「我在睡觉，GPU 在烧钱。」——这是 GPU 用户吐槽最多的场景：训练脚本半夜跑完，实例却计费到第二天早上；周末提交的实验，周一才发现空跑了两天。
为什么总是忘关机
训练脚本跑完了，GPU 实例却还在计费——这不是偶发事故，而是很多团队的常态。晚上提交的任务半夜就跑完了，实例却一直计费到第二天上班；有人以为关掉本地终端就是关掉了云端机器；而多人共用的实例，往往谁也不敢确认此刻到底能不能关，于是谁也不关。说到底，这不全是用户粗心的问题，传统云平台的设计也有责任：在多数平台上，实例是否计费只取决于你有没有手动点「释放」，和训练进程有没有跑完毫无关系。靠自觉解决不了这个问题——人总会忘，尤其是一个月要跑几十上百个任务的时候。
Runwhere.AI 的做法：进程退出 = 任务结束 = 立即释放
自动停机的逻辑非常直接：平台监听任务主进程，退出信号一到就执行完整的收尾流程——保存日志、销毁容器、释放 GPU、计费归零，全程不需要你做任何操作。两个计费细节同样重要：计费精确到秒，不存在「不足一小时按一小时算」的凑整；任务在 pending 状态排队等待时不产生 GPU 费用，只有真正占用了节点才开始计费。
自动停机是 Runwhere.AI 从第一天起的默认行为，没有配置项也没有开关，因为我们认为「跑完就停」本该是算力平台的默认行为，而不是需要用户自己搭建的高级功能。
它的另一面：省心比省钱更重要
自动停机省下的账单很直观，但很多用户反馈，更大的价值是心理负担消失了：睡前提交任务不用再定闹钟起来关机，交互式调试时走开一会儿也不用心疼，月底对账时每一笔费用都对应真实的计算时间。如果你还在用「人肉关机」的方式管 GPU，不妨把下一个任务提交到 Runwhere.AI，跑完之后去账务页看一眼账单，对比「任务时长」和「计费时长」——它们应该完全相等。