Логотип Терафермы Тераферма Регистрация

2 ноября 2026 г. · Анатолий Крылов, редактор Терафермы

Своя LLM или API GigaChat и YandexGPT: что дешевле на миллион токенов

Весы со своим сервером с видеокартой и облаком, выдающим токены, — своя LLM или API: сравнение стоимости

Своя LLM на арендованной GPU дешевле API GigaChat и YandexGPT, когда вы обрабатываете больше нескольких миллионов токенов в месяц и нагрузка ровная. По данным на октябрь 2026 года GigaChat Pro стоит 500 ₽ за 1 млн токенов, YandexGPT Pro 5.1 — 800 ₽. RTX 4090, которая работает круглосуточно, обходится в 38 880 ₽ в месяц и окупается против GigaChat Pro уже на 78 млн токенов. При редких запросах API почти всегда выгоднее.

Тарифы API на октябрь 2026

GigaChat (Сбер). Цены для юрлиц с оплатой по факту, с НДС, страница тарифов обновлена 07.10.2026. Тарифицируются все токены, и запрос, и ответ.

Модель Синхронно, ₽ за 1 млн Асинхронно, ₽ за 1 млн
GigaChat Lite 65 32,5
GigaChat Pro 500 250
GigaChat Max 650 325

Минимальный платёж составляет 600 ₽ в месяц, если сервис использовался. Есть пакеты: например, 50 млн токенов Pro на 12 месяцев — 25 000 ₽, то есть те же 500 ₽ за миллион.

Yandex AI Studio. Цены с НДС, по данным на октябрь 2026.

Модель Вход, ₽ за 1 млн Выход, ₽ за 1 млн
YandexGPT Lite 200 200
YandexGPT Pro 5.1 800 800
YandexGPT Pro 5 1 200 1 200
Alice AI LLM 500 1 200
Qwen3.6 35B 200 300
gpt-oss-120b 300 300
gpt-oss-20b 100 100

Асинхронный режим примерно вдвое дешевле: YandexGPT Lite — 100 ₽, Pro 5.1 — 410 ₽ за миллион.

Обратите внимание: в Yandex AI Studio есть и открытые модели: gpt-oss и Qwen. Это удобная точка сравнения: ту же gpt-oss-120b можно запустить и у себя, и качество ответов будет тем же, разница только в цене и в том, где обрабатываются данные.

Сколько стоит своя LLM

У своего сервера другая экономика: вы платите не за токены, а за время работы карты. Месяц круглосуточной работы даёт 720 часов.

Модель Карта За час За месяц 24/7 За месяц 12 часов в день
gpt-oss-20b, Qwen 8–14B RTX 4090 54 ₽ 38 880 ₽ 19 440 ₽
Qwen 32B в 4 битах RTX 4090 54 ₽ 38 880 ₽ 19 440 ₽
Llama 70B в 4 битах RTX A6000 69 ₽ 49 680 ₽ 24 840 ₽
gpt-oss-120b A100 80 ГБ 154 ₽ 110 880 ₽ 55 440 ₽
gpt-oss-120b, 70B в FP8 H100 277–329 ₽ 199 440–236 880 ₽ 99 720–118 440 ₽

Сколько токенов эти карты реально выдают с батчингом и без, мы подробно разбирали в статье цена 1 млн токенов на своей GPU. Коротко: gpt-oss-20b на RTX 4090 с батчингом выдаёт порядка 2 500 токенов в секунду, gpt-oss-120b на H100 — порядка 3 000. Это 6–10 млрд токенов в месяц при полной загрузке — на порядки больше, чем нужно большинству проектов.

Формула точки безубыточности

точка безубыточности, млн токенов в месяц = стоимость сервера за месяц ÷ цена 1 млн токенов API

Если ваш объём выше этой точки, своя модель дешевле. Если ниже, дешевле API.

Сравнение Сервер 24/7 Цена API Точка безубыточности
RTX 4090 против GigaChat Lite 38 880 ₽ 65 ₽ 598 млн токенов
RTX 4090 против GigaChat Pro 38 880 ₽ 500 ₽ 78 млн токенов
RTX 4090 против YandexGPT Pro 5.1 38 880 ₽ 800 ₽ 49 млн токенов
RTX 4090 с gpt-oss-20b против gpt-oss-20b в AI Studio 38 880 ₽ 100 ₽ 389 млн токенов
H100 с gpt-oss-120b против gpt-oss-120b в AI Studio 199 440–236 880 ₽ 300 ₽ 665–790 млн токенов

Пример расчёта для второй строки: стоимость RTX 4090 за месяц делим на 500 ₽ за миллион. Если сервер работает только 12 часов в день, точка безубыточности вдвое ниже.

