Почему сравнение может быть смещено из-за НДС?

Тарифы API опубликованы с НДС, а ставки аренды у части площадок указаны без него либо без пометки вовсе. Домножить всё на 20 % мы не можем: там, где режим налогообложения не назван, это была бы догадка. Поэтому база показана у каждой строки. Практический вывод: где аренда указана без НДС, реальный порог ещё выше, то есть API выгоднее, чем выглядит в таблице.

Если порог пройден, почему не все на аренде?

Потому что «дешевле» верно при полной загрузке карты, а её ещё надо набрать. Ставка платится за всё время, пока карта у вас, включая ночи и выходные; API платится только за обработанные токены. Сервис, у которого нагрузка идёт волнами, на аренде проигрывает даже при вдесятеро более низкой цене токена. Плюс цена — не единственный вопрос. Данные, уходящие во внешний сервис, это отдельный правовой разговор, а для государственных учреждений — прямой запрет: требования ФСТЭК с 1 марта 2026 года запрещают передавать разработчику модели сведения ограниченного доступа. Плюс дообучение на своих данных, работа без интернета и независимость от чужих тарифов. Свой контур выбирают не потому, что он дешевле, а потому, что API в этой задаче не подходит.

Почему одна и та же модель у разных поставщиков стоит по-разному?

Потому что вы платите не за модель, а за доступ к ней. Веса открытой модели одни и те же у всех, но поставщик добавляет свою наценку, а вместе с ней — договор в рублях, закрывающие документы, очередь, лимиты запросов и поддержку. Разрыв в разы на одном и том же миллионе токенов поэтому не аномалия, а обычное состояние рынка поставщиков; сравнивать их цену имеет смысл ровно потому, что предмет продажи у них общий.

Оплата в рублях делает зарубежную модель законной?

Оплата решает бухгалтерский вопрос, а не правовой. Российский поставщик даёт договор, счёт и закрывающие документы — то, без чего организация не может платить. Место расчёта при этом остаётся прежним: если модель зарубежная, обращение к ней — трансграничная передача, как только в задаче появляются персональные данные. Требования к такой передаче разобраны в правовом навигаторе.

Главная/Цены GPU/Цена токена

ЦЕНЫ / ЦЕНА ТОКЕНА

Сколько стоит миллион токенов

Q: Что означает точка равенства?

Это месячная стоимость аренды, делённая на цену выходного токена у API. Число честное, но это нижняя граница, а не точка выгоды : ниже неё аренда точно не дешевле, выше — ещё не значит дешевле. В делении нет входных токенов, за которые у API платят отдельно; нет скорости и задержки — карта может такой объём и не выдать; нет загрузки — карта берёт деньги и в простое. Допущений о производительности здесь действительно нет, и в этом же его предел: делятся два наблюдаемых числа, а работает не деление, а сервис.

Третья цена рядом с ценой карты и ставкой аренды — и единственная, которая отвечает на вопрос «сколько стоит работа модели». Здесь тарифы российских API из официальной документации и честный расчёт точки, где аренда карты сравнивается с ними.

Коротко

Наблюдаем 3453 ставки у 8 поставщиков API, данные на 02.09.2026: 885 моделей, от российских до зарубежных с оплатой в рублях. Главное здесь — одну и ту же модель поставщики продают по разной цене: у 366 моделей мы видим два и больше ценника, и разница доходит до 17,1 раза. По публичному названию поставщики заявляют одну модель; различия версии, маршрута и режима мы проверяем отдельно. Цена токена на своей карте считается из опубликованных замеров, а не из числа параметров. При полной загрузке карта обгоняет самый дешёвый тариф не всегда: из 84 замеров дешевле выходят 57, дороже — 27. И вся соль в словах «при полной»: карта берёт деньги за всё время, API — только за работу.

Кто продаёт токены и по какой цене

Снято с прайсов поставщиков. Диапазон считается по цене генерации: карта, которую вы арендуете, заменяет собой выработку токенов, а не чтение запроса, и смешивать две стороны тарифа в одном «от … до» значило бы описывать не рынок, а состав выборки. Пакетные тарифы в диапазон не идут — там ответ приходит из очереди.

Поставщик	Моделей	Дешевле всего	Дороже всего	База	Проверено
RouterAPI	484	0,12 ₽Krea 2 Large	77 957 ₽o1-pro	НДС не указан	02.09.2026
RouterAI	335	3,37 ₽Mistral Nemo	67 376 ₽o1-pro	НДС не указан	02.09.2026
Polza AI	311	5,94 ₽Llama 3 8B Lunaris	71 332 ₽o1-pro	НДС не указан	02.09.2026
AITunnel	179	6 ₽Mistral Nemo	120 000 ₽O1 Pro	НДС не указан	02.09.2026
GPTunneL	121	30 ₽Qwen 3 8B	50 400 ₽GPT 5.2 Pro	НДС не указан	02.09.2026
GenAPI	90	10 ₽gpt-4.1-nano	45 000 ₽gpt-5.5-pro	НДС не указан	02.09.2026
Cloud.ru Foundation Models	85	0,0061 ₽whisper-large-v3	30 744 ₽GPT 5.4 Pro	НДС не указан	02.09.2026
GigaChat (Сбер)	3	65 ₽GigaChat Lite	650 ₽GigaChat Max	с НДС	02.09.2026

