منتجك يُطلَق، ويستدعي واجهة برمجة تطبيقات LLM، والفاتورة تتسلّل صعودًا كل شهر. فتفعل ما يفعله كل بانٍ في نهاية المطاف: تفتح علامة تبويب جديدة وتتساءل عمّا إذا كان استئجار GPU وتشغيل Llama بنفسك سيكون أرخص.
سؤال تكلفة الاستضافة الذاتية لـ LLM له إجابة، لكنها ليست الرقم الواحد الذي تكرره نتائج البحث العليا ونظرات الذكاء الاصطناعي العامة (AI Overviews). إنها تعتمد على ثلاثة أشياء تسطّحها تلك المقالات: أي واجهة برمجة تطبيقات تقارن بها، ومدى انشغال GPU الخاص بك، وتكلفة التشغيل (ops) التي لا يضعها أحد في جدول البيانات.
إليك النسخة المختصرة قبل التفاصيل: بالنسبة لمعظم البُناة الفرديين، الاستضافة الذاتية لا تفوز على التكلفة الآن. لكن هناك خطًا محددًا تنقلب عنده، ويمكنك حسابه على فاتورتك الخاصة في نحو دقيقتين. أدناه حسابات 2026 (الأسعار الحالية، وأرقام VRAM بحسب النموذج، وصيغة يمكنك تشغيلها).
النسخة المختصرة
- نقطة التعادل ليست رقمًا واحدًا. إنها ثلاثة، بحسب أي واجهة برمجة تطبيقات تقارن بها. مقابل واجهة برمجة تطبيقات متطورة (GPT-5.x، Claude Sonnet 5 / Opus 4.8، Gemini Pro)، تتعادل الاستضافة الذاتية في أقرب وقت. ومقابل واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان (DeepSeek، DeepInfra، Together بنحو $0.14–$0.50 لكل مليون رمز)، فهي لا تفوز على التكلفة وحدها تقريبًا أبدًا.
- الاستخدام (Utilization) هو المُضاعِف الذي يقتل الحالة الفردية. يكلّف GPU المستأجر نفس القدر وهو خامل كما يكلّف عند الحمل الكامل، لذا فإن GPU يعمل عند استخدام 10% يكلّف تقريبًا 10× لكل رمز عما يكلّفه عند الحمل الكامل. تجلس أحمال العمل الفردية المتقطعة عند استخدام منخفض افتراضيًا.
- أسفل نقطة التعادل، يكون الفوز على التكلفة عادةً هو التحول إلى واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان، وليس الاستضافة الذاتية. تكسب الاستضافة الذاتية قيمتها عندما يتجاوز الحجم المستدام مقابل التسعير المتطور الخط عند استخدام 60%+، أو عندما يكون لديك سبب غير متعلق بالتكلفة (الخصوصية، الكمون، التحكم في الضبط الدقيق).
- شغّل الصيغة على أرقامك الخاصة قبل أن تستأجر أي شيء. رموز التعادل ≈ التكلفة الشهرية لـ GPU VPS ÷ سعر واجهة برمجة التطبيقات المخلوط لديك لكل رمز.
ما لا يغطيه هذا
- مجموعات GPU متعددة العقد أو بحجم مركز بيانات. هذا قرار تكلفة فردي، وليس أسطولًا.
- اقتصاديات الضبط الدقيق (fine-tuning) بأي عمق (حساب منفصل بمقايضاته الخاصة).
- درس إعداد Ollama-مقابل-vLLM خطوة بخطوة. النطاق هنا هو سؤال المال، وليس التثبيت.
- العتاد المملوك كوسيلتك الأساسية. الافتراض في كل مكان هو GPU مستأجر، لأن هذا هو المسار الواقعي لبانٍ لا يملك GPU جالسًا على مكتبه بالفعل.