Важная оговорка: сравнение честно только тогда, когда своя модель решает задачу не хуже. Qwen 32B или gpt-oss-120b сопоставимы с моделями среднего класса, но на сложных задачах на русском флагманы GigaChat Max и YandexGPT Pro могут отвечать лучше. Проверьте качество на своих примерах до того, как считать экономию.

Три сценария

Сценарий 1. Внутренний ассистент для 20 сотрудников. 300 запросов в день по 1 500 токенов вместе с ответом дают около 13,5 млн токенов в месяц.

  • GigaChat Pro: 13,5 × 500 = 6 750 ₽.
  • YandexGPT Pro 5.1: 13,5 × 800 = 10 800 ₽.
  • Своя Qwen 32B на RTX 4090 только в рабочее время, 22 дня по 10 часов: 11 880 ₽.

Объём средний, сервер в выходные и ночью выключен. Своя модель выгоднее, если её качества хватает, но выигрыш не огромный, а поддерживать сервер придётся вам.

Сценарий 2. RAG по базе документов, 2 000 запросов в день. В каждом запросе 4 000 токенов контекста и 300 токенов ответа. В месяц: 2 000 × 30 × 4 300 ≈ 258 млн токенов.

  • GigaChat Pro: 258 × 500 = 129 000 ₽.
  • GigaChat Lite: 258 × 65 ≈ 16 800 ₽.
  • YandexGPT Pro 5.1: 258 × 800 ≈ 206 400 ₽.
  • Своя gpt-oss-120b на H100 круглосуточно: 199 440–236 880 ₽. Нагрузка выходит около 3 запросов в минуту, это несколько процентов возможностей карты.

Здесь своя модель выигрывает у моделей класса Pro в разы. Причина во входных токенах: API берёт деньги за 4 000 токенов контекста в каждом запросе, а своя GPU обрабатывает их параллельно почти бесплатно.

Сценарий 3. Чат-бот на сайте, 50 диалогов в день. Около 2 млн токенов в месяц.

  • GigaChat Pro: 2 × 500 = 1 000 ₽.
  • GigaChat Lite: минимальный платёж 600 ₽.
  • Своя модель: даже RTX 4090 только днём — 19 440 ₽.

При таком объёме API однозначно дешевле. Сервер будет простаивать 99% времени. Возвращаться к вопросу о своей модели стоит, когда диалогов станет в 10–20 раз больше или когда понадобится обрабатывать документы клиентов, которые нельзя отправлять внешнему провайдеру.

Сценарий Токенов в месяц GigaChat Pro YandexGPT Pro 5.1 Своя LLM
Ассистент на 20 человек 13,5 млн 6 750 ₽ 10 800 ₽ 11 880 ₽
RAG, 2 000 запросов в день 258 млн 129 000 ₽ 206 400 ₽ 199 440–236 880 ₽
Чат-бот, 50 диалогов в день 2 млн 1 000 ₽ 1 600 ₽ 19 440 ₽

Что кроме цены

Данные. Своя модель на сервере, который вы контролируете, не отправляет запросы стороннему провайдеру. Для договоров, медицинских и внутренних документов это часто важнее цены. Но учтите, где физически находится машина: для персональных данных клиентов требования 152-ФЗ касаются и инфраструктуры.

Качество. Флагманские закрытые модели на русском языке часто сильнее открытых моделей того же класса. Для классификации, извлечения данных и RAG разница меньше, для свободного текста — больше. Какие открытые российские модели можно запустить у себя, разобрано в статье российские LLM локально.

Дообучение. Свою модель можно дообучить LoRA на своих данных и терминах. С API такая возможность ограничена.

Поддержка. Свой сервер требует обновлений, мониторинга, перезапуска при сбое, сохранения весов. API работает без вашего участия. Если в команде нет человека, готового этим заниматься, экономия может уйти на его время.

Лимиты и задержка. API ограничивает число запросов в минуту. Свой сервер ограничен только мощностью карты, а задержка до первого токена зависит от вашей нагрузки, а не от общей очереди провайдера.

Что ещё входит в стоимость своей модели

Цена часа карты — основная, но не единственная статья расходов. Заложите в расчёт ещё четыре пункта.

