Google Colab ProでA100 GPUを使いたいのに「選択肢に出ない」「取得できない」で困っていませんか？本記事ではA100を使う手順と取れないときの対処・Compute Unit消費量の目安・他社クラウドGPUとのコスト比較を一気に解説します。
ComfyUI・Stable Diffusionの基礎から押さえたい方は、ComfyUIの使い方完全入門もあわせてご覧ください。
Colab無料版・Pro・Pro+の違いを表で比較
A100を優先して使いたいならColab Pro+です。有料のプランは可用性とユニットの残量に応じてプレミアムGPUを使えますが、プレミアムGPUへのアップグレードを優先して受けられるのはPro+です（公式・ただし割り当ては保証されません）。
| プラン | 月額 | Compute Unit | 利用可能GPU | バックグラウンド実行 |
|---|---|---|---|---|
| 無料 | 0円 | なし | T4（運次第） | 不可 |
| Pro | 1,179円 | 100 CU | より速いGPU（プレミアムGPUは可用性と残量しだい） | 不可 |
| Pro+ | 5,767円 | 600 CU（Proの100に500を追加） | プレミアムGPUへのアップグレードを優先 | 可 |
※ 料金と毎月のユニット数は、2026年10月12日に申し込みの画面（日本円の表示）で確かめた値です。Pro+の600は「毎月500単位が追加され、合計600」という表示です。ユニットの有効期限は90日。下の表の2024年10月の消費量（A100で10.59 CU/時）で計算すると、A100の1時間はPro+の単価（5,767円÷600）で約102円、都度払い（100単位1,179円）で約125円です（ユニットを使い切った場合の計算）。
A100 GPUをColabで使う手順（ステップバイステップ）
Step 1｜Colab Pro+に登録する
Google Colab（colab.google）にアクセスし「サブスクリプション」からPro+を選択して購入します。料金と毎月付与されるコンピューティング ユニットの数は、申し込みの画面で確かめてください（2026年10月12日の画面ではPro+は月額5,767円・毎月600単位。この記事のCU消費の表は2024年10月に他者が計測した値です）。
Step 2｜ランタイムでA100を選択する
ノートブック上部の「ランタイム」→「ランタイムのタイプを変更」→ハードウェアアクセラレータで「A100 GPU」を選択します。
Step 3｜A100が割り当てられたか確認する
セルで以下を実行してGPU名を確認します。
!nvidia-smi | grep "A100"「A100-SXM4-40GB」または「A100 80GB」と表示されればOKです。
Step 4｜A100が取得できない時の対処法
A100はリソースが混雑すると割り当てられないことがあります（公式のFAQも、リソースは保証されないとしています）。セッションを切って再接続するか、時間をおいて試してください。
Compute Unit消費量と実コストを計算する
消費量はGPUと時期で変わります。下の表の値は、VAR/LOG/INFOが2024年10月1日にColab Proで計測したものです（当サイトの計測ではありません）。今の値はColabの画面で確かめてください。
| GPU | CU消費（/時） | 費用の目安（/時） | VRAM |
|---|---|---|---|
| Tesla T4 | 1.58 CU/h | 約19円/h | 15GB |
| L4 | 3.00 CU/h | 約35円/h | 22GB |
| A100 | 10.59 CU/h | 約125円/h | 40GB |
費用の目安は、都度払いの単価（100単位1,179円＝1単位約11.8円）に上の消費量を掛けた値です（当サイトの計算）。Pro+の単価（5,767円÷600）なら約2割安くなります。
2024年10月の値（A100で10.59 CU/時）で計算すると、Pro+の600 CUは約56時間でなくなります（600 ÷ 10.59 ≈ 56.6時間）。Llama-3 8Bモデルの1エポックQLoRAファインチューニングが約2〜4時間かかることを考えると、月あたり10〜20回の学習実験が可能な計算です。
Colab A100と他社クラウドGPUの価格比較
2026年10月15日に各社の公式の料金ページで確かめたA100の時間単価です（ドル建ては税別）。Colabは上の表の消費量から計算した値です。
| サービス | GPU | 時間単価 | 特徴 |
|---|---|---|---|
| Colab Pro+ | A100 40GB | 約102〜125円/h（計算） | Jupyter環境・Driveと連携。A100の割り当ては保証されない |
| RunPod | A100 80GB | $1.19〜$1.39/h（Community Cloud）・$1.79/h（Secure Cloud） | 同じGPUでも区分で単価が違う |
| Lambda | A100 40GB | $1.99/h（1GPU） | 1GPUから借りられる |