Методология Как мы считаем эти числа: откуда данные, что входит в цену и чего мы не знаем. Что исправляли

Цена по каждой модели отдельно, со всеми поставщиками рядом, — в разделе API нейросетей. Оплата в рублях по договору с российским юрлицом — это то, что даёт поставщик. Место расчёта он не меняет: если модель зарубежная, обращение к ней остаётся трансграничной передачей, как только в задаче появляются персональные данные. Что из этого следует — на странице о правовых требованиях. У тарифа Сбера, кроме того, есть минимальный платёж 600 ₽ в месяц: пока расчёт по токенам меньше этой суммы, платится он.

Открытые модели: чужой API или своя карта

Модели из нашего каталога, чьи веса доступны, — те самые, которые поднимают на арендованной карте. У них вопрос «API или своё» имеет точный смысл: модель одна и та же, отличается только способ её запустить, и допущений о качестве в сравнении нет вовсе.

Модель	Дешевле всего	Дороже всего	Предложений
Qwen3-8B8,2 млрд параметров	30 ₽GPTunneL	57 ₽ RouterAPI	4
Qwen3-32B32,8 млрд параметров	31 ₽RouterAI	148 ₽ Cloud.ru Foundation Models	4
Llama 3.3 70B Instruct70,6 млрд параметров	36 ₽RouterAI	143 ₽ Polza AI	5
Qwen2.5-72B-Instruct72,7 млрд параметров	45 ₽RouterAI	143 ₽ Polza AI	3
DeepSeek-V3684,5 млрд параметров	100 ₽RouterAI	1 000 ₽ GenAPI	5

Методология Как мы считаем эти числа: откуда данные, что входит в цену и чего мы не знаем. Что исправляли

Цена генерации за миллион токенов. Модель каталога, которой в этой таблице нет, у наблюдаемых поставщиков токенами не продаётся — её запускают у себя.

Одна модель — разные ценники

У 366 моделей мы видим больше одного ценника. По публичному названию поставщики заявляют одну и ту же модель — но одинаковое имя не доказывает одинаковую сущность: различаться могут версия, дата релиза, квантование, маршрутизация, режим и лимиты. Поэтому разрыв в цене мы показываем как факт рынка, а не как доказанную наценку: он повод проверить, что именно продаёт каждый, а не готовый вывод. Ниже — 20 строк с самым большим разрывом.

Модель	Дешевле	Дороже	Разница
R14 поставщика	281 ₽RouterAI	4 800 ₽GPTunneL	17,1×
o3-mini6 поставщиков	494 ₽RouterAI	6 600 ₽GenAPI	13,4×
GPT-4.1 Nano7 поставщиков	10 ₽GenAPI	120 ₽GPTunneL	12,0×
gpt-5.6-luna-pro5 поставщиков	135 ₽RouterAI	1 500 ₽GenAPI	11,1×
gpt-5.6-luna6 поставщиков	135 ₽RouterAI	1 500 ₽GenAPI	11,1×
Mistral Nemo3 поставщика	3,37 ₽RouterAI	36 ₽Polza AI	10,6×
Kimi K2.57 поставщиков	238 ₽Polza AI	2 400 ₽GPTunneL	10,1×
deepseek-v35 поставщиков	100 ₽RouterAI	1 000 ₽GenAPI	10,0×
Qwen2.5 Coder 32B Instruct3 поставщика	13 ₽Polza AI	125 ₽RouterAPI	9,6×
deepseek-v3.25 поставщиков	35 ₽RouterAI	330 ₽Cloud.ru Foundation Models	9,5×
MiniMax-M35 поставщиков	108 ₽RouterAI	1 009 ₽Cloud.ru Foundation Models	9,4×
Qwen3 30B A3B Thinking 25073 поставщика	36 ₽Polza AI	301 ₽RouterAPI	8,4×
GPT OSS 120B6 поставщиков	19 ₽RouterAI	150 ₽GPTunneL	7,9×
R1 Distill Llama 70B3 поставщика	13 ₽Polza AI	100 ₽RouterAPI	7,7×
Ministral 8B2 поставщика	14 ₽RouterAPI	100 ₽GPTunneL	7,3×
GPT 4o Mini6 поставщиков	67 ₽RouterAI	480 ₽GPTunneL	7,1×
MythoMax 13B3 поставщика	6,74 ₽RouterAI	48 ₽Polza AI	7,1×
GPT 5.27 поставщиков	524 ₽Polza AI	3 500 ₽GPTunneL	6,7×
GLM-5.26 поставщиков	175 ₽RouterAI	1 100 ₽GenAPI	6,3×
deepseek-v3.2-speciale2 поставщика	54 ₽RouterAPI	330 ₽Cloud.ru Foundation Models	6,1×

Методология Как мы считаем эти числа: откуда данные, что входит в цену и чего мы не знаем. Что исправляли

Разрыв в разы — не всегда переплата: поставщики различаются очередью, лимитами и тем, какой договор готовы подписать. Но начинать разговор о цене стоит зная, что за один и тот же миллион токенов на рынке просят по-разному.