Время запуска. После старта сервера модель нужно скачать или загрузить с диска. Веса gpt-oss-120b занимают около 61 ГБ, Llama 70B в 4 битах — около 40 ГБ. На канале 500 Мбит/с это 10–20 минут оплаченного времени при каждом холодном старте. Если включаете сервер каждое утро, держите веса в быстром хранилище рядом или выбирайте машину с хорошим каналом.

Резерв. Одна машина — одна точка отказа. Если сервис критичный, нужен план Б: вторая машина, которую можно поднять за минуты, или переключение на API на время сбоя. Гибридная схема из следующего раздела решает это почти бесплатно.

Время инженера. Первичная настройка vLLM, мониторинг и обновления занимают несколько часов в месяц. Для небольшой команды это реальные деньги, и их стоит сравнить с разницей в счёте.

Тесты качества. При смене версии модели или формата квантования прогоняйте свой набор примеров заново. Это час аренды карты и пара часов работы.

С API тоже есть скрытые расходы. Асинхронный режим вдвое дешевле, но ответы приходят с задержкой, для чата он не подходит. Пакеты токенов выгодны, только если вы точно выберете объём до окончания срока. А при росте нагрузки упираетесь в лимиты запросов, которые нужно согласовывать с провайдером.

Итоговое правило: если по формуле своя модель дешевле API меньше чем в 1,5 раза, дополнительные расходы могут съесть всю экономию. Если в 3 раза и больше, переход почти наверняка окупится.

Гибридная схема

Многие проекты совмещают оба варианта:

  • массовые однотипные задачи (классификация, извлечение полей, RAG по документам) идут на свою модель, где токены почти бесплатны;
  • редкие сложные запросы, где нужен максимум качества, уходят в API флагманской модели;
  • пиковые нагрузки, когда своя карта не справляется, тоже идут в API.

Технически это просто: vLLM поднимает OpenAI-совместимый API, и переключение между своей моделью и внешним провайдером сводится к смене адреса и ключа в коде. Так же устроены Telegram-боты и чат-боты на своей модели: код не меняется, меняется только адрес сервера.

Как принять решение за один день

  1. Посчитайте токены. Возьмите логи за неделю или оцените: запросов в день × (токены запроса + токены ответа) × 30.
  2. Посчитайте счёт API по таблицам выше.
  3. Арендуйте карту на 2–3 часа и запустите кандидата: gpt-oss-20b или Qwen 32B на RTX 4090, gpt-oss-120b на A100 или H100.
  4. Прогоните 50 своих запросов и сравните ответы с API.
  5. Сравните месячные суммы, а не цену токена. Если своя модель дешевле в 2 раза и больше, а качество устраивает, переходите.

Сколько стоит держать модель 70B онлайн целый месяц и на каких картах, считали в разборе LLM 70B онлайн.

API GigaChat и YandexGPT выгоднее при малых и неравномерных объёмах: до нескольких миллионов токенов в месяц сервер будет простаивать. Своя LLM на арендованной GPU выигрывает при десятках и сотнях миллионов токенов, особенно в RAG с длинным контекстом, где API берёт деньги за каждый входной токен.

Посчитайте свой объём токенов, арендуйте карту на пару часов на странице GPU для ИИ и сравните качество своей модели с API на реальных запросах.

Вопросы по теме

Сколько стоит миллион токенов в GigaChat и YandexGPT?

По данным на октябрь 2026: GigaChat Lite — 65 ₽ за 1 млн токенов, Pro — 500 ₽, Max — 650 ₽, в асинхронном режиме вдвое дешевле. YandexGPT Lite — 200 ₽, YandexGPT Pro 5.1 — 800 ₽, gpt-oss-120b в Yandex AI Studio — 300 ₽. Все цены с НДС.

При каком объёме своя LLM дешевле API?

Когда месячный счёт API больше стоимости сервера. Точка безубыточности = стоимость сервера за месяц ÷ цена 1 млн токенов API. Для RTX 4090, работающей круглосуточно, против GigaChat Pro это 78 млн токенов в месяц.

Почему для RAG своя модель выгоднее, чем кажется?

API берёт деньги и за входные токены, а в RAG промпт с документами в 5–10 раз длиннее ответа. На своей GPU входные токены обрабатываются параллельно и стоят в десятки раз дешевле выходных, поэтому длинный контекст почти не увеличивает счёт.

Когда лучше остаться на API?

Когда запросов мало или они идут неравномерно, когда нужна максимальная модель вроде GigaChat Max и нет времени на поддержку сервера. API не требует DevOps, масштабируется сам, а минимальный платёж GigaChat для юрлиц — всего 600 ₽ в месяц.

Подберите GPU

Все видеокарты каталога с поминутной оплатой в рублях.