Sunk Cost calcula cuándo se amortiza un equipo para ejecutar LLM locales
La herramienta compara el coste del hardware propio con el de alquilar tokens por API, a partir del uso diario y el modelo elegido.
Un desarrollador ha publicado Sunk Cost, una calculadora que estima cuánto tarda en amortizarse un equipo comprado para inferencia local de LLM frente a pagar por tokens en la nube. La idea parte de una frase que se repite en foros: "cómprate un Mac y ejecuta modelos en local, se paga solo". La herramienta coge tres datos —la máquina, el modelo y los tokens que consumes al día— y calcula el punto de equilibrio.
El autor es explícito: solo mira el ahorro económico crudo. Reconoce que hay otras razones para comprar hardware propio, pero el cálculo se limita a comparar el desembolso inicial con el gasto por token de un proveedor. También pide ideas para mejorar la utilidad del invento.
La publicación apareció en la sección Show HN de Hacker News, donde acumula 41 puntos y 75 comentarios. El interés no es casual: la decisión entre ejecutar modelos en local o consumir API es un debate recurrente entre desarrolladores y administradores de sistemas. Entran en juego el coste, la privacidad de los datos, la latencia y la dependencia de un proveedor externo.
Qué mide y qué no
Sunk Cost se centra en el retorno de la inversión desde el punto de vista del gasto en tokens. No entra a valorar el consumo eléctrico, la depreciación del equipo ni el tiempo de mantenimiento, factores que también pesan en una decisión real. Tampoco distingue entre tipos de hardware más allá de lo que el usuario introduzca.
Para quien se plantea montar un equipo local, la herramienta ofrece una primera aproximación numérica. Pero la cifra que devuelve depende por completo de los datos que se metan: el precio de la máquina, el modelo elegido y el volumen de uso diario. Cambiar cualquiera de esas variables altera el resultado.
El autor ha dejado abierta la puerta a sugerencias en el hilo de la publicación. La discusión en Hacker News (enlace) recoge impresiones de otros profesionales que han pasado por la misma disyuntiva.
Que una calculadora así tenga acogida dice algo del momento: cada vez más equipos consideran seriamente ejecutar modelos en su propia infraestructura. La pregunta ya no es solo si se puede, sino a partir de qué volumen de uso sale a cuenta. Sunk Cost intenta poner un número a esa pregunta, aunque sea con las limitaciones de un modelo simplificado.
