---
title: "Costo de alojar un LLM propio vs API: alquiler de GPU"
description: "Precios oficiales de alquiler de GPU, la fórmula del costo por 1M de tokens en su GPU, la utilización necesaria para superar a una API y los costos que se olvidan."
url: https://broadrouter.com/es/blog/self-hosting-llm-vs-api-cost/
lang: es
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/self-hosting-llm-vs-api-cost/) (actualizado el 2026-11-16).

# Alojar un LLM propio o usar una API: costo real y punto de equilibrio

Por el equipo de BroadNet Inference · 5 min de lectura · Publicado 2026-11-14 · Actualizado 2026-11-16

Una GPU alquilada cuesta lo mismo por hora esté ocupada u ociosa, así que alojar el modelo usted mismo solo supera a una API con una utilización alta y constante. Divida el precio por hora entre los tokens que el servidor produce realmente por hora, sume el tiempo de ingeniería y de guardias, y compárelo con el precio de la API por 1M de tokens. Con tráfico irregular o moderado, la API gana casi siempre.

## Puntos clave

-   En la página de precios de RunPod, una H100 SXM cuesta USD 4.39 por hora en Secure Cloud y USD 2.69 en Community Cloud: unos USD 3,205 y USD 1,964 al mes si se deja encendida.
-   Costo propio por 1M de tokens = precio por hora ÷ (tokens por segundo × 3,600 ÷ 1,000,000) ÷ utilización.
-   La utilización decide la respuesta. Una GPU ocupada el 25 % del tiempo cuesta cuatro veces más por token que una ocupada todo el tiempo.
-   Los modelos grandes de pesos abiertos necesitan varias GPU solo para alojar sus pesos; multiplique el precio de alquiler en consecuencia.
-   La ingeniería, el monitoreo, las actualizaciones y las guardias son costos reales; cuéntelos como horas al mes a su propia tarifa.

**En esta página**

1.  ¿Cuánto cuesta hoy alquilar una GPU?
2.  ¿Cómo se calcula el costo por millón de tokens con su propia GPU?
3.  ¿Cuántos tokens al mes necesita para alcanzar el punto de equilibrio?
4.  ¿Qué costos se suelen olvidar?
5.  ¿Cuándo conviene alojar el modelo uno mismo?
6.  ¿Hay opciones de precio fijo entre una GPU y la facturación por token?
7.  Dónde encaja BroadNet Inference

“Ahorraríamos dinero si lo ejecutáramos nosotros” es una de las afirmaciones más frecuentes al planificar el costo de un LLM, y una de las que menos se comprueban. Las cuentas no son difíciles. Tienen una variable que la gente estima mal (la utilización) y un costo que se deja fuera (las personas). Este artículo ofrece la fórmula, precios de alquiler reales y una forma de aplicarla con sus propias cifras.

## ¿Cuánto cuesta hoy alquilar una GPU?

Precios por hora de las páginas oficiales de precios, consultados el 2026-11-14 (RunPod) y el 2026-11-16 (Lambda). Aquí un mes son 730 horas.

| GPU | Proveedor y nivel (consultado el 2026-11-14) | Por GPU y hora | Al mes, siempre encendida |
| --- | --- | --- | --- |
| H100 SXM | RunPod Secure Cloud | USD 4.39 | unos USD 3,205 |
| H100 SXM | RunPod Community Cloud | USD 2.69 | unos USD 1,964 |
| H100 PCIe | RunPod Secure Cloud | USD 2.89 | unos USD 2,110 |
| H200 | RunPod Secure Cloud | USD 5.29 | unos USD 3,862 |
| A100 80GB SXM | RunPod Secure Cloud | USD 2.19 | unos USD 1,599 |
| L40S | RunPod Secure Cloud | USD 1.09 | unos USD 796 |
| H100 SXM | Lambda bajo demanda, de 1 a 8 GPU (vigente desde el 2026-11-16; consultado el 2026-11-16) | USD 4.59 a 4.89 | unos USD 3,351 a 3,570 |

La página de Lambda (consultada el 2026-11-16) indica que estos precios entran en vigor el 2026-11-16 a las 00:00 UTC; la tarifa por GPU baja a medida que crece el nodo, hasta USD 4.59 en un nodo de 8 GPU. Las tarifas de Community Cloud de RunPod son precios “desde” que varían según el host. Secure Cloud y Community Cloud son niveles de alojamiento distintos, así que lea las condiciones de cada nivel si tiene normas sobre el tratamiento de datos. Muchos modelos necesitan más de una GPU: un nodo de 8 H100 a la tarifa de Secure Cloud cuesta unos USD 25,638 al mes.

