Свой ИИ-сервер или облако: считаем в BYN и RUB

На ценах июля 2026 года гибрид через API почти всегда дешевле собственного сервера. Даже на сотнях миллионов токенов в месяц. За лето глобальная аренда GPU подорожала на 20-45%, а дешёвые модели стали ещё дешевле. Свой сервер берут по четырём причинам, и экономии среди них нет; о них в конце статьи.

За полтора года я трижды садился считать эту задачу: я жмот, такие вещи считаю до копейки. В 2024-м свой сервер вышел клиенту втрое дороже облака. Потом был проект, где гибридная схема со своим сервером на одной чувствительной части срезала счёт с €2700 до €400 в месяц. Третий раз сел за калькулятор на этой неделе, уже с июльскими прайсами. Формулу и четыре сценария от 5 миллионов до миллиарда токенов даю в и RUB.

Сколько токенов в месяц у вашей задачи?

Весь выбор держится на одном числе: сколько токенов в месяц съедает ваша задача. Не на бенчмарках и не на том, что взяли конкуренты.

Единицы миллионов набирает чат-бот поддержки или помощник внутри 1С. Десятки миллионов дают контент-производство на несколько материалов в неделю, разбор звонков для целого отдела продаж, документооборот в агентстве, ассистенты на всю команду. Сотни миллионов и больше выдаёт, скажем, голосовой помощник контакт-центра, который работает круглосуточно.

Сводные разборы полной цены владения, вышедшие этим летом, дают ту же картину: математика переворачивается примерно от сотни миллионов токенов в день либо когда в игру вступает регулятор. Обслуживание своего железа руками инженеров один из таких отчётов оценил в дополнительные $750-3000 в месяц поверх аренды.

Сколько стоит облачный API в июле 2026?

От $0.14 до $30 за миллион токенов, так выглядит вилка живых прайсов на 8 июля 2026 года. Разрыв между самой дешёвой и самой дорогой моделью по выходным токенам больше чем в сто раз, и на этом разрыве стоит вся экономика гибрида. В таблице пересчёт по курсам НБ РБ (2.87) и ЦБ РФ (76.1).

Наивный расчёт по таблице ломается ещё о две ловушки. Первая: акции кончаются. Скидка на Qwen 3.7-Max в таблице - промо. DeepSeek свою скидку в мае сделал постоянной, но это редкость. В бюджет закладывайте цену из прайса, акция пусть остаётся приятным сюрпризом.

Вторая: обещанного релиза может не быть. Gemini 3.5 Pro к моменту публикации так и не вышел, релиз переносили дважды. Считайте на том, что продаётся сегодня.

Сколько стоит свой сервер под ИИ?

Рабочий уровень своего железа начинается с одной арендованной H100. У глобальных провайдеров это $2.89-3.29 в час, на маркетплейсах от ~$1.50, в России от 352 ₽ в час. За лето глобальная аренда подорожала на 20-45% из-за дефицита памяти HBM; российские рублёвые ставки пока стоят на месте.

В Беларуси открытого прайса на H100 и A100 нет. GPU-инстансы дают, цену считают по запросу, поэтому колонка для железа в этой статье - пересчёт долларовой аренды, живого белорусского прайса на такие карты сейчас не существует. Hetzner, любимый малым бизнесом за дешёвые серверы, карты класса H100 не предлагает вовсе. Его GPU-линейка кончается на RTX 4000 Ada, для моделей уровня 70B этого мало.

К аренде добавляется то, что в первом расчёте забывают почти все.

Простой. GPU оплачивается за 24 часа в сутки, а работает у типичной команды часов восемь. Каждый полезный час выходит втрое дороже прейскуранта. У облачного API этой статьи нет: не спросили - не заплатили.

Люди. Кто-то должен поднять vLLM или SGLang (это софт, который раздаёт модель по API), обновлять веса, мониторить, накатывать патчи. На полставки это около $1500 в месяц в Беларуси и порядка 150 000 ₽ в России. Для компании время инженера стоит дороже железа, из этого и считаю. Если вы сами себе DevOps и цените своё время в ноль, вычтите это слагаемое. Одна H100 подешевеет до ~$2 200 в месяц, и дальше будет видно, что вывод от этого не меняется.

