我想跑一个 9B 级别的多模态 / GUI Agent 模型 post-training 实验，不追求训好模型，只想把 RL loop 跑通：

1. 跑通模型推理
2. 跑通环境交互 / rollout
3. 跑通 LoRA / SFT warm-up
4. 跑通一轮 GRPO / PPO / AdaGRPO 类似的 RL 更新
5. 能保存 checkpoint，确认 pipeline 是通的

理想机器大概是：

- 1x H100 80GB，或者预算版 1x A100 80GB
- 16-32 vCPU
- 128GB+ RAM
- 1TB NVMe
- Ubuntu 22.04/24.04
- CUDA 12.x
- Docker + NVIDIA Container Toolkit

求大佬们推荐比较合适的套餐