## ¿Cómo se calcula el costo por millón de tokens con su propia GPU?

Una GPU produce tokens a cierta tasa agregada entre todas las solicitudes que procesa en lote. Su costo por token es el precio por hora repartido entre los tokens que realmente produce:

**costo por 1M de tokens = precio por hora ÷ (tokens por segundo agregados × 3,600 ÷ 1,000,000) ÷ utilización**

La utilización es la proporción de horas en que la GPU hace trabajo útil a esa tasa. Un ejemplo práctico con cifras **supuestas** (no es un benchmark: mida su propio modelo):

-   GPU: una H100 SXM en Community Cloud, USD 2.69 por hora.
-   Salida agregada supuesta: 1,500 tokens por segundo con un buen batching.
-   Tokens por hora a plena carga: 1,500 × 3,600 = 5.4 millones.

| Utilización | Tokens efectivos por hora | Costo por 1M de tokens de salida |
| --- | --- | --- |
| 100 % (siempre saturada) | 5.4M | USD 0.50 |
| 50 % | 2.7M | USD 1.00 |
| 25 % (ocupada solo en horario laboral) | 1.35M | USD 1.99 |
| 10 % (tráfico irregular de producto) | 0.54M | USD 4.98 |

Ahora compárelo con el precio de una API por 1M de tokens de salida. La [tabla de precios de APIs de LLM](https://broadrouter.com/es/llm-api-pricing/) muestra lo que cobran decenas de proveedores por los mismos pesos abiertos; en BroadNet Inference, [DeepSeek V4.1 Flash](https://broadrouter.com/es/models/deepseek-v4.1-flash/) cuesta $0.52 por 1M de tokens de salida y [Gemma 4 VL 26B](https://broadrouter.com/es/models/gemma-4-vl-26b/) cuesta $0.22. Busque la fila en la que su costo propio baja del precio de la API: esa es su utilización de equilibrio. El ejemplo ignora los tokens de entrada, que también consumen tiempo de GPU (prefill), así que el costo real de alojar el modelo es mayor de lo que muestra la tabla.

## ¿Cuántos tokens al mes necesita para alcanzar el punto de equilibrio?

Dele la vuelta. Una GPU encendida cuesta su precio mensual pase lo que pase. La API cuesta tokens × precio. El volumen de equilibrio es:

**tokens mensuales para el equilibrio = costo mensual de la GPU ÷ precio de la API por 1M de tokens × 1,000,000**

Para una H100 de Community Cloud (unos USD 1,964 al mes) frente a un precio de salida de $0.52 por 1M, divida 1,964 entre ese precio y obtendrá los millones de tokens de salida al mes que debe sustituir antes de que la GPU se amortice. Haga lo mismo con su precio combinado de entrada y salida si su carga de trabajo usa sobre todo entrada, como suele ocurrir con los agentes; el [artículo sobre tarifa plana frente a pago por token](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/) explica cómo combinarlos.

Y esa GPU tiene que poder servir el modelo. Si el modelo necesita cuatro GPU, multiplique el costo mensual por cuatro antes de dividir.

## ¿Qué costos se suelen olvidar?

| Costo | Qué cubre | Cómo contarlo |
| --- | --- | --- |
| Puesta en marcha de ingeniería | Motor de inferencia, elección de cuantización, autoescalado, pruebas de carga | Horas puntuales × su tarifa |
| Operación continua | Actualizaciones, drivers y motor, renovación de modelos | Horas al mes × su tarifa |
| Guardias | Alguien se despierta cuando el nodo se cae | Su política de guardias |
| Redundancia | Un segundo nodo para que un fallo no sea una caída del servicio | Duplica la partida de GPU |
| Margen ocioso | Capacidad para picos que debe mantener lista | Reduce la utilización |
| Evaluación | Comprobar una nueva versión del modelo antes de cambiar | Horas por versión |

La redundancia es la que más cambia la respuesta. Una sola GPU es un punto único de fallo. Con dos GPU, su utilización se reduce a la mitad de un día para otro. Consulte [cómo evaluar un modelo antes de cambiar](https://broadrouter.com/es/blog/evaluate-llm-before-switching/) para ver el trabajo de evaluación que trae cada actualización.

