Saját üzemeltetésű MI-kódolási stack vs. a SaaS stack

Múlt hónapban egy fejlesztő, akivel beszéltem, megnyitotta a Cursor-számláját, és 80 $-t talált rajta. Az azt megelőző hónapban ugyanaz a fix 20 $ volt, mint mindig. A munkamódszerén semmi sem változott; a számlázás változott. Ezt a pillanatot most sokan élik át, és ezért lett a „ne egyszerűen saját magam üzemeltessem ezt?” kérdésből hobbikérdés helyett költségvetési kérdés.

Íme, mi történt valójában. Mindhárom nagy SaaS MI-kódolóeszköz (GitHub Copilot, Cursor és Windsurf) 2025 közepe és 2026 közepe között áttért a használat- vagy kreditalapú számlázásra. Ugyanekkor a nyílt súlyú kódmodellek, mint a Qwen2.5-Coder-32B, elég jóvá váltak ahhoz, hogy a saját kódolóasszisztens önálló üzemeltetése ma már valódi lehetőség, nem laborprojekt. Az összehasonlítást végre érdemes valós számokkal elvégezni.

Ez az az összehasonlítás. Megadom a valós költségszámítást egyéni fejlesztőnek és növekvő csapatnak egyaránt, egy őszinte értékelést arról, hol állják meg a helyüket a saját üzemeltetésű modellek és hol nem, valamint egy ajánlást a férőhelyszámhoz és a minőségi elvárásaidhoz igazítva. Tisztességes figyelmeztetés az elején: egyéni fejlesztőnek a népszerű „üzemeltesd GPU-n” tanács pénzügyileg általában hibás, és megmutatom, miért.

Röviden

• Ha egyedül dolgozol, a GPU-út nem térül meg. Egy havidíjas, listaáras, körülbelül 779 $/hó GPU VPS egyetlen ember számára soha nem veri meg a 10 $/hó Copilot Pro helyet.
• A saját üzemeltetésű GPU-stack csapatjátszma. A single GPU VPS breaks even against Copilot Business (about $19/seat) at roughly 27 seats, and against Cursor Teams (about $40/seat) at roughly 13 seats, at the current $506.35/month GPU price (roughly 41 and 20 seats at the undiscounted $779 list price). Below that, per-seat SaaS is usually cheaper.
• A képesség feladatonként eltér. A Qwen2.5-Coder-32B erős az automatikus kiegészítésben és a mindennapi szerkesztésekben; az élvonalbeli, felhőben futó modellek összetett, több fájlt érintő, ágensalapú munkában továbbra is egyértelműen nyernek.
• A saját üzemeltetésnek karbantartási adója van. Modellfrissítések, GPU-illesztőprogram furcsaságai, kontextusméretezés, rendelkezésre állás: havi néhány óra, nem második állás. Számold ezt bele, mielőtt váltasz.

Mit tárgyal ez a cikk (és mit nem)

Ez egy konkrét, felépíthető stack költség- és képességösszehasonlítása azokkal a SaaS-eszközökkel szemben, amelyekért a legtöbb fejlesztő már fizet. Hogy hasznos és őszinte maradjon:

• Tárgyalja: a havi költségszámítás (egyéni és csapat), a mindennapi kódolási képesség és egy testreszabott ajánlás.
• Tárgyalja: egy konkrét, saját üzemeltetésű stack (Ollama, Continue.dev, Code Server és n8n) egy VPS-en.
• Nem tárgyalja: a modellek kimerítő teljesítménymérése vagy a ranglisták hajszolása.
• Nem tárgyalja: a fine-tuning, sem e modellek nem kódolási LLM-munkára való használata.
• Nem tárgyalja: a lépésről lépésre telepítés. Ez a „megérje-e” cikk, nem a „hogyan építsd fel” cikk.

