---
title: "Своя LLM или API: аренда GPU и точка окупаемости | BroadRouter"
description: "Цены аренды GPU с официальных страниц, формула стоимости 1 млн токенов на своём GPU, загрузка, нужная, чтобы обогнать API, и забытые расходы на эксплуатацию."
url: https://broadrouter.com/ru/blog/self-hosting-llm-vs-api-cost/
lang: ru
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/blog/self-hosting-llm-vs-api-cost/) (обновлён 2026-11-16).

# Своя LLM на GPU или API: реальная стоимость и точка окупаемости

Команда BroadNet Inference · 5 мин чтения · Опубликовано 2026-11-14 · Обновлено 2026-11-16

Арендованный GPU стоит одинаково за час, занят он или простаивает, поэтому своя LLM выгоднее API только при высокой и стабильной загрузке. Разделите почасовую цену на число токенов, которое сервер реально выдаёт за час, добавьте время инженеров и дежурств и сравните с ценой API за 1 млн токенов. При скачкообразном или умеренном трафике API почти всегда выигрывает.

## Главное

-   На странице цен RunPod один H100 SXM стоит USD 4,39 в час в Secure Cloud и USD 2,69 в Community Cloud: около USD 3 205 и USD 1 964 в месяц, если не выключать.
-   Стоимость 1 млн токенов на своём GPU = почасовая цена ÷ (токены в секунду × 3 600 ÷ 1 000 000) ÷ загрузка.
-   Ответ определяет загрузка. GPU, занятый 25% времени, обходится в пересчёте на токен вчетверо дороже, чем занятый всё время.
-   Большим моделям с открытыми весами нужно несколько GPU только для того, чтобы вместить веса; умножайте цену аренды соответственно.
-   Инженерная работа, мониторинг, обновления и дежурства — реальные расходы; считайте их в часах в месяц по своей ставке.

**На этой странице**

1.  Сколько сейчас стоит аренда GPU?
2.  Как посчитать стоимость миллиона токенов на своём GPU?
3.  Сколько токенов в месяц нужно, чтобы выйти на окупаемость?
4.  Какие расходы забывают?
5.  Когда своя LLM — правильный выбор?
6.  Есть ли варианты с фиксированной ценой между GPU и оплатой за токены?
7.  Какое место здесь занимает BroadNet Inference

«Мы бы сэкономили, если бы запускали всё сами» — одно из самых частых утверждений при планировании расходов на LLM и одно из самых редко проверяемых. Математика несложная. В ней есть одна переменная, которую угадывают неправильно (загрузка), и одна статья расходов, которую забывают (люди). В этой статье — формула, реальные цены аренды и способ посчитать всё на своих цифрах.

## Сколько сейчас стоит аренда GPU?

Почасовые цены с официальных страниц цен, дата обращения 2026-11-14 (RunPod) и 2026-11-16 (Lambda). Месяц здесь — 730 часов.

| GPU | Провайдер и уровень (проверено 2026-11-14) | За GPU-час | В месяц, без выключения |
| --- | --- | --- | --- |
| H100 SXM | RunPod Secure Cloud | USD 4,39 | около USD 3 205 |
| H100 SXM | RunPod Community Cloud | USD 2,69 | около USD 1 964 |
| H100 PCIe | RunPod Secure Cloud | USD 2,89 | около USD 2 110 |
| H200 | RunPod Secure Cloud | USD 5,29 | около USD 3 862 |
| A100 80GB SXM | RunPod Secure Cloud | USD 2,19 | около USD 1 599 |
| L40S | RunPod Secure Cloud | USD 1,09 | около USD 796 |
| H100 SXM | Lambda on-demand, от 1 до 8 GPU (действуют с 2026-11-16; проверено 2026-11-16) | от USD 4,59 до 4,89 | около USD 3 351–3 570 |

На странице Lambda (проверено 2026-11-16) сказано, что эти цены вступают в силу 2026-11-16 в 00:00 UTC; ставка за GPU снижается с ростом узла, до USD 4,59 на узле из 8 GPU. Ставки RunPod Community Cloud — это цены «от», которые зависят от хоста. Secure и Community Cloud — разные уровни хостинга, поэтому, если у вас есть правила обращения с данными, прочитайте условия уровня. Многим моделям нужно больше одного GPU: узел из 8 H100 по ставке Secure Cloud стоит около USD 25 638 в месяц.

