---
title: "LLM セルフホスト vs API コスト：GPU レンタルの損益分岐 | BroadRouter"
description: "公式ページの GPU レンタル料金、自前 GPU での 100 万トークンあたりコストの計算式、API より安くなるのに必要な稼働率、見落とされがちな運用コストを解説します。"
url: https://broadrouter.com/ja/blog/self-hosting-llm-vs-api-cost/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/self-hosting-llm-vs-api-cost/)（2026-11-16 更新）。

# LLM のセルフホストと API：本当のコストと損益分岐点

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14 · 更新日 2026-11-16

レンタル GPU は稼働中も待機中も同じ時間単価なので、セルフホストが API より安くなるのは稼働率が高く安定している場合だけです。時間単価を実際の 1 時間あたり生成トークン数で割り、エンジニアリングとオンコールを足して、API の 100 万トークン単価と比べます。トラフィックに波があるか少なければ、ほぼ必ず API が有利です。

## 要点

-   RunPod の料金ページでは、H100 SXM 1 枚が Secure Cloud で 1 時間 USD 4.39、Community Cloud で USD 2.69 です。動かしっぱなしなら月に約 USD 3,205 と USD 1,964 です。
-   セルフホストの 100 万トークンあたりコスト = 時間単価 ÷（トークン/秒 × 3,600 ÷ 1,000,000）÷ 稼働率。
-   答えを決めるのは稼働率です。25% の時間しか稼働しない GPU は、常に稼働している GPU の 4 倍のトークン単価になります。
-   大規模なオープンウェイトモデルは、重みを載せるだけで複数の GPU が必要です。レンタル料金もその分を掛けてください。
-   エンジニアリング、監視、アップグレード、オンコールは実際のコストです。月あたりの時間に自社の単価を掛けて計上してください。

**このページの内容**

1.  現在の GPU レンタル料金はいくらですか？
2.  セルフホストの 100 万トークンあたりコストはどう計算しますか？
3.  損益分岐には月に何トークン必要ですか？
4.  見落とされがちなコストは何ですか？
5.  セルフホストが正しい選択になるのはどんな場合ですか？
6.  GPU とトークン課金の中間に、定額の選択肢はありますか？
7.  BroadNet Inference が向いている用途

「自分たちで動かせば安くなる」は、LLM のコスト計画で最もよく聞く主張の 1 つであり、最も検証されていない主張の 1 つでもあります。計算自体は難しくありません。ただし、見積もりを誤りやすい変数が 1 つ（稼働率）と、計上し忘れやすいコストが 1 つ（人件費）あります。この記事では、計算式、実際のレンタル料金、そして自社の数字で計算する方法を紹介します。

## 現在の GPU レンタル料金はいくらですか？

公式の料金ページから取得した時間単価です（RunPod は 2026-11-14、Lambda は 2026-11-16 に取得）。ここでは 1 か月を 730 時間としています。

| GPU | プロバイダーと階層（2026-11-14 確認） | GPU 1 時間あたり | 月額（常時稼働） |
| --- | --- | --- | --- |
| H100 SXM | RunPod Secure Cloud | USD 4.39 | 約 USD 3,205 |
| H100 SXM | RunPod Community Cloud | USD 2.69 | 約 USD 1,964 |
| H100 PCIe | RunPod Secure Cloud | USD 2.89 | 約 USD 2,110 |
| H200 | RunPod Secure Cloud | USD 5.29 | 約 USD 3,862 |
| A100 80GB SXM | RunPod Secure Cloud | USD 2.19 | 約 USD 1,599 |
| L40S | RunPod Secure Cloud | USD 1.09 | 約 USD 796 |
| H100 SXM | Lambda オンデマンド、1〜8 GPU（2026-11-16 から適用、2026-11-16 確認） | USD 4.59〜4.89 | 約 USD 3,351〜3,570 |

Lambda のページ（2026-11-16 確認）によると、この料金は 2026-11-16 00:00 UTC から適用されます。ノードが大きいほど GPU あたりの単価は下がり、8 GPU ノードでは USD 4.59 です。RunPod の Community Cloud の料金は「〜から」の価格で、ホストによって変わります。Secure Cloud と Community Cloud は別のホスティング階層なので、データの取り扱いに規定がある場合は各階層の条件を読んでください。多くのモデルは GPU 1 枚では足りません。Secure Cloud の料金で 8 GPU の H100 ノードを借りると、月に約 USD 25,638 です。