Когда аренда карты сравнивается с API

Считается делением: месячная стоимость аренды ÷ цена миллиона выходных токенов. Результат — объём, который карта обязана выдать за месяц, чтобы плата за неё сравнялась с оплатой генерации у API. ⚠️ Это нижняя граница, а не точка выгоды: ниже неё аренда точно не дешевле, выше — ещё не значит дешевле. В делении нет входных токенов, за которые у API платят отдельно; нет скорости и задержки — карта может такой объём и не выдать; нет загрузки — карта берёт деньги и в простое. Ни одного предположения о производительности здесь нет, и в этом же предел числа: делятся два наблюдаемых числа, а работает не деление, а сервис.

Аренда	₽/мес	Qwen 3 8BGPTunneL	Qwen3 32BRouterAI	Llama 3.3 70B InstructRouterAI	Qwen2.5 72B InstructRouterAI
L40S FirstVDS	9 095 ₽ из ₽/сутки · НДС не указан	303 млн	289 млн	253 млн	202 млн
RTX 309024 ГБ HOSTKEY	20 000 ₽ наблюдение · НДС не указан	667 млн	636 млн	557 млн	445 млн
RTX 3090 Интелион Облако	24 988 ₽ из 34.23 ₽/час · с НДС	833 млн	795 млн	695 млн	556 млн
RTX 409024 ГБ HOSTKEY	27 000 ₽ наблюдение · НДС не указан	900 млн	859 млн	751 млн	601 млн
L424 ГБ mClouds	32 490 ₽ наблюдение · НДС не указан	1,1 млрд	1 млрд	904 млн	723 млн
RTX 509032 ГБ HOSTKEY	45 900 ₽ наблюдение · НДС не указан	1,5 млрд	1,5 млрд	1,3 млрд	1 млрд

Методология Как мы считаем эти числа: откуда данные, что входит в цену и чего мы не знаем. Что исправляли

Почасовые ставки приведены к месяцу умножением на 730 часов — это допущение о непрерывной загрузке. Карта, взятая на два часа в день, столько не стоит; но и API платится по факту работы, поэтому для сравнения допущение уместное. В таблице видно, откуда получена каждая месячная сумма.

Базы НДС в таблице разные. Тарифы API опубликованы с НДС, часть ставок аренды — без него или без пометки. Домножать на 20 % там, где режим не назван, мы не будем: это была бы догадка. Смещение при этом известно по направлению — реальный порог для аренды выше показанного, то есть API выгоднее, чем выглядит в таблице.

Взяты самые дешёвые из наблюдаемых вариантов аренды среди карт от 24 ГБ памяти — ниже этого объёма языковая модель рабочего размера не помещается, и сравнивать её порог с тарифом было бы бессмысленно, пусть арифметика и сходится. Они дают нижнюю границу требуемого объёма: на карте подороже порог только выше.

Сколько стоит миллион токенов на арендованной карте

Считается из двух наблюдаемых чисел: ставки аренды в час и опубликованной пропускной способности. Свой стенд мы не строили — взяли уже измеренное, и это возможно ровно потому, что публикация приводит условия: модель, длину входа и выхода, число одновременных запросов и фреймворк. Токенов в секунду не бывает «вообще»: на одной карте разброс достигает разов, поэтому каждая строка — это цена при этих условиях, а не свойство карты.

⚠️ Часть замеров сделана на узлах из нескольких карт. Пропускная способность в публикации — это итог всей конфигурации, а ставка аренды — цена одной карты, поэтому стоимость считается за всю конфигурацию целиком. Смешать эти два числа значило бы занизить цену токена во столько раз, сколько карт в узле, — и получить правдоподобный, но неверный вывод.

Здесь карта арендована. Если её купить, счёт устроен иначе: расход разовый, токен — поток, и связать их можно только сроком владения и загрузкой. Этот расчёт — на отдельной странице: миллион токенов на своём железе, при трёх значениях загрузки и рядом с ценой API.

