---
title: "LLM self-hosted o API: costi GPU e punto di pareggio"
description: "Prezzi di noleggio GPU dalle pagine ufficiali, formula del costo per 1M di token sulla tua GPU, utilizzo necessario per battere un’API e costi operativi dimenticati."
url: https://broadrouter.com/it/blog/self-hosting-llm-vs-api-cost/
lang: it
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Tradotto dall’inglese con l’aiuto dell’IA. [Leggi l’originale in inglese](https://broadrouter.com/blog/self-hosting-llm-vs-api-cost/) (aggiornato il 2026-11-16).

# LLM in self-hosting o via API: costo reale e punto di pareggio

A cura del team di BroadNet Inference · 5 min di lettura · Pubblicato 2026-11-14 · Aggiornato 2026-11-16

Una GPU a noleggio costa uguale ogni ora, che lavori o resti ferma, quindi il self-hosting batte un’API solo con un utilizzo alto e costante. Dividi il prezzo orario per i token che il server produce davvero in un’ora, aggiungi il tempo di sviluppo e di reperibilità e confronta con il prezzo dell’API per 1M di token. Con traffico irregolare o modesto, l’API vince quasi sempre.

## Punti chiave

-   Nella pagina prezzi di RunPod una H100 SXM costa 4,39 USD all’ora su Secure Cloud e 2,69 USD su Community Cloud: circa 3.205 USD e 1.964 USD al mese se resta accesa.
-   Costo self-hosted per 1M di token = prezzo orario ÷ (token al secondo × 3.600 ÷ 1.000.000) ÷ utilizzo.
-   È l’utilizzo a decidere. Una GPU occupata il 25% del tempo costa per token quattro volte una occupata sempre.
-   I grandi modelli open-weight richiedono più GPU solo per contenerne i pesi; moltiplica di conseguenza il prezzo di noleggio.
-   Sviluppo, monitoraggio, aggiornamenti e reperibilità sono costi reali; contali come ore al mese alla tua tariffa.

**In questa pagina**

1.  Quanto costa oggi noleggiare una GPU?
2.  Come si calcola il costo self-hosted per milione di token?
3.  Quanti token al mese servono per andare in pari?
4.  Quali costi si dimenticano?
5.  Quando il self-hosting è la scelta giusta?
6.  Esistono opzioni a prezzo fisso tra una GPU e la fatturazione per token?
7.  Dove si colloca BroadNet Inference

«Risparmieremmo facendolo girare noi» è una delle affermazioni più comuni nella pianificazione dei costi degli LLM, e una delle meno verificate. I conti non sono difficili. C’è una variabile che si sbaglia a occhio (l’utilizzo) e un costo che si dimentica (le persone). Questo articolo dà la formula, prezzi di noleggio reali e un modo per rifare il calcolo con i tuoi numeri.

## Quanto costa oggi noleggiare una GPU?

Prezzi orari dalle pagine prezzi ufficiali, consultate il 2026-11-14 (RunPod) e il 2026-11-16 (Lambda). Qui un mese vale 730 ore.

| GPU | Provider e livello (verifica del 2026-11-14) | Per GPU all’ora | Al mese, sempre accesa |
| --- | --- | --- | --- |
| H100 SXM | RunPod Secure Cloud | 4,39 USD | circa 3.205 USD |
| H100 SXM | RunPod Community Cloud | 2,69 USD | circa 1.964 USD |
| H100 PCIe | RunPod Secure Cloud | 2,89 USD | circa 2.110 USD |
| H200 | RunPod Secure Cloud | 5,29 USD | circa 3.862 USD |
| A100 80GB SXM | RunPod Secure Cloud | 2,19 USD | circa 1.599 USD |
| L40S | RunPod Secure Cloud | 1,09 USD | circa 796 USD |
| H100 SXM | Lambda on-demand, da 1 a 8 GPU (in vigore dal 2026-11-16; verifica del 2026-11-16) | da 4,59 a 4,89 USD | circa da 3.351 a 3.570 USD |

La pagina di Lambda (verifica del 2026-11-16) dice che questi prezzi entrano in vigore il 2026-11-16 alle 00:00 UTC; la tariffa per GPU scende man mano che il nodo cresce, fino a 4,59 USD su un nodo da 8 GPU. Le tariffe Community Cloud di RunPod sono prezzi «a partire da» che variano secondo l’host. Secure e Community Cloud sono livelli di hosting diversi, quindi leggi le condizioni del livello se hai regole sul trattamento dei dati. Molti modelli richiedono più di una GPU: un nodo da 8 H100 alla tariffa Secure Cloud costa circa 25.638 USD al mese.