## セルフホストの 100 万トークンあたりコストはどう計算しますか？

GPU は、バッチ処理しているすべてのリクエストを合わせて、ある合計速度でトークンを生成します。トークンあたりのコストは、時間単価を実際に生成されたトークンに割り振ったものです。

**100 万トークンあたりコスト = 時間単価 ÷（合計トークン/秒 × 3,600 ÷ 1,000,000）÷ 稼働率**

稼働率とは、GPU がその速度で有用な処理をしている時間の割合です。**仮定の**数字で計算した例を示します（ベンチマークではありません。自分のモデルで計測してください）。

-   GPU：Community Cloud の H100 SXM 1 枚、1 時間 USD 2.69。
-   仮定した合計出力：バッチ処理がうまく効いた状態で毎秒 1,500 トークン。
-   フル稼働時の 1 時間あたりトークン数：1,500 × 3,600 = 540 万。

| 稼働率 | 1 時間あたりの実効トークン数 | 出力 100 万トークンあたりコスト |
| --- | --- | --- |
| 100%（常に飽和） | 540 万 | USD 0.50 |
| 50% | 270 万 | USD 1.00 |
| 25%（業務時間だけ忙しい） | 135 万 | USD 1.99 |
| 10%（波の大きいプロダクトのトラフィック） | 54 万 | USD 4.98 |

これを API の出力 100 万トークンあたりの料金と比べます。[LLM API 料金表](https://broadrouter.com/ja/llm-api-pricing/)には、同じオープンウェイトモデルに数十社が付けている料金が載っています。BroadNet Inference では、[DeepSeek V4.1 Flash](https://broadrouter.com/ja/models/deepseek-v4.1-flash/) が出力 100 万トークンあたり $0.52、[Gemma 4 VL 26B](https://broadrouter.com/ja/models/gemma-4-vl-26b/) が $0.22 です。セルフホストのコストが API 料金を下回る行を探してください。それが損益分岐となる稼働率です。この例では入力トークンを無視していますが、入力も GPU の時間（prefill）を使うので、実際のセルフホストのコストは表より高くなります。

## 損益分岐には月に何トークン必要ですか？

逆から考えます。動かしっぱなしの GPU は、使っても使わなくても月額がかかります。API のコストはトークン数 × 単価です。損益分岐となる量は次のとおりです。

**損益分岐に必要な月間トークン数 = GPU の月額コスト ÷ API の 100 万トークン単価 × 1,000,000**

Community Cloud の H100 1 枚（月約 USD 1,964）を、出力 100 万トークンあたり $0.52 の料金と比べる場合、1,964 をその単価で割ると、GPU が元を取るまでに毎月置き換える必要がある出力トークン数（100 万単位）が出ます。エージェントのように入力が多いワークロードなら、入力と出力を混ぜた単価でも同じ計算をしてください。混合単価の出し方は[定額とトークン課金の比較記事](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)で説明しています。

また、その GPU で実際にモデルを提供できなければなりません。モデルに GPU が 4 枚必要なら、割り算の前に月額コストを 4 倍してください。

## 見落とされがちなコストは何ですか？

| コスト | 内容 | 計上の仕方 |
| --- | --- | --- |
| エンジニアリングの立ち上げ | 推論エンジン、量子化の選択、オートスケーリング、負荷テスト | 一度きりの時間 × 自社の単価 |
| 継続的な運用 | アップグレード、ドライバーとエンジンの更新、モデルの更新 | 月あたりの時間 × 自社の単価 |
| オンコール | ノードが落ちたら誰かが起こされる | 自社のオンコール体制 |
| 冗長化 | 1 台の障害で停止しないための 2 台目のノード | GPU の費用が 2 倍 |
| 待機用の余力 | ピークに備えて温めておく容量 | 稼働率が下がる |
| 評価 | 切り替え前に新しいモデルのバージョンを確認する | リリースごとの時間 |

答えを最も大きく変えるのは冗長化です。GPU 1 枚は単一障害点です。2 枚にすれば、稼働率は一夜にして半分になります。アップグレードのたびに発生する評価作業については、[切り替え前のモデル評価](https://broadrouter.com/ja/blog/evaluate-llm-before-switching/)をご覧ください。

## セルフホストが正しい選択になるのはどんな場合ですか？

-   **安定した大量の処理。** GPU を 24 時間飽和させ続けるバッチパイプライン。
-   **データを社内ネットワークに留める必要がある。** これはコストの議論ではなく、必須要件です。まずは[ゼロデータ保持](https://broadrouter.com/ja/privacy/)の API で社内規定を満たせるか確認してください。
-   **どの API も提供していないモデル。** 自社でファインチューニングしたモデルや、ニッチな[オープンウェイトモデル](https://broadrouter.com/ja/glossary/open-weight-model/)。
-   **確保された計算能力。** API のレート制限では得られないスループットが必要な場合。