ما الذي يدفع التكلفة (وأين تخطئ الأرقام الشائعة)
ابحث عن "self host LLM vs API cost" وستصل إلى رقم تعادل مرتّب: شيء مثل 11 مليار رمز في الشهر، أو نحو $4,200 في الإنفاق الشهري على واجهة برمجة التطبيقات، تستشهد به تحليل التكلفة من braincuber ويُردَّد حرفيًا تقريبًا في نظرة الذكاء الاصطناعي العامة (AI Overview) في أعلى الصفحة. إنه رقم نظيف. وهو أيضًا شبه عديم الفائدة بمفرده، لأنه يخفي المتغيرين اللذين يحددان إجابتك.
السبب في أن هذا زلق هو أن جانبَي المقارنة لهما أشكال تكلفة مختلفة. فاتورة واجهة برمجة التطبيقات هي تكلفة متغيرة: تدفع لكل رمز، فتتوسع الفاتورة صعودًا وهبوطًا مع مقدار استخدامك لها. أما GPU المستأجر فهو تكلفة ثابتة: تدفع نفس المعدل الشهري سواء دفعت مليار رمز عبره أو تركته خاملًا. مقارنة تكلفة متغيرة بتكلفة ثابتة برقم واحد تتطلب التظاهر بأنك تعرف بالضبط كم رمزًا سيتدفق، وعلى النطاق الفردي، أنت عادةً لا تعرف.
هذا يترك ثلاثة روافع تحرّك نقطة التعادل:
- أي واجهة برمجة تطبيقات تقارن بها. تفصل واجهة برمجة تطبيقات متطورة وواجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان نحو رتبتين من حيث السعر. نقطة التعادل مقابل كل منهما مختلفة تمامًا.
- استخدام GPU الخاص بك. التكلفة الثابتة تؤتي ثمارها فقط إذا كان GPU مشغولًا. الوقت الخامل هو مال أنفقته مقابل لا شيء.
- تكلفة التشغيل (ops) الخفية. ساعاتك، وتقلّب تحديثات النموذج، ومفاجآت VRAM التي لا تظهر حتى تكون في الإنتاج.
سعّر كلًا من تلك وينقشع الضباب. تلك هي بقية هذا المقال.
خلاصة القسم: نقطة التعادل ليست رقمًا واحدًا. إنها ثلاثة أرقام، واحد لكل مستوى واجهة برمجة تطبيقات، واختيار المستوى الخاطئ للمقارنة به هو حيث تخطئ معظم تقديرات التكلفة.
التعادل الثلاثي: واجهة برمجة تطبيقات متطورة مقابل متوسطة المستوى مقابل اقتصادية
تتفوق الاستضافة الذاتية لـ LLM مفتوح الأوزان على GPU VPS على واجهة برمجة تطبيقات متطورة (من صنف GPT-5، Claude Sonnet 5 / Opus 4.8، Gemini Pro) عند نحو بضعة ملايين رمز في اليوم، شريطة أن تُبقي GPU عند استخدام صحي (لنقل 60% أو أعلى). ومقابل واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان بنحو $0.14–$0.50 لكل مليون رمز، نادرًا ما تفوز على التكلفة إطلاقًا. ذلك الفرق هو القصة كلها، وهو سبب عدم إمكانية أن يكون رقم تعادل واحد صحيحًا.
إليك شكل الأمر عبر المستويات الثلاثة. عامل هذه العتبات على أنها نطاقات إرشادية، وليست خطوطًا صارمة. إنها تأتي من تقديرات مجتمعية وتسعير 2026، وكلاهما يتحرك بسرعة.