## Как посчитать стоимость миллиона токенов на своём GPU?

GPU выдаёт токены с некоторой суммарной скоростью по всем запросам, которые он обрабатывает пакетом. Ваша стоимость токена — это почасовая цена, распределённая по токенам, которые он действительно выдаёт:

**стоимость 1 млн токенов = почасовая цена ÷ (суммарные токены в секунду × 3 600 ÷ 1 000 000) ÷ загрузка**

Загрузка — доля часов, когда GPU делает полезную работу с этой скоростью. Пример расчёта на **условных** цифрах (это не бенчмарк: измеряйте свою модель):

-   GPU: один H100 SXM в Community Cloud, USD 2,69 в час.
-   Условная суммарная скорость выхода: 1 500 токенов в секунду при хорошем батчинге.
-   Токенов в час при полной нагрузке: 1 500 × 3 600 = 5,4 млн.

| Загрузка | Фактически токенов в час | Стоимость 1 млн выходных токенов |
| --- | --- | --- |
| 100% (всегда загружен полностью) | 5,4 млн | USD 0,50 |
| 50% | 2,7 млн | USD 1,00 |
| 25% (занят только в рабочие часы) | 1,35 млн | USD 1,99 |
| 10% (скачкообразный трафик продукта) | 0,54 млн | USD 4,98 |

Теперь сравните с ценой API за 1 млн выходных токенов. [Таблица цен на LLM API](https://broadrouter.com/ru/llm-api-pricing/) показывает, сколько десятки хостеров берут за одни и те же открытые веса; в BroadNet Inference [DeepSeek V4.1 Flash](https://broadrouter.com/ru/models/deepseek-v4.1-flash/) стоит $0.52 за 1 млн выходных токенов, а [Gemma 4 VL 26B](https://broadrouter.com/ru/models/gemma-4-vl-26b/) — $0.22. Найдите строку, где стоимость на своём GPU опускается ниже цены API: это ваша загрузка окупаемости. Пример не учитывает входные токены, которые тоже занимают время GPU (prefill), поэтому реальная стоимость своего хостинга выше, чем в таблице.

## Сколько токенов в месяц нужно, чтобы выйти на окупаемость?

Переверните задачу. Работающий GPU стоит свою месячную цену в любом случае. API стоит токены × цена. Объём окупаемости:

**токенов в месяц для окупаемости = месячная стоимость GPU ÷ цена API за 1 млн токенов × 1 000 000**

Для одного H100 в Community Cloud (около USD 1 964 в месяц) при цене выхода $0.52 за 1 млн разделите 1 964 на эту цену — получите, сколько миллионов выходных токенов в месяц нужно заменить, прежде чем GPU окупится. Сделайте то же со средневзвешенной ценой входа и выхода, если ваша нагрузка в основном входная, как обычно у агентов; как их смешивать, показано в статье [фиксированный тариф или оплата за токены](https://broadrouter.com/ru/blog/flat-rate-vs-pay-per-token-llm-api/).

И этот GPU должен действительно справляться с обслуживанием модели. Если модели нужно четыре GPU, умножьте месячную стоимость на четыре, прежде чем делить.

## Какие расходы забывают?

| Расход | Что включает | Как считать |
| --- | --- | --- |
| Инженерная настройка | Движок обслуживания, выбор квантования, автомасштабирование, нагрузочные тесты | Разовые часы × ваша ставка |
| Текущая эксплуатация | Обновления, апдейты драйверов и движка, смена версий модели | Часы в месяц × ваша ставка |
| Дежурства | Кто-то просыпается, когда узел падает | Ваша политика дежурств |
| Резервирование | Второй узел, чтобы один отказ не означал простой | Удваивает строку GPU |
| Запас на простой | Мощность для пиков, которую нужно держать прогретой | Снижает загрузку |
| Оценка | Проверка новой версии модели перед переключением | Часы на каждый релиз |

Сильнее всего ответ меняет резервирование. Один GPU — единая точка отказа. Два GPU в одночасье вдвое снижают загрузку. О работе по оценке, которую приносит каждое обновление, см. статью [оценка модели перед переключением](https://broadrouter.com/ru/blog/evaluate-llm-before-switching/).

## Когда своя LLM — правильный выбор?

-   **Стабильный большой объём.** Пакетные конвейеры, которые круглосуточно держат GPU загруженными.
-   **Данные должны оставаться внутри вашей сети.** Это жёсткое требование, а не довод о стоимости. Сначала проверьте, не удовлетворяет ли вашим правилам API с [нулевым хранением данных](https://broadrouter.com/ru/privacy/).
-   **Модель, которую не обслуживает ни один API.** Ваша собственная дообученная модель или нишевая [модель с открытыми весами](https://broadrouter.com/ru/glossary/open-weight-model/).
-   **Гарантированная мощность.** Вам нужна пропускная способность, которую не дадут лимиты запросов API.

