GPU VPS vs LLM API: что выбрать AI-разработчикам?

Когда компания решает встроить нейросеть в свой продукт, почти сразу встаёт вопрос: GPU-сервер или LLM API? Можно платить поставщику за каждый запрос к готовой модели, а можно арендовать сервер с видеокартой и запустить модель у себя.

Оба пути рабочие, но ведут к разным расходам, разной ответственности и разным юридическим последствиям. Ошибка в выборе обходится дорого: одни переплачивают за простаивающую видеокарту, другие отправляют данные клиентов туда, куда их отправлять нельзя.

Материал пригодится владельцам бизнеса, продакт-менеджерам и разработчикам в Казахстане, которые запускают чат-ботов, обработку документов, AI-ассистентов и другие сервисы на базе языковых моделей. Разберём:

• чем отличаются два подхода и как устроен каждый;
• из чего складывается стоимость и где проходит точка окупаемости;
• какие требования казахстанского законодательства влияют на выбор;
• какой вариант подходит в пяти типовых ситуациях.

Два способа подключить нейросеть к продукту

Языковая модель, или LLM, умеет понимать текст и отвечать на него: писать письма, искать ответы в базе знаний, разбирать документы, классифицировать обращения. Подключить её к продукту можно двумя способами.

LLM API. Модель работает на серверах поставщика. Ваше приложение отправляет текст, получает ответ и платит за объём обработанного текста. Такой объём считают в токенах: это кусочки слов, на которые модель делит текст. Одно русское слово обычно занимает один или несколько токенов.

GPU-сервер. Вы арендуете машину с видеокартой и сами запускаете на ней модель. Видеокарта нужна потому, что нейросеть выполняет миллионы однотипных вычислений одновременно, а графический процессор справляется с этим намного быстрее обычного.

Здесь важно различать два типа моделей:

• закрытые (GPT, Claude, Gemini) доступны только через API их разработчиков или посредников, скачать их нельзя;
• открытые (Qwen, DeepSeek, Llama, казахстанская KazLLM) публикуются вместе с весами, то есть с «содержимым» модели, и их можно запустить на своём оборудовании.

Проще всего представить разницу через транспорт. API похож на такси: платите за каждую поездку, о машине не думаете. Свой сервер похож на арендованный автомобиль: платите за каждый день, даже если он стоит во дворе, зато ездите сколько угодно и сами решаете, кого сажать в салон.

Что происходит с запросом в каждом варианте

Снаружи оба подхода выглядят одинаково: пользователь пишет вопрос и получает ответ. Разница в том, что происходит между этими двумя моментами.

Путь запроса через API

1. Пользователь пишет сообщение в чат-бот или форму на сайте.
2. Приложение добавляет к нему инструкцию для модели и отправляет всё поставщику.
3. Модель на стороне поставщика формирует ответ.
4. Ответ возвращается в приложение, а с баланса списывается стоимость токенов.

Вы управляете текстом запроса и выбором модели. Всё остальное решает поставщик: где физически обрабатываются данные, сколько запросов в минуту разрешено, когда выходит новая версия модели и когда отключается старая.

Путь запроса через свой GPU-сервер

1. Вы арендуете сервер с видеокартой подходящего объёма памяти.
2. Устанавливаете драйверы и программу для запуска моделей, например vLLM или Ollama.
3. Скачиваете веса открытой модели и загружаете их в видеопамять.
4. Модель начинает принимать запросы по внутреннему адресу.
5. Ваше приложение обращается к этому адресу вместо внешнего поставщика.

Данные не покидают сервер, условия никто не меняет без вашего ведома. Но обновления, мониторинг, резервные копии и восстановление после сбоев становятся задачей вашей команды.

За что на самом деле платит компания

Сравнивать варианты по цене сложно, потому что они считаются в разных единицах: API берёт деньги за объём текста, сервер за время.

API: счёт растёт вместе с числом запросов

Поставщики отдельно тарифицируют входящий текст (вопрос, инструкцию, документ) и исходящий (ответ модели). Ответ обычно стоит в несколько раз дороже вопроса.

Разброс цен между моделями огромный. В прайсах посредников, которые принимают оплату в тенге, миллион входящих токенов для флагманской модели Claude Opus стоит около 3 500 ₸, а для облегчённой DeepSeek V4 Flash около 100 ₸. Разница примерно в 35 раз, и для многих типовых задач дешёвой модели хватает.

Главное преимущество API в нулевом старте. Не нужно ничего настраивать, первый запрос можно отправить через несколько минут, а при отсутствии запросов счёт тоже нулевой.

GPU: оплата идёт, даже когда карта молчит

Арендованный сервер стоит одинаково при полной загрузке и в полном простое. Поэтому цена одного ответа зависит от того, насколько плотно загружена видеокарта.

По оценкам аналитиков, при загрузке около 10% каждый токен обходится в десять раз дороже, чем при полной загрузке. Бот, которому пишут в рабочие часы, а ночью он простаивает, использует оплаченные мощности лишь частично.