Карта и модель	Пропускная	Первый токен	Ставка	За миллион	Против API
RTX 4090DeepSeek-R1-Distill-Qwen-1.5B 300 запросов · вход 100 / выход 600 · vLLM	9 696 ток./с 34,9 млн/час	не приводится	37 ₽/часHOSTKEY	1,06 ₽	дешевле в 28,3×
RTX 4090DeepSeek-R1-Distill-Qwen-1.5B 300 запросов · вход 100 / выход 600 · vLLM	8 266 ток./с 29,8 млн/час	не приводится	37 ₽/часHOSTKEY	1,24 ₽	дешевле в 24,1×
RTX 4090Qwen2.5-3B-Instruct 300 запросов · вход 100 / выход 600 · vLLM	7 214 ток./с 26 млн/час	не приводится	37 ₽/часHOSTKEY	1,42 ₽	дешевле в 21,1×
RTX 4090Qwen2.5-3B-Instruct 300 запросов · вход 100 / выход 600 · vLLM	6 980 ток./с 25,1 млн/час	не приводится	37 ₽/часHOSTKEY	1,47 ₽	дешевле в 20,4×
RTX 4090DeepSeek-R1-Distill-Qwen-7B 300 запросов · вход 100 / выход 600 · vLLM	4 173 ток./с 15 млн/час	не приводится	37 ₽/часHOSTKEY	2,46 ₽	дешевле в 12,2×
RTX 4090Qwen2.5-VL-7B-Instruct 300 запросов · вход 100 / выход 600 · vLLM	4 055 ток./с 14,6 млн/час	не приводится	37 ₽/часHOSTKEY	2,53 ₽	дешевле в 11,8×
RTX 4090Qwen2.5-VL-7B-Instruct 300 запросов · вход 100 / выход 600 · vLLM	4 009 ток./с 14,4 млн/час	не приводится	37 ₽/часHOSTKEY	2,56 ₽	дешевле в 11,7×
RTX 4090DeepSeek-R1-Distill-Qwen-7B 300 запросов · вход 100 / выход 600 · vLLM	3 965 ток./с 14,3 млн/час	не приводится	37 ₽/часHOSTKEY	2,59 ₽	дешевле в 11,6×
RTX PRO 2000DeepSeek-R1-Distill-Qwen-1.5B 50 запросов · вход 100 / выход 600 · vLLM	1 988 ток./с 7,2 млн/час	0,15 с	25 ₽/часHOSTKEY	3,54 ₽	дешевле в 8,5×
RTX PRO 2000Qwen2.5-1.5B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	1 927 ток./с 6,9 млн/час	0,46 с	25 ₽/часHOSTKEY	3,65 ₽	дешевле в 8,2×
RTX 4090DeepSeek-R1-Distill-Llama-8B 300 запросов · вход 100 / выход 600 · vLLM	2 769 ток./с 10 млн/час	не приводится	37 ₽/часHOSTKEY	3,71 ₽	дешевле в 8,1×
RTX 4090DeepSeek-R1-Distill-Llama-8B 300 запросов · вход 100 / выход 600 · vLLM	2 700 ток./с 9,7 млн/час	не приводится	37 ₽/часHOSTKEY	3,81 ₽	дешевле в 7,9×
RTX 5090Qwen3-Coder-30B-A3B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	4 570 ток./с 16,5 млн/час	не приводится	63 ₽/часHOSTKEY	3,82 ₽	дешевле в 7,8×
RTX PRO 2000Qwen3-VL-2B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	1 630 ток./с 5,9 млн/час	0,16 с	25 ₽/часHOSTKEY	4,32 ₽	дешевле в 6,9×
RTX PRO 6000 BlackwellQwen3-Coder-30B-A3B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	8 425 ток./с 30,3 млн/час	не приводится	133 ₽/часCloud4Y	4,39 ₽	дешевле в 6,8×
RTX 4090Qwen3-Coder-30B-A3B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	2 259 ток./с 8,1 млн/час	не приводится	37 ₽/часHOSTKEY	4,55 ₽	дешевле в 6,6×
RTX 4090Qwen3-Coder-30B-A3B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	8 903 ток./с на 4 картах · 32,1 млн/час	не приводится	148 ₽/часHOSTKEY · за 4 карты	4,62 ₽	дешевле в 6,5×
RTX 5090Qwen3-Coder-30B-A3B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	12 744 ток./с на 4 картах · 45,9 млн/час	не приводится	252 ₽/часHOSTKEY · за 4 карты	5,48 ₽	дешевле в 5,5×
A100DeepSeek-R1-Distill-Qwen-7B 300 запросов · вход 100 / выход 600 · vLLM	8 031 ток./с 28,9 млн/час	1,54 с	164 ₽/часHOSTKEY	5,69 ₽	дешевле в 5,3×
RTX 4090gemma-2-9b-it 300 запросов · вход 100 / выход 600 · vLLM	1 663 ток./с 6 млн/час	не приводится	37 ₽/часHOSTKEY	6,18 ₽	дешевле в 4,9×