Mi változott az MI-kódolóeszközök árazásában

A Cursor kezdte. 2025. június 16-án a kérésenkénti korlátait API-használat alapú árazásra cserélte: kapsz egy keretet élvonalbeli modellhasználatból API-díjszabással, és az intenzív hónapok többe kerülnek, mint a nyugodtak. A változás sokakat meglepett, és a Cursor a bejelentés után egy ideig visszatérítést kínált. Egy 2026 júniusi frissítés tovább alakította a használati kereteket, de a használatalapú modellt megtartotta.

A GitHub Copilot 2026-ban követte. A a GitHub bejelentése, 2026. június 1-jén a régi prémium kéréségységeket token-alapú «GitHub AI Credits»-re cserélték. Az előfizetési árak változatlanok maradtak (Pro 10 $/hó, Business 19 $/felhasználó/hó), de amit ezen az áron belül tehetsz, azt most a tokenfogyasztás méri, a kódkiegészítés pedig továbbra is kreditköltség nélkül benne van.

A Windsurf végezte a legnagyobb átrendezést. 2026 márciusa, a régi, kredit jellegű önkiszolgáló csomagokat kvótaalapú csomagokra cserélte, hozzáadott egy 200 $/hó Max szintet, és az új Pro árat 20 $/hó-ra vitte, miközben a meglévő Pro- és Teams-előfizetőket a jelenlegi áron tartotta. A szerkesztő azóta Devin Desktop; a windsurf.com most a devin.ai/desktop-ra irányít. A Devin aktuális az önkiszolgáló számlázási dokumentáció a Teams-t teljes fejlesztői férőhelyenként 40 $-ként írja le, 80 $/hó minimummal, nem egyszerű «80 $ alap plusz 40 $ férőhelyenként» kiegészítő modellként.

A vezérfonal: a fix havi számla, amelyet előre lehetett látni, jórészt eltűnt. Épp ezt a kiszámíthatóságot vásárolja vissza a saját üzemeltetés, és épp ez teszi ezt az összehasonlítást most aktuálissá.

A SaaS stack: mit kapsz és mibe kerül férőhelyenként

Kezdd azzal, mit vesz meg a pénz, mert sokat vesz. A SaaS oldalon három szerkesztő áll (GitHub Copilot, Cursor és a korábbi Windsurf, azaz Devin Desktop), amelyek nulla beállítást, szoros IDE-integrációt és a ma elérhető legjobb ágensalapú, több fájlt átfogó gondolkodást kínálják. Telepítesz egy bővítményt vagy letöltesz egy szerkesztőt, és perceken belül dolgozol. A legtöbb ember számára épp ez a kényelem az egész lényeg.

Íme az aktuális, férőhelyenkénti árazás, az egyes eszközök saját árazási oldaláról:

A gyenge pont a mérőóra. A használat- és kreditalapú csomagoknál egy intenzív hónap magas számlát jelent, és sokszor csak akkor látod, amikor megérkezik. Ami rosszabb: ha elfogy a kredited, e szközök közül több elvágja a hozzáférést vagy túlfogyasztásba kényszerít; nincs csökkentett, de ingyenes helyi tartalék, amin a következő ciklusig elvegetálhatnál. Ha a bevételed egyenetlen vagy a használatod megugrik a hajrás heteken, ez az ingadozás valódi üzemeltetési fejfájás, nem kerekítési hiba.

Ha konkrét eszközöket mérlegelsz egymással szemben, nem a saját üzemeltetés kérdését, az egyes szerkesztőket alaposabban körüljártam egy Claude Code-alternatívák külön összehasonlításában.

