# Kolik stojí provoz lokálního LLM proti API. Náš čtyřuzlový stroj vychází na 37 Kč za milion tokenů

Zdroj: https://warpy.cz/blog/kolik-stoji-provoz-lokalniho-llm-proti-api-nas-ctyruzlovy-stroj-vychazi-na-37-kc-za-milion-tokenu

Publikováno: 2026-11-05T08:23:22.000Z  
Aktualizováno: 2026-11-05T08:23:22.000Z

Redakce: [Warpy AI lab](https://warpy.cz/o-nas).

Rubrika: [AI v praxi](https://warpy.cz/ai-novinky/rubrika/praxe/llms.txt). Přibližná doba čtení: 8 min.

Čtyři DGX Sparky za 876 tisíc korun vyjdou na 25 559 Kč měsíčně, z toho elektřina je necelých 5 procent. Při plném vytížení zvládnou 693 milionů tokenů, tedy 36,9 Kč za milion. Stejný model přes API DeepSeeku stojí 13 až 26 Kč. Rozhoduje vytížení, ne cena elektřiny.

![Grafické znázornění čtyř propojených strojů DGX Spark a ceny za milion tokenů při lokálním provozu jazykového modelu](https://warpy.cz/blog-media/0849b4ff-8bd1-4998-afec-c913958f3cda.webp)

## Kolik stojí provoz lokálního LLM proti API. Náš čtyřuzlový stroj vychází na 37 Kč za milion tokenů

**Krátká odpověď:** naše sestava čtyř DGX Sparků stojí při dnešních cenách 876 tisíc korun a měsíčně vyjde na 25 559 Kč, z toho 1 226 Kč za elektřinu. Když běží naplno v dávce dvanácti požadavků, zvládne 693 milionů tokenů za měsíc, tedy 36,9 Kč za milion výstupních tokenů. Stejný model přes API DeepSeeku stojí 13 Kč mimo špičku a 26 Kč ve špičce. Proti DeepSeeku mimo špičku se na cenu výstupního tokenu nevyplatí nikdy, proti drahému API stačí vytížení 34 procent.

### Tabulka: z čeho se měsíční náklad skládá

Ceny jsou včetně DPH. Odpis je rovnoměrný, tři roky, bez zůstatkové hodnoty. Elektřina vychází z příkonu při plném vytížení sestavy. Součet v tabulce je zaokrouhlený, proto se může lišit o korunu.

| Položka | Kč za měsíc |
| --- | --- |
| Odpis hardwaru (875 960 Kč za 36 měsíců) | 24 332 |
| Elektřina (204,4 kWh při 6 Kč za kWh) | 1 226 |
| **Celkem** | **25 559** |
| Podíl elektřiny na nákladu | 4,8 % |

První věc, která z tabulky vyskočí, je nepoměr. Elektřina není to, co lokální provoz prodražuje. Prodražuje ho hardware, který musí být koupený celý dopředu a běží i v době, kdy ho nikdo nepoužívá. Tomu se v ekonomice říká fixní náklad: platíte ho každý měsíc stejně, ať model odpoví na tisíc dotazů, nebo neodpoví vůbec.

### Cena za milion tokenů podle vytížení

API funguje opačně. Platíte za token, takže náklad roste s prací a v klidu je nula. Proto se obě varianty nedají srovnávat jednou cenou. Srovnávat se dá jen cena za token při konkrétním vytížení. Vytížení tady znamená, jaký podíl času sestava skutečně generuje naplno v dávkovém režimu.

| Vytížení sestavy | Tokenů za měsíc | Kč za milion výstupních tokenů |
| --- | --- | --- |
| 10 % | 69 milionů | 369 |
| 30 % | 208 milionů | 123 |
| 50 % | 347 milionů | 74 |
| 100 % | 693 milionů | 36,9 |

Pro srovnání: stejný model přes API DeepSeeku stojí 13 Kč za milion výstupních tokenů mimo špičku a 26 Kč ve špičce. Model GPT-6.1 Terra od OpenAI stojí v základní sazbě pro krátký kontext 109 Kč za milion výstupních tokenů. Naše sestava se tedy při plném vytížení blíží dražšímu API a na levné API ztrácí i tehdy, když pracuje nepřetržitě.

### Jak jsme to měřili

Počítám s vlastní sestavou a jejím měřením, ne s odhadem. Hardware jsou čtyři NVIDIA DGX Spark propojené do tensor parallelismu čtvrtého stupně. Běží na nich model DeepSeek-V4.1-Flash-1017 v kvantizaci EXL3 s přibližně 3,51 bitu na parametr. Kontext má 401 408 tokenů a sdílený fond pro mezipaměť 9 milionů tokenů.