## ¿Cuándo conviene alojar el modelo uno mismo?

-   **Volumen alto y constante.** Pipelines por lotes que mantienen las GPU saturadas día y noche.
-   **Los datos deben quedarse dentro de su red.** Es un requisito estricto, no un argumento de costo. Compruebe antes si una API con [retención cero de datos](https://broadrouter.com/es/privacy/) cumple sus normas.
-   **Un modelo que ninguna API ofrece.** Su propio fine-tune o un [modelo de pesos abiertos](https://broadrouter.com/es/glossary/open-weight-model/) poco común.
-   **Capacidad garantizada.** Necesita un throughput que los límites de frecuencia de una API no le darán.

Para todo lo demás, sobre todo tráfico irregular, productos en fase inicial y agentes que funcionan por ráfagas, una API es más barata y no exige turnos de guardia.

## ¿Hay opciones de precio fijo entre una GPU y la facturación por token?

Existe un término medio entre alquilar una GPU y pagar por token. BroadNet vende una clave por hora para Gemma 4 VL 26B a $0.50 la hora (un stream, 120 solicitudes por minuto, 300,000 tokens por minuto), lo que equivale a $360.00 si la usara todo el mes. También vende [sesiones de plan ilimitadas](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/) para DeepSeek V4.1 Flash a $60 al mes, cada una con una solicitud a la vez a unos 100 tokens por segundo. Ofrecen una factura predecible como una GPU alquilada, sin puesta en marcha ni operación, pero con una concurrencia fija por clave o sesión en lugar de toda la capacidad de batching de una GPU.

## Dónde encaja BroadNet Inference

BroadNet Inference es el lado de la API en esta comparación: precios por token, planes de tarifa plana y claves por hora para modelos de pesos abiertos, algunos alojados por socios de inferencia estadounidenses, detrás de una API compatible con OpenAI. Encaja con equipos cuyo tráfico dejaría ociosa una GPU alquilada buena parte del día, o que no quieren operar infraestructura de inferencia. No encaja si necesita servir un fine-tune propio, un despliegue on-premises o cientos de solicitudes en paralelo con una sola clave. Haga sus cuentas en la [calculadora de costos de API de LLM](https://broadrouter.com/tools/llm-api-cost-calculator/) y compárelas con la tabla anterior. Si aún está eligiendo entre modelos abiertos y cerrados, [costo de API de modelos de pesos abiertos frente a cerrados](https://broadrouter.com/es/blog/open-weight-vs-closed-model-api-cost/) compara los precios por token de la página de cada proveedor. La [calculadora de alojamiento propio frente a API](https://broadrouter.com/tools/self-hosting-vs-api-calculator/) hace todo el cálculo del punto de equilibrio con su throughput medido y estos precios de GPU.

Herramientas gratuitas sobre este tema (en inglés)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Token](https://broadrouter.com/es/glossary/token/)

Un token es la unidad de texto que un modelo de lenguaje lee y escribe: una palabra, parte de una palabra, un signo de puntuación o una secuencia de bytes producida por el tokenizador del modelo. Las APIs de LLM cuentan, limitan y normalmente facturan el uso en tokens.

[Modelo de pesos abiertos (open-weight model)](https://broadrouter.com/es/glossary/open-weight-model/)

Un modelo de pesos abiertos es un modelo de aprendizaje automático cuyos pesos entrenados se publican para que cualquiera los descargue y ejecute, normalmente con una licencia con condiciones. Se diferencia de la IA totalmente de código abierto, que además publica el código de entrenamiento e información detallada sobre los datos, para que otros puedan estudiar y reproducir el modelo.

[Tokens de entrada y de salida (input and output tokens)](https://broadrouter.com/es/glossary/input-and-output-tokens/)

Los tokens de entrada son los que un modelo de lenguaje lee en una solicitud, incluidos el prompt de sistema, el historial de la conversación, las definiciones de herramientas y las imágenes. Los tokens de salida son los que genera en la respuesta, incluido el razonamiento. Las APIs de LLM suelen cobrarlos por separado, y la salida suele costar más.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Throughput (rendimiento total)](https://broadrouter.com/es/glossary/throughput/)

El throughput, en el servicio de LLMs, es la cantidad total de trabajo que un sistema completa por unidad de tiempo en todas las solicitudes concurrentes, normalmente medida en tokens de salida por segundo o solicitudes por segundo. Es distinto de la velocidad por stream, que es qué tan rápido recibe sus tokens una sola solicitud.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

[Plan de LLM con tarifa plana (flat-rate LLM plan)](https://broadrouter.com/es/glossary/flat-rate-llm-plan/)

Un plan de LLM con tarifa plana cobra un precio fijo por un periodo, como un mes, por acceder a la API de un modelo de lenguaje, en lugar de facturar por token. Estos planes suelen limitar otra cosa, como la concurrencia, la velocidad, los modelos o las ventanas de uso, así que los topes importan tanto como el precio.

