Audit de ma Consommation LLM : SQLite, OpenCode, Ollama Cloud, et Pourquoi Mon Abonnement Pro Éclate le Marché Mondial
منتشر شده در 18 May 2026
- فهمیدن استک: چه کسی چه کاری را انجام میدهد؟
- معرفی: چرا یک حسابرسی؟
- پایگاه داده OpenCode: یک منجم طلا
- نتایج: 73 روز مصرف
- مقارنهٔ تعرفهای — ارائهکنندگان غربی
- مقایسه تعرفه — تأمینکنندگان چینی
- جدول خلاصه — تمام ارائهدهندگان
- هزینهٔ پنهان : مهندسی Prompt و تکرارها
- جمع کردن اشتراکهای Ollama Cloud Pro: روش Docker
- چیزی که حسابرسی اندازهگیری نمیکند
- نتیجه : حکم اعداد
- منابع
من اغلب میپرسند هزینه هوش مصنوعی من چقدر است. من میگویم « ۲۰ تومان در ماه » و با چشمهای گرد به من نگاه میکنند. اما امروز، جعبه سیاه را برای شما باز میکنم. این مقاله تدوین کامل ۷۳ روز کدنویسی ویب من است: روش استخراج دادهها از پایگاه داده SQLite OpenCode، کد SQL برای استعلام جداول، و مقایسه جامع با همه فروشندگان بازار — غربی و چینی. نتایج به강 نامتقارن بود که مجبور شدم محاسباتم را سه بار بررسی کنم.
فهمیدن استک: چه کسی چه کاری را انجام میدهد؟
قبل از وارد شدن به عددها، معماری را واضح کنیم. سه عامل متمایز در تنظیمات من وجود دارد، و این مهم است که آنها را با هم اشتباه نگیریم:
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title سه بازیگر استک LLM من
left to right direction
actor "من (توسعهدهنده)" as Dev
package "OpenCode\n(github.com/anomalyco/opencode)" as OC {
rectangle "CLI برای vibe coding\nمتنباز، رایگان" as CLI
note right of CLI
این ابزاری است که من برای کدنویسی با ایجنتهای هوش مصنوعی از آن استفاده میکنم.
این ابزار هیچ مدلی ارائه نمیدهد.
این یک ترمینال + یک ارکستراتور است.
end note
}
package "Ollama (نصب محلی)" as OL {
rectangle "کلاینت استنتاج (Inference Client)\nنصب شده روی سیستم من" as Client
note right of Client
این نرمافزاری است که مدلها را اجرا میکند. این برنامه میتواند آنها را بهصورت محلی اجرا کند یا بسته به تگ (:cloud)، آنها را به فضای ابری واگذار کند.
احراز هویت آن از طریق کلید SSH انجام میشود.
end note
}
package "Ollama Cloud\n(ollama.com)" as OCloud {
rectangle "سرویس استنتاج ابری\nاشتراک Pro: ماهیانه ۲۰ یورو" as Cloud
note right of Cloud
این ارائهدهنده استنتاج است.
مدلهای من با تگ `:cloud`
روی سرورهای آنها اجرا میشوند.
اشتراک Pro دسترسی به
سهمیههای بالاتری میدهد.
end note
}
Dev --> CLI : "من پرامپتها را تایپ میکنم"
CLI --> Client : "این مدل را فراخوانی میکند"
Client --> Cloud : "کلید SSH + درخواست\n(مدلهای :cloud)"
Client --> Client : "اجرای محلی\n(مدلهای بدون :cloud)"
@enduml
|
OpenCode یک تأمینکننده مدل نیست.این یک CLI منبع باز است (github.com/anomalyco/opencode) که عوامل هوش مصنوعی را هماهنگی میکند. او اشتراک نمیفروشد، استنتاج ارائه نمیدهد. معادل آن`git`برای نسخهبندی: یک ابزار، نه یک سرویس. Ollama Cloud ارائهدهنده استنتاج است.نصب محلی من Ollama به عنوان client عمل میکند — آن از طریق یک کلید SSH منحصر به فرد (Device Key) با سرورهای Ollama احراز هویت میکند و اجرای مدلهای برچسبدار را به آنها واگذار میکند. |
معرفی: چرا یک حسابرسی؟
دو ماه قبل، مدلها را بهصورت رایگان روی نصب محلی Ollama من استفاده میکردم. سپس یک اشتراک اولی Ollama Cloud Pro به قیمت ۲۰ یورو در ماه خریداری کردم که امکان استفاده از مدلهای ابر (تلكها با تگ`:cloud`) از طریق ارائهدهنده`ollama-cloud`. یک اشتراک دوم یک ماه بعد پیروی کرد، روی یک نمونه Docker جداگانه که دارای حساب و کلید SSH خود بود — روش تجمع که در مقاله من درباره تجمع اشتراکها توضیح داده شد.