| أنت تقارن بـ | مثال على التسعير (لكل 1M رمز، اعتبارًا من July 2026) | الحجم الشهري التقريبي الذي يبدأ عنده GPU واحد راقٍ في الفوز | الحكم لبانٍ فردي |
|---|---|---|---|
| واجهة برمجة تطبيقات متطورة | GPT-5.5 $5 دخل / $30 خرج؛ GPT-5.4 $2.50 / $15؛ Claude Opus 4.8 $5 / $25؛ Claude Sonnet 5 $2 / $10 حتى Aug. 31، ثم $3 / $15؛ Gemini 3.1 Pro Preview $2 / $12؛ Gemini 2.5 Pro $1.25 / $10 | ~160–256M رمز/شهر (~5–8M/يوم) عند استخدام 60–70% | قابل للتحقيق إذا كان لديك حجم مستدام |
| متوسط المستوى / متطور أصغر | GPT-5.4-mini $0.75 / $4.50؛ Claude Haiku 4.5 $1 / $5؛ Gemini 2.5 Flash $0.30 / $2.50 | أعلى بنحو 3–5× من تعادل المتطور، بحسب حصة الخرج واختيار النموذج | نادرًا ما يستحق على التكلفة |
| واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان | DeepInfra Llama 3.1 70B ~$0.40 ثابت؛ Together Llama 3 8B Lite $0.14؛ DeepSeek V4 Flash $0.14 / $0.28؛ DeepSeek V4 Pro $0.435 / $0.87 | ~2.5B–7B+ رمز/شهر، بحسب النموذج وحصة الخرج | غير قابل للتحقيق فعليًا بشكل فردي |
الأسعار من صفحات تسعير OpenAI, Anthropic, Google, DeepInfra, Together، و DeepSeek اعتبارًا من July 2026. كل واحد من هذه الأرقام له عمر افتراضي يُقاس بالأشهر، لذا تحقق من الصفحات الحالية قبل أن تلتزم.
الآن النقطة المخالفة، لأنها التي تغيّر القرارات. هناك حجة عالية وصحيحة تدور حولها بأن واجهات برمجة التطبيقات الاقتصادية قتلت نقطة تعادل الاستضافة الذاتية. واجهات برمجة التطبيقات مفتوحة الأوزان مثل DeepInfra و Together تخدم الآن نماذج Llama وQwen بجزء بسيط من الأسعار المتطورة، وقد انخفضت الأسعار المتطورة نفسها بحدة منذ 2025. مقابل تلك المعدلات الاقتصادية، تصل نقطة التعادل لكل رمز إلى مليارات الرموز في الشهر. صاحب المشروع الفردي لا يدفع مليارات الرموز في الشهر. لذا إذا كان هدفك الوحيد هو فاتورة أقل، فإن الخطوة الأولى عادةً ليست "استئجار GPU"، بل "التحول إلى واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان وإبقاء تكلفة تشغيل صفرية".
تبقى حالة تكلفة الاستضافة الذاتية في مكانين: المقارنة مقابل التسعير المتطور المكلف عند حجم عالٍ ومستدام فعلًا، والأسباب غير المتعلقة بالتكلفة (الخصوصية، الكمون، التحكم في الضبط الدقيق) المغطاة أدناه. في كل مكان آخر، تفوز واجهة برمجة التطبيقات الاقتصادية بحجة المال.
صيغة التعادل
break-even tokens per month ≈ GPU VPS monthly cost ÷ your blended API price per token
مثال محسوب، على نطاق صاحب مشروع فردي: لنقل إن GPU VPS واحدًا راقيًا يكلّف نحو $1,000/شهر (نطاق كتالوج 2026 لأعلى مستوى GPU واحد)، وأنت على واجهة برمجة تطبيقات متطورة بمعدل مخلوط حول $6 لكل مليون رمز (نحو $0.000006 لكل رمز). هذا ~$1,000 ÷ $0.000006 ≈ 167 مليون رمز/شهر قبل أن يدفع GPU ثمن نفسه على الورق. الآن أعد الأمر مقابل واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان بـ $0.40 لكل مليون ($0.0000004/رمز): ~$1,000 ÷ $0.0000004 = 2.5 مليار رمز/شهر. نفس GPU، نفس التكلفة الثابتة، وتتحرك نقطة التعادل بأكثر من 10× بناءً فقط على أي واجهة برمجة تطبيقات تضعها في المقام. هذا قبل الاستخدام، الذي يجعل الرقم أسوأ.
خلاصة القسم: يمكن لواجهة برمجة التطبيقات التي تقارن بها أن تحرّك نقطة تعادلك بـ 10× أو أكثر، لذا فإن "شغّل الأرقام" يعني تشغيلها مقابل واجهة برمجة التطبيقات المحددة التي ستستبدلها فعلًا.