A saját üzemeltetésű stack: Ollama, Continue.dev, Code Server, n8n

A saját üzemeltetésű oldal négy darabból áll, és mindegyik egy adott feladatot lát el. Ollama (jelenleg v0.31.1) a helyi következtetőmotor: a nyílt súlyú modellt a szervereden futtatja, és OpenAI-kompatibilis API-t kínál. Continue.dev a híd, egy VS Code- és JetBrains-bővítmény, amely a szerkesztőd automatikus kiegészítését és csevegését a felhőszolgáltató helyett az Ollama-végpontodra irányítja. Kódszerver (jelenleg v4.127.0) a böngészőben futó VS Code, magán a VPS-en üzemeltetve, hasznos, ha azt akarod, hogy az egész környezet a modell mellett éljen, ne a laptopodon. És n8n a munkafolyamat-réteg: így kötsz össze a modell köré ágensalapú vagy több lépéses automatizálásokat (tesztek futtatása, PR nyitása, webhook meghívása).

Az a modellválasztás, amely mindezt hitelessé teszi, a Qwen2.5-Coder-32B, amelyet az Ollama a standard benchmarkokon az egyik legerősebb nyílt súlyú kódmodellként pozicionál. Ez az az elem, amely megváltoztatta a számokat. Pár éve a nyílt modellek nem voltak elég közel ahhoz, hogy megérje; ma a mindennapi munkára már igen.

Egy fenntartás, amit érdemes tudni, mielőtt a Continue mellett elköteleződsz: mostantól a Cursor ökoszisztéma része. a Continue saját oldala megerősíti a felvásárlást, és a dokumentációja továbbra is mutatja az Ollama és a helyi modellek konfigurációját, de a termék hosszú távú iránya bizonytalanabb, mint a felvásárlás előtt. Egyelőre tekintsd praktikus hídnak, ne a legbiztonságosabb hosszú távú függőségnek.

És itt a kényelmes rész a beállítást kerülőknek: az Ollama, a Code Server és az n8n mind elérhető egykattintásos telepítésként a a Cloudzy marketplace, ami leveszi a napirendről a „töltsünk egy hétvégét a telepítéssel” kifogást. Rákattintasz és telepíted az egész stacket ahelyett, hogy kézzel raknád össze. Ha kifejezetten az Ollama melletti választás indoklása érdekel, összehasonlítottam ezzel: a fő alternatívával, az LM Studióval.

Profi tipp: a Qwen2.5-Coder-32B lemezen körülbelül 20 GB, és Q4_K_M kvantálásnál nagyjából 20-25 GB VRAM kell a futásához. Ez elfér egy 24 GB VRAM-os GPU-n, például az RTX 4090-en, de éppen csak. Alapbeállításokon és rövid-közepes kontextusablakokon jól fut; ha nagyon megnyújtod a kontextust, elkezdhet swappelni. Arra tervezz, hogy «gondos kontextuskezeléssel elfér», ne arra, hogy «rengeteg tartalék van».

A költségtáblázat: egyéni fejlesztő vs. csapat

For one developer, self-hosting on a GPU is the wrong call on cost. Using Cloudzy's month-to-month list price for a 1x RTX 4090 GPU VPS, the stack runs about $779/month against $10/month for Copilot Pro. The GPU stack only pays off when that fixed cost is shared across a team: at the current price ($506.35/month at the time of writing, billed month-to-month with no annual commitment), it breaks even at roughly 27 Copilot Business seats or 13 Cursor Teams seats. At the undiscounted $779/month list price, the break-even moves out to roughly 41 Copilot Business seats or 20 Cursor Teams seats.

Most a számok. A SaaS-oszlopok férőhelyenkénti összegek; a saját üzemeltetésű stack fix havi költség, mindegy, hányan osztoznak rajta.

Read the table by where the fixed line crosses the rising one. Against Cursor Teams at $40/seat, the GPU VPS becomes the cheaper option somewhere around 13 developers at the current price (about 20 at list). Against Copilot Business at $19/seat, you need roughly 27 developers at the current price (about 41 at list) before the fixed cost wins. Below those thresholds, per-seat SaaS is simply cheaper, and no amount of "but it's unlimited" changes that.