سوالی که من را occupied میکرد: آیا این ۲۰ یورو ماهانه مبرر است؟ نه به صورت حدسزنی. با عدد.
برای پاسخ دادن، نیاز به دادههای دقیق داشتم. نه تخمینها. نه میانگینها. مصرف واقعی من، توکن به توکن، مدل به مدل، جلسه به جلسه.
و OpenCode — CLI — همه اینها را در یک پایگاه داده SQLite ذخیره میکند.
پایگاه داده OpenCode: یک منجم طلا
OpenCode تاریخ کامل جلسات خود را در یک فایل SQLite ذخیره میکند که واقع در`~/.local/share/opencode/opencode.db`. La mienne pèse 660 Mo pour 73 jours d’utilisation — une base de données de production tout à fait respectable.
$ ls -lh ~/.local/share/opencode/opencode.db
-rw-r--r-- 1 cheroliv cheroliv 660M mai 18 12:25 opencode.db
طرح
پایگاه داده شامل حدود بیست جدول است، اما سه جدول از آنها برای بررسی ما حیاتی هستند :
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title Schéma Simplifié — OpenCode SQLite
entity "session" as S {
* id : TEXT
--
* model : TEXT (JSON)
* cost : REAL
* tokens_input : INTEGER
* tokens_output : INTEGER
* tokens_reasoning : INTEGER
* tokens_cache_read : INTEGER
* tokens_cache_write : INTEGER
* time_created : INTEGER
* project_id : TEXT
}
entity "message" as M {
* id : TEXT
--
* session_id : TEXT <<FK>>
* data : TEXT (JSON)
* time_created : INTEGER
}
entity "project" as P {
* id : TEXT
--
* worktree : TEXT
* name : TEXT
}
S ||--o{ M : "session_id"
S }o--|| P : "project_id"
note right of S
La table session agrège
tokens + coût + modèle.
C'est notre point d'entrée
principal.
end note
note right of M
Les messages individuels.
Le champ data contient
le modèle utilisé (format JSON)
même si la session change
de modèle en cours de route.
end note
@enduml
میز`session`pour un audit global approprié : chaque session possède son comptage de tokens agrégé, son modèle utilisé, et son coût. Le champ`model`است JSON خام :
{
"id": "deepseek-v4-pro:cloud",
"providerID": "ollama-cloud",
"variant": "default"
}
|
میدان`cost`در پایگاه OpenCode تنها هزینهای API خارجی پرداختشده بر اساس مصرف از طریق کلید API (Google Gemini, OpenAI، و غیره) را نشان میدهد. تماسهای از طریق Ollama — سواء بهصورت محلی یا از طریق Ollama Cloud Pro — علامتگذاری شدهاند`cost=0`به این دلیل که هزینه به صورت ثابت (اشتراک) است، نه به ازای هر توکن. هزینه واقعی این تماسها، اشتراک ماهانه است. |
کد استخراج
هیچ چیزی لازم نیست نصب شود. Node.js 22+ ماژول SQLite آزمایشگاهی را شامل میشود (node:sqlite) بهدرستی کار میکند. این اسکریپت است که به من همهچیز را داد:
const { DatabaseSync } = require('node:sqlite');
const db = new DatabaseSync(
`${process.env.HOME}/.local/share/opencode/opencode.db`,
{ readonly: true }
);
// 1. Statistiques globales
const global = db.prepare(`
SELECT
