Сколько стоит голосовой робот: облако, свой контур и своё железо

Запрос «голосовой робот цена» в выдаче обычно получает прайс одной платформы: столько-то рублей за минуту или пакет минут на квартал. Это честная цена, но за одну конкретную покупку. На деле цена голосового робота складывается из разных счетов в зависимости от того, где работают модели: поминутно в облаке, обычный сервер плюс минуты, когда данные должны оставаться у вас, и серверы с GPU, когда наружу не может уходить ничего. Ниже по каждому варианту то, что мы считаем сами, с датами и источниками.

Коротко: для 20-30 одновременных разговоров первую рабочую версию под ключ мы оцениваем в $25-40 тыс., сопровождение в $1,5-3 тыс. в месяц. Железо, связь и лицензии считаются отдельно, и именно в железе разница между вариантами бывает больше, чем всё внедрение целиком.

Из чего вообще складывается цена голосового робота?

Голосовой робот - не одна программа. Это цепочка, которая работает в реальном времени на каждом звонке, и на странице поставки перечислены её звенья: телефония, распознавание речи, языковая модель, которая решает, что сказать, синтез голоса, который это произносит, и интеграции, которые записывают результат туда, где с ним работают.

За каждое звено кто-то платит. Телефония - это SIP-транк и номера, их счёт приходит от оператора связи в любом варианте. Три модели в середине оплачиваются либо поминутно у провайдера, либо один раз в виде железа, на котором они живут. Интеграции и сценарии - это работа: промпт, знания, проверки и тесты на каждый сценарий. И сопровождение, потому что сценарии меняются вместе с прайсом и расписанием, а разговоры кто-то должен слушать.

Поэтому прежде чем сравнивать цены, полезно ответить на вопрос, на который поминутный прайс не отвечает: где должны работать модели и где должны лежать записи звонков.

Сколько стоит голосовой робот в облаке?

Облако - вариант, на котором работает наше демо: модели у провайдеров речи и языковых моделей, железо не нужно, срок до первой версии самый короткий, голос и задержка такие, как вы слышите в звонке.

Платите вы за минуты. Для ориентира две цены с публичных страниц, проверенные 9 октября 2026 года. Речевой конвейер агентов ElevenLabs стоил $0,080 за минуту сверх пакета; на странице не сказано, входит ли в эту ставку языковая модель, поэтому её и связь закладывайте отдельно. Российская платформа robo-voice.ru продавала пакет на 2 000 минут за 11 800 ₽ со сроком действия три месяца, то есть около 5,9 ₽ за минуту по нашему делению.

Эти две цифры нельзя сравнивать между собой напрямую, и обе нельзя сравнивать с внедрением. Пакет минут на платформе - доступ к конструктору, в котором сценарий собираете вы сами. Ставка за речевой конвейер - один из нескольких счетов, из которых складывается облачный оператор. Внедрение под ключ - это сценарии, интеграция с вашей CRM или учётной системой, критерии приёмки и человек, который отвечает, если что-то сломалось.

В облачном варианте счёт растёт с минутами, а не с пиком. Сто звонков в день по три минуты - примерно 9 000 минут в месяц, и при ставке $0,08 речевая часть стоит около $720 в месяц. Это арифметика, а не предложение: подставьте свои минуты и добавьте модель и связь.

Что меняется в цене, если данные должны остаться у вас?

Тогда появляется средний вариант: телефония, управление разговором, интеграции и записи живут на вашем сервере, а модели вызываются по API. Провайдеру уходит только то, что нужно для ответа, а записи, расшифровки и карточки звонков остаются у вас.

Для этого варианта нужен обычный сервер без GPU, а минуты моделей оплачиваются так же, как в облаке. Голос и задержка остаются такими, как в демо, потому что модели те же. Срок до первой версии средний: кроме сценариев, нужно развернуть и подключить контур у вас.

Это самый частый ответ на требование «данные у нас», и он заметно дешевле полностью локального варианта. Проверьте с юристами, разрешает ли ваша политика обращение к внешним моделям из контура. Если да, железо с GPU покупать не нужно.

Сколько стоит железо, если наружу не уходит ничего?

Полностью локальный вариант - вся цепочка на ваших серверах. Поминутного счёта за модели нет, зато есть сервер с GPU, и его считают по двум вещам сразу.

По памяти, потому что распознавание, языковая модель, синтез и рабочее состояние каждого живого разговора должны поместиться на картах одновременно. И по моменту, когда несколько звонящих договорили фразу в одну и ту же секунду: тогда модель получает пять или десять запросов на первое предложение разом, и если карта занята, опаздывают все. Число звонков в день почти ничего не говорит ни о том, ни о другом.

Вот конфигурации с нашей страницы поставки. Цены сервера оценены 9 октября 2026 года по объявлениям на карты, память и шасси. Это ориентиры, а не коммерческие предложения, и память за 2026 год сильно подорожала.

База рассчитана на компактную разговорную модель на 7-14 млрд параметров. Модели на 30-70 млрд нужна третья строка даже при том же числе звонков. Б/у A100 - реальный вариант при жёстком бюджете, но рядом с ценой надо записать две оговорки: нет FP8, а гарантия короткая или её нет.