ما الذي يفعله الاستخدام بالتكلفة لكل رمز
خذ نقطة تعادل المتطور تلك البالغة ~167 مليون رمز وأضف المتغير الذي تفترض الصيغة بهدوء غيابه: GPU الخاص بك مشغول طوال الوقت. إنه ليس كذلك. يفوتر GPU المستأجر نفس القدر سواء كان مشبعًا أو خاملًا، لذا فإن تكلفة GPU VPS الفعلية لـ LLM لكل رمز تتناسب عكسيًا مع الاستخدام. شغّل عند حمل 10% وكل رمز تخدمه يحمل تقريبًا 10× التكلفة التي يحملها عند الحمل الكامل، لأنك تدفع مقابل 90% من السعة التي لم تستخدمها. تضع التقديرات المجتمعية وكتابات الممارسين الحد الأدنى العملي عند نحو 50–60% استخدام مستدام قبل أن تتوقف الأرقام عن إحراجك (أرقام إرشادية، وليست ثوابت مخبرية).
بالنسبة لحمل عمل فردي متقطع (حركة تتصاعد خلال النهار وتنبسط ليلًا)، من الصعب بلوغ استخدام 60% مستدام. تلك هي الفخ. إليك ما يفعله بالتكلفة لكل مليون رمز عبر بضع نقاط ملموسة، باستخدام أسعار GPU من كتالوج 2026 مقسومة على الإنتاجية الشهرية التقريبية عند كل مستوى استخدام:
| مستوى GPU | النموذج (Q4) | ~التكلفة لكل 1M رمز عند استخدام 100% | عند استخدام 60% | عند استخدام 25% |
|---|---|---|---|---|
| RTX 4090 (24 GB) | Llama 3.1 8B | سنتات من رقم واحد منخفض | ~1.7× من رقم 100% | ~4× من رقم 100% |
| RTX 5090 (32 GB) | Qwen 3 32B | سنتات متوسطة | ~1.7× | ~4× |
| A100 (80 GB) | Llama 3.1 70B | أعلى (نموذج أكبر، GPU أكثر) | ~1.7× | ~4× |
| RTX 6000 Ada (48 GB) | Llama 3.1 70B (Q4) | مماثل لنطاق A100 | ~1.7× | ~4× |
تعتمد السنتات المطلقة لكل رمز على نموذجك، وتكميمك، وعدد الطلبات المتزامنة التي يمكنك حزمها على البطاقة، لذا عامل الأعمدة على أنها تُظهر شكل العقوبة بدلًا من عرض سعر. النقطة هي المُضاعِف: انزل من الحمل الكامل إلى ربع الحمل وتتضاعف تكلفتك لكل رمز أربع مرات تقريبًا. هذا عادةً ما يقتل حالة الاستضافة الذاتية الفردية، وليس سعر ملصق GPU.
هناك مخرج هيكلي واحد، وهو سبب أن الاستئجار قد يتفوق على التملّك للطلب المتقطع: يمكنك إيقاف نسخة مستأجرة عندما تكون خاملة. امتلك العتاد وسيهبط في القيمة ويسحب الطاقة سواء استخدمته أم لا. على الإيجارات بالساعة أو عند الطلب، يمكنك إيقاف النسخة أو هدمها عند انتهاء المهمة وتجنب الدفع مقابل ساعات الخمول. على الخطط الشهرية الثابتة، تظل الفاتورة ثابتة لفترة الفوترة، لذا يبقى الاستخدام هو مشكلة التكلفة الرئيسية. إنه لا يصلح حمل عمل منخفض الاستخدام فعلًا طوال اليوم، لكن للطلب المشغول في نوبات والميت في ما بينها، فإن القدرة على إطفاء العدّاد هي الرافعة الوحيدة التي تجعل الإيجار-مقابل-التملّك يميل نحو الإيجار.
خلاصة القسم: الاستخدام، وليس السعر الشهري لـ GPU، هو عادةً ما يقرر ما إذا كانت الاستضافة الذاتية تؤتي ثمارها، وهو المتغير الذي تتركه أرقام التعادل الشائعة خارجها تمامًا.
