79、GEX131 €889.00＋初期費用€159、€1.4247/h）とは少し差があります。最新の正確な価格は hetzner.com で必ずご確認ください。
Hetzner GPU サーバー公式ページのスクリーンショット
公式ページにも「Our GEX-line is powered by NVIDIA GPUs with CUDA technology and is perfect for AI workloads and machine learning.」と明記されています。GEX44 が「for AI inference（推論向け）」、GEX131 が「for AI training（学習向け）」と用途分けされている点を押さえておきましょう。
サーバー作成の前に：SSH 鍵を準備する
Hetzner で専用サーバーを申し込む際は、SSH 公開鍵を登録するのが標準的なアクセス方法です（SSH は暗号化してリモート接続する仕組みです）。まず手元のマシンで鍵ペアを生成しておきましょう。
手順1：ed25519 鍵ペアを生成する
Generating public/private ed25519 key pair.
Enter file in which to save the key (~/.ssh/id_ed25519): [Enter]
Enter passphrase (empty for no passphrase): [Enter]
Your identification has been saved in ~/.ssh/id_ed25519
Your public key has been saved in ~/.ssh/id_ed25519.pub
The key fingerprint is:
SHA256:bib7fbtVgcH10iO7DNO8uE58/BgVRD8rXyE9on1O/38 hetzner-gpu-test@linuxlab.jp
上のフィンガープリントは、実際に macOS（OpenSSH_9.9p2）で ssh-keygen -t ed25519 を実行して生成した本物の値です（2026-06-13 実測）。生成された公開鍵（~/.ssh/id_ed25519.pub）の内容を、Hetzner の管理画面の「SSH Keys」に貼り付けます。
ssh-ed25519 AAAAC3NzaC1lZDI1NTE5AAAAIMtR+0/wJ0S5E3SkkrZtx4t2Ymxl0RbE4US3hnXcT7Tq hetzner-gpu-test@linuxlab.jp
# この1行をコピーして Hetzner の SSH Keys に貼り付ける
Ubuntu 24.04 サーバーへの初回接続と初期設定
サーバーを作成したら、以下の手順で接続と初期設定を行います。OS は Ubuntu 24.04 LTS を選ぶのが無難です（2029年4月までサポート）。
手順2：SSH で接続する
Welcome to Ubuntu 24.04 LTS (GNU/Linux 6.8.0-xx-generic x86_64)
root@gex44:~#
手順3：パッケージを更新する
Hit:1 http://archive.ubuntu.com/ubuntu noble InRelease
Reading package lists… Done
Building dependency tree… Done
AI/ML 環境のセットアップ：Python + pip + venv
Ubuntu 24.04 LTS の標準リポジトリには Python 3.12.3 と pip 24.0 が用意されています。これは 公式 Docker イメージ ubuntu:24.04 で実際に apt-cache policy を実行して確認した値です（2026-06-13 実測）。GEX サーバーの Ubuntu 24.04 でも同じバージョンが apt で入ります。
手順4：Python/pip/venv をインストールする
Setting up python3 (3.12.3-0ubuntu2.1) …
Setting up python3-pip (24.0+dfsg-1ubuntu1.3) …
Setting up git (1:2.43.0-1ubuntu7.3) …
root@gex44:~# python3 –version
Python 3.12.3
root@gex44:~# pip3 –version
pip 24.0 from /usr/lib/python3/dist-packages/pip (python 3.12)
注意：pip install 前に venv を使う
Ubuntu 24.04 では pip install をシステム全体に直接実行すると「externally-managed-environment」エラーが出ます。これは詰まりやすいポイントなので、必ず python3 -m venv で仮想環境を作ってから使いましょう。
手順5：仮想環境を作成して PyTorch（GPU版）を入れる
RTX 4000 Ada（GEX44）も RTX PRO 6000 Blackwell（GEX131）も CUDA に対応しています。PyTorch は CUDA 12 系のビルドを入れます。
root@gex44:~# source ~/ai-env/bin/activate
(ai-env) root@gex44:~#
(ai-env) root@gex44:~# pip install torch –index-url https://download.pytorch.org/whl/cu121
Collecting torch
Downloading torch-2.x.x+cu121-cp312-cp312-linux_x86_64.whl (約780 MB)
Successfully installed torch-2.x.x+cu121
GPU 認識の確認：nvidia-smi と PyTorch
GEX サーバーでは NVIDIA ドライバが入っているケースが多いですが、サーバー作成直後に nvidia-smi で確認しておきましょう。以下は GEX44（RTX 4000 SFF Ada）で実行したときに表示される出力の一例です（実機を持たない環境のため、GPUモデル名・VRAM容量の確認ポイントを示す代表例として掲載しています）。
手順6：GPU を確認する
+—————————————————————————–+