Кроме аренды, есть статьи расходов, которые легко упустить:

• время специалиста на установку, настройку и обновление моделей;
• мониторинг и реакция на сбои;
• хранилище для весов моделей, логов и резервных копий;
• тестирование новых версий перед заменой рабочей модели.

С учётом этих затрат полная стоимость своего решения, по оценкам разных аналитиков, оказывается в три-пять раз выше, чем голая аренда видеокарты.

Где проходит точка окупаемости

Точка окупаемости показывает, с какого объёма запросов свой сервер начинает стоить дешевле API. Здесь всё зависит от того, с каким API сравнивать.

Против флагманских закрытых моделей. По расчётам, которые публикуют независимые аналитики в 2026 году, своя открытая модель на арендованном GPU начинает окупаться примерно с 2 до 5 млн токенов в сутки. Это порядка нескольких тысяч развёрнутых диалогов ежедневно.

Против дешёвых API с открытыми моделями. Если сравнивать с поставщиками, которые продают доступ к тем же Qwen или DeepSeek, порог уходит к 50 млн токенов в сутки и выше. Такие поставщики уже обслуживают модели на оптимизированном оборудовании с минимальной наценкой, и переиграть их на малых объёмах почти невозможно.

Есть ещё два фактора, которые сдвигают расчёт:

• API дешевеют. По подсчётам отраслевых обзоров, цены за токены за 2025 и 2026 годы снизились примерно на 80%, и порог окупаемости своего сервера постоянно растёт.
• Годовой бюджет как ориентир. Некоторые аналитики предлагают простое правило: при расходах на нейросети до 50 тыс. долларов в год выгоднее API, от 50 до 500 тыс. стоит рассматривать гибридную схему.

Вывод из цифр простой: деньги редко становятся главной причиной перейти на свой сервер у небольших и средних проектов. Чаще такой причиной оказываются данные.

Какую модель можно запустить на одной видеокарте

Даже если своя модель выгоднее, остаётся вопрос качества: справится ли она с задачей.

Главный ограничитель здесь объём видеопамяти. Модель целиком загружается в память карты, и туда же помещается «рабочий стол» для текущих диалогов. Чтобы крупные модели влезали в память, их сжимают, немного жертвуя точностью.

Ориентиры для карты с 96 ГБ памяти, например NVIDIA RTX PRO 6000 Blackwell:

• модель на 70 млрд параметров в сжатом виде занимает от 35 до 40 ГБ и оставляет большой запас под диалоги;
• модель на 32 млрд параметров помещается почти без потери качества;
• модели на 7 или 8 млрд параметров работают даже на картах со значительно меньшей памятью.

При этом лучшие открытые модели такого размера пока уступают флагманам вроде Claude Sonnet в сложных рассуждениях и написании кода. Для классификации обращений, ответов по базе знаний, извлечения данных из документов и суммаризации их обычно хватает. Для задач, где нужен максимум интеллекта, выигрывает API.

Требования закона в Казахстане, которые меняют расчёт

Для казахстанских компаний выбор между GPU-сервером и API часто решает не экономика, а законодательство.

Закон № 94-V «О персональных данных и их защите». Статья 12 требует хранить базы с персональными данными на территории Республики Казахстан. Передача таких данных в зарубежный сервис считается трансграничной и регулируется отдельно, со своими условиями.

На практике это значит следующее. Если в запросы к модели попадают ФИО, телефоны, ИИН, медицинские или банковские сведения клиентов, отправка их в зарубежный API превращается в юридический вопрос. Его нужно решать до запуска, а не после первой проверки.

Закон «Об искусственном интеллекте». Он действует в полном объёме с 18 января 2026 года и вводит:

• классификацию AI-систем по уровню риска: минимальный, средний, высокий;
• обязательное уведомление пользователей о контенте, созданном с помощью ИИ, с машиночитаемой маркировкой;
• ответственность собственников и владельцев систем за результаты их работы.

Если модель работает на сервере внутри страны, компании проще показать, где хранятся и обрабатываются данные, и контролировать весь жизненный цикл системы. Например, в Serverspace можно арендовать VPS-сервер в дата-центре в Алматы и разместить там приложение, базу данных и связанные сервисы, не вывозя персональные данные за пределы Казахстана.

Сильные и слабые стороны: сравнение в одной таблице

Сведём основные различия вместе, чтобы оценить варианты по всем параметрам сразу.

Главный плюс API: быстрый старт и доступ к самым сильным моделям без вложений. Главный риск API: зависимость от поставщика и вопросы к передаче данных за рубеж.

Главный плюс своего сервера: полный контроль над данными и предсказуемый счёт. Главный риск своего сервера: переплата при низкой загрузке и нагрузка на команду.

Пять ситуаций и подходящий вариант для каждой

Теория становится понятнее на примерах. Вот типовые задачи казахстанских компаний и логика выбора для каждой.