أي نموذج يلائم أي GPU: حقيقة VRAM
الخطة التي تنهار أولًا هي "سأشغّل فقط نموذج 70B على 4090". لا يمكنك. نموذج 70B عند تكميم Q4_K_M يحتاج إلى نحو 40–46 GB من VRAM، وبطاقة RTX 4090 بـ 24 GB أو RTX 5090 بـ 32 GB ببساطة لا تملك المساحة. أجبره على بطاقة بـ 24 GB وستنزل إلى تكميم Q2_K (نحو 21 GB) مع خسارة جودة مرئية، أو ينسكب النموذج إلى ذاكرة RAM النظام وتنهار سرعة التوليد. VRAM هو الجدار الصلب الذي يقرر أي النماذج مطروحة أصلًا لـ GPU معيّن.
إليك ما يلائم أين. أرقام VRAM تقريبية: إنها مشتقة من حساب البايتات-لكل-معامل القياسي (FP16 ≈ المعاملات × 2 مع ~15% عبء زائد؛ Q4_K_M ≈ المعاملات × ~0.55 مع عبء زائد)، لذا عاملها على أنها إرشاد لتحديد الحجم، وليست ضمانات.
| النموذج | FP16 | Q8 | Q4_K_M | أصغر GPU واحد من Cloudzy يلائم (عند Q4) |
|---|---|---|---|---|
| Llama 3.1 8B | ~16 GB | ~8.5 GB | ~5–6 GB | RTX 4090 (يلائم حتى عند FP16) |
| Mistral Small 3.1 (24B) | ~48 GB | ~24 GB | ~14–16 GB | RTX 4090 |
| Qwen 3 32B | ~64 GB | ~32 GB | ~18–20 GB | RTX 4090 |
| Qwen 2.5 72B | ~144 GB | ~72 GB | ~41–51 GB | A100 (80 GB) أو RTX 6000 Ada (48 GB) |
| Llama 3.1 70B | ~140 GB | ~70 GB | ~40–46 GB | A100 (80 GB) أو RTX 6000 Ada (48 GB) |
| DeepSeek R1 70B (distill) | ~140 GB | ~70 GB | ~40 GB | A100 (80 GB) أو RTX 6000 Ada (48 GB) |
تُتحقّق أرقام VRAM بالمقارنة مع صفحات مواصفات GPU الرسمية من NVIDIA لكل بطاقة. يمنح A100 نموذج 70B مكمَّمًا هامشًا أكثر راحة؛ ويمكن لـ RTX 6000 Ada أن يعمل لإعدادات Q4 الأضيق، بينما لا تملك البطاقات الاستهلاكية بـ 24 GB و32 GB ما يكفي من VRAM لنشر 70B Q4 عادي. إذا أردت التفصيل الكامل لكيفية استهلاك صيغ GGUF وGPTQ وAWQ وEXL2 للذاكرة، فذلك جحر أرنب يستحق قراءته الخاصة: GGUF وGPTQ وAWQ وEXL2: كيف تستخدم صيغ تكميم LLM الذاكرة فعليًا.
النقطة المثالية المجتمعية لبطاقة واحدة بـ 24 GB هي نموذج من 24B إلى 32B (Mistral Small 3.1 أو Qwen 3 32B عند Q4). تلك هي الحجم الذي يمنح بانيًا فرديًا نموذجًا مفيدًا على أرخص مستوى GPU دون محاربة VRAM طوال الطريق. إذا كنت توازن أي بطاقة تستأجر في المقام الأول، فإن معيار H100 مقابل RTX 4090 لأحمال عمل الذكاء الاصطناعي يقارن المستويات على الإنتاجية.
نصيحة احترافية: خصّص ميزانية لـ KV cache، وليس للأوزان فقط. أكثر مفاجأة شائعة عند النشر الأول: تحدّد حجم GPU لأوزان النموذج، وتحمّله، فيلائم. ثم تأتي الطلبات، وينمو KV cache مع طول السياق والتزامن، فتنفد VRAM عند خدمة مستخدميك القلائل الأوائل. عندما يفيض VRAM وينسكب النموذج إلى CPU، تنخفض سرعة التوليد بـ 10–100×. اترك هامشًا فوق أرقام الأوزان في الجدول لأجل الـ cache، خاصة إذا كنت تخدم سياقات طويلة أو عدة مستخدمين في آن واحد.