Az egyéni történet más, és érdemes kereken kimondani. Egyetlen embert nem ültetsz egy 779 $-os GPU-ra. Ha egyéniként akarsz saját üzemeltetést, a tisztességes összehasonlítás egy kis modell (7B) egy körülbelül 29 $/hó CPU VPS-en egy 10 $/hó Copilot Pro hellyel szemben. Ez körülbelül 19 $/hó többlet, és amit érte kapsz, az a használati korlátok hiánya, a mérőórás meglepetések hiánya és a kód, amely soha nem hagyja el a szervered. Hogy megér-e 19 $-t, kizárólag attól függ, mennyibe kerül neked a számlázás kiszámíthatatlansága stresszben és tervezésben, nem a puszta dollárban.

Gyors ítélet: a saját üzemeltetésű GPU-stack csapatszintű vagy több munkaterhelést érintő döntés, nem egyéni. Egy embernek ez azt jelenti: maradj a SaaS-nál, vagy futtass egy kis modellt egy olcsó CPU-gépen. Csapatnál számold ki a férőhelyszámot 19 $ és 40 $ ellenében, mielőtt GPU-hoz nyúlsz.

A szakasz fő tanulsága: a GPU-stack teljes gazdasági érve az, hogy egyetlen fix költséget sok férőhelyre oszt. Ez csapat- vagy több munkaterhelést érintő játszma, sosem egyéni vásárlás.

Képességek összehasonlítása: hol állja meg a helyét a saját üzemeltetés és hol nem

Adj egy saját üzemeltetésű Qwen2.5-Coder-32B beállításnak egy nap átlagos munkát (automatikus kiegészítés, egyfájlos szerkesztések, «írd meg nekem ezt a függvényt», magyarázd-el-ezt-a-kódot), és nehezen fogod megkülönböztetni egy fizetős asszisztenstől. A hétköznapokban a különbség kicsi. Ahol elakad, az a nehéz 20%: több fájlt érintő átírások, hosszú távú ágensfeladatok és összetett gondolkodás egy nagy kódbázison. Ott az élvonalbeli, felhőben futó modellek továbbra is egyértelműen nyernek, és nem hajszállal.

Van egy sebességbeli szempont is, amit alábecsülnek. Egy felhőben futó élvonalbeli modell azért válaszol gyorsan, mert valaki más hatalmas következtetőflottáján fut. A 779 $-os GPU VPS-ed, különösen néhány csapattárs egyidejű terhelése alatt, interaktív munkánál lassabbnak tűnhet a megszokott, egy másodperc alatti válaszoknál. Használható, de a «saját üzemeltetésű» és az «azonnali» nem ugyanaz, amint többen osztoznak egy kártyán.

A helyes keret tehát nem az, hogy «az Ollama leváltja a Copilotot». Hanem hogy «az Ollama a mindennapi feladatokban felér a Copilottal, a bonyolultakban pedig lemarad». Ha a napod jórészt mindennapi feladat, ez remek üzlet. Ha a napod jórészt a nehéz 20%, akkor nem.

Amikor a SaaS mégis nyer

Képzelj el egy egyéni fejlesztőt, akinek a munkája valóban minőségkritikus (az MI több fájlt érintő architekturális változtatásokat végez, nem automatikus kiegészítést), és akit egy csöppet sem érdekel, hogy szervert üzemeltessen. Ennek az embernek a 20 $/hó egy élvonalbeli eszközért az egyik legjobb üzlet a szoftverben, a saját üzemeltetés pedig megtakarításnak álcázott visszalépés lenne. Ott a SaaS egyértelműen nyer, és nem ez az egyetlen eset.

A SaaS a helyes választás, ha:

• Egyedül dolgozol, és a minőségi mércéd a nehéz 20%, nem a mindennapi szerkesztések.
• Your team is under the crossover seat count: below about 13 (vs Cursor Teams) or about 27 (vs Copilot Business) at current pricing, per-seat is cheaper.
• A munkafolyamataid csúcskategóriás ágensalapú gondolkodásra támaszkodnak, amelyet a nyílt modellek még nem érnek utol.
• A csapatban senki sem akarja, és nincs is ideje az üzemeltetést a nyakába venni.