Во всех остальных случаях, особенно при скачкообразном трафике, на ранних продуктах и для агентов, которые работают всплесками, API дешевле и не требует графика дежурств.

## Есть ли варианты с фиксированной ценой между GPU и оплатой за токены?

Между арендой GPU и оплатой за токены есть промежуточный вариант. BroadNet продаёт почасовой ключ для Gemma 4 VL 26B за $0.50 в час (один стрим, 120 запросов в минуту, 300,000 токенов в минуту), что составит $360.00, если держать его весь месяц. Она также продаёт [сессии безлимитного тарифа](https://broadrouter.com/ru/guides/unlimited-llm-api-sessions/) для DeepSeek V4.1 Flash за $60 в месяц; каждая выполняет один запрос за раз со скоростью около 100 токенов в секунду. Это даёт предсказуемый счёт, как у арендованного GPU, без настройки и эксплуатации, но с фиксированной параллельностью на ключ или сессию вместо пакетной мощности целого GPU.

## Какое место здесь занимает BroadNet Inference

BroadNet Inference — сторона API в этом сравнении: цены за токены, тарифы с фиксированной ценой и почасовые ключи для моделей с открытыми весами, часть из которых размещена у партнёров по инференсу в США, за OpenAI-совместимым API. Она подходит командам, чей трафик оставлял бы арендованный GPU простаивать большую часть дня, или тем, кто не хочет поддерживать инфраструктуру инференса. Она не подходит, если нужно обслуживать собственную дообученную модель, развернуть всё у себя (on-premises) или выполнять сотни параллельных запросов на одном ключе. Посчитайте свои цифры в [калькуляторе стоимости LLM API](https://broadrouter.com/tools/llm-api-cost-calculator/) и сравните с таблицей выше. Если вы ещё выбираете между открытыми и закрытыми моделями, статья [стоимость API моделей с открытыми весами и закрытых моделей](https://broadrouter.com/ru/blog/open-weight-vs-closed-model-api-cost/) сравнивает цены за токены по страницам самих провайдеров. [Калькулятор «свой хостинг или API»](https://broadrouter.com/tools/self-hosting-vs-api-calculator/) рассчитывает всю окупаемость по вашей измеренной пропускной способности и этим ценам на GPU.

Бесплатные инструменты по теме (на английском)

-   [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.

[Бесплатные инструменты (на английском)](https://broadrouter.com/tools/)

## Термины в этой статье

[Токен (token)](https://broadrouter.com/ru/glossary/token/)

Токен — это единица текста, которую языковая модель читает и пишет: слово, часть слова, знак препинания или последовательность байтов, которую выдаёт токенизатор модели. LLM API считают, ограничивают и обычно тарифицируют использование в токенах.

[Лимит запросов (rate limit)](https://broadrouter.com/ru/glossary/rate-limit/)

Лимит запросов (rate limit) — это ограничение, которое API накладывает на объём использования клиентом за отрезок времени, например число запросов или токенов в минуту. Запросы сверх лимита отклоняются, обычно с HTTP 429 Too Many Requests, пока использование снова не опустится ниже порога.

[Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/)

Вызов инструментов (function calling) — это функция LLM API, при которой модель возвращает структурированный запрос на выполнение функции, заданной разработчиком, с аргументами в JSON. Приложение выполняет функцию и отправляет результат обратно; сама модель код никогда не выполняет.

[Входные и выходные токены (input and output tokens)](https://broadrouter.com/ru/glossary/input-and-output-tokens/)

Входные токены — это токены, которые языковая модель читает в запросе: системный промпт, история диалога, описания инструментов и изображения. Выходные токены — это токены, которые она генерирует в ответ, включая рассуждения. LLM API обычно тарифицируют их по отдельности, и выход, как правило, дороже.

[Модель с открытыми весами (open-weight model)](https://broadrouter.com/ru/glossary/open-weight-model/)

Модель с открытыми весами — это модель машинного обучения, чьи обученные веса опубликованы, чтобы любой мог их скачать и запустить, обычно по лицензии с условиями. Она отличается от полностью открытого (open source) ИИ, где публикуются ещё код обучения и подробные сведения об обучающих данных, чтобы другие могли изучить и воспроизвести модель.