التكاليف الخفية التي تمحو الوفورات الساذجة
جدول البيانات الذي يقول إن الاستضافة الذاتية أرخص يحتوي دائمًا تقريبًا على سطر واحد: السعر الشهري لـ GPU. الفاتورة التي تدفعها لها أسطر أكثر. هناك وقتك (كل ساعة تقضيها في الترقيع، أو إعادة تشغيل خادم استدلال معلّق، أو مطاردة تعطّل نفاد الذاكرة هي ساعة لم تقضِها على المنتج). هناك تقلّب تحديثات النموذج: النموذج مفتوح الأوزان الذي نشرته يُستبدَل، وإعادة القياس المعياري وإعادة النشر عمل متكرر، وليس إعدادًا لمرة واحدة. هناك مفاجأة VRAM وKV-cache من القسم الأخير. وهناك هدر الخمول، الساعات التي يجلس فيها GPU يُفوتِر بينما لا شيء يعمل.
الممارسون الذين أحصوا هذه يضعون التكلفة الحقيقية عند نحو 1.3–2× السعر الخام لـ GPU بمجرد طيّ وقت التشغيل فيها، ويذهب بعضهم أعلى، إلى 3–5×، في الإعدادات الأكثر فوضى. تلك مُضاعِفات إرشادية من كتابات مجتمعية، وليست أرقامًا مدقّقة، لكن الاتجاه هو المهم. كما يضعها تأطير مقتبس على نطاق واسع، فإن GPU الخامل ليس أصلًا، بل التزامًا يُفوتَر بالساعة. بالنسبة لبانٍ فردي، الطريقة الصحيحة لتسعير هذا ليست سطر راتب MLOps، بل ساعاتك الخاصة، وهي أندر شيء تملكه. إذا وفّرت لك الاستضافة الذاتية $200 في الشهر على الورق لكنها تكلّفك ست ساعات من التشغيل كنت ستقضيها في الشحن، فهذا ليس فوزًا بديهيًا.
متى تفوز الاستضافة الذاتية على أي حال: الخصوصية، والكمون، والضبط الدقيق
التكلفة ليست السبب الوحيد لتشغيل نموذجك الخاص، وبالنسبة لبعض البُناة ليست حتى السبب الرئيسي. أسفل تعادل التكلفة، حيث يقول المال "ابقَ على واجهة برمجة التطبيقات"، هناك ثلاثة أسباب للاستضافة الذاتية على أي حال. سيادة البيانات: إبقاء مطالبات مستخدميك وبياناتهم خارج خط أنابيب مزوّد ذكاء اصطناعي خارجي، وهو أمر يهم بعض المنتجات بغض النظر عمّا تقوله الأرقام. الكمون القابل للتنبؤ: لا طابور مشترك المستأجرين، ولا حدود معدل لم تضعها، ولا تباطؤات مفاجئة أثناء تصاعد حركة شخص آخر. والتحكم الكامل: حرية الضبط الدقيق، والتكميم، وتبديل النماذج، وتثبيت الإصدارات دون انتظار بائع.
هناك تحفّظ على نقطة الخصوصية، وتخطّيه سيكون غير أمين. GPU VPS مستأجر لا يزال يعمل على عتاد شخص آخر في مركز بيانات شخص آخر. تلك سيادة ذات معنى من خط أنابيب تدريب وتسجيل مزوّد الذكاء الاصطناعي (مطالباتك لا تتدفق عبر أنظمة بائع نموذج)، لكنها ليست مثل معدات في الموقع (on-premises) تتحكم فيها فيزيائيًا. إذا كان متطلبك عزلًا حقيقيًا في الموقع، فإن VPS مستأجرًا لن يوصلك إلى هناك. إذا كان متطلبك "إبقاء بياناتنا خارج أيدي مزوّد نموذج طرف ثالث"، فإنه يفعل. اعرف أيهما تحتاج.
