--- title: "Самый дешёвый облачный GPU для Ollama (2026): модели от 8B до 70B, по часам" description: "Какая арендованная карта поддерживает каждый размер модели Ollama в Q4, примерные токены в секунду на карту и сколько в месяц стоит постоянный приватный ассистент." url: https://lowcostgpu.com/ru/guides/cheapest-gpu-for-ollama last_modified: 2026-10-20T10:29:15+00:00 prices_as_of: 2026-10-19 site: LowCostGPU (lowcostgpu.com) --- Руководство · Расходы и цены # Самый дешёвый облачный GPU для Ollama (2026): модели от 8B до 70B, по часам Какая арендованная карта поддерживает каждый размер модели Ollama в Q4, примерные токены в секунду на карту и сколько в месяц стоит постоянный приватный ассистент. 8 мин чтения Опубликовано 2026-09-03 Обновлено 2026-09-03 (цены в реальном времени из прайс-листа) TL;DR - RTX 3060 12 GB — самая дешёвая карта, которая хорошо справляется с Ollama, охватывая все модели 7B-8B и большинство моделей 14B при Q4. - По умолчанию Ollama загружает веса в 4-бит, поэтому закладывайте около 0,6 GB на миллиард параметров плюс 1-3 GB на контекст. - Это даёт 8B на картах с 12 GB, 27B-32B на 24 GB и 70B на RTX A6000 с 48 GB за $0,281 в час на LowCostGPU. - Ollama работает в один поток: ожидайте около 120 токенов в секунду для 8B на RTX 4090, а при большом числе пользователей на одной карте используйте vLLM. ## Сколько VRAM нужно каждой модели Ollama По умолчанию Ollama загружает 4-битные (Q4_K_M) веса, так что практическое правило — **около 0,6 GB на миллиард параметров плюс 1–3 GB на контекст**. Это даёт: модели 8B — на картах 12 GB, 14B — на 12–16 GB, 27B–32B — на 24 GB, а 70B — на 48 GB. Берите карту классом выше, если нужен контекст от 32k или веса FP16 (тегам:fp16 нужно 2 GB на миллиард). ## Таблица: модель → самая дешёвая карта → скорость → стоимость Токены в секунду — это ориентировочные показатели в один поток для Ollama при полном размещении модели на GPU (бэкенд llama.cpp CUDA); длина промпта и квантование сдвигают эти цифры. Цены — сегодняшние тарифы по требованию; прерываемый режим — вдвое дешевле. | Модель Ollama | Веса | Карта | По требованию | ~tok/s | $ / млн токенов | Примечание | | --- | --- | --- | --- | --- | --- | --- | | llama3.1:8b | 4,9 GB | [RTX 3060](https://lowcostgpu.com/ru/gpu/rtx-3060) (12 GB) | $0,058 | ~35 | $0,46 | Самая дешёвая карта для комфортного запуска 8B | | llama3.1:8b | 4,9 GB | [RTX 4090](https://lowcostgpu.com/ru/gpu/rtx-4090) (24 GB) | $0,354 | ~120 | $0,82 | Отзывчивый чат; запас на контекст 32k | | qwen2.5:14b | 9,0 GB | [RTX 4070](https://lowcostgpu.com/ru/gpu/rtx-4070) (12 GB) | $0,123 | ~45 | $0,76 | 12 GB достаточно при Q4 | | qwen2.5:14b | 9,0 GB | [RTX 5090](https://lowcostgpu.com/ru/gpu/rtx-5090) (32 GB) | $0,481 | ~110 | $1,21 | 1,79 TB/s GDDR7 — заметно в токенах в секунду | | gemma3:27b | 17 GB | [RTX 3090](https://lowcostgpu.com/ru/gpu/rtx-3090) (24 GB) | $0,148 | ~25 | $1,64 | 24 GB с запасом на контекст по самому низкому тарифу | | qwen2.5:32b | 20 GB | [RTX 4090](https://lowcostgpu.com/ru/gpu/rtx-4090) (24 GB) | $0,354 | ~40 | $2,46 | Впритык, но нормально на 24 GB с контекстом 8k | | qwen2.5:32b | 20 GB | [RTX 5090](https://lowcostgpu.com/ru/gpu/rtx-5090) (32 GB) | $0,481 | ~62 | $2,16 | 32 GB дают запас для длинного контекста | | llama3.3:70b | 43 GB | [RTX A6000](https://lowcostgpu.com/ru/gpu/rtx-a6000) (48 GB) | $0,281 | ~15 | $5,20 | Самая дешёвая одиночная карта, вмещающая 70B | | llama3.3:70b | 43 GB | [L40S](https://lowcostgpu.com/ru/gpu/l40s) (48 GB) | $0,448 | ~20 | $6,22 | Datacenter-карта для постоянно работающего ассистента | | llama3.3:70b | 43 GB | [H100 