Propustnost beru z našeho zveřejněného měření z 31. října. Jeden požadavek tehdy dekódoval 113,2 tokenu za sekundu u kódu a 86,2 u souvislého textu. Dvanáct požadavků najednou dalo 298,6 a 257,8 tokenu za sekundu, propustnost celé vlny včetně přípravy a doběhů 263,73 tokenu za sekundu u kódu. Do výpočtu vstupují dvě čísla: 113,2 pro jednoho uživatele a 263,73 pro plnou dávku. Měsíc počítám jako 730 hodin. Kapacita finálního profilu je C16 a fond pro mezipaměť 9 milionů tokenů, ale propustnost byla změřená na měřicí cestě P2 s C12 a 7 miliony. Po zvýšení kapacity se tato měření neopakovala, proto zůstávám u naměřeného C12. Zpracování vstupu při studené mezipaměti zvládlo 4 289,3 tokenu za sekundu u vstupu 64 tisíc tokenů.

Příkon jsem měřil 3. listopadu přes nvidia-smi na všech čtyřech strojích. V klidu hlásil čip 38,4 W na stroj, celkem 153,7 W. Při generování 39,1 W na stroj, celkem 156,3 W, s maximem 171,6 W za celou sestavu. Rozdíl mezi klidem a prací je malý, což odpovídá tomu, že dekódování velkého modelu je omezené pamětí, ne výpočtem. nvidia-smi ale ukazuje jen čip, ne celý stroj. Ze zásuvky bere DGX Spark podle měření ServeTheHome 40 až 45 W v klidu a 60 až 90 W při práci s jazykovým modelem. Do výpočtu proto beru 45 W v klidu a 70 W při práci na stroj.

Cena elektřiny je 6 Kč za kWh včetně DPH. Je to blízko středu rozpětí 5,57 až 6,61 Kč, které pro sazbu D02d uvádí srovnání tří velkých dodavatelů. Cena stroje je od 218 990 Kč včetně DPH, jak ji dnes uvádí český srovnávač Zboží.cz. Kurz pro přepočet ceny API je 21,706 Kč za dolar, jak ho 2. listopadu vyhlásila Česká národní banka. Do nákladů není započítaný čas, který provoz a ladění sestavy zabere.

### Proč rozhoduje vytížení a ne elektřina

Kdo si spočítá jen elektřinu, dostane 1 226 Kč za měsíc a udělá z lokálního provozu levnou záležitost. Jenže elektřina je 4,8 procenta nákladu. Zbylých 95 procent platíte bez ohledu na to, jestli model něco dělá. Když sestava generuje deset procent času, rozpočítá se stejný náklad na desetinu tokenů a cena za milion vyskočí na 369 Kč. To je 14krát víc, než co za stejný token účtuje API DeepSeeku ve špičce.

Z toho plyne praktické pravidlo. Lokální model dává cenově smysl tehdy, když je na něm trvalý provoz: dávkové zpracování dokumentů, noční úlohy, agent, který pracuje celý den, nebo služba pro víc lidí zároveň. Kdo ho zapne párkrát týdně na dotaz, platí za hardware, který je zaplacený, i když zrovna nic nedělá.

### Vstupní strana vychází lépe než výstupní

Dosud jsem srovnával výstupní tokeny, tedy to, co model napíše. Jenže typická práce s agentem spotřebuje mnohem víc vstupu než výstupu, protože model opakovaně čte zadání, historii a výsledky nástrojů. Tady lokální sestava vypadá lépe. Kdyby sestava dělala jen zpracování vstupu a jela naplno, vyšel by milion vstupních tokenů při 4 289,3 tokenu za sekundu na 2,27 Kč. API DeepSeeku účtuje za vstup bez mezipaměti mimo špičku 3,26 Kč, tedy víc.

Jenže u opakovaného vstupu má API zbraň, kterou lokální stroj nemá: mezipaměť. Když pošlete stejný začátek konverzace podruhé, zaplatíte mimo špičku 0,07 Kč za milion tokenů. To je částka, kterou žádný vlastní hardware nedohoní, protože platíte za hodiny, ne za tokeny. Agentní smyčky, které dokola posílají stejný kontext, proto vycházejí na API výrazně levněji, než se na první pohled zdá.