## Come si calcola il costo self-hosted per milione di token?

Una GPU produce token a un certo ritmo aggregato su tutte le richieste che elabora in batch. Il tuo costo per token è il prezzo orario distribuito sui token che produce davvero:

**costo per 1M di token = prezzo orario ÷ (token al secondo aggregati × 3.600 ÷ 1.000.000) ÷ utilizzo**

L’utilizzo è la quota di ore in cui la GPU fa lavoro utile a quel ritmo. Un esempio con numeri **ipotetici** (non è un benchmark: misura il tuo modello):

-   GPU: una H100 SXM su Community Cloud, 2,69 USD all’ora.
-   Output aggregato ipotizzato: 1.500 token al secondo con un buon batching.
-   Token all’ora a pieno carico: 1.500 × 3.600 = 5,4 milioni.

| Utilizzo | Token effettivi all’ora | Costo per 1M di token di output |
| --- | --- | --- |
| 100% (sempre satura) | 5,4M | 0,50 USD |
| 50% | 2,7M | 1,00 USD |
| 25% (occupata solo in orario d’ufficio) | 1,35M | 1,99 USD |
| 10% (traffico di prodotto irregolare) | 0,54M | 4,98 USD |

Ora confronta con il prezzo di un’API per 1M di token di output. La [tabella dei prezzi delle API LLM](https://broadrouter.com/it/llm-api-pricing/) mostra quanto fanno pagare decine di host per gli stessi pesi open; su BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/it/models/deepseek-v4.1-flash/) costa $0.52 per 1M di token di output e [Gemma 4 VL 26B](https://broadrouter.com/it/models/gemma-4-vl-26b/) costa $0.22. Trova la riga in cui il tuo costo self-hosted scende sotto il prezzo dell’API: quello è il tuo utilizzo di pareggio. L’esempio ignora i token di input, che occupano anch’essi tempo di GPU (prefill), quindi i costi self-hosted reali sono più alti di quelli in tabella.

## Quanti token al mese servono per andare in pari?

Rovescia il ragionamento. Una GPU lasciata accesa costa comunque il suo prezzo mensile. L’API costa token × prezzo. Il volume di pareggio è:

**token mensili per andare in pari = costo mensile della GPU ÷ prezzo API per 1M di token × 1.000.000**

Per una H100 su Community Cloud (circa 1.964 USD al mese) contro un prezzo di output di $0.52 per 1M, dividi 1.964 per quel prezzo e ottieni i milioni di token di output al mese che devi sostituire prima che la GPU si ripaghi. Fai lo stesso con il tuo prezzo medio ponderato di input e output se il tuo carico è sbilanciato sull’input, come di solito succede con gli agenti; l’[articolo su tariffa flat e pagamento per token](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/) mostra come combinarli.

E quella GPU deve effettivamente servire il modello. Se il modello richiede quattro GPU, moltiplica per quattro il costo mensile prima di dividere.

## Quali costi si dimenticano?

| Costo | Cosa copre | Come contarlo |
| --- | --- | --- |
| Setup di sviluppo | Motore di serving, scelta della quantizzazione, autoscaling, test di carico | Ore una tantum × la tua tariffa |
| Operatività continua | Aggiornamenti, driver e motore, refresh dei modelli | Ore al mese × la tua tariffa |
| Reperibilità | Qualcuno si sveglia quando il nodo muore | La tua policy di reperibilità |
| Ridondanza | Un secondo nodo, così un guasto non diventa un disservizio | Raddoppia la voce GPU |
| Margine inattivo | Capacità da tenere calda per i picchi | Abbassa l’utilizzo |
| Valutazione | Verificare una nuova versione del modello prima di passarci | Ore per release |

La ridondanza è la voce che cambia di più il risultato. Una sola GPU è un single point of failure. Con due GPU l’utilizzo si dimezza da un giorno all’altro. Vedi [valutare un modello prima di cambiarlo](https://broadrouter.com/it/blog/evaluate-llm-before-switching/) per il lavoro di valutazione che ogni aggiornamento comporta.

## Quando il self-hosting è la scelta giusta?

-   **Volume alto e costante.** Pipeline batch che tengono le GPU sature giorno e notte.
-   **I dati devono restare nella tua rete.** È un requisito vincolante, non un argomento di costo. Verifica prima se un’API con [zero data retention](https://broadrouter.com/it/privacy/) rispetta le tue regole.
-   **Un modello che nessuna API serve.** Il tuo fine-tune o un [modello open-weight](https://broadrouter.com/it/glossary/open-weight-model/) di nicchia.
-   **Capacità garantita.** Ti serve un throughput che i rate limit di un’API non ti daranno.

