沈没コスト計算機は、ローカルLLMマシンが44年で損益分岐点に達することを示す

まとめ：3,499ドルのMac Studioでのローカル推論は数十年かけて回収されない

沈没コスト計算機（https://sunkcost.ai/）は、オープンソースのQwen‑3.8‑27Bモデルを実行するMac Studio M5 Max（64 GB）が44年の損益分岐点に達すると予測している。想定される使用量が1日50万トークン（入力：出力 = 15：1）の場合、OpenRouter APIと比較して1日あたり0.22ドルしか節約できず、現在の価格設定ではハードウェアコストは回収されない。

数値の算出方法

項目 値 出典
ハードウェアコスト 3,499ドル Apple Mac Studio M5 Max仕様書（2026年）
消費電力（負荷時） 145 W（M4 Maxからの推定） Appleドキュメント、前世代からの推測
電気料金 0.17ドル/kWh（米国住宅平均） U.S. EIA 2025年データ
ローカルスループット 25 トークン/秒（推定） バンド幅制限推定：614 GB/s ÷ 16.5 GB/トークン × 0.75
APIスループット 80 トークン/秒（OpenRouter） プロバイダドキュメント
API価格 1Mトークンあたり入力0.32ドル、出力2.5ドル OpenRouter Qwen‑3.8‑27Bエンドポイント（2026‑09‑03確認）
1日のトークン構成 入力468,750、出力31,250 1日合計50万トークン、15：1の比率
1日のAPIコスト 0.23ドル トークン構成とAPIレートから計算
1日の電気代 0.01ドル (0.145 kW × 0.051 kWh × 0.17ドル)
1日の純節約額 0.22ドル 0.23ドル – 0.01ドル
損益分岐日数 15,942日（約44年） 3,499ドル ÷ 0.22ドル
損益分岐トークン数 79.7億トークン 15,942日 × 50万トークン/日

計算機はAPI価格が変動しない（将来の低下なし）と仮定し、推定されたトークンレートで連続運用を前提としている。また、ハードウェア購入コストをすべて沈没コストとして扱い、リセール価値や他のワークロードの可能性は無視している。

モデルの性能とコストの比較

このツールは、Qwen‑3.8‑27BをArtificial Analysis Intelligence Index v4.3で34ポイントと評価し、「Sonnetクラス」に位置づけている——AnthropicのClaude Sonnet 5やOpenAIのGPT‑5.6 Lunaと同等程度の性能である。モデルの推論ベンチマークでは競争力があるものの、スループット（25 tok/s）はAPIの速度の31％に過ぎず、通常の1,000トークンの応答に対して1日あたり15分の待機時間が発生する。

計算機が省略している点（なぜ重要か）

  • アイドル時の消費電力：1日0.01ドルの電気代は常に145 Wの負荷を前提としているが、実際のアイドル消費はコストを増加させる。
  • プロンプト処理時間：入力トークンは生成速度の20〜100倍速く処理されるため「無料」と仮定されているが、依然として電力を消費している。
  • リセール価値：Mac Studioはリセール価値を保持しており、将来的に販売すれば実質的な沈没コストが低下する。
  • 代替ワークロード：このマシンはレンダリング、ゲーム、その他のコンピューティングタスクにも使用可能であり、損益分岐には含まれていない。
  • 将来のAPI価格低下：計算機には「価格は常に下がり続ける」オプションがあり、過去にクラウドLLM価格は低下しており、これにより回収期間はさらに延びる。
  • 最先端モデル：Claude OpusやGPT‑6など、ローカルで実行できないプロプライエタリモデルとの比較は除外されている。

Hacker Newsでのコミュニティの反応

redox99: 「計算が間違っている。MTPとQ8 KVを使えばトークン/秒は少なくとも2倍になるはず。それでも回収されない。」 txrx0000: 「コストよりプライバシーを重視する。ハードウェアを所有することで、プロバイダが私の思考を監視することを防げる。」 ThunderSizzle: 「Claude Codeは月額100ドル以上かかる。1,350ドルのGPUで4か月で回収でき、データの完全なコントロールが得られた。」 jrflo: 「コード作業で44年も待つのは馬鹿げている。月額100ドルのサブスクリプションの方がずっと良い。」 mcone: 「中古のHP Omenに3090を搭載すれば、Qwen 3.8を57トークン/秒で実行でき、2,000ドルで回収期間を大幅に短縮できる。」 ProjectArcturis: 「ローカルLLMはコスト節約のためではなく、自律性、ファインチューニング、ロックイン回避のためである。」

コメントから浮かび上がる2つのテーマは、プライバシー／自律性が単なるコスト考慮を上回ること、およびハードウェア選定がスループットに大きく影響すること（例：上位GPUでトークンレートが2倍になり、回収期間が短縮される）である。

実用的な教訓

  1. 純粋な金銭的損益分岐は、現行のAPI価格設定下では、コンシューマー向けMac StudioでQwen‑3.8‑27Bを動かす場合に現実的ではない。
  2. 高性能GPU（例：RTX 3090、A6000）はトークン/秒の速度を向上させられるが、2倍のスピードアップでも44年という回収期間は約22年にしかならない。
  3. 非金銭的メリット——データプライバシー、モデル所有権、カスタムファインチューニングモデルの実行可能性——がローカル推論の主な動機である。
  4. リセール価値と多目的利用は経済性を大きく改善する。レンダリングノードや開発サーバーとしても使えるマシンは、他の収益源でコストを回収できる。
  5. 将来のAPI価格動向は極めて重要である。クラウドプロバイダが価格を引き下げ続けるなら、ギャップはさらに広がる。価格が上昇すれば、損益分岐はわずかに改善される。

まとめ

沈没コスト計算機は透明性とデータ駆動に基づいた見積もりを提供している：3,499ドルのMac StudioでQwen‑3.8‑27Bを動かしても、1日あたり0.22ドルしか節約できず、回収期間は44年になる。金融的な面では弱いが、多くのユーザーはプライバシー、自律性、多目的コンピューティングのためにローカルLLMを追求しており、その価値は計算機では測定できない。

Sources

関連