ММООЗЗГГ.ru

Калькулятор

Стоимость токена на своем сервере: сколько стоит миллион токенов

7 мин14 источников

Облако продает токены по цене за миллион, и стоимость токена на своем сервере можно посчитать в той же единице. Калькулятор берет расходы в месяц и скорость выдачи, учитывает загрузку и показывает вашу цену за миллион токенов рядом с ценами облачных моделей на 29.09.2026.

На странице · 8 разделов

Калькулятор

Сколько стоит миллион токенов на своем железе

Ваша цена

  • Токенов в месяц64,6 млн
  • Рублей за миллион токенов501 ₽
  • Долларов за миллион$5,94

Замеры одного потока: M4 Max 83,1 и M5 Max 119,9 токена в секунду на модели 7B, RTX 4090 127,7 и H100 144,5 на модели 8B; на модели 70B 19–25.

Облако за миллион выходных токенов, ₽

  • GPT-6 Luna42 ₽
  • Провайдер Б, модель Lite, синхронно65 ₽
  • Провайдер А, модель Lite, асинхронно100 ₽
  • Gemini 3.1 Flash-Lite127 ₽
  • Провайдер А, модель Lite, синхронно200 ₽
  • Gemini 3.8 Flash (акция до 31.12.2026)317 ₽
  • Провайдер Б, модель Max, асинхронно325 ₽
  • GPT-5.4 mini380 ₽
  • Claude Haiku 4.5422 ₽
  • Провайдер Б, модель Pro, синхронно500 ₽
  • Провайдер А, модель Pro, асинхронно610 ₽
  • Провайдер Б, модель Max, синхронно650 ₽
  • Claude Sonnet 5.5844 ₽
  • GPT-6 Sol844 ₽
  • Gemini 3.1 Pro (до 200k)1 013 ₽
  • Провайдер А, модель Pro, синхронно1 200 ₽
  • Claude Opus 5.51 688 ₽
  • GPT-5.52 532 ₽
  • Claude Fable 5.14 220 ₽
  • GPT-6 Astra4 220 ₽

Строки без затемнения дороже вашей цены за миллион.

Значения по умолчанию из источников на 29.09.2026; курс ЦБ 84,41 ₽ за доллар. Расчет оценочный, любое поле можно изменить.

Формула

Токенов в месяц: скорость в токенах в секунду, умноженная на 2 592 000 секунд в месяце и на долю времени, когда модель реально генерирует. Цена миллиона: расходы в месяц из калькулятора локального ИИ, деленные на число миллионов. Скорость берите из замеров: для одного пользователя это 19–145 токенов в секунду на моделях 7–70 млрд, для пакетной выдачи на серверной карте суммарно, по нашей оценке, в десятки раз больше, и это главный рычаг.

Примеры по ценам на 29.09.2026

Mac Studio M4 Max при 32 400 ₽ в месяц, модель 7 млрд (Llama 2 7B в 4 битах), 83 токена в секунду, генерация 30% времени: 64,6 млн токенов и 501 ₽ за миллион, около 5,9 доллара. Рабочая станция с RTX 5090 при 66 200 ₽ в месяц, 128 токенов в секунду по замеру RTX 4090 на модели 8 млрд (замера RTX 5090 в источниках нет), 50% времени: 165 млн токенов, 400 ₽ за миллион. Модель 70 млрд в 4 битах занимает около 38,5 ГБ и на одну RTX 5090 с 32 ГБ не помещается; станция с двумя RTX 5090 стоит около 94 900 ₽ в месяц, и при 19 токенах в секунду по замеру двух RTX 4090 это 24,8 млн токенов и 3 833 ₽ за миллион, дороже выходных токенов Opus 5.5 по 1 688 ₽. Арендованная H100 за 242 ₽ в час на модели 70 млрд при 25 токенах в секунду и 80% загрузке: 3 361 ₽ за миллион; на модели 8 млрд при 144,5 токена в секунду 581 ₽. Сервер с четырьмя H100 при 507 000 ₽ в месяц и пакетной выдаче 2 000 токенов в секунду суммарно (наше допущение) при 60% загрузке: 3,1 млрд токенов и 163 ₽ за миллион, около 2 долларов.