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(tokens_reasoning) as total_reasoning,
SUM(tokens_cache_read) as total_cache_read,
SUM(cost) as total_cost
FROM session
`).get();
// 2. Ventilation par modèle et fournisseur
const byModel = db.prepare(`
SELECT
json_extract(model, '$.id') as model_id,
json_extract(model, '$.providerID') as provider,
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(cost) as total_cost
FROM session
WHERE model IS NOT NULL
GROUP BY model_id, provider
ORDER BY SUM(tokens_input) DESC
`).all();
// 3. Par mois
const monthly = db.prepare(`
SELECT
strftime('%Y-%m', datetime(time_created/1000, 'unixepoch')) as month,
COUNT(*) as sessions,
SUM(tokens_input) as total_input,
SUM(tokens_output) as total_output,
SUM(cost) as total_cost
FROM session
WHERE time_created IS NOT NULL
GROUP BY month
ORDER BY month
`).all();
// 4. Messages par modèle (détection des changements intra-session)
const msgByModel = db.prepare(`
SELECT
json_extract(m.data, '$.model.providerID') as provider,
json_extract(m.data, '$.model.modelID') as model_id,
COUNT(*) as messages
FROM message m
WHERE json_extract(m.data, '$.model') IS NOT NULL
GROUP BY provider, model_id
ORDER BY COUNT(*) DESC
`).all();
console.log({ global, byModel, monthly, msgByModel });
db.close();
|
پرچم`--experimental-sqlite`در Node.js 22.x لازم است. در Node.js 24+، ماژول مستقر است و دیگر نیازی به flag نیست. |
نتایج: 73 روز مصرف
نمای کلی
| متری | مقدار | بافت |
|---|---|---|
جلسات OpenCode |
1 022 |
~14 جلسه/روز به طور متوسط |
Tokens Input |
۲٫۶۲ میلیارد |
az آن 94,5M در cache hit |
Tokens Output |
۲۱ میلیون |
Ratio input/output ~125:1 |
توکنهای استدلال |
141 000 |
ناچیز — تقریباً هیچ فکر |
هزینه API خارجی |
۰,۲۲ دلار |
هزینههای خارج از اشتراک (Gemini + سطوح رایگان) |
این عدد $0,22 حائز اهمیت است: این نشان میدهد که چه چیزی را به اضافه اشتراک Ollama Cloud Pro من پرداختهام. یعنی تقریباً هیچچیزی. اشتراکEssentials موارد ضروری را پوشش میدهد.
@startuml skinparam backgroundColor #FEFEFE skinparam defaultFontSize 12 title Évolution Mensuelle — Tokens Input rectangle "Mars 2026\n9 sessions\n37,7M tokens" as MARS #FFE082 rectangle "Avril 2026\n486 sessions\n1,33 Md tokens" as AVR #81C784 rectangle "Mai 2026\n527 sessions\n1,25 Md tokens" as MAI #64B5F6 MARS -right-> AVR : ×35 AVR -right-> MAI : stable (période en cours) note bottom of MAI Mai comptabilisé jusqu'au 18. Projection mois complet : ~2,1 Md tokens si la tendance se maintient. end note @enduml
صعود بین مارس و آوریل شگفتانگیز است: ×35 در یک ماه. اینTransition از استفادهٔ «test» به استفادهٔ «production» است — زمانی که من شروع کردم تا agents OpenCode را بهصورت پیوسته برای پلاگینهای Gradle خود اجرا کنم.
