BroadRouter

الاستضافة الذاتية لنموذج LLM أم API؟ التكلفة الحقيقية ونقطة التعادل

بقلم فريق BroadNet Inference · قراءة في 5 دقائق · تاريخ النشر · آخر تحديث

وحدة GPU المستأجرة تكلّف المبلغ نفسه في الساعة سواء عملت أم بقيت خاملة، لذا لا تتفوق الاستضافة الذاتية على API إلا مع استغلال مرتفع ومستقر. اقسم السعر بالساعة على الرموز (توكن) التي ينتجها الخادم فعلًا في الساعة، وأضف وقت الهندسة والمناوبة، ثم قارن بسعر API لكل مليون رمز. ومع الحركة المتقطعة أو المتوسطة يربح API في أغلب الأحوال.

«سنوفّر المال إن شغّلناه بأنفسنا» من أكثر الادعاءات شيوعًا في تخطيط تكلفة LLM، ومن أقلها تحققًا. والحساب ليس صعبًا. فيه متغيّر واحد يخطئ الناس في تقديره (نسبة الاستغلال) وتكلفة واحدة يُسقطونها (الأشخاص). يقدّم هذا المقال المعادلة وأسعار استئجار حقيقية وطريقة لتطبيقها على أرقامك.

كم يكلّف استئجار GPU الآن؟

أسعار بالساعة من صفحات الأسعار الرسمية، بتاريخ مراجعة 2026-11-14 (RunPod) و2026-11-16 (Lambda). الشهر هنا 730 ساعة.

GPU المزوّد والفئة (تاريخ المراجعة 2026-11-14) لكل ساعة GPU شهريًا، تشغيل دائم
H100 SXM RunPod Secure Cloud USD 4.39 نحو USD 3,205
H100 SXM RunPod Community Cloud USD 2.69 نحو USD 1,964
H100 PCIe RunPod Secure Cloud USD 2.89 نحو USD 2,110
H200 RunPod Secure Cloud USD 5.29 نحو USD 3,862
A100 80GB SXM RunPod Secure Cloud USD 2.19 نحو USD 1,599
L40S RunPod Secure Cloud USD 1.09 نحو USD 796
H100 SXM Lambda عند الطلب، من 1 إلى 8 وحدات GPU (سارية من 2026-11-16؛ تاريخ المراجعة 2026-11-16) من USD 4.59 إلى 4.89 نحو USD 3,351 إلى 3,570

تقول صفحة Lambda (تاريخ المراجعة 2026-11-16) إن هذه الأسعار تسري في 2026-11-16 الساعة 00:00 UTC، وإن السعر لكل GPU ينخفض كلما كبرت العقدة، حتى USD 4.59 على عقدة من 8 وحدات GPU. وأسعار Community Cloud لدى RunPod أسعار «ابتداءً من» تختلف حسب المضيف. وSecure Cloud وCommunity Cloud فئتا استضافة مختلفتان، فاقرأ شروط كل فئة إن كانت لديك قواعد للتعامل مع البيانات. وكثير من النماذج يحتاج إلى أكثر من GPU واحدة: عقدة من 8 وحدات H100 بسعر Secure Cloud تكلّف نحو USD 25,638 شهريًا.

كيف تحسب تكلفة المليون رمز في الاستضافة الذاتية؟

تنتج وحدة GPU الرموز بمعدل إجمالي عبر كل الطلبات التي تجمّعها معًا. وتكلفتك لكل رمز هي السعر بالساعة موزّعًا على الرموز التي تنتجها فعلًا:

تكلفة المليون رمز = السعر بالساعة ÷ (إجمالي الرموز في الثانية × 3,600 ÷ 1,000,000) ÷ نسبة الاستغلال

نسبة الاستغلال هي حصة الساعات التي تؤدي فيها وحدة GPU عملًا مفيدًا بذلك المعدل. وهذا مثال محسوب بأرقام مفترضة (ليس قياس أداء: قِس نموذجك بنفسك):

  • وحدة GPU: واحدة H100 SXM على Community Cloud، بسعر USD 2.69 للساعة.
  • الإخراج الإجمالي المفترض: 1,500 رمز في الثانية مع تجميع جيد للطلبات.
  • الرموز في الساعة عند الحمل الكامل: 1,500 × 3,600 = 5.4 مليون.
نسبة الاستغلال الرموز الفعلية في الساعة التكلفة لكل مليون رمز إخراج
100% (مشبعة دائمًا) 5.4M USD 0.50
50% 2.7M USD 1.00
25% (مشغولة في ساعات العمل فقط) 1.35M USD 1.99
10% (حركة منتج متقطعة) 0.54M USD 4.98