In tutti gli altri casi, soprattutto con traffico irregolare, prodotti agli inizi e agenti che lavorano a raffiche, un’API costa meno e non richiede turni di reperibilità.

## Esistono opzioni a prezzo fisso tra una GPU e la fatturazione per token?

Tra noleggiare una GPU e pagare per token c’è una via di mezzo. BroadNet vende una chiave oraria per Gemma 4 VL 26B a $0.50 all’ora (uno stream, 120 richieste al minuto, 300,000 token al minuto), cioè $360.00 se la tenessi attiva tutto il mese. Vende anche [sessioni di piani illimitati](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/) per DeepSeek V4.1 Flash a $60 al mese, ognuna con una richiesta alla volta a circa 100 token al secondo. Danno una spesa prevedibile come una GPU a noleggio, senza setup né operatività, ma con una concorrenza fissa per chiave o per sessione invece della capacità di batch di un’intera GPU.

## Dove si colloca BroadNet Inference

BroadNet Inference è il lato API di questo confronto: prezzi per token, piani flat e chiavi orarie per modelli open-weight, alcuni ospitati da partner di inferenza statunitensi, dietro un’API compatibile con OpenAI. È adatto ai team il cui traffico lascerebbe una GPU a noleggio ferma per buona parte della giornata, o che non vogliono gestire un’infrastruttura di inferenza. Non è adatto se ti serve il serving di un fine-tune personalizzato, un deployment on-premise o centinaia di richieste in parallelo su una sola chiave. Fai i tuoi conti con il [calcolatore dei costi delle API LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) e confrontali con la tabella qui sopra. Se stai ancora scegliendo tra modelli aperti e chiusi, [costo delle API di modelli open-weight e chiusi](https://broadrouter.com/it/blog/open-weight-vs-closed-model-api-cost/) confronta i prezzi per token presi dalla pagina di ciascun provider. Il [calcolatore self-hosting o API](https://broadrouter.com/tools/self-hosting-vs-api-calculator/) fa l’intero calcolo del pareggio con il throughput che hai misurato e questi prezzi delle GPU.

Strumenti gratuiti sul tema (in inglese)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Strumenti gratuiti (in inglese)](https://broadrouter.com/tools/)

## Termini in questo articolo

[Token](https://broadrouter.com/it/glossary/token/)

Un token è l’unità di testo che un modello linguistico legge e scrive: una parola, una parte di parola, un segno di punteggiatura o una sequenza di byte prodotta dal tokenizer del modello. Le API LLM contano, limitano e di solito fatturano l’uso in token.

[Rate limit (limite di frequenza)](https://broadrouter.com/it/glossary/rate-limit/)

Un rate limit è un tetto che un’API pone a quanto un client può usarla in un intervallo di tempo, per esempio richieste al minuto o token al minuto. Le richieste oltre il limite vengono rifiutate, di solito con HTTP 429 Too Many Requests, finché l’uso non torna sotto la soglia.

[Token di input e di output](https://broadrouter.com/it/glossary/input-and-output-tokens/)

I token di input sono quelli che un modello linguistico legge in una richiesta: system prompt, cronologia, definizioni degli strumenti e immagini. I token di output sono quelli che genera in risposta, ragionamento compreso. Le API LLM di solito li prezzano separatamente, e l’output costa di più.

[Throughput](https://broadrouter.com/it/glossary/throughput/)

Il throughput, nel serving di LLM, è la quantità totale di lavoro che un sistema completa per unità di tempo su tutte le richieste concorrenti, di solito misurata in token di output al secondo o richieste al secondo. È diverso dalla velocità per stream, cioè quanto rapidamente una singola richiesta riceve i suoi token.

[Concorrenza (concurrency)](https://broadrouter.com/it/glossary/concurrency/)

La concorrenza è il numero di richieste che un client ha in corso nello stesso momento. Le API LLM spesso la limitano per chiave o per piano, separatamente dalle richieste al minuto, perché ogni richiesta aperta occupa capacità GPU finché la sua risposta non è terminata.

[Modello open-weight (a pesi aperti)](https://broadrouter.com/it/glossary/open-weight-model/)

Un modello open-weight è un modello di machine learning i cui pesi addestrati sono pubblicati perché chiunque possa scaricarli ed eseguirli, di solito con una licenza che pone condizioni. Si distingue dall’AI completamente open source, che rilascia anche il codice di addestramento e informazioni dettagliate sui dati, così altri possono studiare e riprodurre il modello.

