Calculateur
Granite 4.0 Micro : auto-hébergement ou API ?
Auto-hébergement
Aucun chiffre de débitAucun fournisseur ne publie ce modèle en fp8, notre précision par défaut. Calcul fait en fp16 : plus de mémoire, donc configuration et prix changent.
L'API est moins chère sous 88,2 millions de tokens par jour. Au-dessus, l'auto-hébergement ne gagne que si toute la configuration (tous GPU confondus) délivre au moins 2 043 tokens par seconde, input et output confondus, en servant à 50 % d'utilisation (1 022 si elle était occupée en permanence).
À 50 % d'utilisation · Offre d'API la moins chère : 0,041 $ / M tokens chez Cloudflare (mélange input:output de 3:1)
Location du matériel seulement : le prix horaire que le loueur publie pour la machine. Ne sont pas comptés l'ingénierie pour déployer et faire tourner le modèle, la supervision, la redondance, le temps de mise en route, ni le stockage et le réseau facturés à part.
- Seuil de rentabilité
- 88,24 M tokens / jour
- Débit nécessaire à l'auto-hébergement
- 2 043 tokens par seconde
- À 50 % d'utilisation
- Débit nécessaire à l'auto-hébergement
- 1 022 tokens par seconde
- Si occupée en permanence
Au moins ce nombre de tokens input et output par seconde, tous GPU confondus, pendant qu'ils servent.
Ce que montrent les chiffres publiés
Aucun chiffre de débit pour ce modèle sur cette configuration.
Configuration louée
1 × A4000 16GB chez Hyperstack
3,60 $ par jour · 0,15 $ l'heure · Garantie · 16 Go de mémoire GPU · fp16
Vérifié le 31 oct. 2026 Page de prix du loueur (s'ouvre dans un nouvel onglet)
Détail du calcul, en anglais
La moins chère de 1 offre standard actuelle, hors promotions, prix instables, prix en heures creuses sans créneaux publiés et prix non vérifiés très inférieurs à ceux des autres fournisseurs Vérifié le 31 oct. 2026
Hypothèses
- We have no measured, derived or estimated throughput for this model on this card, and we have not assessed inference-engine support for it.
- Hardware rental only: the hourly price the provider publishes for the machine. It does not count the engineering to deploy and run the model, monitoring, redundancy, start-up time, or storage and network costs billed separately.
- Configuration: we pick the cheapest one whose weights fit. If a configuration costing up to 25% more has a measured throughput, we pick it instead; failing that, one with a derived throughput; failing that, one with a published lower bound that settles the verdict; among equals, the cheaper. A configuration whose throughput is only a wide estimate is never preferred over the cheapest. This is our rule, not a technical requirement.
- Quantization fp16; guaranteed tier prices as published by the provider; utilization 50%.
- Throughput is aggregate (input and output tokens, 3:1). Published figures in generated tokens are converted with a prefill/generation speed ratio of 3 (prudent), 5 (median) and 8 (optimistic).
- Break-even = daily GPU cost / API price per million tokens (88.2 million tokens a day). Self-hosting is cheaper only if the average utilization you can sustain exceeds break-even / raw capacity (the break-even utilization of each scenario), whatever the number of GPUs.