8 月 17 日，DeepSeek 的新定价正式生效。在 B 站播放量最高的那条 Qwen3.8-27B 本地部署教程下面，点赞第一的评论有 188 个赞：“有没有人和我一样，是看到 DeepSeek 涨价后才来看本地部署的？”
这波人为什么跑出来，不难理解。云端这边，DeepSeek 首次引入峰谷分时计价，工作日高峰时段价格翻倍，旗舰 V4-Pro 高峰时段的输出价格升至 27 元/百万 tokens，较调价前上调约 350%。36氪有媒体采访的用户，涨价当日单日模型成本从不到 20 元涨到了近 200 元。本地那边，Qwen3.8-27B 在 2026 年 8 月 14 日开源。知乎这是个 27B 参数的 Dense 模型，被社区称为"单张消费级显卡能跑的最强模型"，实测帖里给出的许可证是 Apache 2.0，个人随便用。云在变贵、模型变好用，两件事一碰，往本地部署跑的人就排起了队。
但这模型到家到底需要什么条件？这两周知乎、B 站、小红书的实测帖已经卷翻了，结论却五花八门：有人说 8G 显存就能跑，有人在小红书发帖灵魂拷问"拿 2 万块换本地 AI，你愿意么？"。我把全网实测帖翻了一遍，把这次的硬件真相浓缩成几条，看完再掏钱。
先记两条规则，能过滤掉八成噪音
第一条，显存（或统一内存）容量决定"能不能跑"。Qwen3.8-27B 的 BF16 原始权重约 54GB，量化到 8-bit 约 30GB，4-bit 约 17~19GB，压到 3-bit 约 13GB。装不下，要么跑不了，要么只能把权重卸到内存、硬盘里，速度掉到折磨级别。
第二条，带宽决定"跑多快"。英伟达 DGX Spark 有 128GB 内存，比 RTX PRO 6000 的 96GB 还大，但带宽只有 273GB/s，约为后者 1792GB/s 的六分之一，跑这种大 Dense 模型速度就是起不来。容量决定能不能跑，带宽决定跑多快，"内存大=跑得爽"对稠密模型只成立一半。小红书
分档实测：你的卡在哪一档
8G 显存（RTX 2070 / 3060 / 部分矿卡）：能跑，但只能叫"跑起来"。有人拿服役 8 年的 2070 极限实测，层卸载、KV 量化、推测解码全上：IQ2 量化写写小说还行，思维链容易断；IQ4_XS 能跑 Agent 任务，但速度只有约 1 token/秒。当玩具可以，干活别想。
16G 显存（4060Ti / 5060Ti / 5070Ti / 4080）：社区公认的入场券。Q3 / IQ3_S 量化能装下，实测 40 tok/s 上下，双 5060Ti 甚至能拉起 182K 上下文。社区里被反复引用的结论是：16G 以上显存，才可以流畅胜任绝大多数本地 Agent 工作。
24G 显存（3090 / 4090）：舒适区。有人单卡 3090 实测，上下文可以开 230k，显存占用 98%，非常极限了。知乎Q4_K_M 单卡直跑供 Coding Agent 调用，是目前社区公认的"甜点"。
32G（5090）及以上：富余档。1792GB/s 的带宽喂 27B 正好，还能兼顾打游戏；要多 Agent 并发就上两张。96G 的 RTX PRO 6000 属于生产级配置，价格也对普通人不友好。
Mac 阵营：统一内存能用相对低的价格买到更大容量，但带宽普遍只有顶级显卡的一半甚至更低，社区建议 24GB 统一内存起步跑 IQ3_S；M3 Ultra 256GB 级别的机器，已经有人拿来做更大模型的对比实测了。
然后是最要钱的环节：这笔钱到底该怎么花
先给一个反直觉的结论：如果目的只是省模型调用费，租云显卡是算不过账的。社区口径 5090 租金约 3 元/小时，按 40 tok/s 的实测水平跑 27B，一小时约产出 15 万 output tokens，折合每百万 tokens 约 20 元。而 Qwen3.8-Flash 的官方 API 刚上线，每百万 Tokens 输入 1 元，输出 3 元，比 DeepSeek 同档的谷时价格还低 33%。36氪同样的活儿，调用成本比租卡便宜一个数量级。租卡的真正价值是：不用一次掏几万买卡，还能先验证自己是不是真需要。
本地这条路，只有需求命中这几条才值得走：数据不出本机、不限流、离线环境、想要无审查版本，或者折腾本身就是目的。如果用量不大、任务简单，1 元/3 元的 API 就是最省钱的路线。实测党里也有清醒的声音："本地部署只能干干简单的破限推理、破限小说……没有破限需求的，放弃是最好的选择。"这话难听，但值得听。
三个坑，都是真人踩出来的
极端量化（IQ2 / IQ4_XS 这类）下不要无脑开思考模式，容易触发 token 溢出、无限循环。哔哩哔哩
8 月 26 日千问又开源了 Qwen3.8-Flash-Next，主模型参数量为 125B，每 token 只激活 6B。36氪它基准成绩多处超过 27B，但内存门槛极高，家用电脑基本装不下，"用固态硬盘跑模型"的方案有人实测，评价在"黑科技"和"纯折磨"之间分裂——别为它冲动买硬件。
与 27B 同期发布的 2.4T 旗舰 Qwen3.8 用的是自定义商业许可，超大规模商用要另谈条款。36氪27B 则保留 Apache 2.0——"模型越大，免费午餐越少"的趋势已经出现，后续追更值得留意。
继续观察的信号：Qwen4 正式家族的发布（Flash-Next 只是先导预览版）、16G 卡社区魔改版的更新节奏（榜单迭代很快）、DeepSeek 峰谷计价的后续调整。
最后一句建议：手里已有 16G 卡的，直接试 Q3 量化版，多半能白嫖到位；没卡、正在二手 3090 和新 5090 之间犹豫的，先去租几个小时云显卡，确认需求真实存在，再掏这笔钱。