Каждое число в средней колонке - допущение. Оно зависит от моделей, на которых вы в итоге остановитесь, и до покупки его заменяет измеренное. Голос и задержку в этом варианте тоже проверяют заново: локальные модели звучат и отвечают не так, как облачные, и куда уходит секунда ответа на вашем железе, придётся замерить.

Почему нельзя сэкономить на железе?

Три способа сэкономить приходят в голову первыми, и каждый работает на столе, но не на линии.

Игровая видеокарта. В стойке у неё четыре проблемы. Памяти меньше, чем у серверной карты, поэтому модель покрупнее или больше звонящих не помещаются. Нет памяти с ECC, а это важно для коробки, которая работает каждый день без присмотра. Охлаждение и питание рассчитаны на корпус-башню, а не на плотное серверное шасси в помещении, где ничего не выключают. И лицензия: условия драйвера GeForce от NVIDIA не разрешают установку в дата-центре, и юристы спросят об этом за неделю до запуска, а не за неделю до покупки.

Сервер без GPU. Хорошая коробка для среднего варианта, где модели вызываются по API. Как дом для самих моделей он слишком медленный: пауза в три секунды после каждой фразы ломает разговор, даже если звонят двое.

Самая маленькая облачная карта. Арендовать одну карту - разумный способ начать пилот. Ошибка в том, чтобы считать результат пилота результатом боевой работы. Одна карта, которая отвечает одному тестировщику быстрее секунды, может заметно опаздывать с ответом десяти звонящим, которые договорили одновременно, и разница видна только под нагрузкой.

Сэкономленные на железе деньги потом тратятся на разговоры, в которых робот молчит слишком долго. Звонящий не знает, что сервер занят. Он слышит паузу и решает, что его не поняли.

Можно ли сначала арендовать, а потом покупать?

Можно, и мы советуем именно так. За 2 × L40S по требованию, 730 часов в месяц, цены на 9 октября 2026 года шли от ≈ $790 в месяц на Vast.ai, маркетплейсе частных хостов с плавающим наличием, через ≈ $1 150-1 590 на Runpod и ≈ €2 150 на Scaleway до ≈ $2 720 на AWS, где нет размера на две карты и его собирают из двух инстансов по одной. CoreWeave продаёт только узлы по восемь карт.

Если данные должны оставаться в России, в открытых прайсах, которые мы смотрели, L40S нет вовсе: ближайшее с публичной ценой - 2 × A100 в Immers.cloud примерно за 321 000 ₽ в месяц, а Selectel, Yandex Cloud, Cloud.ru, Timeweb и MTS Cloud называют цену на свои карты по запросу.

Месяц аренды стоит небольшую долю коробки, и за эти деньги вы получаете единственное число, которое имеет значение: как ведёт себя цепочка, когда приходит ваш пик. Порядок у нас короткий. Собираем связку на арендованных картах. Гоняем нагрузочные тесты с вашими сценариями и реальным пиком. По результатам фиксируем требования к серверу. Только после этого покупаем.

В России этот порядок важен вдвойне: те же карты стоят примерно в 1,5-2 раза дороже и обычно идут под заказ со сроком 40-60 рабочих дней. Ошибка в закупке там стоит квартал, а не возврат.

Какой вариант выбрать?

Правило простое. Если записи звонков у провайдера допустимы, берите облако: оно быстрее и дешевле на старте. Если данные должны оставаться у вас, но обращение к внешним моделям по API разрешено, берите свой контур с облачными моделями и сервер без GPU. Если наружу не может уходить ничего, берите серверы с GPU, но сначала арендуйте их на месяц нагрузочных тестов.

Пилот в облаке ничего не теряет: сценарии, знания и интеграции переезжают в контур вместе с вами, меняются только модели под ними.

Кому такое внедрение не подходит?

Если вам нужен робот, который обзванивает базу с одним вопросом, внедрение под ключ - переплата. Для этого есть платформы с поминутным тарифом и конструктором, и их цена честная.

Если вы ещё не можете описать, что робот должен делать на звонке, начинать с цены рано. Цена и срок появляются после спецификации: какие задачи, в каких системах записывать результат, что должно работать при приёмке. Без этого в процессе вылезает тысяча и одна хотелка.

Если звонков мало и нагрузка неровная, покупать железо не стоит даже при строгих требованиях к данным: сначала проверьте, не закрывает ли их средний вариант. Карты, которые простаивают двадцать часов в сутки, - самый дорогой способ хранить записи у себя.

Что ещё войдёт в счёт, кроме сервера?

GPU-сервер для этой работы крутится круглые сутки, потому что круглые сутки работает линия. Значит, нужна стойка с питанием и охлаждением под него, контракт на поддержку, который покрывает карты, а не только шасси, и человек, которому сообщают, когда серверу плохо. Это тот же вопрос, что и кто владеет ассистентом во вторник, только про машину, а не про набор правил.

Связь тоже считается отдельно в любом варианте: SIP-транк, номера, а если звонки идут через мобильную сеть, ещё и два мобильных плеча, которые сжимают голос и добавляют задержку.

Прежде чем считать, послушайте, как робот звучит, в демо, а если вариант понятен, опишите первую поставку на странице Voice AI. Время ответа в демо - та цифра, которую на вашем железе должен побить нагрузочный тест.