それ以外、特に波のあるトラフィック、初期段階のプロダクト、断続的に動くエージェントでは、API のほうが安く、オンコールの当番表も要りません。

## GPU とトークン課金の中間に、定額の選択肢はありますか？

GPU のレンタルとトークン課金の間には、中間的な選択肢があります。BroadNet は Gemma 4 VL 26B の時間制キーを 1 時間 $0.50 で販売しています（ストリーム 1 本、毎分 120 リクエスト、毎分 300,000 トークン）。1 か月動かし続けると $360.00 です。また、DeepSeek V4.1 Flash の[無制限プランのセッション](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)を月 $60 で販売しており、各セッションは同時に 1 リクエストを 毎秒約 100 トークン で実行します。これらはレンタル GPU のように請求額が予測しやすく、立ち上げや運用も不要ですが、GPU まるごとのバッチ処理能力ではなく、キーやセッションごとに同時実行数が固定されています。

## BroadNet Inference が向いている用途

BroadNet Inference は、この比較における API 側の選択肢です。一部を米国の推論パートナーがホストするオープンウェイトモデルについて、トークン単価、定額プラン、時間制キーを OpenAI 互換 API で提供しています。トラフィックが少なくてレンタル GPU が 1 日の大半を遊んでしまうチームや、推論インフラを自分で運用したくないチームに向いています。独自のファインチューニング済みモデルの提供、オンプレミスへのデプロイ、1 つのキーでの数百の並列リクエストが必要な場合には向いていません。[LLM API コスト計算ツール](https://broadrouter.com/tools/llm-api-cost-calculator/)で自社の数字を計算し、上の表と比べてください。オープンモデルとクローズドモデルで迷っているなら、[オープンウェイトとクローズドモデルの API コスト比較](https://broadrouter.com/ja/blog/open-weight-vs-closed-model-api-cost/)で、各プロバイダー自身のページからトークン単価を比べています。[セルフホスト vs API 計算ツール](https://broadrouter.com/tools/self-hosting-vs-api-calculator/)を使えば、実測したスループットと上記の GPU 料金で損益分岐の計算をすべて行えます。

関連する無料ツール（英語）

-   [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.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[トークン（token）](https://broadrouter.com/ja/glossary/token/)

トークンとは、言語モデルが読み書きするテキストの単位です。モデルのトークナイザーが作る単語、単語の一部、句読点、バイト列のいずれかにあたります。LLM API は利用量をトークンで数え、上限を設け、通常はトークン単位で課金します。

[オープンウェイトモデル（open-weight model）](https://broadrouter.com/ja/glossary/open-weight-model/)

オープンウェイトモデルとは、学習済みの重みが公開され、誰でもダウンロードして実行できるモデルで、通常は条件付きのライセンスで提供されます。学習コードや学習データの詳細も公開し、他者が検証・再現できる完全なオープンソース AI とは別物です。

[レート制限（rate limit）](https://broadrouter.com/ja/glossary/rate-limit/)

レート制限とは、1 分あたりのリクエスト数やトークン数など、一定時間内にクライアントが API を使える量に API 側が設ける上限です。上限を超えたリクエストは、使用量が下回るまで通常 HTTP 429 Too Many Requests で拒否されます。

[従量課金（pay-as-you-go）](https://broadrouter.com/ja/glossary/pay-as-you-go/)

従量課金とは、使った分だけを支払う料金体系です。トークン、リクエスト、音声の分数などの単位で計測され、サブスクリプションや最低利用額はありません。多くの LLM API はこの方式で、前払いの残高か定期的な請求書から支払います。

[AI エージェント（AI agent）](https://broadrouter.com/ja/glossary/agent/)

AI エージェントとは、言語モデルが目標に向けて自分で手順を決めるシステムです。どのツールを呼ぶかを決め、結果を読み、最終回答を出すか上限に達するまで繰り返します。決まった箇所でモデルを呼ぶ固定のスクリプトは、ふつうワークフローと呼ばれます。

[OpenAI 互換 API（OpenAI-compatible API）](https://broadrouter.com/ja/glossary/openai-compatible-api/)

OpenAI 互換 API とは、POST /v1/chat/completions など OpenAI API と同じリクエスト形式とレスポンス形式を受け付ける HTTP API です。OpenAI の SDK やツールは、ベース URL、API キー、モデル名を変えるだけで利用できます。