بالنسبة لأحمال العمل التي تعمل في بيئات شبكية مقيّدة، يمكن لنموذج مستضاف ذاتيًا على بنية تحتية تتحكم فيها أن يتجنب أيضًا الاعتمادات على نقاط نهاية خارجية قد يتعذّر الوصول إليها، وهي قدرة تهم بشكل مستقل عن مكان نشرها.
فهل ينبغي أن تستضيف ذاتيًا؟ إجابة مباشرة بحسب الوضع
كل ما سبق يُصنَّف في قرار قصير. لديك فاتورة، وإحساس تقريبي بحجم رموزك الشهري، والآن مستويات التعادل الثلاثة، وعقوبة الاستخدام، ومُضاعِف التكلفة الخفية. اربط وضعك بأحد هذه:
- أنت أسفل تعادل المتطور والتكلفة هي همّك الوحيد. ابقَ على واجهة برمجة تطبيقات، وسعّر بجدية واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان (DeepSeek، DeepInfra، Together) قبل أي شيء آخر. هذا عادةً هو الفوز على التكلفة، وليس الاستضافة الذاتية. تبديل واجهات برمجة التطبيقات تغيير في الإعداد؛ أما الاستضافة الذاتية فهي وظيفة ثانية.
- لديك حجم عالٍ ومستدام مقابل التسعير المتطور ويمكنك إبقاء GPU عند استخدام 60%+. هذا حيث تؤتي الاستضافة الذاتية ثمارها. شغّل الصيغة مقابل معدلك المتطور، وأكّد أنك تتجاوز العتبة باستخدام مستدام (وليس ذروة)، ويبدأ GPU VPS مستأجر في الفوز.
- لديك دافع غير متعلق بالتكلفة: الخصوصية، أو الكمون، أو التحكم في الضبط الدقيق. استضِف ذاتيًا أسفل نقطة التعادل عن عمد، وعيناك مفتوحتان على أنك تدفع مقابل التحكم. فقط لا تخبر نفسك بأنه أرخص إن لم يكن كذلك.
- أنت في المنتصف. انظر إلى النمط الهجين الذي يستقر عليه معظم الممارسين في 2026: نموذج صغير مستضاف ذاتيًا للمهام عالية الحجم البسيطة، إضافةً إلى واجهة برمجة تطبيقات متطورة للاستدلال الصعب الذي يصل إليه نموذجك المحلي بنسبة 85–90% (معايير مجتمعية، غير مُتحقَّق منها مخبريًا، والمسافة الأخيرة هي غالبًا حيث تحتاج إلى الجودة أكثر).
بخصوص سؤال "كيف أحصل على GPU"، فإن الإجابة لبانٍ فردي هي دائمًا تقريبًا استأجر، لا تشترِ. امتلاك عتاد بدرجة مركز بيانات هو رهان نفقات رأسمالية (capex) لا يكون منطقيًا إلا على نطاق لا تملكه بعد. يمكن للاستدلال بلا خادم (serverless) أن يقلّل هدر الخمول بالتوسع إلى صفر والفوترة فقط مقابل الحوسبة النشطة، لكنه غالبًا يقايض ذلك بمعدل أعلى لكل ساعة-GPU وكمون بدء بارد (cold-start). أما GPU VPS مستأجر فيجلس في المنتصف: لا نفقات رأسمالية، وفاتورة شهرية قابلة للتنبؤ، ووصول root، والقدرة على إيقاف النسخة عندما تكون خاملة.
إذا شغّلت الصيغة، وتجاوزت نقطة التعادل، وتريد خادم استدلال مخصصًا وخاصًا بوصول root دون شراء بطاقة، فهذا بالضبط ما يوجد من أجله صندوق GPU مستأجر. تغطي خطط GPU VPS من Cloudzy النطاق من نموذج 8B على بطاقة واحدة إلى 70B مكمَّم، و تطبيق Ollama بنقرة واحدة في المتجر يُنشَر في نحو دقيقة مع REST API متوافق مع عملاء OpenAI، بحيث يمكن أن يكون التحول من واجهة برمجة تطبيقات مدفوعة إلى خادمك الخاص قريبًا من تغيير جاهز للإدراج (drop-in) في كودك، دون تكلفة لكل رمز بعد الرسوم الشهرية الثابتة. تحقق من الصفحة للأسعار الحالية؛ معدلات GPU تتحرك.