[Оплата по факту (pay-as-you-go)](https://broadrouter.com/ru/glossary/pay-as-you-go/)

Оплата по факту (pay-as-you-go) — это модель ценообразования, при которой вы платите только за то, что использовали, по счётчику в единицах вроде токенов, запросов или минут аудио, без подписки и минимальных обязательств. Так тарифицирует большинство LLM API — с предоплаченного баланса или по периодическому счёту.

[Пропускная способность (throughput)](https://broadrouter.com/ru/glossary/throughput/)

Пропускная способность (throughput) в обслуживании LLM — это общий объём работы, который система выполняет за единицу времени по всем параллельным запросам; обычно её измеряют в выходных токенах или запросах в секунду. Она отличается от скорости потока — того, как быстро токены получает отдельный запрос.

[Токены в секунду (tokens per second, TPS)](https://broadrouter.com/ru/glossary/tokens-per-second/)

Токены в секунду (TPS) — это скорость, с которой языковая модель генерирует выходные токены; обычно её измеряют для одного запроса после прихода первого токена. Она определяет, как быстро стримится начавшийся ответ. В сумме по всем параллельным запросам это пропускная способность системы; ожидание первого токена измеряют отдельно.

## Вопросы и ответы

### Дешевле ли развернуть свою LLM, чем пользоваться API?

Только при большом и стабильном объёме. Арендованный GPU тарифицируется каждый час, а API — только за использованные токены. Если ваш GPU большую часть дня простаивал бы, API дешевле ещё до того, как вы посчитаете время инженеров.

### Сколько стоит аренда H100 в час?

На странице цен RunPod 2026-11-14 H100 SXM стоил USD 4,39 в час в Secure Cloud и от USD 2,69 в Community Cloud. Lambda указывает для H100 SXM on-demand от USD 4,59 до 4,89 за GPU-час в зависимости от размера узла, по ценам, действующим с 2026-11-16. Актуальные ставки смотрите на этих страницах.

### Сколько GPU нужно, чтобы развернуть большую модель у себя?

Как минимум столько памяти, чтобы вместить веса плюс KV-кэш для ваших одновременных запросов. Большим моделям типа mixture-of-experts обычно нужен узел с несколькими GPU. Число параметров и рекомендованную конфигурацию смотрите в карточке модели.

### Когда своя LLM оправдана, даже если она дороже?

Когда данные не могут покидать вашу сеть, когда нужна дообученная или собственная модель, которую не обслуживает ни один API, или когда нужна гарантированная мощность. Это доводы о контроле, а не о стоимости.

### Как измерить реальную пропускную способность моего GPU?

Прогоните свои реальные промпты при своей реальной параллельности на движке обслуживания вроде vLLM или SGLang и запишите суммарное число выходных токенов в секунду по всем запросам. Пиковые цифры производителей предполагают идеальный батчинг.

## Читайте также

-   [Фиксированный тариф или оплата за токены в LLM API: когда выгоднее](https://broadrouter.com/ru/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Задержка LLM: TTFT, токены в секунду и полное время ответа](https://broadrouter.com/ru/blog/llm-latency-ttft-throughput/)
-   [Что на самом деле значит «безлимит» в тарифе LLM API](https://broadrouter.com/ru/blog/what-unlimited-llm-api-really-means/)
-   [OpenRouter или фиксированный тариф для ИИ-агентов: что дешевле?](https://broadrouter.com/ru/blog/openrouter-alternative-flat-rate/)
-   [Приватный эндпоинт начинается с чётко описанной нагрузки](https://broadrouter.com/ru/blog/private-endpoint-planning/)
-   [Альтернативы Artificial Analysis: где сравнивать LLM в 2026 году](https://broadrouter.com/ru/blog/artificial-analysis-alternatives/)
-   [SLA LLM API: что обещают Azure, Bedrock, Google и OpenAI](https://broadrouter.com/ru/blog/llm-api-sla-uptime-compared/)
-   [Руководство: Как устроены безлимитные тарифы LLM API для агентов](https://broadrouter.com/ru/guides/unlimited-llm-api-sessions/)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Цены на GPU в RunPod, почасовые ставки Secure и Community Cloud (дата обращения 2026-11-14)](https://www.runpod.io/pricing)
-   [Цены Lambda Cloud, почасовые ставки on-demand за GPU (дата обращения 2026-11-16)](https://lambda.com/pricing)
-   [Машиночитаемый прайс-лист BroadNet Inference (pricing.json) (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Тарифы и типичная скорость BroadNet Inference (проверено 2026-11-15) (на английском)](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Руководство NVIDIA NIM по бенчмаркингу, метрики пропускной способности и задержки (проверено 2026-11-16)](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
