DeepSeek V4 把 API 打到全网最低价，按理说本地部署该降温了。结果 8 月的社区恰恰相反：V4 上线后的第三周，本地部署阵营比任何时候都热闹。先把事件线捋一遍，再算账，最后给三条决策线——这大概是最近"本地大模型"圈子里最纠结的一个问题。
先看时间线。7 月底 DeepSeek V4 正式上线，社区第一波反应全是围着价格转的：微博流传的竞技场跑分显示，V4 Flash 的智能水平排进测试模型前 13，任务成本排名最低，热帖一句话总结——“比它聪明的没它便宜，比它便宜的没有”。几天后又有微博帖子称，V4 Flash 以单日 8 万亿 Token 的吞吐量登顶全球大模型调用榜首，这个数字目前没看到官方确认，但热度是实打实的。同期国产模型挤成一团：Kimi K3 因火爆暂停新用户注册，微博话题"AI模型差价能有50倍"挂了好几天。8 月 13 日，V4 Pro 0813 版本发布，微博援引 DeepSeek 报告称其 Terminal-Bench 2.1 成绩从 72.1% 跳到 87.9%。
API 便宜成这样，本地部署是不是该散场了？
恰恰相反，第二幕从"晒跑分"变成了"晒部署"。8 月 11 日，小红书一篇"128G显存成功本地部署 deepseek v4 flash"的笔记拿到 448 赞、115 条评论、246 个收藏。小红书收藏快赶上一半点赞，说明大家是真在存下来照着配。8 月 24 日，B 站 UP 主"鲲鹏Talk"直接上了硬菜：4 张二手 CMP 170HX 矿卡（每张 8GB 显存）装进 4U 服务器，对 DeepSeek-V4-Flash-0731 连续压测 5.7 小时，23 个测试点、15268 条 GPU 采样数据，从 5 万 Token 一路测到 104 万 Token 的长上下文，日常稳定在 80 tok/s。哔哩哔哩最扎眼的是视频标题的后半句：“对比官方API多久回本”。同一周，社区里还躺着一堆平行样本：DGX Spark 测 Qwen3.8-27B 已经测到第七轮，有人把 Qwen3.8-27B 换成 FP8 量化提速到 71 t/s，IBM Technology 出了期对比 llama.cpp 与 vLLM 本地引擎的视频。哔哩哔哩连 9 月显卡推荐视频都把"本地部署大模型"单列成一个选购场景。
其实争论早就埋好了。7 月 23 日，也就是 V4 发布前一周，小红书有篇"本地部署大模型到底有意义吗"，评论区盖了 487 层。小红书V4 的白菜价只是往这把火里又浇了一桶油。
所以真正的问题不是"部署不部署"，而是：当省钱逻辑已经失效，本地部署到底在买什么？
先说省钱逻辑为什么塌了。矿卡压测视频把"多久回本"写进标题，这四个字等于承认：本地部署已经是一种投资行为。投资就要先垫硬件——4 张矿卡加一台 4U 服务器，或者一台 128G 显存级别的机器——再搭上电费、调试时间和折腾成本。
而 API 那头是"比它聪明的没它便宜"。对只是想用 V4 智能的普通用户，这笔账根本不用算：按量付费几乎必然比自己搭便宜。前几周 DeepSeek 调整过部分 API 价格，当时确实逼出一波迁本地的讨论，但 V4 Flash 这种"全网地板价"一出，"本地部署=省钱"这个说法对大多数人已经不成立了。
那为什么还在部署？因为另一本账浮出来了，我管它叫主权账。
第一笔：数据不出本机。合同文本、客户资料、内部代码，这些东西过任何云端 API 都有合规和心理成本。V4 权重可获取、能本地跑，128G 显存帖和矿卡压测都已经验证过，这条对特定职业不是"划算不划算"，是"能不能"的问题。
第二笔：不限量、不排队、断网可用。API 再便宜也有限流、有服务条款、有宕机窗口；本地跑，吞吐上限只取决于你愿意堆多少电。
第三笔：长上下文和高频批量场景。矿卡团队为什么专门测 104 万 Token？因为这种用法走 API，账单是随量放大的，而本地是一次性投入、边际成本趋近电费。调用量越大，本地这端越可能反超。那篇 128G 显存帖的博主就是现成的例子：一个月花了学校将近 500 美元的 token 额度，被提醒省着点用，转头在 128GB 显存的 M3 笔记本上本地跑 V4 Flash，自述效果跟前沿模型没有明显区别，而且不需要管任何额度调用，“这下实现token自由了”。小红书
第四笔最容易被忽略，但它是社区声量的主力：折腾本身就是收益。那 44 条评论里有相当一部分在聊矿卡供电和散热，对硬件党来说，压测数据本身就是晒单。
基于这些，给三条决策线，对号入座：
第一条线：只是想要 V4 的智能，数据不敏感——直接用官方 API，别部署。部署对你就是纯成本，V4 Flash 的价格已经把"自建省钱"这条路基本焊死了。
第二条线：数据不能出本机、要在离线环境用、或者有长上下文高频调用——值得部署，但接受这是一次硬件投资。先看显存门槛再动手，别被"白菜价"三个字带偏。
第三条线：纯粹想折腾——部署，但请把账记成学费和玩具，不要拿"多久回本"折磨自己，矿卡压测那期视频就是给这条线的人看的参考样本。
几个避坑提醒顺手放这儿：矿卡集群是工程项目不是即插即用，供电散热主板都要算进去；量化是目前提速的主流手段，Qwen3.8-27B 那个 71 t/s 就是 FP8 的功劳；个人单机用 llama.cpp 系更灵活，要起服务跑并发再考虑 vLLM。哔哩哔哩
最后留几个值得持续盯的信号：一是 V4 Flash 的 API 定价能不能一直稳在地板，哪天它涨价，本地这笔账就得翻出来重算；二是 V4 Pro 的权重会不会放出来本地跑；三是显存和显卡的价格走势，最近这波涨得不太讲道理；四是 llama.cpp 和 vLLM 对 V4 系列的新版本支持速度，这直接决定本地体验的下限。
便宜到极致的 API 没有杀死本地部署，只是把它筛选了一遍：留下来的，要么有数据主权刚需，要么有长账本场景，要么就是单纯享受折腾。想清楚自己在哪一条线上，这题就不难。