تهویه توسط مدل و تأمینکننده
میدان`model`میز`session`که JSON است,`json_extract()`به صورت تمیز تهویه می-conduct :
| مدل × پروایدر | جلسات | ورودی | (No content to translate, so output is empty.) | هزینه |
|---|---|---|---|---|
deepseek-v4-pro @ ollama-cloud |
63 |
220 M |
1,94 M |
\$0 |
deepseek-v4-pro @ ollama-b |
124 |
463 M |
4,15 M |
\$0 |
deepseek-v4-pro @ ollama |
100 |
252 M |
2,25 M |
\$0 |
deepseek-v4-flash-free @ opencode |
16 |
1,3 M |
279 K |
\$0 |
qwen3.6-plus-free @ opencode |
1 |
369 K |
25 K |
\$0 |
gemini-2.5-flash @ google |
1 |
211 K |
19 K |
\$0,04 |
|
سه ارائهدهندگان مختلف برای دقیقاً همان مدل DeepSeek V4 Pro:
* |
مدلهای درون-جلسه: چیزی که جدول جلسه نمیبیند
میز`session`این فقط مدل اصلی جلسه را ضبط میکند. اما در طول یک جلسه، یک agent OpenCode میتواند بین مدلهای مختلف سوییچ کند. جدول`message`این مشخص میکند :
Modèles utilisés dans les messages (ollama-cloud provider) :
├─ deepseek-v4-pro 1 441 msgs (32%)
├─ qwen3.5:397b 1 217 msgs (27%)
├─ glm-5.1 712 msgs (16%)
├─ kimi-k2.6:cloud 634 msgs (14%)
├─ qwen3-coder:480b 414 msgs (9%)
├─ gpt-oss:20b 34 msgs (0,8%)
├─ qwen3-coder-next 27 msgs (0,6%)
└─ gemma4:31b 7 msgs (0,2%)
|
من دیگر Qwen، GLM، Kimi یا سایر مدلها را استفاده نمیکنم. آنها در تاریخچهٔ من ظاهر میشوند زیرا درآوریل چیزهای مختلف را آزمایش کردم. از midpoint مه، من به DeepSeek V4 Pro قفل شدهام — این تنها چیزی است که بتواند بار/context طولانی با governance agent را مدیریت کند (cf. مقایسه من Kimi/GLM/DeepSeek). 32٪ پیام deepseek در تاریخچهٔ من مضلّلی هستند: امروز 100٪ است. |
مقارنهٔ تعرفهای — ارائهکنندگان غربی
سوالی که درد میکند: چقدر هزینه این همان مصرف در میان تأمینکنندگان سنتی خواهد بود؟
پایهٔ محاسبه من برای مقایسهٔ:220M tokens input + 1,9M tokens output— تنها حجم عبور داده شده توسط`ollama-cloud`(تنها یکی که با اشتراک پرداخت شوم مطابقت دارد). ۷۱۶M باقیمانده رایگان هستند (Ollama محلی و instance Docker B).
| تامینکننده | مدل | $/M | خروج $/M | هزینهٔ ماه | × اشتراک من |
|---|---|---|---|---|---|
من setup |
DeepSeek V4 Pro |
0 |
0 |
\~20€ |
1× |
Anthropic — Claude
| مدل | دلار/متر | خروجی \$/M | هزینه/ماه | × اشتراک من |
|---|---|---|---|---|
اپوس ۴.۷ |
\$5 |
\$25 |
\$1 148 |
57× |
سونت ۴.۶ |
\$3 |
\$15 |
\$689 |
34× |
هايكو 4.5 |
\$1 |
\$5 |
\$230 |
۱۱× |
همان Haiku 4.5، مدل «ارزانترین» Claude، 11 برابر هزینه اشتراک من است. و او چیزی از کدپای من نمیداند، به سبک من چیزی تولید نمیکند و در مورد API‑های Gradle Kotlin DSL وهم میدهد.
OpenAI — GPT
| مدل | $/M | خروجی \$/M | هزینهٔ ماهانه | اشتراک من |
|---|---|---|---|---|
GPT 5.5 |
\$5 |
\$30 |
\$1 157 |
58× |
GPT 5.4 |
\$2,50 |
\$15 |
\$579 |
۲۹× |
GPT 5.4 Mini |
\$0,75 |
\$4,50 |
\$174 |
9× |
گوگل — جیمینی
| مدل | دلار/متر | خروجی $/M | هزینهٔ/ماه | × اشتراک من |
|---|---|---|---|---|
Gemini 3.1 Pro |
\$2,00 |
\$10 |
\$459 |
23× |
جمینی ۳ فلش |
\$0,30 |
\$1,50 |
\$69 |
3,5× |
Gemini 3 Flash به 69€ تنها رقیب «نزدیک» در صرف هزینه است — اما یک مدل ضخیم سبک است، نه یک MoE 1.6T مانند DeepSeek V4 Pro. کیفیت کد تولیدشده هیچ ربطی ندارد.
