9月9日到10日这48小时，DeepSeek连着出牌：V4.1-Flash正式发布，Flash系列输出价官宣打到每百万token 4元档。并且从9月14日中午起，所有指向V4-Pro的旧API请求会自动路由到新模型、按更低价格计费，老用户一行代码不用改。同一周，Qwen3.8-27B Apache 2.0开源、被本地圈称为可商用的"本地主力"，知乎"本地部署token自由"的问题下攒了几十条回答，小红书那条《本地部署大模型到底有意义吗》挂在379个赞、496条评论的争论里。知乎知乎知乎
一边是云端降价，一边是"本地自由"，很多手里攥着16G、24G显卡、或者正准备加钱上卡的人，纠结的是同一个问题：现在装一台本地主机，到底是不是省钱？
我把两边的账摊开算了一遍。先说结论：这轮降价，恰好把"为新省钱而买卡"的计划作废了大半；真该装主机的，是另外两类人。
第一本账：云端token现在什么价
翻了11家主流API的2026年6-8月核价（统一百万token口径）：海外旗舰GPT-5.5输出约30美元、Claude Opus 4.8输出25美元；国产这边，V4-Flash全场最便宜，输出0.28美元，这次降价后直接进入4元人民币档；GLM-5.2、Kimi K2.6、Qwen3.7 Max在中间，混元Hy3 0.13/0.53美元贴着地板；DeepSeek V4-Pro输入0.44/输出0.87美元，缓存命中的输入只要0.0036美元，长提示词场景成本趋近于零。知乎
三个容易被忽略的计价细节：输出普遍比输入贵3-5倍，长文本任务大头在输出。同时DeepSeek有峰谷定价，9:00-12:00、14:00-18:00翻倍，批量任务挪到晚上直接省一半。超过一定上下文的"长文加价"还会让账面单价失真。而把账算到任务级别：同样一段任务，不同模型的成本能差30倍以上，能力差距却远没有价格差距大——这才是"该用哪个模型"的真实答案。知乎知乎
换算成人话：一个日常写文案、做总结的轻度用户，拿Flash档跑，一个月账单是几十块人民币的量级。至于小红书那位退了GPT会员换本地的朋友——她原话是算了笔账，一年一千多，大部分时候只是写写文案、做做总结。省下的确实是订阅费，但如果这笔订阅换成Flash API，本来也花不了多少。小红书
第二本账：本地一百万token真实成本——电费这个数字很有意思
社区实测速度摆在这里：5090D跑Qwen3.8-27B的nvfp4量化、开MTP约100 tok/s，160K上下文内安全、再开高会降速。4090 24G用LM Studio跑Qwen3.6-27B Q4只有30 tok/s左右。4060Ti 16G跑Qwen3.6-35B-A3B-MTP反而能到50 tok/s，两张22G魔改2080Ti跑35B decode 50-60、prefill明显拖后腿。小红书小红书小红书
拿最乐观的100 tok/s算：生成一百万输出token要2.8小时，整机按600W、电价0.6元/度估，电费约1块钱/百万token；按4090的30 tok/s算就是3块上下。也就是说：本地跑大模型的边际电费，和这轮降价后的云端输出价（4元档）已经是一个数量级。再叠上硬件折旧——小红书那位砸1万块装34G双卡的帖子是一类，二手市场上挂着出掉的4090-48G大显存主机（晒出鲁大师整机三百四十万分截图的那种）是另一类：不管哪类，按三年摊每月都是两百元起步，还没算装机、调环境、模型一周一更你要反复重下的时间。
所以那条万元双卡主机帖子下最高赞的评论——“你的显卡还可以卖钱，实际上是电费vs充值费”——现在算下来很扎心：纯为省钱新买卡，回本周期在云端连降一轮之后基本看不到头。小红书
更别扭的是硬件这头在往上涨。7月31日时代周报记者实探华强北：RTX 5060Ti 8GB从约2800元涨到3400-3500元，RTX 5070从5000元档涨到6000元档，RTX 5090系列一周从30200元附近涨到34000元。导火索是英伟达再次向全球授权显卡厂发出新一轮GPU套装（GPU+显存）涨价通知，显存产能正被HBM订单整体抢走。连矿卡都被本地AI需求带进坑：一张闲鱼三五百没人要的CMP 170HX如今破万还要抢。 云端token在跌、显卡在涨的剪刀差里，"等等党"两头输。36氪36氪小红书
唯一能赢的账：你的云端账单是"旗舰档"
上面作废的是"拿本地去替4元档"的方案。反过来，如果你现在烧的是Opus/GPT级别的账单，账是另一种算法：Claude Opus 4.8输出25美元/百万token，约合人民币180元。按一个月2000万输出token的重度用量算，云端月账单3600元上下；换成5090级主机——光显卡按华强北现价约34000元、整机约42000元——36个月摊销每月约1170元，电费20元，回本约17个月，这还是最乐观口径。知乎那篇攒了61条评论的回答给过更极端的参照：单路Claude Code 24小时跑，一天1.1亿token。但注意，这笔账只在你替换的是海外旗舰账单时成立——同样的量换成DeepSeek V4 Pro（输出约0.87美元/百万token，折合人民币6元档），月账单才120元上下，本地装机连回本的资格都没有。真想用低价多卡方案塞满血模型的，社区有人晒过6000元魔改机跑R1-671B的实测截图：eval只有5.37 tok/s——能跑，和能干活，是两回事。知乎知乎小红书
但这里必须接一句社区公认的冷水。同一位5090D用户给的期望管理很具体：几百页的PPT要先拆分喂、上下文开高了降速、视频转写交给VLM+ASR工作流而不是硬塞给语言模型。更狠的是做知识库的那位：1.5万份PDF，27B本地跑导读3000份要两天，他果断换回API做生成，数据库建好后继续让本地27B当RAG用——重度用户今天的真实形态是混合的：云端负责"聪明"，本地负责"无限"。小红书
三类人，三个结论
A. 卡已在手（16G+）：别纠结，现在就装。卡钱是沉没成本，你的token自由不需要回本。Qwen3.8-27B这个档位的本地体验确实到了"能干日常活"的拐点，社区里被反复引用的一个判断是：单卡5090能跑的优化好的Qwen，已经能赶上一年前的世界顶级大模型。按上面那位的四条冷水管理好预期即可。知乎
B. 正打算为新装机掏钱"省钱"：本轮建议等。不是等降价——是等你的需求被验证：先老老实实把云端API账单晒出来跑一个月，月账单不到三位数，本地装机的第一推动力就该换成"隐私、断网、无审查"这三个词，而不是省钱。
C. 数据不能出机器的人（财务、法务、敏感文档岗，小红书上有整批这样的用户）：这账跟云端价格无关，跟降价更无关，本地部署是合规成本不是消费选择。按业务需要配机，但别再用"省钱"说服自己，说服力不够，也没必要。
接下来盯什么
一看DeepSeek这轮4元档之后，Kimi、GLM的下一轮报价会不会跟（价格战打到脚踝，通常不会只有一家）；二看显卡涨价会不会回调——英伟达这轮GPU套装涨价波及GDDR6老卡，装机窗口是按周在关的；三看Qwen3.8-27B的nvfp4+MTP方案会不会下沉到16G卡（5090D的100 tok/s是天花板，不是地板）；四看WorkBuddy这类办公工具内置"一键本地模型"之后，部署门槛归零时，本地电费党会不会变成真正的多数派。
你的月账单多少、卡什么配置，这笔账算下来站哪边？评论区报个数，咱们把回本表凑成一张真图。