Что из этого следует

Один пользователь на локальной модели 7–8 млрд платит 380–500 ₽ за миллион токенов: это уровень облачных моделей среднего класса за выходные токены, Haiku 4.5 422 ₽ и GPT-5.4 mini 380 ₽, и в 9–12 раз дороже дешевых, GPT-6 Luna 42 ₽. Пакетная выдача для десятков пользователей на серверной карте опускает цену до 163 ₽ в примере с четырьмя H100, дешевле облачных моделей среднего класса за выходные токены, при полном контроле над данными. Модель 70 млрд для одного пользователя стоит 3 360–3 540 ₽ за миллион, как облачные флагманы: ее берут ради данных, а не ради цены.

Три рычага цены токена

Загрузка. Цена миллиона обратно пропорциональна доле времени, когда модель генерирует: тот же Mac Studio при 60% вместо 30% дает 129 млн токенов в месяц и около 251 ₽ за миллион вместо 501 ₽, по нашему расчету. Параллельные потоки. Один пользователь получает десятки токенов в секунду, а серверная карта при пакетной выдаче обслуживает многих сразу; в примере с четырьмя H100 это опускает цену до 163 ₽. Размер модели. Модель на 70 млрд параметров на двух RTX 5090 стоит 3 833 ₽ за миллион, модель на 8 млрд на одной RTX 5090 около 400 ₽, разница почти в 10 раз. Поэтому первый вопрос не о том, какую карту купить, а о том, какая самая маленькая модель решает вашу задачу.

С чем сравнивать свою цену

Сравнивайте с ценой выходных токенов модели, которая решает ту же задачу, а не с самой дешевой и не с флагманом. Локальная модель на 7–8 млрд параметров для одного пользователя за 380–500 ₽ за миллион стоит как средняя российская облачная модель с ценой 500 ₽ за миллион на вход и выход и дороже младших российских облачных моделей за 65 и 200 ₽. Значит, ради цены одного пользователя свое железо не берут: его берут ради данных в периметре, ради большого объема с параллельными потоками или ради задачи, которую не решает дешевая облачная модель.

Вторая точка сравнения аренда. Та же модель на 8 млрд параметров на арендованной H100 за 242 ₽ в час дает 581 ₽ за миллион без покупки и амортизации, и карту можно вернуть, если расчет не сошелся.

Сколько стоит один ответ

Руководителю понятнее цена ответа, чем цена миллиона. По данным крупного российского разработчика ИИ, у его облачной модели в среднем 3–4 символа на токен: ответ в 1 800 знаков, страница текста, это 450–600 токенов. При 400 ₽ за миллион такой ответ стоит 0,18–0,24 ₽, на модели 70 млрд при 3 833 ₽ уже 1,7–2,3 ₽.

Но это цена при расчетной загрузке, а расходы на железо постоянны. Тысяча таких ответов в день дает 13,5–18 млн токенов в месяц, а станция с RTX 5090 при 50% загрузке способна выдать 165 млн. Остальное время она простаивает, и фактическая цена миллиона, по нашему расчету, 3 700–4 900 ₽, дороже выходных токенов Opus 5.5 по 1 688 ₽. Поэтому вводите в калькулятор загрузку, которую дает ваша очередь задач, а не максимум карты.

Как измерить свою скорость

Арендуйте нужную карту на час: RTX 4090 от 43 ₽, H100 от 242 ₽ в час, поставьте движок выдачи и прогоните 50 своих запросов при 1, 4 и 16 параллельных потоках: суммарная скорость при 16 потоках и есть число для калькулятора. На Mac измерьте в LM Studio: скорость показывается после каждого ответа.

Чего нет в цене токена

Внедрения: настройка модели, подключение к вашим системам и тесты; у нас это пилот от 149 000 ₽ за 14 дней. Сбоев: по нашему пересчету отчета об обучении модели на 16 384 картах, один серьезный сбой приходится примерно на 2 100 дней работы карты под полной нагрузкой, для сервера на 4 карты это раз в полтора года, и на время ремонта нужна резервная аренда от 43 ₽ в час. Простоя сотрудников, если сервис упал без плана восстановления. Эти строки добавьте в поле «прочее» калькулятора локального ИИ, и цена токена пересчитается.

Своя цена токена ниже облачной, когда совпадают три условия: очередь задач держит загрузку высокой, сервер выдает параллельные запросы пакетом, а модели хватает для задачи. По оценке из отраслевой публикации, сервер окупается при загрузке 80–90%; такую загрузку дает ночная обработка документов, а не чат с сотрудниками в рабочие часы.