[ツール呼び出し（Function Calling、tool calling）](https://broadrouter.com/ja/glossary/tool-calling/)

ツール呼び出し（Function Calling とも呼ばれます）とは、開発者が定義した関数の実行を求める構造化されたリクエストを、モデルが JSON の引数付きで返す LLM API の機能です。関数を実行して結果を返すのはアプリケーションで、モデル自身がコードを実行することはありません。

[同時実行数（concurrency）](https://broadrouter.com/ja/glossary/concurrency/)

同時実行数（concurrency）とは、クライアントが同時に処理中にしているリクエストの数です。開いているリクエストは応答が終わるまで GPU の容量を占有するため、LLM API は毎分リクエスト数とは別に、キーやプランごとにこれを制限することがよくあります。

## よくある質問

### LLM はセルフホストのほうが API より安いですか？

量が多く安定している場合に限ります。レンタル GPU は毎時間課金され、API は使ったトークン分だけ課金されます。GPU が 1 日の大半を遊んでいるなら、エンジニアリングの時間を数える前から API のほうが安くなります。

### H100 のレンタル料金は 1 時間いくらですか？

2026-11-14 時点の RunPod の料金ページでは、H100 SXM が Secure Cloud で 1 時間 USD 4.39、Community Cloud で USD 2.69 からでした。Lambda はオンデマンドの H100 SXM を、2026-11-16 から適用されている料金で、ノードの規模に応じて GPU 1 時間あたり USD 4.59〜4.89 と掲載しています。最新の料金は各ページで確認してください。

### 大規模なモデルをセルフホストするには、GPU が何枚必要ですか？

少なくとも、重みと、同時リクエスト分の KV キャッシュが収まるメモリが必要です。大規模な Mixture-of-Experts（MoE）モデルには、通常マルチ GPU のノードが必要です。パラメータ数と推奨構成はモデルカードで確認してください。

### コストが高くなっても、セルフホストが妥当なのはどんな場合ですか？

データを社内ネットワークの外に出せない場合、どの API も提供していないファインチューニング済みモデルや独自モデルが必要な場合、確保された計算能力が必要な場合です。これらはコストではなく、コントロールのための理由です。

### 自分の GPU の実際のスループットはどう測ればよいですか？

vLLM や SGLang などの推論エンジンで、実際のプロンプトを実際の同時実行数で流し、全リクエスト合計の出力トークン/秒を記録します。ベンダーのピーク値は理想的なバッチ処理を前提にしています。

## 続けて読む

-   [LLM API は定額とトークン課金のどちらが得か：損益分岐の計算](https://broadrouter.com/ja/blog/flat-rate-vs-pay-per-token-llm-api/)
-   [LLM のレイテンシ：TTFT、トークン/秒、エンドツーエンドの違い](https://broadrouter.com/ja/blog/llm-latency-ttft-throughput/)
-   [LLM API プランの「無制限」は本当は何を意味するのか](https://broadrouter.com/ja/blog/what-unlimited-llm-api-really-means/)
-   [AI エージェントには OpenRouter か定額プランか：安いのはどちら？](https://broadrouter.com/ja/blog/openrouter-alternative-flat-rate/)
-   [専用エンドポイントはワークロードの明確化から始まる](https://broadrouter.com/ja/blog/private-endpoint-planning/)
-   [Artificial Analysis の代替サイト：2026 年に LLM を比較できる場所](https://broadrouter.com/ja/blog/artificial-analysis-alternatives/)
-   [LLM API の SLA 比較：Azure、Bedrock、Google、OpenAI は何を約束しているか](https://broadrouter.com/ja/blog/llm-api-sla-uptime-compared/)
-   [ガイド：エージェント向け無制限 LLM API プランのしくみ](https://broadrouter.com/ja/guides/unlimited-llm-api-sessions/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

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

**出典**

-   [RunPod の GPU 料金：Secure Cloud と Community Cloud の時間単価（2026-11-14 取得）](https://www.runpod.io/pricing)
-   [Lambda Cloud の料金：オンデマンドの GPU あたり時間単価（2026-11-16 取得）](https://lambda.com/pricing)
-   [BroadNet Inference の機械可読な料金（pricing.json）（2026-11-15 確認）（英語）](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [BroadNet Inference のプランと標準的な速度（2026-11-15 確認）（英語）](https://inference.broadnet.ai/plans?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-self-hosting-llm-vs-api-cost&utm_content=sources)
-   [NVIDIA NIM ベンチマークガイド：スループットとレイテンシの指標（2026-11-16 確認）](https://docs.nvidia.com/nim/benchmarking/llm/metrics)
