Calculadora de Ponto de Equilíbrio: GPU Dedicada vs LLM API em Nuvem
Encontre o volume diário exato de requisições e o patamar mensal de tokens em que GPUs dedicadas superam APIs em nuvem cobradas por token — considerando descontos de prompt caching, horas ativas de aluguel e se o cluster de GPUs escolhido sustenta fisicamente a vazão necessária em tok/s.
Volume de Carga, Tarifas de API e Custos de GPU
Matriz Completa de Especificações de Aceleradores e Memória Unificada
| Acelerador / Sistema | Tarifa Nuvem $/h | Custo de GPU Dedicada (30 Dias) | Requisições/Dia de Equilíbrio | Velocidade Est. |
|---|---|---|---|---|
| RTX 3090 24GB | $0.29/hr | $209/mo | 14,061 req/d | OOM (TP≥2) |
| RTX 4090 24GB | $0.44/hr | $317/mo | 21,334 req/d | OOM (TP≥2) |
| RTX 5090 32GB | $0.79/hr | $569/mo | 38,304 req/d | OOM (TP≥2) |
| Apple M-Max 64GB | $0.22/hr | $158/mo | 10,667 req/d | 14.6 tok/s |
| Mac Studio 128GB | $0.32/hr | $230/mo | 15,516 req/d | 14.6 tok/s |
| Mac Studio 192GB | $0.48/hr | $346/mo | 23,273 req/d | 21.4 tok/s |
| NVIDIA A100 80GB | $1.49/hr | $1073/mo | 72,243 req/d | 61.3 tok/s |
| NVIDIA H100 80GB | $2.39/hr | $1721/mo | 115,879 req/d | 100.7 tok/s |
Por Que Utilização e Cache de Prompt Deslocam a Curva de Equilíbrio
Provedores em nuvem cobrados por token têm custo zero em ociosidade e descontam de 75% a 90% em prompts de sistema repetidos, tornando cargas intermitentes muito mais econômicas em endpoints gerenciados do que em GPUs alugadas 24/7.
Quando pipelines contínuos em lote, agentes de código ou tráfego RAG de alta concorrência mantêm uma RTX 4090, A100 ou H100 ocupada acima de ~25–35% do dia, o custo fixo por hora supera rapidamente a cobrança por milhão de tokens de saída. Compare tarifas de API ao vivo de mais de 460 provedores no DevToken.