RTX PRO 2000Qwen3-4B 50 запросов · вход 100 / выход 600 · vLLM	1 094 ток./с 3,9 млн/час	0,24 с	25 ₽/часHOSTKEY	6,43 ₽	дешевле в 4,7×
A100DeepSeek-R1-Distill-Llama-8B 300 запросов · вход 100 / выход 600 · vLLM	6 842 ток./с 24,6 млн/час	1,66 с	164 ₽/часHOSTKEY	6,67 ₽	дешевле в 4,5×
H100DeepSeek-R1-Distill-Qwen-7B 300 запросов · вход 100 / выход 600 · vLLM	7 315 ток./с 26,3 млн/час	не приводится	199 ₽/часHOSTKEY	7,54 ₽	дешевле в 4,0×
RTX A6000DeepSeek-R1-Distill-Llama-8B 100 запросов · вход 100 / выход 600 · vLLM	2 865 ток./с 10,3 млн/час	0,59 с	79 ₽/часHOSTKEY	7,7 ₽	дешевле в 3,9×
H100DeepSeek-R1-Distill-Qwen-7B 300 запросов · вход 100 / выход 600 · vLLM	6 882 ток./с 24,8 млн/час	не приводится	199 ₽/часHOSTKEY	8,02 ₽	дешевле в 3,7×
RTX A6000Qwen2.5-7B-Instruct 100 запросов · вход 100 / выход 600 · vLLM	2 662 ток./с 9,6 млн/час	0,41 с	79 ₽/часHOSTKEY	8,29 ₽	дешевле в 3,6×
RTX A6000Llama-3.1-8B-Instruct 100 запросов · вход 100 / выход 600 · vLLM	2 659 ток./с 9,6 млн/час	0,54 с	79 ₽/часHOSTKEY	8,3 ₽	дешевле в 3,6×
H100DeepSeek-R1-Distill-Llama-8B 300 запросов · вход 100 / выход 600 · vLLM	6 488 ток./с 23,4 млн/час	не приводится	199 ₽/часHOSTKEY	8,5 ₽	дешевле в 3,5×
H100DeepSeek-R1-Distill-Llama-8B 300 запросов · вход 100 / выход 600 · vLLM	5 934 ток./с 21,4 млн/час	не приводится	199 ₽/часHOSTKEY	9,3 ₽	дешевле в 3,2×
RTX PRO 2000gemma-3-4b-it 50 запросов · вход 100 / выход 600 · vLLM	730 ток./с 2,6 млн/час	2,9 с	25 ₽/часHOSTKEY	9,64 ₽	дешевле в 3,1×
A100DeepSeek-R1-Distill-Qwen-14B 300 запросов · вход 100 / выход 600 · vLLM	4 187 ток./с 15,1 млн/час	2,57 с	164 ₽/часHOSTKEY	11 ₽	дешевле в 2,8×
H100DeepSeek-R1-Distill-Qwen-14B 300 запросов · вход 100 / выход 600 · vLLM	4 821 ток./с 17,4 млн/час	не приводится	199 ₽/часHOSTKEY	11 ₽	дешевле в 2,6×
RTX PRO 6000 BlackwellDeepSeek-R1-Distill-Llama-8B 50 запросов · вход 100 / выход 600 · vLLM	3 210 ток./с 11,6 млн/час	0,28 с	133 ₽/часCloud4Y	12 ₽	дешевле в 2,6×
RTX PRO 6000 BlackwellLlama-3.1-8B 50 запросов · вход 100 / выход 600 · vLLM	3 196 ток./с 11,5 млн/час	0,33 с	133 ₽/часCloud4Y	12 ₽	дешевле в 2,6×
RTX PRO 6000 BlackwellGLM-4.5-Air число запросов не названо · вход 1000 / выход 1000 · vLLM	3 169 ток./с 11,4 млн/час	не приводится	133 ₽/часCloud4Y	12 ₽	дешевле в 2,6×
RTX PRO 6000 BlackwellQwen3-8B 50 запросов · вход 100 / выход 600 · vLLM	3 101 ток./с 11,2 млн/час	0,32 с	133 ₽/часCloud4Y	12 ₽	дешевле в 2,5×
H100DeepSeek-R1-Distill-Qwen-14B 300 запросов · вход 100 / выход 600 · vLLM	4 304 ток./с 15,5 млн/час	не приводится	199 ₽/часHOSTKEY	13 ₽	дешевле в 2,3×
H100gemma-2-9b-it 300 запросов · вход 100 / выход 600 · vLLM	4 193 ток./с 15,1 млн/час	не приводится	199 ₽/часHOSTKEY	13 ₽	дешевле в 2,3×
RTX A6000DeepSeek-R1-Distill-Llama-8B 50 запросов · вход 100 / выход 600 · vLLM	1 644 ток./с 5,9 млн/час	0,65 с	79 ₽/часHOSTKEY	13 ₽	дешевле в 2,2×
A100DeepSeek-R1-Distill-Qwen-7B 50 запросов · вход 100 / выход 600 · vLLM	3 363 ток./с 12,1 млн/час	0,31 с	164 ₽/часHOSTKEY	14 ₽	дешевле в 2,2×
RTX A6000Qwen2.5-7B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	1 618 ток./с 5,8 млн/час	0,58 с	79 ₽/часHOSTKEY	14 ₽	дешевле в 2,2×
RTX A6000Llama-3.1-8B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	1 493 ток./с 5,4 млн/час	0,59 с	79 ₽/часHOSTKEY	15 ₽	дешевле в 2,0×
