Guía de Costes y Rendimiento 2026: DeepSeek-R1 y Qwen2.5 Self-Hosting vs. API
En 2026, los modelos DeepSeek-R1 y Qwen2.5 representan la vanguardia del código abierto. La arquitectura MoE de 671B de DeepSeek-R1 activa solo 37B de parámetros por token, reduciendo significativamente los costes de inferencia.
Este artículo analiza si es más rentable alquilar servidores GPU (8x H100) para Self-hosting con vLLM/SGLang o utilizar APIs administradas.
Puntos Clave
- Punto de Equilibrio: El Self-hosting en un nodo 8x H100 (~14.000$/mes) resulta más económico que las APIs a partir de 4.500 millones de tokens al mes.
- vLLM vs. SGLang: SGLang logra entre un 18% y 25% más de TPS en modelos MoE 671B gracias a la optimización de Expert Parallelism.
- Modelos Destilados (32B/70B): Ofrecen la mejor relación coste-rendimiento en servidores con 2x A100 o 4x L40S.
Comparativa de TCO Mensual
| Tokens Mensuales | DeepSeek API Oficial | Together AI | Self-Hosted (8x H100) | Ganador |
|---|---|---|---|---|
| 10 Millones | 13,70 $ | 45,00 $ | 14.000,00 $ | API Oficial |
| 100 Millones | 137,00 $ | 450,00 $ | 14.000,00 $ | API Oficial |
| 1.000 Millones | 1.370,00 $ | 4.500,00 $ | 14.000,00 $ | API Oficial |
| 10.000 Millones | 13.700,00 $ | 45.000,00 $ | 14.000,00 $ | Self-Hosted (Equilibrio) |
| 50.000 Millones | 68.500,00 $ | 225.000,00 $ | 28.000,00 $ (2 nodos) | Self-Hosted (Ahorro 87%) |
Conclusión
Elige la API oficial para volúmenes bajos, modelos destilados (32B/70B) para privacidad empresarial y Self-hosting en 8x H100 para volúmenes superiores a 10.000 millones de tokens mensuales.