[Token al secondo (tokens per second)](https://broadrouter.com/it/glossary/tokens-per-second/)

I token al secondo (TPS) sono la velocità con cui un modello linguistico genera token di output, di solito misurata per una richiesta dopo l’arrivo del primo token. Stabiliscono quanto scorre veloce una risposta una volta partita. Sommati su tutte le richieste concorrenti diventano throughput di sistema; l’attesa del primo token si misura a parte.

[Tool calling (chiamata di strumenti)](https://broadrouter.com/it/glossary/tool-calling/)

Il tool calling, detto anche function calling, è una funzionalità delle API LLM in cui il modello restituisce una richiesta strutturata di eseguire una funzione definita dallo sviluppatore, con argomenti JSON. L’applicazione esegue la funzione e rimanda il risultato; il modello non esegue mai codice da solo.

## Domande frequenti

### Conviene ospitare un LLM in proprio invece di usare un’API?

Solo con volumi alti e costanti. Una GPU a noleggio si paga ogni ora; un’API fa pagare solo i token che usi. Se la tua GPU resterebbe ferma per gran parte della giornata, l’API costa meno anche prima di contare il tempo di sviluppo.

### Quanto costa noleggiare una H100 all’ora?

Nella pagina prezzi di RunPod, il 2026-11-14, una H100 SXM costava 4,39 USD all’ora su Secure Cloud e da 2,69 USD su Community Cloud. Lambda indica la H100 SXM on-demand a 4,59-4,89 USD per GPU all’ora, a seconda della dimensione del nodo, con prezzi in vigore dal 2026-11-16. Controlla le pagine per le tariffe attuali.

### Quante GPU servono per ospitare in proprio un modello grande?

Almeno quante bastano a contenere in memoria i pesi più la KV cache per le tue richieste simultanee. I grandi modelli mixture of experts di solito richiedono un nodo multi-GPU. Controlla nella model card il numero di parametri e la configurazione consigliata.

### Quando ha senso il self-hosting anche se costa di più?

Quando i dati non possono uscire dalla tua rete, quando ti serve un modello con fine-tuning o personalizzato che nessuna API serve, o quando ti serve capacità garantita. Sono ragioni di controllo, non di costo.

### Come misuro il throughput reale della mia GPU?

Esegui i tuoi prompt reali con la tua concorrenza reale su un motore di serving come vLLM o SGLang, e registra i token di output totali al secondo su tutte le richieste. I valori di picco dei vendor presuppongono un batching ideale.

## Continua a leggere

-   [API LLM a tariffa flat o a consumo per token: i conti del pareggio](https://broadrouter.com/it/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Latenza degli LLM: TTFT, token al secondo e tempo end-to-end](https://broadrouter.com/it/blog/llm-latency-ttft-throughput/)
-   [Cosa significa davvero «illimitato» in un piano API LLM](https://broadrouter.com/it/blog/what-unlimited-llm-api-really-means/)
-   [OpenRouter o piano flat per agenti AI: quale costa meno?](https://broadrouter.com/it/blog/openrouter-alternative-flat-rate/)
-   [Un endpoint privato parte da un carico di lavoro chiaro](https://broadrouter.com/it/blog/private-endpoint-planning/)
-   [Alternative ad Artificial Analysis: dove confrontare gli LLM nel 2026](https://broadrouter.com/it/blog/artificial-analysis-alternatives/)
-   [SLA delle API LLM: cosa promettono Azure, Bedrock, Google e OpenAI](https://broadrouter.com/it/blog/llm-api-sla-uptime-compared/)
-   [Guida: Come funzionano i piani API LLM illimitati per gli agenti](https://broadrouter.com/it/guides/unlimited-llm-api-sessions/)

Provalo sul tuo carico di lavoro reale. I nuovi account partono con USD 5 di credito per Gemma e trascrizione. DeepSeek, GLM e Qwen3.8 richiedono una ricarica.

[Inizia](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-self-hosting-llm-vs-api-cost&utm_content=page-cta) ·

**Fonti**

-   [Prezzi GPU di RunPod, tariffe orarie Secure e Community Cloud (consultata il 2026-11-14)](https://www.runpod.io/pricing)
-   [Prezzi di Lambda Cloud, tariffe orarie on-demand per GPU (consultata il 2026-11-16)](https://lambda.com/pricing)
-   [Prezzi di BroadNet Inference in formato leggibile dalle macchine (pricing.json) (verifica del 2026-11-15) (in inglese)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Piani di BroadNet Inference e velocità tipica (verifica del 2026-11-15) (in inglese)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=it-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Guida al benchmarking di NVIDIA NIM, metriche di throughput e latenza (consultata il 2026-11-16)](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