RTX 5090GLM-4.5-Air число запросов не названо · вход 1000 / выход 1000 · vLLM	4 622 ток./с на 4 картах · 16,6 млн/час	не приводится	252 ₽/часHOSTKEY · за 4 карты	15 ₽	дешевле в 2,0×
A100DeepSeek-R1-Distill-Llama-8B 50 запросов · вход 100 / выход 600 · vLLM	3 004 ток./с 10,8 млн/час	0,33 с	164 ₽/часHOSTKEY	15 ₽	дешевле в 2,0×
H100gemma-2-9b-it 300 запросов · вход 100 / выход 600 · vLLM	3 270 ток./с 11,8 млн/час	не приводится	199 ₽/часHOSTKEY	17 ₽	дешевле в 1,8×
A100gemma-2-9b-it 300 запросов · вход 100 / выход 600 · vLLM	2 698 ток./с 9,7 млн/час	1,74 с	164 ₽/часHOSTKEY	17 ₽	дешевле в 1,8×
RTX A6000DeepSeek-R1-Distill-Qwen-14B 100 запросов · вход 100 / выход 600 · vLLM	1 294 ток./с 4,7 млн/час	1,67 с	79 ₽/часHOSTKEY	17 ₽	дешевле в 1,8×
RTX A6000Qwen2.5-14B-Instruct 100 запросов · вход 100 / выход 600 · vLLM	1 238 ток./с 4,5 млн/час	0,8 с	79 ₽/часHOSTKEY	18 ₽	дешевле в 1,7×
RTX PRO 6000 BlackwellQwen3-14B 50 запросов · вход 100 / выход 600 · vLLM	2 034 ток./с 7,3 млн/час	0,51 с	133 ₽/часCloud4Y	18 ₽	дешевле в 1,6×
RTX PRO 6000 BlackwellDeepSeek-R1-Distill-Qwen-14B 50 запросов · вход 100 / выход 600 · vLLM	1 873 ток./с 6,7 млн/час	0,51 с	133 ₽/часCloud4Y	20 ₽	дешевле в 1,5×
RTX PRO 6000 Blackwellgemma-3-12b-it 50 запросов · вход 100 / выход 600 · vLLM	1 817 ток./с 6,5 млн/час	0,44 с	133 ₽/часCloud4Y	20 ₽	дешевле в 1,5×
RTX 4090gemma-2-9b-it 300 запросов · вход 100 / выход 600 · vLLM	473 ток./с 1,7 млн/час	не приводится	37 ₽/часHOSTKEY	22 ₽	дешевле в 1,4×
RTX 4090GLM-4.5-Air число запросов не названо · вход 1000 / выход 1000 · vLLM	1 731 ток./с на 4 картах · 6,2 млн/час	не приводится	148 ₽/часHOSTKEY · за 4 карты	24 ₽	дешевле в 1,3×
H100gemma-2-27b-it 300 запросов · вход 100 / выход 600 · vLLM	2 271 ток./с 8,2 млн/час	не приводится	199 ₽/часHOSTKEY	24 ₽	дешевле в 1,2×
A100gemma-2-9b-it 50 запросов · вход 100 / выход 600 · vLLM	1 868 ток./с 6,7 млн/час	0,41 с	164 ₽/часHOSTKEY	24 ₽	дешевле в 1,2×
RTX A6000Qwen2.5-14B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	833 ток./с 3 млн/час	1,1 с	79 ₽/часHOSTKEY	26 ₽	дешевле в 1,1×
RTX 5090Llama-3.3-70B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	1 230 ток./с на 2 картах · 4,4 млн/час	не приводится	126 ₽/часHOSTKEY · за 2 карты	28 ₽	дешевле в 1,1×
H100gemma-2-27b-it 300 запросов · вход 100 / выход 600 · vLLM	1 837 ток./с 6,6 млн/час	не приводится	199 ₽/часHOSTKEY	30 ₽	дороже в 1,0×
A100gemma-2-27b-it 300 запросов · вход 100 / выход 600 · vLLM	1 509 ток./с 5,4 млн/час	4,31 с	164 ₽/часHOSTKEY	30 ₽	дороже в 1,0×
RTX A6000DeepSeek-R1-Distill-Qwen-14B 50 запросов · вход 100 / выход 600 · vLLM	727 ток./с 2,6 млн/час	0,47 с	79 ₽/часHOSTKEY	30 ₽	дороже в 1,0×
A100DeepSeek-R1-Distill-Qwen-14B 50 запросов · вход 100 / выход 600 · vLLM	1 450 ток./с 5,2 млн/час	0,58 с	164 ₽/часHOSTKEY	31 ₽	дороже в 1,0×
RTX PRO 6000 BlackwellLlama-3.3-70B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	1 031 ток./с 3,7 млн/час	не приводится	133 ₽/часCloud4Y	36 ₽	дороже в 1,2×
H100DeepSeek-R1-Distill-Qwen-32B 300 запросов · вход 100 / выход 600 · vLLM	1 482 ток./с 5,3 млн/час	не приводится	199 ₽/часHOSTKEY	37 ₽	дороже в 1,2×
RTX PRO 6000 BlackwellDeepSeek-R1-Distill-Qwen-32B 50 запросов · вход 100 / выход 600 · vLLM	966 ток./с 3,5 млн/час	1 с	133 ₽/часCloud4Y	38 ₽	дороже в 1,3×
H100DeepSeek-R1-Distill-Qwen-32B 300 запросов · вход 100 / выход 600 · vLLM	1 391 ток./с 5 млн/час	не приводится	199 ₽/часHOSTKEY	40 ₽	дороже в 1,3×
