RunPodの始め方 — 登録から、動かして、安全に止めるまで

クラウドGPUで大型のローカルLLMを動かすまでの全手順です(所要 約15分)。「なぜクラウドGPUなのか」はこちらの解説へ。このページは手を動かす手順だけをまとめています。

用意するもの: メールアドレス、クレジットカード(前払いチャージ用)、$10程度。料金は時間単価表示ですが課金は秒単位なので、試すだけなら数百円で足ります。

Step 1: アカウント作成(2分)

1. 下のボタンからRunPodのサインアップページを開き、メールアドレスまたはGoogleアカウントで登録します。
2. 確認メールのリンクを踏んで有効化。二段階認証の設定が推奨されています。

Step 2: クレジットをチャージ(2分)

1. コンソールの Billing からカードを登録し、$10ほどチャージします(前払い式。使い切っても勝手に追加請求されません)。
2. 初回チャージにはランダム額のボーナスクレジットが当たる特典があります。
3. 自動リチャージ(Auto-recharge)はオフのままにしておくのが初心者向けの安全設定です。

Step 3: Podを立てる(3分)

1. コンソールの Deploy(Pods)を開き、GPUを選びます。目安はこの表です:

価格はSecure Cloudの表示(2026-07-12時点・変動します)。より安い Community Cloud もあります。円換算は $1=150円 の参考値。

2. 種別は On-Demand を選びます(Spot は安い代わりに突然停止することがあるため、最初は非推奨)。
3. テンプレートは PyTorch などの標準イメージでOK。テンプレート=Dockerイメージ+設定の詰め合わせで、難しい環境構築を省略できます。
4. ストレージはまず既定値で問題ありません。Container disk は Pod 停止でクリアされ、Volume disk は停止後も残る(その分の課金が続く)とだけ覚えておいてください。
5. Deploy を押すと数十秒〜数分でPodが起動します。この瞬間からGPU課金が始まります。

Step 4: 接続してOllamaを動かす(5分+モデルDL時間)

1. Podの Connect から Web Terminal(または Jupyter Lab のターミナル)を開きます。SSH派は runpodctl の接続情報も使えます。
2. ターミナルで Ollama をインストール:

   curl -fsSL https://ollama.com/install.sh | sh

3. モデルを実行(例: 70BのQ4量子化。A6000 48GB級を選んだ場合):

   ollama run llama3.3:70b

   初回はモデルのダウンロード(数十GB)が走ります。データセンター回線なので手元よりずっと速いですが、数分はかかります。
4. プロンプトが出たら、手元のPCと同じ感覚で対話できます。

Step 5: 使い終わったら止める(最重要・1分)

初心者の事故はほぼ全部「止め忘れ」です。使い終わったら必ずPodを止めてください。止め方は2種類あり、意味が違います:

「今日はもう終わり、また週末に使う」なら Stop、「お試し終了」なら Terminate までしてディスク課金もゼロにするのが確実です。Billing ページでいつでも消費額を確認できます。

よくある詰まりポイント

• 思ったより減ってる → Podを止め忘れています。使わない時間もGPU課金は続きます(逆に、止めてさえいれば$10で相当遊べます)。
• Stopしたのに少しずつ減る → 残しているVolume diskの月額課金($0.20/GB)です。Terminateすれば止まります。
• Podが突然消えた → Spotを選んでいませんか。On-Demandなら起きません。
• どのGPUを選べばいい? → 動かしたいモデルのページ(例: Llama 3.3 70B)で必要VRAMを確認し、上の表で足りるGPUを選んでください。

まずはあなたのPCで何が動くかを判定して、手元で足りない分だけクラウドで補うのが、いちばん無駄のない使い方です。

参考資料(手順・課金仕様の出典)

• RunPod公式ドキュメント: Get started
• RunPod公式: Pod pricing(秒課金・停止時ディスク課金)