Коротко
- Переезд из облака идёт в пять шагов: опись нагрузки, расчёт сервера, подготовка и перенос, параллельная работа, переключение с планом возврата.
- Память под веса и контекст считают так же, как при покупке, с запасом 20 %; закрытые модели провайдера, веса которых не передаются, на свой сервер перенести нельзя.
-
Облако остаётся рабочим до тех пор, пока ваш сервер не прошёл проверку на ваших запросах.
- от описи нагрузки до переключения
- 5 шагов
- запас памяти в расчёте сервера
- 20 %
С чего начинается переезд из облака?
С описи: что именно сейчас работает в облаке. Запишите, какие модели и в каких версиях используются, какие программы к ним обращаются и по какому интерфейсу, сколько запросов приходит и в какие часы, какой длины запросы и ответы. Эти данные берут из журналов провайдера. Без описи расчёт сервера превращается в угадывание.
Отдельно проверяют лицензии: допускает ли лицензия модели запуск на вашем сервере. Модели, которые провайдер не передаёт заказчику, перенести нельзя. Вместо них подбирают открытую модель с подходящей лицензией и сравнивают результат на ваших вопросах.
Какие шаги проходит переезд?
| Шаг | Что делают | Результат |
|---|---|---|
| 1. Опись | Фиксируют модели, программы, интерфейсы, нагрузку и пиковые часы | Опись нагрузки |
| 2. Расчёт | Считают память под веса и контекст с запасом 20 % и число ускорителей | Конфигурация сервера |
| 3. Подготовка и перенос | Готовят программную среду, переносят модели и данные, проверяют целостность | Работающий сервер без пользователей |
| 4. Параллельная работа | Ваш сервер получает тестовую часть запросов, ответы и скорость сравнивают с облаком | Отчёт сравнения |
| 5. Переключение | Переключают нагрузку в согласованное окно, держат план возврата | Переезд завершён, облако отключено по вашему решению |
Источник: порядок работ услуги «Переезд из облака на свой GPU-сервер»; интерфейс сервера моделей — документация vLLM; проверено 14.10.2026.
Как считают сервер под нагрузку из облака?
Так же, как при покупке: память складывается из весов модели, памяти под контекст (KV-кэш) и запаса, который в расчётах сайта равен 20 %. Число пользователей и длину запросов берут из описи. Первую оценку делают в калькуляторах «Видеопамять под модель» и «Сколько пользователей выдержит GPU»; итог уточняют замерами на вашей нагрузке. Формулы — в материале «Сколько GPU нужно под модель».
Как перенести программы без переписывания?
Многие облачные сервисы предоставляют интерфейс, совместимый с OpenAI, и программы пишутся под него. Сервер vLLM предоставляет такой же интерфейс (в документации перечислены запросы /v1/completions и /v1/chat/completions), поэтому обычно достаточно сменить адрес и ключ. Ограничения отдельных параметров описаны в документации, поэтому программу проверяют на практике, а не по принципу «должно работать».
Зачем нужна параллельная работа?
Пока ваш сервер не принимает основную нагрузку, на него направляют тестовую часть запросов и сравнивают ответы и скорость с облаком. Так видно, что модель отвечает не хуже на ваших вопросах, а сервер выдерживает ваши пики. Если результат хуже, меняют модель или формат весов и повторяют сравнение. Переключение назначают только после этого, а до него облако остаётся рабочим: откат означает возврат нагрузки в облако.
Всегда ли переезд выгоден?
Нет. При небольшой загрузке облако может оказаться выгоднее покупки сервера; точка, где свой сервер становится выгоднее, зависит от вашей загрузки. Её показывает расчёт на ваших данных, в относительных величинах, а не обещание заранее. Приблизительную оценку даёт калькулятор «Купить или арендовать».
Вывод
Переезд из облака — это опись, расчёт, перенос и параллельная работа, а не разовое действие. Главные риски — закрытые модели, которые не переносятся, и расчёт памяти без запаса. Если нужна помощь, услуга описана на странице «Переезд из облака на свой GPU-сервер»; запуск модели на вашем сервере — в услуге «Внедрение LLM под ключ».
Связанные материалы. Как поставить модель на свой сервер — «Как поставить языковую модель на свой GPU-сервер»; решение под задачу — «Инференс LLM»; как выбрать сервер — «Как выбрать GPU-сервер: семь шагов».
Что почитать дальше?
Следующие шаги того же пути описаны в материалах «Как поставить языковую модель на свой сервер», «Как проходит монтаж GPU-сервера».