### Bod zlomu proti konkrétnímu API

Bod zlomu je objem, při kterém se měsíční náklad sestavy vyrovná ceně stejného objemu v API. Počítá se jednoduše: měsíční náklad dělený cenou za milion tokenů. Pro naši sestavu a 25 559 Kč za měsíc vychází takhle:

| API | Kč za milion výstupních tokenů | Bod zlomu | Podíl maximální kapacity |
| --- | --- | --- | --- |
| DeepSeek mimo špičku | 13 | 1 962 milionů tokenů | 283 % |
| DeepSeek ve špičce | 26 | 981 milionů tokenů | 142 % |
| GPT-6.1 Terra | 109 | 235 milionů tokenů | 34 % |

První dva řádky přesahují sto procent kapacity. To znamená, že proti ceně DeepSeeku se sestava nezaplatí, ani kdyby jela naplno nonstop. Třetí řádek ukazuje, kdy se to zlomí: proti API, které stojí přes sto korun za milion výstupních tokenů, stačí vytížení 34 procent. U GPT-6.1 Terra počítám základní sazbu pro krátký kontext. Pro dlouhý kontext je výstup dražší, 7,50 dolaru za milion, takže bod zlomu by vyšel níž.

### Kdy to neplatí

Čísla platí pro tuhle sestavu, tenhle model a tuhle cenu hardwaru. Kdo staví jinak, dostane jiná čísla, a proto je lepší si dosadit vlastní.

-   **Menší model.** Menší model se na stejných strojích obvykle generuje rychleji, takže cena za token klesne. Vlastní měření s menším modelem ale nemáme. Velký model naopak cenu zvedá, protože každý token stojí víc práce.
-   **Použité nebo levnější stroje.** Při 120 tisících za stroj a pětiletém odpisu vyjde měsíc na 9 226 Kč a milion tokenů na 13,3 Kč. Bod zlomu proti DeepSeeku mimo špičku pak je 709 milionů, tedy 102 procent kapacity. Pořád se do ní nevejde, ale rozdíl je malý.
-   **Hardware, který už máte.** Když jsou stroje zaplacené, rozhoduje jen elektřina. Při čtyřech hodinách práce denně a jednom požadavku najednou vyjde milion výstupních tokenů na 17,4 Kč. Když sestava jede naplno v dávce celý měsíc, spadne cena na 1,8 Kč.
-   **Vlastní elektřina.** Fotovoltaika na střeše sníží náklad o stovky korun měsíčně, ne o tisíce. Elektřina totiž tvoří jen necelých 5 procent.
-   **Batch API.** OpenAI účtuje za dávkové zpracování polovinu běžné ceny, takže srovnání s dražším API se posouvá ve prospěch API.
-   **Práce kolem provozu.** Ladění, aktualizace, dohled a řešení výpadků nejsou v nákladech. U malého provozu to může být větší položka než hardware.

### Co si z toho odnést

Rozhodnutí mezi lokálním modelem a API není o ceně za token, ale o tom, jestli máte stálý provoz. Před rozhodnutím stačí odpovědět na tři otázky.

-   Kolik tokenů měsíčně opravdu spotřebuji, v průměru a ne ve špičce?
-   Které API bych použil a kolik tam stojí milion výstupních tokenů, včetně ceny za vstup a mezipaměť?
-   Co mi data nedovolí poslat ven a co bych na vlastním stroji potřeboval navíc, třeba dlouhý kontext nebo vlastní paměť?

U nás odpověď zní: sestavu nedržíme kvůli ceně za token. Držíme ji kvůli datům, která nemají opustit firmu, kvůli práci s dlouhým kontextem a kvůli pokusům, které by na cizím API nikdo nezaplatil. Kdo tohle nepotřebuje a má proměnlivý objem práce, odejde od nás s doporučením zůstat u API. Podrobnosti k nasazení a provozu jsou na stránce [lokální LLM](https://warpy.cz/sluzby/lokalni-llm).

#### Kolik stojí elektřina pro lokální LLM?

U naší čtyřuzlové sestavy je to 861 Kč za měsíc při čtyřech hodinách práce denně a 1 226 Kč při nepřetržitém vytížení. Je to necelých 5 procent celkového nákladu, takže cena elektřiny rozhodnutí nezmění.

#### Vyplatí se lokální LLM pro deset milionů tokenů měsíčně?

Ne. Při deseti milionech tokenů za měsíc vychází milion na 2 556 Kč, protože celý fixní náklad padá na malý objem. Stejný objem přes API DeepSeeku stojí 130 Kč.

#### Kdy se lokální provoz cenově vyplatí?

Proti API, které účtuje přes sto korun za milion výstupních tokenů, při vytížení od 34 procent kapacity. Proti levnému API se na cenu výstupního tokenu nevyplatí ani při plném vytížení. Rozhodující pak jsou jiné důvody: data, kontrola a možnosti, které API nenabízí.

#### Jsou v číslech DPH a odpisy?

Ano. Ceny hardwaru i elektřiny jsou včetně DPH, hardware odepisuji rovnoměrně 36 měsíců bez zůstatkové hodnoty. Když počítáte pro firmu, která si DPH odpočítá, vydělte ceny hardwaru i elektřiny koeficientem 1,21. Z hrubé ceny tím dostanete cenu bez DPH.

### Zdroje

-   [DeepSeek API: ceny modelů](https://api-docs.deepseek.com/quick_start/pricing)
-   [OpenAI API: ceny modelů](https://developers.openai.com/api/docs/pricing)
-   [TZB-info: cena elektřiny 2026, srovnání E.ON, PRE a ČEZ](https://www.tzb-info.cz/ceny-paliv-a-energii/14-ceny-elektriny)
-   [Česká národní banka: denní kurzovní lístek](https://www.cnb.cz/en/financial-markets/foreign-exchange-market/central-bank-exchange-rate-fixing/central-bank-exchange-rate-fixing/daily.txt)
-   [ServeTheHome: NVIDIA DGX Spark Review, měření příkonu](https://www.servethehome.com/nvidia-dgx-spark-review-the-gb10-machine-is-so-freaking-cool/4/)
-   [NVIDIA Developer Forum: DGX Spark power clarification](https://forums.developer.nvidia.com/t/dgx-spark-power-clarification/349668)
-   [Zboží.cz: NVIDIA DGX Spark, ceny v českých obchodech](https://www.zbozi.cz/vyrobek/nvidia-dgx-spark-940-54242-0005-000/)
-   [Warpy Lab: DeepSeek na 3 a 4 DGX Spark, měření propustnosti](https://warpy.cz/lab/deepseek-tp3-tp4)
-   [Warpy Lab: DeepSeek V4.1 Flash na 3 DGX Spark](https://warpy.cz/lab/deepseek-v41-flash-tp3)
-   [Warpy: Kolik paměti potřebuje lokální LLM](https://warpy.cz/blog/kolik-pameti-potrebuje-lokalni-llm-tabulka-ze-ktere-to-spocitate)

Zdroj podkladů: [https://warpy.cz/lab/deepseek-tp3-tp4](https://warpy.cz/lab/deepseek-tp3-tp4)

## Související čtení

- [DeepSeek vylepšil svůj volně dostupný model. Na agentních testech už poráží GPT-5.6](https://warpy.cz/blog/deepseek-vylepsil-svuj-volne-dostupny-model-na-agentnich-testech-uz-porazi-gpt-5-6): DeepSeek zveřejnil vylepšenou verzi svého otevřeného modelu V4.1-Flash. Váhy si může stáhnout kdokoli zdarma a podle měření DeepSeeku model v agentních úlohách poráží i placené špičkové modely.

- [Otevřené modely se vracejí ve velkém. Meta a Nvidia vydaly modely, které si můžete stáhnout a provozovat sami](https://warpy.cz/blog/otevrene-modely-se-vraceji-ve-velkem-meta-a-nvidia-vydaly-modely-ktere-si-muzete-stahnout-a-provozovat-sami): Meta zveřejnila váhy Muse Spark Open, svého zatím nejsilnějšího modelu s otevřenými váhami, a Nvidia představila Nemotron 3.5 Super VL pro nepřetržité agenty.

- [DeepSeek otevřel agenta pro celý tým. Tvrdým limitem už není model, ale lidská pozornost](https://warpy.cz/blog/deepseek-otevrel-agenta-pro-cely-tym-tvrdym-limitem-uz-neni-model-ale-lidska-pozornost): DeepSeek zveřejnil prototyp agenta, který drží souvislý kontext a pracuje na víc úkolech najednou. Jeho vlastní měření ukazuje, kde je dnes skutečné úzké místo: v pozornosti lidí, kteří ho obsluhují.

## Od článku k vlastnímu řešení

- [Lokální LLM: nasazení, fine-tuning a optimalizace](https://warpy.cz/sluzby/lokalni-llm)

- [AI konzultace pro firmy a vývojové týmy](https://warpy.cz/sluzby/ai-konzultace)

[Probrat váš projekt s Warpy](https://warpy.cz/kontakt)

[Další články](https://warpy.cz/ai-novinky/llms.txt)