RTX PRO 6000 BlackwellQwen3-VL-32B-Instruct 50 запросов · вход 100 / выход 600 · vLLM	929 ток./с 3,3 млн/час	1,05 с	133 ₽/часCloud4Y	40 ₽	дороже в 1,3×
RTX 4090Llama-3.3-70B-Instruct число запросов не названо · вход 1000 / выход 1000 · vLLM	467 ток./с на 2 картах · 1,7 млн/час	не приводится	74 ₽/часHOSTKEY · за 2 карты	44 ₽	дороже в 1,5×
A100DeepSeek-R1-Distill-Qwen-32B 300 запросов · вход 100 / выход 600 · vLLM	721 ток./с 2,6 млн/час	67 с	164 ₽/часHOSTKEY	63 ₽	дороже в 2,1×
A100QwQ-32B 300 запросов · вход 100 / выход 600 · vLLM	703 ток./с 2,5 млн/час	94 с	164 ₽/часHOSTKEY	65 ₽	дороже в 2,2×
A100QwQ-32B 50 запросов · вход 100 / выход 600 · vLLM	615 ток./с 2,2 млн/час	1,3 с	164 ₽/часHOSTKEY	74 ₽	дороже в 2,5×
A100DeepSeek-R1-Distill-Qwen-32B 50 запросов · вход 100 / выход 600 · vLLM	577 ток./с 2,1 млн/час	1,3 с	164 ₽/часHOSTKEY	79 ₽	дороже в 2,6×
A100gemma-2-27b-it 50 запросов · вход 100 / выход 600 · vLLM	496 ток./с 1,8 млн/час	1,11 с	164 ₽/часHOSTKEY	92 ₽	дороже в 3,1×
RTX PRO 6000 BlackwellGLM-4.5-Air число запросов не названо · вход 8000 / выход 8000 · vLLM	2 291 ток./с на 8 картах · 8,2 млн/час	не приводится	1 066 ₽/часCloud4Y · за 8 карты	129 ₽	дороже в 4,3×
H100GLM-4.6 число запросов не названо · вход 8000 / выход 8000 · vLLM	2 834 ток./с на 8 картах · 10,2 млн/час	не приводится	1 589 ₽/часHOSTKEY · за 8 карты	156 ₽	дороже в 5,2×
H100GLM-4.5-Air число запросов не названо · вход 8000 / выход 8000 · vLLM	2 556 ток./с на 8 картах · 9,2 млн/час	не приводится	1 589 ₽/часHOSTKEY · за 8 карты	173 ₽	дороже в 5,8×
RTX PRO 6000 BlackwellGLM-4.6 число запросов не названо · вход 8000 / выход 8000 · vLLM	1 652 ток./с на 8 картах · 5,9 млн/час	не приводится	1 066 ₽/часCloud4Y · за 8 карты	179 ₽	дороже в 6,0×
RTX PRO 6000 BlackwellQwen3-Coder-480B-A35B число запросов не названо · вход 8000 / выход 8000 · vLLM	1 603 ток./с на 8 картах · 5,8 млн/час	не приводится	1 066 ₽/часCloud4Y · за 8 карты	185 ₽	дороже в 6,2×
H100Qwen3-Coder-480B-A35B число запросов не названо · вход 8000 / выход 8000 · vLLM	2 329 ток./с на 8 картах · 8,4 млн/час	не приводится	1 589 ₽/часHOSTKEY · за 8 карты	190 ₽	дороже в 6,3×
H200GLM-4.6 число запросов не названо · вход 8000 / выход 8000 · vLLM	5 588 ток./с на 8 картах · 20,1 млн/час	не приводится	4 557 ₽/часSelectel · за 8 карты	227 ₽	дороже в 7,6×
H200GLM-4.5-Air число запросов не названо · вход 8000 / выход 8000 · vLLM	5 463 ток./с на 8 картах · 19,7 млн/час	не приводится	4 557 ₽/часSelectel · за 8 карты	232 ₽	дороже в 7,7×
B200GLM-4.5-Air число запросов не названо · вход 8000 / выход 8000 · vLLM	9 675 ток./с на 8 картах · 34,8 млн/час	не приводится	8 984 ₽/часCloud4Y · за 8 карты	258 ₽	дороже в 8,6×
H200Qwen3-Coder-480B-A35B число запросов не названо · вход 8000 / выход 8000 · vLLM	4 263 ток./с на 8 картах · 15,3 млн/час	не приводится	4 557 ₽/часSelectel · за 8 карты	297 ₽	дороже в 9,9×
B200GLM-4.6 число запросов не названо · вход 8000 / выход 8000 · vLLM	8 037 ток./с на 8 картах · 28,9 млн/час	не приводится	8 984 ₽/часCloud4Y · за 8 карты	311 ₽	дороже в 10,4×
B200Qwen3-Coder-480B-A35B число запросов не названо · вход 8000 / выход 8000 · vLLM	6 438 ток./с на 8 картах · 23,2 млн/час	не приводится	8 984 ₽/часCloud4Y · за 8 карты	388 ₽	дороже в 12,9×