HuggingFace ارائهدهندگان استنتاج
HuggingFace خود inferencing (استنتاج) انجام نمیدهد — بلکه providers شخص ثالث (Novita, Together, DeepInfra, Cerebras, SambaNova, Fireworks, Groq…) را از طریق یک API یکپارچه جمعآوری میکند. ارزانترین یا سریعترین provider را انتخاب میکنیم. در ادامه تعرفههای ثبتشده در ماه می ۲۰۲۶ برای DeepSeek V4 Pro آورده شده است :
| ارائهدهنده HF | \$/M | خروجی \$/M | هزینه/ماه | × اشتراک من |
|---|---|---|---|---|
نویتا (ارزانترین) |
\$1,67 |
\$3,38 |
$۳۷۴ |
19× |
DeepInfra |
\$1,74 |
\$3,48 |
\$389 |
19× |
بههم |
\$2,10 |
\$4,40 |
$۴۷۰ |
23 بار |
آتش بازی |
تعرفه غير عام |
— |
— |
— |
حتی ارزانترین provider روی HuggingFace (Novita) 19× قیمت اشتراک من را تحویل میدهد. و در مقابل Ollama Cloud، HuggingFace هزینههای پلتفرم را به علاوه دریافت میکند اگر شما اشتراک PRO HF نداشته باشید (\$9/ماه).
گروک
Groq هیچیک از مدلهایی که من استفاده میکنم را ندارد — کتالوگ آنها فقط شامل GPT-OSS, Llama و Qwen 32B است. امکان مقایسه وجود ندارد.
مقایسه تعرفه — تأمینکنندگان چینی
آزمون واقعی، بازار چین است. اگر DeepSeek یک مدل چینی باشد، API بومی آن باید ارزانتر باشد، خب؟
DeepSeek API مستقیم (platform.deepseek.com)
| دوره | $/M | خروجی $/M | هزینهٔ ماهانه |
|---|---|---|---|
تخفیف -75% (پایان 31 می) |
\$0,435 |
\$0,87 |
$98 |
تعرفة کامل (از ژوئن) |
\$1,74 |
\$3,48 |
$390 |
حتی با تبلیغات تندرو DeepSeek (-75% تمدید)، API مستقیم هزینه دارد۵×گرانتر. در تعرفه عادی,۲۰ بار. و این uniquement DeepSeek است — دسترسی به مدلهای دیگر نیست.
Kimi Moonshot (platform.kimi.com)
Kimi فقط مدلهای خود را پیشنهاد میدهد. بدون DeepSeek.
Alibaba Bailian (bailian.aliyun.com)
تنها ارائهدهندهای که تمام مدلهای چینی را تجمیع میکند — اما از طریق فروش مجدد با سود. قیمتها به صورت دینامیک در جاوااسکریپت بارگذاری میشوند، که اسکرپینگ را ناممکن میسازد.
جدول خلاصه — تمام ارائهدهندگان
| ارائهدهنده | مدل | \$/M | خروجی \$/M | هزینه/ماه | × اشتراک من |
|---|---|---|---|---|---|
اولاما كلاود پرو |
DeepSeek V4 Pro |
0 |
0 |
حدود ۲۰ یورو |
1× |
جیمینی 3 فلاش |
Gemini 3 فلش |
\$0,30 |
\$1,50 |
\$69 |
3,5× |
DeepSeek API (تبلیغی) |
DeepSeek V4 Pro |
\$0,44 |
\$0,87 |
\$98 |
5× |
GPT 5.4 مینی |
GPT 5.4 Mini |
\$0,75 |
\$4,50 |
\$174 |
9× |
Claude Haiku 4.5 |
کلود هائیکو ۴.۵ |
\$1 |
\$5 |
\$230 |
11× |
HuggingFace/Novita |
DeepSeek V4 Pro |
\$1,67 |
\$3,38 |
\$374 |
19× |
DeepSeek API (عادی) |
DeepSeek V4 Pro |
\$1,74 |
\$3,48 |
\$390 |
20× |
همزمان AI |
دیپسِیک V4 پرو |
\$2,10 |
\$4,40 |
\$470 |
23× |
GPT 5.4 |
GPT 5.4 |
\$2,50 |
\$15 |
\$579 |
29× |
کلود سونت ۴.۶ |
Claude Sonnet 4.6 |
\$3 |
\$15 |
\$689 |
34× |
Claude Opus 4.7 |
Claude Opus 4.7 |
\$5 |
\$25 |
\$1 148 |
57× |
GPT 5.5 |
GPT 5.5 |
\$5 |
\$30 |
\$1 157 |
58× |