Память моделей. На 1-2 карты H100 сегодня влезают открытые Llama 3.3 70B и Command A+ в 4-битном сжатии. Свежие топовые открытые модели уехали выше: DeepSeek V4 и GLM 5.2 требуют от четырёх до восьми H200, а Qwen 3.7-Max вообще закрыт и живёт только в облаке Alibaba. Модный формат FP4 работает только на поколении Blackwell, на H100 его аппаратно нет.

И про сам формат владения. Я считаю аренду. Покупка карты в собственность на длинной дистанции дешевле, но требует капитальных затрат, размещения и своих рук. Для внутреннего помощника на маленькой модели порой хватает и потребительского железа. И то и другое - отдельные расчёты. Важный нюанс для регулируемых отраслей: арендованная карта в чужом облаке требования периметра может и не закрыть, там нужна железка в собственном контуре.

Как устроен гибрид через API?

Гибрид - это роутер перед нейросетями. В простом виде полсотни строк правил по типу запроса плюс дешёвая модель как арбитр для спорных случаев; собственные токены роутера в счёте почти незаметны. Дешёвая модель забирает 70-80% потока: классификацию, шаблонные ответы, переводы, выжимки. Фронтиру, то есть топовым моделям уровня Claude и GPT, достаётся то, что дешёвая не тянет. Длинные рассуждения, сложный код, многошаговые агенты.

Долю потока не назначают на глаз. Перед переключением я прогоняю сотню-другую реальных запросов клиента через обе модели и сравниваю ответы. На классификации, шаблонах и выжимках дешёвый класс держится. На вызове инструментов и длинных инструкциях сыпется, и такие маршруты остаются на фронтире, иначе ретраи съедят всю экономию (см. правило цены задачи выше).

Что это даёт в деньгах. Команда тратит 50 миллионов токенов в месяц на Claude Sonnet и платит около 1 290 (34 000 ₽). Переводим 80% потока на DeepSeek V4-Flash, счёт падает до 281 (7 500 ₽). Минус 78% без единой купленной железки. Это первое, что я делаю для клиентов, когда они приходят «за своим сервером». После гибрид-роутера вопрос о железе обычно снимается на год вперёд.

На каком объёме окупается свой сервер под ИИ?

По чистой цене - примерно от сотни миллионов токенов в день при ровной круглосуточной загрузке. По таблицам этого раздела гибрид сравнивается с парой H100 в районе трёх миллиардов токенов в месяц. Это уровень крупных ИИ-сервисов. Всё, что меньше, дешевле обслуживать через API, чаще всего в десятки раз.

Теперь мои допущения, честно и списком. Вход и выход я делю поровну; у агентных нагрузок вход тяжелее в разы, у генерации текста наоборот, так что ваша цена смеси сдвинется. Кэширование промптов и пакетную обработку я не учитывал, хотя они режут счёт API ещё сильнее: кэш-чтение у Anthropic стоит десятую часть цены входа, пакетный режим даёт минус половину. В жизни облачная колонка от этого только дешевеет. Ставку H100 беру $2.60 в час, между маркетплейсной ~$2 и провайдерской $2.89-3.29, чтобы не подыгрывать своему же выводу. Пропускную способность не считаю: хватит ли пары карт на ваш пиковый трафик, отдельный инженерный вопрос, и на больших объёмах он добавляет железа в правую колонку. Хотите точную цифру под себя - неделю логируйте реальный трафик и разметьте его по типам задач.

Читается это так. На 5 миллионах токенов своё железо дороже гибрида в 400 раз. На 50 миллионах в 40 раз, на 200 миллионах в 15. Даже на миллиарде токенов в месяц гибрид остаётся втрое дешевле пары H100. И это при идеальной загрузке железа, которой в жизни почти не бывает.

Отдельно про строку чистого DeepSeek. Бывает, задача целиком живёт на классе открытых моделей, и фронтир ей не нужен. Тогда честная пара для своего железа - чистый V4-Pro через API: на миллиарде это $653 против $6 090 за две H100, разрыв девятикратный. И помните, что гибрид в таблицах держит 20% фронтира, а свой сервер на Command A+ фронтирного качества не даст. Сравнивая колонки, вы сравниваете и класс токенов.