Методология Как мы считаем эти числа: откуда данные, что входит в цену и чего мы не знаем. Что исправляли

Строки, отмеченные полосой, — про ловушку. Пропускная способность там выше, чем при меньшей нагрузке, а время до первого токена вырастает до десятков секунд. Для пакетной обработки такой режим годится, для живого диалога — нет. Считать по нему цену токена можно, обещать по нему сервис — нельзя.

Сравнение «против API» идёт с самым дешёвым тарифом — Qwen 3 8B, 30 ₽ за миллион. Это самая тяжёлая планка для своего железа: против дорогих моделей поставщика карта выигрывает заметно легче.

Замеры чужие, и мы их не усредняем. Сложить публикации с разными условиями и вывести «среднее по рынку» означало бы придумать число, которого никто не измерял. Источник и дата — у каждой строки ниже.

Откуда взяты замеры (84 запуска, 2 публикации)

Database Mart, опубликовано 17.03.2025, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-rtx4090
Database Mart, опубликовано 09.02.2026, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-pro2000
CloudRift, опубликовано 09.10.2025, прочитано 01.09.2026 — https://www.cloudrift.ai/blog/benchmarking-rtx-gpus-for-llm-inference
Database Mart, опубликовано 21.03.2025, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-a100-80gb
Database Mart, опубликовано 13.03.2025, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-h100
Database Mart, опубликовано 09.04.2025, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-a6000
Database Mart, опубликовано 13.01.2026, прочитано 01.09.2026 — https://www.databasemart.com/blog/vllm-gpu-benchmark-pro6000
CloudRift, опубликовано 21.01.2026, прочитано 01.09.2026 — https://www.cloudrift.ai/blog/benchmarking-b200

Что из этого следует

Всё решает загрузка, а не цена карты. Даже без простоя карта бьёт самый дешёвый тариф не всегда: из 84 замеров дешевле выходят 57, дороже — 27. Порог из таблицы выше переводится в часы просто: сотни миллионов токенов в месяц набираются примерно за сутки непрерывной работы под полной нагрузкой. Не наберёте такую загрузку — платите за простой, и выигрывает API уже без вариантов; наберёте — считайте по своей связке карты и модели, потому что выигрыш есть не у всякой.

Цена токена — не цена качества. В таблице замеров рядом стоят модель на три миллиарда параметров и тариф поставщика, за которым модель другого класса. Сравнивать их по рублю за миллион можно, делать вывод «то же самое, только дешевле» — нельзя. Сначала проверяется, решает ли модель вашу задачу, и только потом считается её цена.

Своё железо выбирают не по цене токена. Его выбирают, когда данные нельзя отдавать наружу, когда нужно дообучение на своих документах или работа без интернета. Для государственных учреждений это вообще не вопрос экономики: требования ФСТЭК с 1 марта 2026 года запрещают передавать разработчику модели сведения ограниченного доступа.

Проверять сценарий дешевле на арендованной карте. Загрузку заранее не знает никто: она выясняется на живом сервисе за пару недель. Взять карту в аренду, померить свой реальный поток и уже потом решать про покупку — это на порядок дешевле, чем купить и обнаружить, что она простаивает.

Пропускная способность — не то же самое, что работоспособность. В замерах ниже есть случай, где триста одновременных запросов дают больше токенов в секунду, чем пятьдесят, — а первого слова приходится ждать больше минуты. Число выросло, сервис умер. Поэтому время до первого токена показано рядом с пропускной способностью и в выводах не теряется.

Частые вопросы

Из опубликованных замеров сторонних лабораторий и площадок. Своего стенда мы не строили осознанно: чужие измерения годятся ровно тогда, когда публикация приводит условия — модель, длину входа и выхода, число одновременных запросов и фреймворк. Без условий число токенов в секунду пустое: на одной карте разброс достигает разов. Источник и дата стоят у каждой строки, а усреднять замеры с разными условиями мы не будем — это означало бы придумать число, которого никто не измерял.

Следующий шаг

API нейросетей за рублиКто продаёт доступ к моделям в рублях и где та же модель дешевле.Аренда GPU в РоссииПлощадки, ставки и рейтинг с открытой методологией.Как мы считаемОткуда берутся числа, что входит в цену и чего мы не знаем.