Интернет-магазин запускает бота поддержки

Бот отвечает на вопросы о доставке, возвратах и наличии товаров. Запросов несколько сотен в день, персональных данных в них почти нет. Выбор: API. Объём далёк от точки окупаемости, а запуск займёт день. Для типовых вопросов подойдёт недорогая модель.

Клиника или банк разбирают документы клиентов

Модель извлекает данные из анкет, выписок, медицинских заключений. В каждом документе есть персональные данные. Выбор: GPU-сервер в Казахстане. Требования Закона № 94-V здесь важнее экономии, а открытой модели хватает для извлечения и структурирования данных.

Ночная обработка тысяч заявок и отзывов

Компания каждую ночь классифицирует обращения за день: тема, тональность, срочность. Нагрузка большая, но регулярная. Выбор: зависит от объёма. Если счёт по дешёвому API уже сопоставим с арендой, выгоднее свой сервер, который работает несколько часов подряд на полной загрузке. Если нет, оставайтесь на API с недорогой открытой моделью.

Сервис для пользователей на казахском языке

Нужна модель, которая хорошо понимает и пишет по-казахски. Выбор: своя модель на GPU. Институт ISSAI при Nazarbayev University выложил открытые версии KazLLM, в том числе сжатую модель на 70 млрд параметров. Она помещается на одну видеокарту с 96 ГБ памяти и обучена на казахском, русском и английском.

Стартап проверяет гипотезу

Команда из трёх человек делает прототип AI-ассистента и не знает, будет ли спрос. Выбор: API на старте. Деньги и время лучше тратить на продукт. Когда объём вырастет, можно посчитать точку окупаемости по реальным логам и перенести часть нагрузки на свой сервер.

Гибридная схема, когда выбирать не приходится

Многие компании в итоге приходят к комбинации двух подходов:

• запросы с персональными данными и массовые однотипные задачи обрабатывает своя модель на сервере в Казахстане;
• сложные задачи без чувствительных данных, например генерация кода или аналитика, уходят к флагманской модели через API;
• приложение, база данных и логика маршрутизации работают на обычном VPS, которому видеокарта не нужна.

Такая схема позволяет платить за флагман только там, где его возможности действительно нужны. Собрать её проще, когда всё находится у одного провайдера. Например, в Serverspace есть доступ к LLM с оплатой в тенге: один ключ открывает модели разных разработчиков, запросы совместимы с форматом OpenAI, а сервисы и серверы управляются из одной панели с общим балансом.

Ошибки, из-за которых проект переплачивает

Сравнивать свой сервер только с дорогим API. Честное сравнение идёт с дешёвыми поставщиками тех же открытых моделей. Против них свой GPU окупается гораздо позже.

Считать только аренду. Время специалиста на настройку и поддержку часто стоит больше самой видеокарты. Закладывайте его в расчёт с первого дня.

Брать сервер под пиковую нагрузку. Если пик длится час в день, остальные 23 часа карта оплачивается впустую. Пики лучше сглаживать очередью задач или отдавать в API.

Отправлять персональные данные в зарубежный API без проверки. Сначала оцените, какие данные попадают в запросы, и сверьтесь с требованиями Закона № 94-V.

Выбирать модель по рейтингам. Общие бенчмарки не показывают, как модель справится именно с вашими задачами. Проверяйте на собственных примерах.

Брать видеокарту не под ту задачу. Карты для виртуальных рабочих мест, например NVIDIA A16, рассчитаны на графику для многих пользователей. Для крупных языковых моделей нужны карты с большим объёмом памяти.

Как принять решение за пять шагов

1. Посчитайте объём. Оцените, сколько токенов в сутки потребуется, по логам или по прогнозу числа диалогов.
2. Проверьте данные. Выясните, попадают ли в запросы персональные данные граждан Казахстана.
3. Протестируйте модели. Прогоните от 20 до 30 типовых задач через две-три модели, закрытые и открытые.
4. Сравните полную стоимость. Поставьте рядом месячный счёт API и аренду сервера вместе со временем специалистов.
5. Заложите путь роста. Начните с того варианта, который дешевле сейчас, и заранее решите, при каком объёме будете пересматривать схему.

Вывод

Выбор между GPU-сервером и LLM API зависит от трёх вещей: объёма запросов, чувствительности данных и требований к качеству ответов.

• API подходит для старта, небольших объёмов и задач, где нужны самые сильные модели.
• Свой сервер оправдан при больших стабильных нагрузках, работе с персональными данными и нуждах, которые не закрывают готовые модели, например поддержке казахского языка.
• Гибридная схема позволяет совместить сильные стороны обоих подходов.

Начните с подсчёта токенов и проверки данных, а затем протестируйте модели на своих задачах. Инфраструктуру для любого из вариантов можно развернуть в Serverspace: VPS и серверы с GPU с почасовой оплатой в дата-центре в Алматы, а также доступ к языковым моделям через единый API.

FAQ