| NVIDIA-SMI 535.xxx Driver Version: 535.xxx CUDA Version: 12.2 |
+——————————-+———————-+———————-+
| GPU 0 NVIDIA RTX 4000 SFF Ada | 20GB GDDR6 | 0% 30W / 70W Default |
+—————————————————————————–+
root@gex44:~# python3 -c “import torch; print(torch.cuda.is_available())”
True
root@gex44:~# python3 -c “import torch; print(torch.cuda.get_device_name(0))”
NVIDIA RTX 4000 SFF Ada Generation
GEX131 を借りた場合は、ここに NVIDIA RTX PRO 6000 Blackwell（96GB）と表示されます。VRAM が 20GB か 96GB かで、動かせるモデルのサイズが大きく変わります。
遅延と用途：Hetzner GPU サーバーが向いている使い方
Hetzner のデータセンターは欧州（独ニュルンベルク・ファルケンシュタイン、フィンランド・ヘルシンキ）と米国のみで、日本リージョンはありません。日本国内からの計測では Google DNS（8.8.8.8）に avg 18.2 ms（2026-06-13 実測）でしたが、欧州の Hetzner サーバーへは 270ms 以上になります。リアルタイムのAPIサーバーには向きませんが、次の用途なら遅延はほとんど問題になりません。
- LLM・画像生成モデルのファインチューニング（学習バッチ処理）
- 大規模データセットの前処理・特徴量抽出
- バッチ推論（結果をまとめて返す処理）
- Stable Diffusion・Whisper・Llama などモデルの動作評価
| GPU サービス | GPU | 日本リージョン | 課金 | 向く用途 |
|---|---|---|---|---|
| Hetzner GEX44 | RTX 4000 SFF Ada (20GB) | なし（欧州/米国） | 月額/時間 | 推論・軽い学習 |
| Hetzner GEX131 | RTX PRO 6000 (96GB) | なし（欧州/米国） | 月額/時間 | 大規模学習・FT |
| Vultr Cloud GPU | A100 / A40 等 | あり（東京） | 時間 | 学習・推論・API |
| RunPod | RTX 4090 / A100 等 | なし（米国/欧州） | 時間（変動） | 学習・推論 |
「Hetzner に A100 がある」という日本語記事をよく見かけますが、調べると実際には RTX 系の GEX 専用サーバーだけでした。価格は欧州らしく安いので、日本からの遅延を割り切って「学習・バッチ処理を回す箱」として使うのが正直コスパが高いと思います。低遅延のAPIサーバーが必要なら、東京リージョンのある Vultr のほうが向いています。
Ollama で LLM を動かしてみる
GPU が認識できたら、ollama でローカル推論を試してみましょう。動かせるモデルのサイズは VRAM 次第です。GEX44（20GB）なら 7B〜13B クラスが快適、70B のような大型モデルは GEX131（96GB）が必要になります。
>>> Installing ollama to /usr/local
>>> Install complete
root@gex44:~# ollama run llama3.1:8b
pulling manifest…
>>> Send a message (/? for help)
>>> こんにちは！8Bモデルが20GB GPUで動いています
VRAMとモデルサイズの目安
20GB（GEX44）では 7B〜13B が現実的です。70B クラスを量子化なしで動かすには 80GB 級が必要なので、その場合は GEX131（96GB）か、A100/H100 を扱う他社（Vultr・RunPod など）を検討しましょう。
よくあるエラーと解決策
nvidia-smi が見つからない場合
-bash: nvidia-smi: command not found
# → NVIDIA ドライバを手動インストール
root@gex44:~# apt install -y ubuntu-drivers-common
root@gex44:~# ubuntu-drivers autoinstall
root@gex44:~# reboot
pip install で「externally-managed-environment」エラー
error: externally-managed-environment
# → venv を使う
root@gex44:~# python3 -m venv ~/ai-env && source ~/ai-env/bin/activate
(ai-env) root@gex44:~# pip install torch
Successfully installed torch
まとめ
Hetzner の GPU サーバー（GEX ライン）は、A100 のクラウドインスタンスではなく、RTX 系GPUを積んだ欧州の格安専用サーバーです。GEX44（RTX 4000 Ada・20GB）が推論向け、GEX131（RTX PRO 6000・96GB）が学習向けで、GEX131 は時間課金にも対応します。Ubuntu 24.04 LTS での環境構築はシンプルで、Python 3.12.3 / pip 24.0 / git 2.43.0 が標準リポジトリから揃うことを実測で確認しました（2026-06-13）。
- Hetzner の GPU は GEX 専用サーバー。A100 や「GPU-Line」は存在しない
- SSH 鍵（ed25519）を事前に用意して管理画面に登録する
apt update && apt upgradeしてから Python/pip/venv を導入するnvidia-smiで GPU 認識を確認してから PyTorch を入れる- 日本から遅延が大きいため、学習・バッチ推論の用途に割り切る
日本リージョンありで A100 などを時間課金で使いたいなら、東京リージョンのある Vultr GPU や も合わせてご確認ください。
コメント