| Vast.ai | A100 80GB | $0.45/h〜（中央値$0.60〜$0.93/h） | 出品ごとの市場価格で、時期と出品で変わる |
円にすると（1ドル158円＝2026年10月14日の欧州中央銀行の参照レートで計算）、RunPodのCommunity Cloudは約188〜220円/h、Lambdaは約314円/h、Vast.aiの中央値は約95〜147円/hです。
単位の単価で計算すると、ColabのA100はRunPodやLambdaの時間単価より安くなります。ただしColabはA100が割り当てられる保証がなく（公式FAQ）、600 CU（約56時間）を使い切ると追加の購入が要ります。決まった時間を確実に回したい長い学習は、時間で借りるクラウドGPUのほうが計画を立てやすい、という使い分けになります。Vast.aiはColabより安い出品もありますが、出品ごとに条件と価格が違います。
ローカルGPU環境でのAI実行との比較はRTX 5070 Ti搭載BTOの選び方も参考になります。
📘 Colabと他社クラウド、そしてGPU購入まで含めて損得を判断したい方へ：当サイト運営者がZennで公開している電子書籍『画像生成AI・ローカルLLMを“安く速く”動かす実測ガイド』（有料・500円／第1〜2章は無料公開）で、クラウドGPU料金の見方とSpot活用に加えて、ローカル購入とクラウドの損益分岐を自分の使用量から計算できる式にまとめています。請求は「単価×時間」で決まり、多くの人は時間を放置しています。
実践：QLoRAでLLMをファインチューニングする
A100 40GBのVRAMを活かすにはQLoRA（量子化+LoRA）が最も効率的です。必要なライブラリをインストールするコマンドは以下の通りです。
!pip install transformers peft accelerate bitsandbytes datasetsQLoRAは4bit量子化でモデルをロードし、少数のLoRAパラメータだけを学習します。Llama-3 8Bは4bitで約8GB程度に収まり、A100 40GBのVRAMをバッチサイズ増大に有効活用できます。
チェックポイントはGoogle Driveに保存するとセッション切断後も継続可能です。
from google.colab import drive
drive.mount('/content/drive')
model.save_pretrained('/content/drive/MyDrive/lora_checkpoint')ローカル環境で回す場合のPCの構成と公式の価格はローカルAI画像生成のおすすめBTO PC構成が参考になります。
まとめ：A100を賢く使うコスト最適化戦略
- A100を優先して使いたいならColab Pro+（月額5,767円・毎月600単位）
- A100消費は10.59 CU/h（2024年10月の他者の計測）→ 600 CUで約56時間
- 短時間の実験・プロトタイプ → Colab（Drive連携が便利）
- 時間を確実に確保したい長い学習 → 時間で借りるクラウドGPU（1時間あたりはColabの計算より高いことが多い）
- LLMファインチューニングはQLoRA + Drive保存がマスト
よくある質問（FAQ）
A100はリソース混雑時に取得できないことがあります。セッションを切って再接続するか、時間をおいて試してください（公式のFAQも、リソースは保証されないとしています）。Pro（月額1,179円）でも可用性とユニットの残量に応じてプレミアムGPUを使えますが、アップグレードを優先して受けられるのはPro+です（公式・ただし割り当ては保証されません）。
2024年10月に他者が計測した値（A100で10.59 CU/時間）で計算すると、600 CU ÷ 10.59 ≈ 56.6時間です。今の消費量はColabの画面で確かめてください。追加のCompute UnitはPay As You Goで購入できます（2026年10月の申し込みの画面で100単位1,179円・500単位5,767円。ユニットの有効期限は90日）。
2026年10月15日の各社公式の料金で1時間あたりを比べると、ColabのA100（単位の単価から計算して約102〜125円）は、RunPod（Community Cloudで$1.19〜$1.39＝1ドル158円なら約188〜220円）より安くなります。Vast.aiは出品によってはColabより安いものもあります（$0.45/h〜）。ただしColabはA100の割り当てが保証されず、単位を使い切ると追加の購入が要ります。決まった時間を確実に回したい長い学習は、時間で借りるサービスのほうが計画を立てやすくなります。
QLoRAは4bit量子化でモデルをロードするため、Llama-3 8B程度のモデルをA100 40GBのVRAM内に余裕を持って収められます。フルファインチューニングに比べてVRAM使用量を80%以上削減しつつ、精度への影響は最小限に抑えられます。
A100セッションを開いたまま放置するとアイドル状態でもCUが消費されます。使わない時間はセッションを切断するか、Pro+のバックグラウンド実行を活用して学習中のみGPUを占有するよう設計すると消費を最小化できます。
コメント