Точка окупаемости своего GPU-сервера против аренды по часам

MAATRIX

Вы уже арендуете GPU по часам для инференса или обучения и заметили, что счёт за месяц подбирается к цене постоянного сервера. Возникает вопрос: не пора ли перейти на выделенный GPU-сервер с фиксированной ежемесячной ценой? Ответ — не «смотря по ощущениям», а конкретное число часов использования в месяц, после которого один вариант становится дешевле другого. В этой статье — формула точки окупаемости, которую вы примените к своим реальным тарифам, и разбор нюансов, которые формула сама не покажет.

Две модели оплаты и их логика

Есть два принципиально разных способа платить за GPU-мощность.

Почасовая аренда. Вы платите за каждый час фактического использования сервера. Ставка за час обычно выше, чем «час» в пересчёте из месячной аренды — провайдер закладывает в неё риск простоя мощности между вашими сессиями и накладные расходы на быстрое переключение клиентов. Зато вы не платите вообще ничего, пока не работаете: выключили инстанс — счётчик встал.

Выделенный GPU-сервер на постоянной основе. Вы платите фиксированную сумму в месяц независимо от того, гоняли вы модель круглосуточно или сервер простаивал большую часть времени. Цена за час использования получается ниже почасовой ставки — но только если вы действительно используете сервер много. При низкой загрузке вы платите за простой, и цена за фактический час работы модели может оказаться заметно выше, чем при почасовой аренде.

Отсюда и логика точки окупаемости: почасовая аренда выгоднее при малом числе часов в месяц, постоянная — при большом. Между ними есть конкретная граница, и её можно посчитать, а не угадывать.

Похожий выбор — между своей видеокартой и облаком — разобран в статье своя видеокарта против аренды GPU: что выгоднее и когда. Там точка окупаемости считается для покупки железа, здесь — для перехода между двумя форматами аренды у провайдера. Логика похожа, но переменные другие.

Формула точки окупаемости

Обозначим:

• P_час — ставка почасовой аренды нужного вам класса GPU (руб/час или $/час);
• P_мес — фиксированная стоимость выделенного GPU-сервера в месяц;
• h — сколько часов в месяц вы реально используете GPU (модель считает, идёт инференс или обучение — неважно, лишь бы GPU был занят полезной работой).

Стоимость почасовой аренды за месяц:

Cost_почасовая(h) = P_час × h

Стоимость выделенного сервера за месяц — константа, не зависящая от h:

Cost_выделенный = P_мес

Точка окупаемости h* — это число часов, при котором обе стоимости совпадают:

P_час × h* = P_мес
h* = P_мес / P_час

Интерпретация простая:

• если h < h\* — почасовая аренда обходится дешевле за месяц, платите только за использование;
• если h > h\* — выгоднее выделенный сервер, вы уже «отбиваете» его фиксированную цену и дальше пользуетесь практически бесплатно за час;
• при h = h\* — оба варианта стоят одинаково, дальше решает не цена, а удобство (гарантированная доступность мощности, отсутствие очереди на инстанс, простота планирования бюджета).

Это вся математика. Дальше — как подставить в неё реальные числа и на что обратить внимание, чтобы формула не соврала.

Пример расчёта на условных цифрах

Важная оговорка: числа ниже — иллюстративный пример, а не тарифы конкретного провайдера. Ставки на GPU меняются по классам карт, регионам и конкретным площадкам, поэтому в конце статьи — методика для ваших реальных цифр, а не таблица «правильных» цен.

Допустим, для условного среднего класса GPU (уровень, подходящий для инференса LLM среднего размера или генерации изображений) у вас есть такие ориентировочные варианты:

• почасовая аренда: P_час = 60 руб/час (пример);
• выделенный сервер того же класса: P_мес = 27 000 руб/месяц (пример).

Считаем точку окупаемости:

h* = 27000 / 60 = 450 часов в месяц

В месяце примерно 730 часов (24 × 30,4), значит 450 часов — это около 62% загрузки GPU в течение месяца. Если вы используете GPU меньше 450 часов, дешевле оставаться на почасовой аренде. Если больше — переход на выделенный сервер уже окупает себя в том же месяце.

Проверим на двух точках:

• при h = 200 часов: почасовая = 200 × 60 = 12 000 руб, выделенный = 27 000 руб → почасовая дешевле почти вдвое;
• при h = 600 часов: почасовая = 600 × 60 = 36 000 руб, выделенный = 27 000 руб → выделенный дешевле на 9 000 руб.

Формула работает одинаково для любого класса GPU — просто подставляете свои P_час и P_мес. Дороже карта — обычно больше и абсолютная разница между ставками, но само отношение (h* как доля от 730 часов месяца) у разных провайдеров и классов может отличаться заметно, поэтому пересчитывать нужно для каждого конкретного тарифа, а не переносить процент с одного класса GPU на другой.