الإجراء الوحيد الجدير باتخاذه قبل أن تستأجر أي شيء: شغّل صيغة التعادل على فاتورتك الخاصة. يستغرق دقيقتين وسيخبرك بأي من الأوضاع الأربعة أعلاه أنت فيه.
الأسئلة الشائعة
هل من الأرخص استضافة LLM ذاتيًا أم استخدام واجهة برمجة تطبيقات؟
يعتمد على أي واجهة برمجة تطبيقات. يمكن للاستضافة الذاتية لنموذج مفتوح الأوزان على GPU VPS أن تتفوق على واجهة برمجة تطبيقات متطورة (من صنف GPT-5، Claude Sonnet 5 / Opus 4.8) عند حجم عالٍ ومستدام مع استخدام GPU جيد. ونادرًا ما تتفوق على واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان (DeepSeek، DeepInfra، Together بنحو $0.14–$0.50 لكل مليون رمز اعتبارًا من July 2026) على التكلفة وحدها: تلك نقطة التعادل تصل إلى مليارات الرموز في الشهر، وهو ما لا يبلغه معظم البُناة الفرديين أبدًا.
أي GPU أحتاج لتشغيل نموذج 70B؟
نموذج 70B عند تكميم Q4_K_M يحتاج إلى نحو 40–46 GB من VRAM للأوزان المكمَّمة فقط. A100 بـ 80 GB هو الخيار الأكثر أمانًا لـ GPU واحد لأنه يترك مساحة لـ KV cache، والعبء الزائد أثناء التشغيل، والمطالبات الأطول. يمكن لـ RTX 6000 Ada بـ 48 GB أن يعمل لإعدادات Q4 الأضيق، لكن يجب إدارة طول السياق والتزامن بعناية.
كيف يؤثر استخدام GPU في التكلفة لكل رمز؟
يكلّف GPU المستأجر نفس القدر سواء كان خاملًا أو محمّلًا بالكامل، لذا فإن تكلفتك الفعلية لكل رمز تتناسب عكسيًا مع الاستخدام. عند حمل 10%، يكلّف كل رمز تخدمه تقريبًا 10× ما سيكلّفه عند الحمل الكامل، لأنك تدفع مقابل السعة غير المستخدمة. الحد الأدنى العملي لكي تكون الاستضافة الذاتية منطقية هو نحو 50–60% استخدام مستدام.
كم رمزًا في الشهر قبل أن تستحق الاستضافة الذاتية؟
مقابل واجهة برمجة تطبيقات متطورة، نحو 160–256 مليون رمز في الشهر عند استخدام صحي هو العتبة الإرشادية (اعتبارًا من July 2026). ومقابل واجهة برمجة تطبيقات اقتصادية مفتوحة الأوزان فهي مليارات في الشهر، غير قابلة للتحقيق فعليًا بشكل فردي. الرقم الدقيق يعتمد على تكلفة GPU الخاصة بك ومعدل واجهة برمجة التطبيقات المخلوط، لذا شغّل الصيغة: رموز التعادل ≈ التكلفة الشهرية لـ GPU VPS ÷ سعر واجهة برمجة التطبيقات لديك لكل رمز، ثم اخصمها لأجل الاستخدام المستدام.
هل يمكنني تشغيل LLM مفتوح الأوزان على VPS؟
نعم، على GPU VPS محدّد الحجم بحسب VRAM النموذج. أداة مثل Ollama تشغّل نماذج مفتوحة الأوزان (Llama، وQwen، وMistral، وغيرها) بنشر بنقرة واحدة وREST API متوافق مع OpenAI، بحيث يمكن لكودك الحالي الذي يستدعي واجهة برمجة التطبيقات أن يشير إلى خادمك الخاص بأدنى تغييرات. لائم مستوى GPU مع نموذجك: نموذج 8B يلائم بطاقة بـ 24 GB براحة، و70B مكمَّم يحتاج إلى 48–80 GB.
