Я влетел в эту тему практически. Запускал маленький RAG-сервис на Python — документы загружаешь, спрашиваешь что-то — получаешь ответ с цитатами. Хотел быстро выложить в сеть, чтобы показать другу. Думал: сейчас возьму любой из этих трёх и через час всё работает.
Не вышло. Разница между платформами оказалась принципиальной, и не в том месте, где я ожидал. Расскажу что понял на собственных граблях.
Почему Vercel — это не про AI-бэкенд
С Vercel я работаю постоянно для фронтенда, и там он прекрасен. Но когда попытался запихнуть туда свой FastAPI-сервер с LLM-инференсом — стало грустно.
Vercel работает как платформа для Serverless Functions. Поставь @vercel/python, добавь vercel.json — вроде бы должно работать. Но есть нюанс: Serverless Functions имеют тайм-аут, максимум 10 секунд на бесплатном плане и 60 на Pro. Для RAG это несерьёзно. А если твоя модель думает 15 секунд — функция просто упадёт.
Что хорошо: мгновенный деплой из GitHub, автоскейлинг для фронтенда, приличный free tier для статики.
Что плохо: Serverless не дружит с long-running процессами, GPU нет в принципе и не предвидится, запуск LLM — фактически невозможен.
Для AI-сервиса Vercel подходит только как фронтенд-обёртка над API, которое живёт где-то ещё. Сам ML-бэкенд — нет.
Railway — мой фаворит для прототипов
Railway я открыл для себя, когда искал куда деть Docker-контейнер и не хотел разбираться с настройкой сервера. Понравилось сразу: загружаешь Dockerfile, получаешь URL. Всё.
Для AI-ботов у Railway есть конкретное преимущество — нативная поддержка GPU. Можно взять T4 (наиболее дешёвый вариант), A100 или L40S и запускать модели прямо в контейнере. Тарификация поминутная: платишь за секунды использования GPU. Для прототипа это идеально.
Примерная математика на T4: около $0.40 в час, если гонять постоянно. Но я запускал модель два-три раза в день по 30 секунд — выходило центов на пять в месяц. Пять бесплатных кредитов на старте хватает на несколько недель лёгкого использования.
Из минусов: документация sometimes скудновата, иногда контейнер засыпает при простое и первый холодный старт долгий. Бесплатного уровня в привычном смысле здесь нет — только кредиты, которые кончаются.
Но если сравнивать с AWS или GCP — порог входа ощутимо ниже. Не нужно разбираться в EC2, AMI, security groups. Залил код, получил сервис.
Render — честный середнячок
Render я попробовал следующим — захотел понять, стоит ли он как замена VPS.
Схема такая: создаёшь Web Service, указываешь Dockerfile или образ, получаешь ссылку. Есть persistent disks — это важно, потому что можно хранить модель на диске и не скачивать при каждом старте. Бесплатный tier даёт 750 часов в месяц — хватает на один маленький сервис, если он не будет работать круглосуточно.
Подвох: на бесплатном тарифе сервис засыпает после 15 минут без запросов. Для API это неудобно — каждый раз, когда друг обращается, он ждёт пока контейнер проснётся. А если там ещё и модель грузится...
GPU в Render тоже есть, но это не default — нужно запрашивать доступ и цены не самые прозрачные. Я не нашёл дешёвый вариант T4, как на Railway. Для фулл-GPU-сцен это, вероятно, рабочий вариант, но скорее для продакшна, чем для прототипа.
Плюсы: простая настройка через панель управления, persistent disks реально полезны для моделей, HTTPS из коробки, честные $0 в месяц для старта (но с ограничениями).
Сравнение, если совсем коротко
| Vercel | Railway | Render | |
|---|---|---|---|
| GPU | Нет | Да, T4 от $0.40/ч | Да, но дорого |
| Free tier | 100ч Serverless | $5 кредитов | 750 часов |
| Docker | Через Serverless | Нативно | Нативно |
| Для AI-бэкенда | Нет | Да | С натяжкой |
| Для AI-фронтенда | Да | Да | Да |
Что бы я выбрал
Для прототипа или хобби-проекта — Railway. GPU по запросу, платишь за реальное использование, Docker из коробки. Если LLM нужна раз в день и думает 10 секунд — выйдет копейки.
Для продакшна с контролем бюджета — всё ещё Railway, но с прицелом на оптимизацию: кэшировать модель, урезать контекст, выбирать меньшие модели (Llama 3 8B вместо 70B).
Для фронтенда и простых API — Render. Persistent disks и честный free tier делают его хорошим вариантом для нетребовательных AI-приложений.
Vercel — только если AI-часть живёт на отдельном сервере, а тебе нужен красивый и быстрый интерфейс.
Главное, что я понял: нельзя просто выбрать платформу и ожидать, что всё заработает. У каждой свои ограничения, и для AI-сервисов они критичны. Лучше потратить полчаса и сравнить тарифы заранее, чем получить счёт на $200 через месяц и удивиться.