Таблица: что выгоднее в зависимости от часов использования

На тех же условных цифрах (P_час = 60 руб/час, P_мес = 27 000 руб/месяц, h* = 450 часов) — таблица по диапазону загрузки:

График этой зависимости — прямая линия почасовой стоимости (растёт линейно от нуля с наклоном P_час) пересекает горизонтальную линию стоимости выделенного сервера (константа P_мес) ровно в точке h*. До пересечения выгоднее линия, что ниже (почасовая), после — горизонтальная (выделенный). Если рисуете такой график для своих цифр — это буквально одна наклонная и одна горизонтальная линия на осях «часы в месяц» / «рубли», и точка их пересечения и есть ответ.

Обратите внимание на форму кривой: при низкой загрузке разница в пользу почасовой аренды невелика в абсолютных числах, а при высокой загрузке разница в пользу выделенного сервера растёт линейно и неограниченно — чем ближе к 730 часам (круглосуточная работа), тем больше вы теряете, оставаясь на почасовой ставке.

Что ещё влияет на точку окупаемости, кроме цены за час

Голая формула h* = P_мес / P_час — только первое приближение. На практике на неё влияют ещё несколько факторов.

Минимальный шаг тарификации. Некоторые провайдеры округляют почасовую аренду вверх до целого часа или до определённого минимума (например, 15 минут). Если ваши сессии короткие и частые, реальная стоимость почасовой аренды окажется выше, чем h × P_час — эффективная ставка растёт, а значит h* смещается в сторону меньшего числа часов (выделенный сервер становится выгоден раньше).

Время на холодный старт. У почасовой аренды часто есть накладные расходы на каждый запуск: время на разворачивание инстанса, загрузку модели в память GPU, восстановление окружения. Если вы включаете и выключаете сервер по нескольку раз в день, это время либо оплачивается как часть аренды, либо съедает полезное время сессии. Выделенный сервер таких издержек не имеет — он один раз настроен и работает.

Хранение данных и весов моделей. При почасовой аренде инстанс между сессиями обычно не сохраняет диск (или это отдельная платная опция) — веса модели, датасеты, кеш нужно либо перекачивать заново, либо платить за отдельное хранилище. У выделенного сервера диск постоянный, это учтено в фиксированной цене. Добавьте стоимость хранилища к P_час, если оно тарифицируется отдельно — иначе сравнение будет нечестным.

Гарантия доступности мощности. Почасовая аренда популярных классов GPU в пиковые часы может быть недоступна — вы конкурируете с другими клиентами за одни и те же карты. Выделенный сервер закреплён за вами постоянно. Это не влияет на формулу напрямую, но влияет на решение: если вам критично гарантированно получить мощность в конкретный момент (например, продакшн-инференс с SLA), это аргумент в пользу выделенного сервера даже до достижения формальной точки окупаемости.

Тренд загрузки, а не разовый месяц. Считайте h* по нескольким месяцам, а не по одному. Если загрузка растёт (проект набирает пользователей) — стоит закладывать переход на выделенный сервер заранее, до формального пересечения точки окупаемости, чтобы не платить за миграцию в разгар роста. Если загрузка нестабильна и непредсказуема — почасовая аренда даёт гибкость, которую формула деньгами не измеряет.

Как посчитать это на своих реальных цифрах

Пошаговая методика — то, что вы примените напрямую, без выдуманных чисел:

1. Определите класс GPU, который вам реально нужен (по объёму видеопамяти под вашу модель, по нужной производительности) — точка окупаемости считается отдельно для каждого класса, нельзя взять h* с одной карты и перенести на другую.
2. Возьмите реальную почасовую ставку P_час у провайдера для этого класса GPU. Прибавьте к ней эффективную стоимость округления тарификации и, если применимо, отдельную плату за хранилище данных между сессиями — это даёт «полную» почасовую ставку, а не витринную.
3. Возьмите реальную месячную цену P_мес выделенного сервера того же класса GPU у того же или другого провайдера.
4. **Посчитайте h* = P_мес / P_час.**
5. Оцените вашу фактическую загрузку за последние 2-3 месяца — сколько часов GPU реально был занят полезной работой (не время, пока инстанс просто запущен и простаивает — только время фактических вычислений).
6. **Сравните вашу загрузку с h\*.** Если ваша типичная загрузка стабильно выше h*, миграция на выделенный сервер экономит деньги уже сейчас. Если ниже — считайте, при каком росте нагрузки вы пересечёте порог, и планируйте переход к этому моменту, а не после того, как счета за почасовую аренду это фактически докажут постфактум.
7. Перепроверяйте раз в квартал. Цены на GPU-мощности меняются, у вас может смениться класс нужного железа (например, при переходе на модель большего размера) — точка окупаемости не константа на годы вперёд.

Если вы уже считаете экономику своих LLM-запросов в целом, а не только аренды железа, пригодится статья как считать стоимость LLM-запросов на своём сервере — там разбирается, как раскладывать общие расходы сервера на стоимость единицы полезной работы. А если вопрос шире — не только GPU, а сервер в целом — методика та же самая, только цифры другие, и она разобрана в статье аренда против покупки сервера.

Частые вопросы