@startuml skinparam backgroundColor #FEFEFE skinparam defaultFontSize 11 title هزینه ماهانه پیشبینی شده — ۲۲۰ میلیون ورودی + ۱.۹ میلیون خروجی rectangle "Ollama Cloud Pro\n~20€" as OC #4CAF50 rectangle "Gemini Flash\n\$69" as GF #8BC34A rectangle "DeepSeek promo\n\$98" as DSP #FFC107 rectangle "GPT Mini\n\$174" as GM #FF9800 rectangle "Claude Haiku\n\$230" as CH #FF5722 rectangle "HF/Novita\n\$374" as HF #F44336 rectangle "DeepSeek normal\n\$390" as DSN #F44336 rectangle "GPT 5.4\n\$579" as G4 #D32F2F rectangle "Claude Sonnet\n\$689" as CS #D32F2F rectangle "Claude Opus\n\$1 148" as CO #B71C1C rectangle "GPT 5.5\n\$1 157" as G5 #880E4F note bottom of OC DeepSeek V4 Pro 1.6T MoE + دسترسی به تمام کاتالوگ Ollama Cloud (Qwen, GLM, Kimi...) در اشتراک گنجانده شده است end note @enduml
هزینهٔ پنهان : مهندسی Prompt و تکرارها
هزینه توکن تنها بخشی از معادله است. هزینه واقعی، زمان توسعهدهنده است.
با OpenCode + Ollama Cloud Pro + نماینده مدیریت من (EAGER/LAZY/Hot/Warm/Cold, توضیح داده شده در l’article sur la gouvernance), من به دست میآورم:
-
0 prompt engineering تکراری: بهصورت خودکار تزریق میشود
-
90%+ شوت اول درستکد در اولین سعی کامپایل میشود
-
هلاوسین صفر deepseek در 8 جلسه متوالی(مستند شده در مقایسه Kimi/GLM/DeepSeek)
با Claude یا GPT بدون تنظیم دقیق یا حکومتی :
-
2-3 تکرار به ازای وظیفه به طور متوسط
-
هندسی پرامپت Sistemاتیک
-
هیواسین در APIهای Kotlin/Gradle به محض اینکه بستر بیش از 30K توکن شود
هزینه « مؤثر » ماهانه — توکنها × تکرارها × زمان اصلاح — برابر است با 27 برابر تا 54 برابر هزینه راهحل من، همانطور که در مقالهای درباره نسبت کارایی نشان دادهام.
_ این فقط دربارهٔ قیمت به ازای توکن نیست. یک Claude Opus با قیمت ۵۷ برابر که نیاز به ۳ بار بیشتر تکرار دارد، هزینه کارآمدی تقریباً ۱۷۰ برابر بالاتر است. به صریح گفت: پرداخت حقوق یک کارآموز برابر با حقوق یک شریک McKinsey است. _
جمع کردن اشتراکهای Ollama Cloud Pro: روش Docker
اگر یک اشتراک کافی نیست، آنها را جمع میکنیم. اصل این است که هر اشتراک را در نصب Ollama خودمونی آن، همراه با کلید SSH احراز هویت مخصوص آن، ایزوله کنیم. Docker این کار را آسان میسازد.
روش کامل در l’article sur le cumul Docker شرح داده شده است؛ اصل این کار به شرح زیر است :
@startuml
skinparam backgroundColor #FEFEFE
skinparam defaultFontSize 12
title معماری — دو اشتراک Ollama Cloud Pro روی یک ماشین
left to right direction
node "ماشین فیزیکی من" {
frame "Ollama Instance A (native)\nپورت :11434" as Native {
database "Identity A\n/usr/share/ollama/.ollama/id_ed25519"
}
frame "Ollama Instance B (Docker)\nپورت :11435" as Docker {
database "Identity B\n~/ollama-b-data/id_ed25519"
}
}
cloud "Ollama Cloud" {
actor "حساب Pro A\n(email 1)" as A
actor "حساب Pro B\n(email 2)" as B
}
Native --> A : "Device Key A"
Docker --> B : "Device Key B"
note bottom of Docker
کانتینر Docker ایزوله:
- کلید SSH مجزا
- پورت شبکه مجزا (11435)
- والیوم پایدار (`~/ollama-b-data`)
- `restart: always
end note
@enduml
الگو ساده است :
-
یک حجم بساز`~/ollama-b-data`
-
یک کانتینر Docker را اجرا کنید`ollama/ollama:0.20.2`منطبق بر`11435:11434`
-
دریافت کلید SSH کنتینر → ذخیره آن در ollama.com
-
کردن`ollama signin`با یک ایمیل دوم
-
تنظیم OpenCode با دو ارائهدهنده (`ollama`بر :11434,`ollama-b`روی :11435)
دو حساب، یک کارت آبی، هیچ تعارض.