Вопросы и ответы

Почему загрузка 30–60%, а не 100%?

Модель ждет запросов ночью и между диалогами. По оценке из отраслевой публикации, цена токена остается разумной при загрузке не ниже 80–90%, а без очереди задач такой загрузки достичь трудно.

Считать входные токены?

Обработка запроса идет намного быстрее генерации: на M5 Max 3 220 токенов в секунду против 120, в 27 раз. Поэтому в грубом расчете входные токены почти бесплатны; для длинных документов замерьте время обработки запроса на своей карте и добавьте его к загрузке.

Что такое пакетная выдача и почему она снижает цену?

Движок выдачи собирает запросы нескольких пользователей и считает их на карте за один проход. Скорость для каждого пользователя может снизиться, но суммарная выдача сервера растет, а расходы в месяц те же, поэтому цена миллиона падает. Свое число найдите замером при 1, 4 и 16 параллельных потоках на арендованной карте.

Сколько стоит миллион токенов на арендованной карте?

Разделите цену часа аренды на число миллионов токенов в час. H100 за 242 ₽ в час на модели 8 млрд при 144,5 токена в секунду и 80% загрузке дает 581 ₽ за миллион, на модели 70 млрд при 25 токенах в секунду 3 361 ₽. RTX 4090 стоит от 43 ₽ в час с почасовой оплатой: посчитайте по замеру своей модели на этой карте.

Почему облачная модель бывает дешевле своего сервера?

Провайдер загружает карты запросами многих клиентов круглые сутки и выдает их пакетом, а сервер компании простаивает ночью и между диалогами. Поэтому дешевые облачные модели, GPT-6 Luna за 42 ₽ и младшую российскую облачную модель за 65 ₽ за миллион выходных токенов, своим железом для одного пользователя не догнать. Свой сервер выигрывает у них не ценой, а данными в периметре.

Источники и проверка

Проверено редакцией 29 сентября 2026.

  1. llama.cpp, производительность на Apple Silicon, таблица обновлена 25.08.2026 (github.com)
  2. GPU-Benchmarks-on-LLM-Inference, Llama 3 8B и 70B, май 2024 (github.com)
  3. Intelion Cloud, аренда H100/H200 (проверено 29.09.2026) (intelion.cloud)
  4. Tproger, облачные GPU для ML в 2026 году, 21.05.2026 (tproger.ru)
  5. Claude Platform, цены API (проверено 29.09.2026) (platform.claude.com)
  6. Puter, обзор цен OpenAI API по данным openai.com, 29.09.2026 (developer.puter.com)
  7. ComNews, локальные ИИ и стоимость автоматизации, 19.02.2026 (comnews.ru)
  8. GPU Индекс, аренда RTX 4090 в России: 173 предложения, от 31,75 ₽ в час (проверено 30.09.2026) (gpuindex.ru)
  9. GPU Индекс, аренда H100 в России: 41 предложение, от 242 ₽ в час (проверено 30.09.2026) (gpuindex.ru)
  10. Регард, GeForce RTX 5090: одна карта в продаже, 30.09.2026 (regard.ru)
  11. Sber Developers, тарифы GigaChat API для юрлиц, 16.09.2026 (developers.sber.ru)
  12. kalinkindev.ru, цены YandexGPT API по биллингу Yandex Cloud, 13.09.2026 (kalinkindev.ru)
  13. Sber Developers, подсчет токенов GigaChat: в среднем 3–4 символа на токен, 17.07.2026 (developers.sber.ru)
  14. Tom's Hardware, сбои при обучении Llama 3 на 16 384 H100, 2024 (tomshardware.com)

Нашли ошибку? Напишите нам

Публикации

Как создать чат-бот в Максе: инструкция для компании

Чтобы создать чат-бот в Максе, компании нужно пройти четыре шага на платформе MAX для партнеров: проверить профиль организации через Госуслуги, заполнить карточку бота, дождаться модерации до 48 часов по рабочим дням и собрать сценарий в конструкторе или своим кодом. Ниже каждый шаг по документации MAX, проверенной 16 октября 2026 года, а также как связать бота с сайтом, CRM и командой и на чем бо

ИнструкцияИТСредний11 мин
Написать в Telegram