## Preguntas frecuentes

### ¿Es más barato alojar un LLM propio que usar una API?

Solo con un volumen alto y constante. Una GPU alquilada se factura cada hora; una API solo factura los tokens que usa. Si su GPU fuera a estar ociosa la mayor parte del día, la API es más barata incluso antes de contar el tiempo de ingeniería.

### ¿Cuánto cuesta alquilar una H100 por hora?

En la página de precios de RunPod, el 2026-11-14, una H100 SXM costaba USD 4.39 por hora en Secure Cloud y desde USD 2.69 en Community Cloud. Lambda indica la H100 SXM bajo demanda a entre USD 4.59 y 4.89 por GPU y hora, según el tamaño del nodo, con precios vigentes desde el 2026-11-16. Consulte las páginas para ver las tarifas actuales.

### ¿Cuántas GPU necesito para alojar un modelo grande?

Como mínimo, memoria suficiente para los pesos más la caché KV de sus solicitudes concurrentes. Los modelos grandes de mezcla de expertos suelen necesitar un nodo con varias GPU. Consulte la ficha del modelo para ver su número de parámetros y la configuración recomendada.

### ¿Cuándo tiene sentido alojar el modelo uno mismo aunque cueste más?

Cuando los datos no pueden salir de su red, cuando necesita un modelo ajustado (fine-tune) o personalizado que ninguna API ofrece, o cuando necesita capacidad garantizada. Son razones de control, no de costo.

### ¿Cómo mido el throughput real de mi GPU?

Ejecute sus prompts reales con su concurrencia real en un motor de inferencia como vLLM o SGLang, y registre el total de tokens de salida por segundo de todas las solicitudes. Las cifras máximas de los fabricantes suponen un batching ideal.

## Siga leyendo

-   [API de LLM con tarifa plana o pago por token: el punto de equilibrio](https://broadrouter.com/es/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [Latencia de LLM: TTFT, tokens por segundo y latencia total](https://broadrouter.com/es/blog/llm-latency-ttft-throughput/)
-   [¿Qué significa realmente «ilimitado» en un plan de API de LLM?](https://broadrouter.com/es/blog/what-unlimited-llm-api-really-means/)
-   [OpenRouter o tarifa plana para agentes de IA: ¿qué cuesta menos?](https://broadrouter.com/es/blog/openrouter-alternative-flat-rate/)
-   [Un endpoint privado empieza con una carga de trabajo clara](https://broadrouter.com/es/blog/private-endpoint-planning/)
-   [Alternativas a Artificial Analysis: dónde comparar LLM en 2026](https://broadrouter.com/es/blog/artificial-analysis-alternatives/)
-   [SLA de APIs de LLM: qué prometen Azure, Bedrock, Google y OpenAI](https://broadrouter.com/es/blog/llm-api-sla-uptime-compared/)
-   [Guía: Cómo funcionan los planes de API de LLM ilimitada para agentes](https://broadrouter.com/es/guides/unlimited-llm-api-sessions/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-self-hosting-llm-vs-api-cost&utm_content=page-cta) ·

**Fuentes**

-   [Precios de GPU de RunPod, tarifas por hora de Secure Cloud y Community Cloud (consultado el 2026-11-14)](https://www.runpod.io/pricing)
-   [Precios de Lambda Cloud, tarifas bajo demanda por GPU y hora (consultado el 2026-11-16)](https://lambda.com/pricing)
-   [Precios de BroadNet Inference en formato legible por máquina (pricing.json) (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Planes y velocidad típica de BroadNet Inference (consultado el 2026-11-15)](https://inference.broadnet.ai/es/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [Guía de benchmarking de NVIDIA NIM, métricas de throughput y latencia (consultada el 2026-11-16)](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
