Формула
Токеновтокен. Токен это кусочек текста: слово, часть слова или знак, с которыми работает языковая модель. 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 секундутокены в секунду. Токены в секунду это скорость, с которой нейросеть пишет ответ: сколько кусочков текста она выдает за одну 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 моделилокальная модель. Локальная модель это нейросеть, которая работает на вашем компьютере или сервере, а не в облаке поставщика, поэтому данные никуда не уходят. 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.