قارن الآن بسعر API لكل مليون رمز إخراج. يعرض جدول أسعار LLM API ما يتقاضاه عشرات المضيفين مقابل الأوزان المفتوحة نفسها؛ وعلى BroadNet Inference يكلّف DeepSeek V4.1 Flash مبلغ $0.52 لكل مليون رمز إخراج، ويكلّف Gemma 4 VL 26B مبلغ $0.22. ابحث عن الصف الذي تنخفض فيه تكلفة الاستضافة الذاتية تحت سعر API: تلك هي نسبة الاستغلال التي تبلغ عندها التعادل. يتجاهل المثال رموز الإدخال، وهي أيضًا تستهلك وقت GPU (مرحلة المعالجة المسبقة prefill)، لذا تكون التكاليف الحقيقية للاستضافة الذاتية أعلى مما يُظهره الجدول.

كم رمزًا تحتاج شهريًا لتبلغ نقطة التعادل؟

اقلب السؤال. وحدة GPU التي تبقى تعمل تكلّف سعرها الشهري في كل الأحوال، أما API فيكلّف الرموز × السعر. وحجم التعادل هو:

الرموز الشهرية اللازمة للتعادل = تكلفة GPU الشهرية ÷ سعر API لكل مليون رمز × 1,000,000

مع وحدة H100 واحدة على Community Cloud (نحو USD 1,964 شهريًا) مقابل سعر إخراج قدره $0.52 لكل مليون، اقسم 1,964 على ذلك السعر لتحصل على عدد ملايين رموز الإخراج الشهرية التي يجب أن تحل محلها قبل أن تغطي وحدة GPU تكلفتها. وافعل الشيء نفسه بسعرك المرجّح للإدخال والإخراج إن كان حجم عملك ثقيلًا في الإدخال، كما هي حال الوكلاء عادةً؛ ويشرح مقال السعر الثابت مقابل الدفع لكل رمز طريقة الترجيح.

ثم إن وحدة GPU هذه يجب أن تتسع فعلًا لتقديم النموذج. فإن احتاج النموذج إلى أربع وحدات GPU، فاضرب التكلفة الشهرية في أربعة قبل القسمة.

ما التكاليف التي يغفلها الناس؟

التكلفة ما تشمله كيف تحسبها
الإعداد الهندسي محرك التقديم، واختيار التكميم، والتوسّع التلقائي، واختبارات الحمل ساعات لمرة واحدة × أجرك
التشغيل المستمر الترقيات، وتحديثات التعريفات والمحرك، وتحديث النماذج ساعات شهرية × أجرك
المناوبة شخص يستيقظ حين تتعطل العقدة سياسة المناوبة لديك
التكرار الاحتياطي عقدة ثانية كي لا يصبح عطل واحد انقطاعًا للخدمة يضاعف بند GPU
السعة الاحتياطية الخاملة سعة لأوقات الذروة يجب إبقاؤها جاهزة تخفض نسبة الاستغلال
التقييم فحص إصدار جديد من النموذج قبل الانتقال إليه ساعات لكل إصدار

التكرار الاحتياطي هو الأكثر تغييرًا للنتيجة. وحدة GPU واحدة نقطة فشل واحدة، ووحدتان تُنصّفان نسبة الاستغلال بين ليلة وضحاها. راجع تقييم النموذج قبل الانتقال إليه لعمل التقييم الذي تجلبه كل ترقية.

متى تكون الاستضافة الذاتية القرار الصحيح؟

  • حجم مرتفع ومستقر. خطوط معالجة دفعات تُبقي وحدات GPU مشبعة على مدار الساعة.
  • البيانات يجب أن تبقى داخل شبكتك. متطلب صارم، لا حجة تكلفة. تحقّق أولًا مما إذا كان API مع عدم الاحتفاظ بالبيانات يفي بقواعدك.
  • نموذج لا يقدّمه أي API. نموذجك المضبوط بدقة أو نموذج مفتوح الأوزان متخصص.
  • سعة مضمونة. تحتاج إلى إنتاجية لن تمنحك إياها حدود معدل API.

وفي كل ما عدا ذلك، خصوصًا الحركة المتقطعة والمنتجات في بداياتها والوكلاء الذين يعملون على دفعات، يكون API أرخص ودون جدول مناوبات.