PCIE](https://lowcostgpu.com/ru/gpu/h100-pcie) (80 GB) | $1,811 | ~38 | $13,24 | Пропускная способность HBM — самая быстрая однокарточная 70B | Показатель $/M токенов в один поток выглядит дорого на фоне API-провайдеров, потому что один чат за раз оставляет большую часть карты простаивать — Ollama — инструмент для личного ассистента, а не движок сервинга. Для многих пользователей [vLLM](https://lowcostgpu.com/ru/templates/vllm) батчит запросы и снижает стоимость токена в 10–30 раз. ## Постоянно работающий личный ассистент, в месяц | Ассистент | Карта | 24/7 по требованию | Зарезервированный (3 мес.) | 8 ч/день, рабочие дни | | --- | --- | --- | --- | --- | | 8B-чат (llama3.1:8b) | [RTX 3060](https://lowcostgpu.com/ru/gpu/rtx-3060) | $42 | $27 | $10 | | 14B–32B (qwen2.5:32b) | [RTX 4090](https://lowcostgpu.com/ru/gpu/rtx-4090) | $258 | $168 | $62 | | 70B (llama3.3:70b) | [RTX A6000](https://lowcostgpu.com/ru/gpu/rtx-a6000) | $205 | $133 | $49 | | 70B, быстро (llama3.3:70b) | [H100 PCIE](https://lowcostgpu.com/ru/gpu/h100-pcie) | $1 322 | $859 | $319 | Добавьте том для библиотеки моделей (/root/.ollama, 30–100 GB по $0,08/GB/мес.), чтобы загруженные модели переживали остановку/запуск и смену инстанса. ## Настройка одной командой *Ollama на самой дешёвой карте с 12 GB* ``` lowcostgpu launch --gpu rtx-3060 --template ollama --disk 40 --volume ollama:/root/.ollama # ✓ instance i-2b7e11c0 running (26.4s) · $0,058/hr # https://i-2b7e11c0.lowcostgpu.com:11434 (Ollama API, TLS) curl https://i-2b7e11c0.lowcostgpu.com:11434/api/pull -d '{"name":"llama3.1:8b"}' ``` Нужен чат-интерфейс поверх? [Шаблон Open WebUI](https://lowcostgpu.com/ru/templates/open-webui-ollama) объединяет Ollama с многопользовательским интерфейсом, RAG и управлением моделями по TLS. ## Пять способов сократить расходы - **Подбирайте карту под модель, а не под амбиции.** 8B-ассистент на H100 стоит в 40 раз дороже того же ассистента на 3060 и не отвечает лучше. - **Останавливайте его, когда никто не общается с ним.** Посекундная тарификация означает, что ассистент, работающий с 9 до 17, стоит треть цены круглосуточного; диск сохраняет модели. - **Резервируйте, если работает без перерыва.** −35 % от трёх месяцев — $0,037/ч за 3060, $0,182/ч за A6000. - **Q4 вместо FP16.** Вдвое меньший класс VRAM, почти такие же ответы в чате; используйте FP16 для оценочных прогонов. - **Две дешёвые карты могут обойти одну дорогую.** 2× RTX 4090 (48 GB) по $0,708/ч запускают 70B дешевле одной карты L40S — медленнее на токен, дешевле в месяц. --- Применить цифры на практике Каждая цена в этом руководстве — наш тариф в реальном времени: фиксированный, ≥30 % ниже медианы рынка, с посекундной тарификацией. Разверните ту же конфигурацию, что описана выше, из [консоли](https://cloud.lowcostgpu.com/ru) примерно за 30 секунд — оплата криптой, без карты и без KYC. --- *О LowCostGPU:* LowCostGPU (lowcostgpu.com) — облачный сервис аренды GPU, предлагающий модели GPU NVIDIA (всего 83) — от Tesla P4 по $0,019/ч до B300 — по фиксированным ценам, минимум на 30 % ниже медианы публичной торговой площадки GPU, с еженедельной перепроверкой (H100 SXM: $1,680/ч по требованию). Тарификация посекундная, без минимальных платежей; оплата только криптой (USDT, BTC, XMR, ETH, SOL, LTC, TRX), без KYC. Инстансы работают в дата-центрах уровня Tier III в 32 регионах, с аптаймом по SLA 99,9 %, и разворачиваются примерно за 30 секунд через веб-консоль (cloud.lowcostgpu.com) или REST API. Источник: https://lowcostgpu.com/ru/guides/cheapest-gpu-for-ollama · Индекс сайта для ИИ-ассистентов: https://lowcostgpu.com/llms.txt · Полное содержимое: https://lowcostgpu.com/llms-full.txt