За лето точка окупаемости уехала ещё дальше от своего железа.

Зачем свой сервер, если облако дешевле?

Затем, что деньги в этом решении не всегда главное. У меня клиенты держат собственный запуск моделей по четырём причинам, и «сэкономить на токенах» среди них нет.

Регулятор. Медицина, финансы, госсектор. Данные нельзя отдавать во внешнее облако, и цена за токен в этом разговоре не участвует. Для строгого периметра арендованной карты в чужом облаке мало, железо должно жить в вашем контуре. Как выглядит такая архитектура на практике, я разбирал в материале про мост между ИИ и CRM без утечки базы.

Оплата. Из Беларуси и России Anthropic и OpenAI картой не оплатить. За свой сервер у местного провайдера платишь в или рублях как за обычный хостинг.

Контроль. Логи у тебя, роутинг у тебя, план на инцидент пишешь сам. Когда у вендора меняется лимит, цена или токенизатор, узнаёшь из письма постфактум.

Страховка от привязки. Модель, на которой стоит продукт, завтра могут снять с продажи или закрыть для региона. Работающая система на открытых весах - запасной аэродром. Промежуточный вариант той же страховки: открытые веса у независимого хостинга с оплатой за токен, переносимость без своего DevOps.

Кейс из начала статьи, где счёт упал с €2700 до €400, ровно про это устройство. Экономию дал гибрид с роутингом, а свой сервер в той схеме держит одну чувствительную часть данных. Он там ради первой причины, цена токена ни при чём.

Про то, как строится сама архитектура «нейросеть на своём сервере» для РБ и РФ, есть отдельный разбор: нейросети на сервере в России и Беларуси. Здесь я считаю деньги; как это устроено технически, разобрано там.

Что меняет оплата из Беларуси и России?

Оплата добавляет к цене западного API от 5 до 15%. Этот платёжный налог в честном расчёте стоит прямо в формуле.

Расклад на июль 2026. Anthropic и OpenAI карты РБ и РФ не принимают, обеих стран нет в списках поддерживаемых, у OpenAI блокировка работает уже на уровне IP. Смягчений за лето не случилось. DeepSeek выбивается из ряда: оплата в юанях или долларах проходит, API доступен без обходов.

Какие легальные пути есть (называю классы, не сервисы):

1. Иностранное юрлицо. Компания в ЕС, ОАЭ, Армении или Казахстане с местным счётом. Единственный воспроизводимый путь для бизнеса, заодно даёт право подписать договор об обработке данных.
2. Карта близкого человека за рубежом. Рабочий вариант для одного разработчика, не для компании.
3. Шлюзы-агрегаторы. Держат корпоративные счета у вендоров, дают единый API, берут оплату локальными способами. Условия использования моделей не нарушаются, но появляется наценка и зависимость от посредника.
4. Предоплаченные виртуальные карты дружественных юрисдикций. Юридическая чистота зависит от резидентства держателя.

Каждый путь стоит тех самых 5-15% и добавляет риска: счёт могут заморозить, шлюз может закрыться.

Теперь про то, как налог меняет таблицы. Глобальная аренда GPU из РБ и РФ оплачивается с теми же приключениями, что и API, и если обход нужен обеим колонкам, кратности не меняются вовсе. Обхода не требует только местная аренда, но её ставка выше глобальной: 352 ₽ в час это примерно $4.6 против расчётных $2.60. Пересчитал под неё правую колонку: пара H100 с инженером выходит около $9 500 в месяц, и разрыв с гибридом даже после его 15% налога вырастает до четырёх раз. Выигрыш местного железа не в цене. Он в предсказуемом счёте в своей валюте и чистой бухгалтерии.

Что сделать после этой статьи. Сначала достаньте из биллинга число токенов за прошлый месяц; именно факт, оценки врут в разы. Потом найдите себя в таблицах и прогоните формулу с платёжным налогом. Десять минут с калькулятором, проверял. И проверьте себя по четырём причинам держать своё железо: регулятор, оплата, контроль, страховка. Ни одна не про вас - значит, вам гибрид через API, и своё железо не нужно. Хотя бы одна попала - считайте свой сервер, но честно: с простоем, инженером и резервом.