Ezt az utolsó pontot legyintik el az emberek, úgyhogy legyünk konkrétak a karbantartási adóról. Egy kódolási stack saját üzemeltetése nem második állás, de nem is ingyen van. A valódi visszatérő munka része: új modellverziók letöltése és tesztelése, a GPU-illesztőprogram furcsaságainak rendezése frissítések után, a kontextusablak méretének hangolása, hogy ne swappelj VRAM-ot, és a gép fenntartása, hogy a csapatod ne akadjon el, amikor a modell leáll. Nevezd havi néhány órának, ha már stabil, ami rendben van, ha valaki felel érte, és lassított katasztrófa, ha senki.

A szakasz fő tanulsága: a saját üzemeltetés költség- és kontrolldöntés, amely csak egy bizonyos csapatméret felett térül meg, vagy amikor adatvédelmi és megfelelőségi követelmények a «a kódunk soha nem hagyja el a szerverünket» elvet a számoktól függetlenül alkuképtelenné teszik.

Hogyan válassz: egy döntési keret

Illeszd magad egy sorhoz, és lényegében kész is vagy. A fenti költségtáblázat és képességbontás mindent megad, hogy elhelyezd magad; ez csak a hozzárendelés.

• Egyéni, költségérzékeny, mindennapi feladatok: maradj a Copilot Pro-n, vagy futtass egy 7B modellt egy olcsó CPU VPS-en, ha korlátlan, privát, kiszámítható költséget akarsz. A GPU-t hagyd ki.
• Egyéni, minőségkritikus munka: maradj a SaaS-nál. Az élvonalbeli eszközök megérik, a saját üzemeltetés pedig neked visszalépés.
• Team under about 13 seats: per-seat SaaS is usually cheaper at current GPU pricing. Don't self-host to save money at this size.
• Team about 13 to 27+ seats, or with other GPU workloads, or with privacy and compliance requirements: a saját üzemeltetésű GPU-stack kezd valóban értelmet nyerni. Számold ki a férőhelyeket, és vedd figyelembe, ki viszi az üzemeltetést.

Ha abban az utolsó sorban landolsz, a gyakorlati kérdés az lesz, hol lakik a GPU-gép. A Qwen2.5-Coder-32B futtatása 24 GB VRAM-os kártyát jelent, és a beállítás terhe (épp az a kifogás, ami a SaaS-nál tartja az embereket) az, amit érdemes mérnökileg megszüntetni. Egy GPU VPS egykattintásos Ollama-, Code Server- és n8n-telepítéssel az egész stacket futásba hozza az összeszerelős hétvége nélkül, így az üzemeltetés, amire feliratkozol, folyamatos karbantartás, nem nulláról építés. Ha ezen az úton jársz, Cloudzy's Ollama VPS egy helyen adja meg a 24 GB VRAM-os GPU-t és az egykattintásos stacket; az árak és az aktuális GPU-helyszínek az oldalon vannak.

Gyakran ismételt kérdések

A lényeg

Válaszd a férőhelyszámodhoz és a minőségi mércédhez illő sort, és a döntés meghozza magát. Egyéni és költségérzékeny: maradj a Copilot Pro-n, vagy futtass egy kis modellt egy olcsó CPU-gépen. Egyéni és minőségkritikus: maradj a SaaS-nál. Egy csapat a fordulóponti méret felett, vagy más GPU-munkaterhelésekkel vagy adatvédelmi követelményekkel, ott térül meg végre a saját üzemeltetésű GPU-stack. A számlázási változások tették érdemessé ezt kiszámolni; a számítás a legtöbb ember számára még mindig a SaaS-ra mutat, és ez rendben van. Számold ki a saját számaidat 19 $ és 40 $ férőhelyenként, mielőtt GPU-t veszel.