هل توجد خيارات بسعر ثابت بين GPU والدفع لكل رمز؟

هناك حل وسط بين استئجار GPU والدفع لكل رمز. تبيع BroadNet مفتاحًا بالساعة لنموذج Gemma 4 VL 26B بسعر $0.50 للساعة (تدفق واحد، و120 طلبًا في الدقيقة، و300,000 رمزًا في الدقيقة)، أي $360.00 إن شغّلته طوال الشهر. وتبيع أيضًا جلسات خطط غير محدودة لنموذج DeepSeek V4.1 Flash بسعر $60 شهريًا، تشغّل كل منها طلبًا واحدًا في كل مرة بسرعة نحو 100 رمز في الثانية. تمنحك هذه الخيارات فاتورة متوقعة كوحدة GPU مستأجرة، دون إعداد أو تشغيل، لكن بتزامن ثابت لكل مفتاح أو جلسة بدلًا من سعة التجميع الكاملة لوحدة GPU.

أين تناسب BroadNet Inference

تمثّل BroadNet Inference جانب API في هذه المقارنة: أسعار لكل رمز، وخطط ثابتة، ومفاتيح بالساعة لنماذج مفتوحة الأوزان، بعضها مستضاف لدى شركاء استدلال أمريكيين، خلف واجهة API متوافقة مع OpenAI. وهي تناسب الفرق التي ستترك حركتُها وحدة GPU مستأجرة خاملة معظم اليوم، أو التي لا تريد تشغيل بنية استدلال تحتية. ولا تناسبك إن كنت تحتاج إلى تقديم نموذج مضبوط بدقة خاص بك، أو نشر داخل مقرّك، أو مئات الطلبات المتوازية على مفتاح واحد. جرّب أرقامك في حاسبة تكلفة LLM API وقارنها بالجدول أعلاه. وإن كنت لا تزال تختار بين النماذج المفتوحة والمغلقة، فمقال تكلفة API للنماذج مفتوحة الأوزان مقابل المغلقة يقارن أسعار الرموز من الصفحة الرسمية لكل مزوّد. وتُجري حاسبة الاستضافة الذاتية مقابل API حساب التعادل كاملًا بإنتاجيتك المقيسة وأسعار GPU هذه.

أسئلة شائعة

هل الاستضافة الذاتية لنموذج LLM أرخص من استخدام API؟

فقط مع حجم مرتفع ومستقر. وحدة GPU المستأجرة تُحتسب كل ساعة، أما API فيحتسب الرموز التي تستخدمها فقط. إن كانت وحدة GPU ستبقى خاملة معظم اليوم، فـ API أرخص حتى قبل أن تحسب وقت الهندسة.

كم يكلّف استئجار H100 بالساعة؟

في صفحة أسعار RunPod بتاريخ 2026-11-14، كانت H100 SXM بسعر USD 4.39 للساعة على Secure Cloud، وابتداءً من USD 2.69 على Community Cloud. وتُدرج Lambda وحدة H100 SXM عند الطلب بسعر من USD 4.59 إلى 4.89 لكل ساعة GPU حسب حجم العقدة، بأسعار سارية من 2026-11-16. راجع الصفحتين للأسعار الحالية.

كم وحدة GPU أحتاج لاستضافة نموذج كبير بنفسي؟

ما يكفي على الأقل من الذاكرة للأوزان، إضافةً إلى ذاكرة KV المؤقتة لطلباتك المتزامنة. نماذج مزيج الخبراء الكبيرة تحتاج عادةً إلى عقدة متعددة وحدات GPU. راجع بطاقة النموذج لمعرفة عدد معاملاته والإعداد الموصى به.

متى تكون الاستضافة الذاتية منطقية حتى لو كلّفت أكثر؟

حين لا يجوز أن تغادر البيانات شبكتك، أو حين تحتاج إلى نموذج مضبوط بدقة (fine-tuned) أو مخصص لا يقدّمه أي API، أو حين تحتاج إلى سعة مضمونة. هذه أسباب تتعلق بالتحكم لا بالتكلفة.

كيف أقيس الإنتاجية الفعلية لوحدة GPU لديّ؟

شغّل أوامرك الحقيقية بمستوى التزامن الحقيقي على محرك تقديم مثل vLLM أو SGLang، وسجّل إجمالي رموز الإخراج في الثانية عبر كل الطلبات. أرقام الذروة لدى المورّدين تفترض تجميعًا مثاليًا للطلبات.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity