DeepSeek напрямую или через подписку Ollama: что выгоднее харнессу
Залез я тут в свои счета и поймал себя на мысли: вроде бы сравниваю два сервиса, DeepSeek и Ollama, а по факту сравниваю расписание. Потому что модель-то одна и та же — DeepSeek-V4-Pro, — а деньги уходят за разное. У DeepSeek платишь только за токены, у Ollama — двадцать долларов в месяц, и шестьдесят долларов расхода уже включены в эту сумму. Ну и часы работы, о которых вспоминаешь в последнюю очередь.
Сколько стоит токен
Прайс на модель у обоих одинаковый, отличие только в множителях. За миллион токенов:
- вход, кэш попал: у DeepSeek $0,003 вне пика, у Ollama $0,022;
- вход, кэш промахнулся: $0,15 вне пика против $0,66;
- выход: $0,60 вне пика против $1,98;
- подписка: у DeepSeek нет, у Ollama $20 в месяц и $60 расхода включено.
Это всё базовые ставки, не пиковые — и вне пика DeepSeek берёт ровно вдвое меньше, чем Ollama. Но «вне пика» — это и есть вся соль. У DeepSeek двойной тариф работает в окна 01:00–04:00 и 06:00–10:00 UTC по будням, всё остальное время, включая выходные, считается по половине. У Ollama двойной тариф живёт в окне 12:00–18:00 UTC по будням.
Техник у серверной стойки в дата-центре NERSC. Фото: Derrick Coetzee, CC0
Что на самом деле в счёте
Цена за миллион токенов — пустой звук, если не понимаешь, каких токенов у тебя больше. У агента, который часами работает в одном репозитории, почти весь вход — это чтение кэша: инструкции, история шагов, файлы, которые модель видит при каждом следующем вызове. Нового текста в запросе мало, и он весь оседает в промахах кэша.
Проверил по журналу своих сеансов: на 75 миллионов прочитанных токенов приходится около 250 тысяч новых. Кэш — 99,7% входа, и разница в четыре раза на кэше бьёт по счёту сильнее, чем разница на выходе.
Часы решают больше, чем прайс
Перевожу окна в московское время. Пик DeepSeek — с четырёх до семи утра и с девяти до часа дня; пик Ollama — с трёх до девяти вечера. И это не мелочь: вечер — как раз то время, когда за такой текст садятся, а рабочий день у сервера уже закончился.
Выходит, что в самые рабочие часы по Москве один и тот же запрос у Ollama стоит вчетверо дороже на кэше, вдвое на несбитом кэше и вдвое на выходе. Модель ни при чём — проигрыш в расписании.
Харнесс считает расход по каждому сеансу сам: прочитанный кэш, новые входные токены, выходные. Умножаем на прайс нужного окна — и правило проступает само: длинные автономные задания, где агент долго крутит один контекст, дешевле запускать не когда удобно тебе, а когда дёшево маршруту. За месяц разница в расписании набегает ещё на одну подписку.
Считаем сеанс, а не токен
Полезная единица — не цена за миллион, а стоимость одного рабочего сеанса харнесса. Беру реальные цифры из журнала своих запусков: за один сеанс агент прочитал 75 миллионов токенов из кэша, добавил 250 тысяч новых на входе и написал 250 тысяч на выходе.
DeepSeek вне пика: 75x0,003 + 0,25x0,15 + 0,25x0,60 = $1,01
Ollama в пик: 75x0,022 + 0,25x0,66 + 0,25x1,98 = $2,43
Два доллара сорок три против одного — та же работа, та же модель. Если вечерних сеансов за месяц набирается сорок, разница выходит около 57 долларов; подписка Ollama это не отменяет, а всего лишь упаковывает: шестьдесят долларов включённого расхода входят в двадцать долларов платы.
Видеокарта GeForce RTX 3090: железо, на котором считают открытые модели. Фото: PantheraLeo1359531, CC BY 4.0
Что даёт подписка, кроме токенов
Подписка Ollama — это не только DeepSeek: в тот же счёт входят Kimi, GLM, Qwen, Mistral, и расход по ним идёт из общего пула. Если харнессу нужны разные модели под разные задачи, один счёт удобнее пяти. У DeepSeek в прайсе одна семья моделей, зато без подписки и обязательств.
Ограничения тоже разные. У Ollama на плане Pro — три одновременных запроса, дальше они встают в очередь и могут быть отклонены, если она переполнена. У DeepSeek на V4-Pro заявлено 500 одновременных обращений, а на Flash — 2500. Для одного агента это незаметно, а вот для конвейера из субагентов — уже нет.
Как это ложится на харнесс
DeepSeek подключается к харнессу родным маршрутом deepseek-official: настройки усилий рассуждения, режим мышления, распознавание картинок у Flash и сжатие контекста работают из коробки. Ollama подключается вторым провайдером через pi-ai — совместимым с OpenAI интерфейсом; чтобы модель появилась в выборе, её идентификатор прописывается в настройках руками, а набор возможностей ограничен тем, что отдаёт площадка.
Проверил на своём конфиге: маршрут ollama-cloud собран, ключ стоит, но модели DeepSeek на текущем плане отвечают отказом 402 — до оплаты подписки доступны только gpt-oss, gemma и nemotron. Для сравнения это важно: подписку надо включить до того, как считать, иначе мерить нечего.
Что в итоге
Если сеансы идут по московскому дню и вечеру, прямая оплата у DeepSeek дешевле — иногда в разы, потому что двойной тариф Ollama приходится ровно на рабочие часы. Подписка Ollama выигрывает в другом: когда нужен один счёт на десяток открытых моделей и предсказуемая плата за месяц. Считать надо не прайс, а расписание — в этом споре оно весит больше, чем цена за токен.
Разложу по случаям, чтобы решать было проще:
- один агент, работа по московскому дню и вечеру — прямая оплата DeepSeek;
- конвейер из субагентов — DeepSeek: у Ollama на Pro всего три одновременных обращения;
- несколько разных открытых моделей в одном счёте — подписка Ollama;
- жёсткий потолок расходов на месяц — подписка: двадцать долларов платы и шестьдесят включённого расхода;
- ночные и выходные прогоны — DeepSeek вне пика.
Оба маршрута живут в харнессе рядом: родной deepseek-official и второй провайдер через совместимый интерфейс. Держать оба и переключаться по часам — не хитрость, а обычная экономика: маршрут выбирается не по вкусу, а по расписанию.
А как вы решаете — платите за подписку и не думаете о часах или гоняете харнесс по ночам, чтобы влезть в полцены? Мне правда интересно.
Полная версия: https://habr.com/ru/articles/1084484/