چیزی که حسابرسی اندازهگیری نمیکند
| نقطه کور | امپکت |
|---|---|
کیفیت کد تولید شده |
2,6 میلیارد توکن نمیگویند آیا کد کامپایل میشود. هuit جلسه من DeepSeek V4 Pro نرخ first-shot >90% دارند. |
اکوسیستم OpenCode |
CLI رایگان است، اما ارزشش (agens, sandboxes, تاریخچه, prompt caching) عظیم است. این در قیمت اشتراک شامل نیست — این یک ابزار جداست. |
هزینۀ فرصت |
صرف دو ساعت در روز برای دیبگ هالوسینیشنهای یک مدل ضعیف، هزینه بیشتری از ۲۰ یورو در ماه دارد. |
سکون ذهن |
بسته ثابت = هیچ surpriseای نیست. با استفاده از per-token، یک افزایش ناگهانی در فعالیت میتواند بسیار آسیبزا باشد. |
|
قیمتهای ذکر شده مربوط به ماه می ۲۰۲۶ هستند. شش ماه بعد، همه چیز کاهش خواهند یافت. اما تعادل ساختاری — اشتراک ثابت مقابل پرداخت برحسب مصرف — همچنان برای مصرفکنند�� بزرگ به نفع اشتراک خواهد بود. |
نتیجه : حکم اعداد
پس از 73 روز، 1 022 جلسه OpenCode و 2,6 میلیارد توکن :
| متریک | حکم |
|---|---|
هزینهٔ تجمیعی API خارجی |
$۰،۲۲(تقریبی صفر) |
هزینهٔ اشتراک Ollama Cloud Pro |
~20€/ماه |
معادل Claude Opus |
$1 148/ماه— 57× گرانتر |
معادل GPT 5.5 |
$1 157/ماه— 58× گرانتر |
معادل HuggingFace/Novita |
$374/ماه— 19 برابر گرانتر |
معادل مستقیم API DeepSeek |
$390/ماه— 20× گرانتر |
معادل ارزانترین (Gemini Flash) |
$69/ماه— 3,5× گرانتر، مدل پایینتر |
بهترین پیشنهاد بازار |
Ollama Cloud Pro به 20€/ماه— ناتوان شکست |
(Empty output) به 20 یورو در ماه برای دسترسی به DeepSeek V4 Pro (1.6T پارامتر، MoE، CSA+HCA، 1M contextual) از طریق Ollama Cloud، بهترین نسبت قیمت‑کیفیت را در بازار جهانی دارم. حتی ارائهدهندگان مستقیم چینی هم 5 تا 20 برابر گرانتر هستند. حتی HuggingFace، با تجمیع ارائهدهندگان ارزان، 19 برابر گرانتر است. بازار غربی (Claude, GPT) 50 تا 60 برابر گرانتر است — یک سیاره دیگر
این نسبت به حدی نامتعادل است که نمیتواند برای همیشه بپاید. تا زمانی که وجود دارد، از آن لذت ببرید. __
آره، بله، ۲۰ دلاری که ماهانه دارم بهترین سرمایهگذاری فنی زندگی من به عنوان یک توسعهدهنده است. و حالا شما اعداد را دارید تا آن را ثابت کنید.
منابع
-
مقاله 0108 — نماینده حکمرانی EAGER/LAZY/Hot/Warm/Cold
-
مقاله 0119 — سنجش DGX Spark مقابل ابر مقابل اشتراکات LLM
-
ماده 0120 — ترکیب دو اشتراک Ollama Cloud Pro با Docker