9月24日那则消息，把一群本来在观望的人彻底搞心态了：DeepSeek年化营收突破10亿美元、估值三个月内从近4000亿人民币涨到5000亿，而这轮收入爆发，是在把API价格上调最高4.5倍之后实现的——涨价了，客户一个没跑，收入反而翻倍。据The Information报道，梁文锋在投资者会议上透露，按近期收入折算的年化收入已达10亿美元，较几个月前翻了一倍多。微博微博
这边是"API越来越贵"的焦虑，那边是小红书上"本地部署大模型"火到离谱，连平时不碰代码的朋友都开始问：是不是买台好电脑，就能拥有自己的DeepSeek？两边一夹，很多人的第一反应变成了：要不我买台机器，一劳永逸？小红书
先别急着下单。这笔账比你想的复杂，我把它拆成三笔，一笔一笔算。算完你会发现，"为了省钱搞本地部署"这个动机本身，可能就是错的。
先把事实钉死：API到底贵了多少
8月17日那波调价，DeepSeek把API价格上调了2.3到4.5倍。新价格表还引入了分时段设计，工作日白天被划成高峰，别的时间明显便宜，批处理的活挪到晚上跑相当于白捡个折扣。更扎心的是，涨价之后客户群没有缩小，需求依然强劲，毛利率还做到了82.9%。微博知乎微博
但注意另一面：价格战没停，只是换了方向。OpenAI的GPT-6 Luna同期把价格打了下来，输入每百万token约0.67元、输出约3.35元——已经比DeepSeek的低价档还便宜。也就是说，旗舰API在涨，但"够用的API"在跌。这直接影响到后面算账的结论。知乎
个人用户的真实量级也先摆出来：按DeepSeek官方定价，百万token输入最低1元、输出最低2元。一个每天聊天加写文案10万token的普通重度用户，一个月大概300万token，月账单也就几块钱到十几块钱。API对你的"贵"，大概率是情绪，不是账单。知乎
第一笔账：进门的票价，比票本身贵得多
真要本地部署，第一个拦路虎是显存和内存，第二个是它们的价格。
看一个真实样本。小红书博主方华Foina为了"敏感数据不上云"，前后淘了两台大内存Mac：2023款M2 Max 96GB和M3 Max 128GB，实测结果差距残酷——M3 Max 128GB跑Qwen 3.8 Flash-Next，长文和代码压力测试下长期稳定在38～40 tok/s，属于能正常干活的水平；M2 Max 96GB连Flash-Next都加载不了，退到27B的Q4量化，只剩12 tok/s左右。她的结论是，本地大模型选机器不能只看芯片新不新、GPU核心多不多，内存够不够、实际能跑多少tok/s才是硬指标。小红书
这背后的现实是：2026年这波内存涨价还没到头。知乎上关于内存何时回归正常价的讨论热度很高，高赞回答的判断是，降价要等长鑫产能爬上来，最快也是27年底到28年底的事。也就是说，你想配一台128G大内存机器来"一劳永逸"，恰恰买在了价格高位。已经有人纠结到发帖求助：32G显卡加128G DDR5都下单了，要不要退掉内存换64G——这种拧巴，就是当前硬件行情的缩影。知乎
粗算一下：一台能舒服跑27B级模型的机器（16G+显存或96G+统一内存），眼下普遍1.5万到3万起步；按3年折旧，每年成本5000到10000元。对照上面那笔"月账单十几块"的API费用，光第一笔账，纯省钱动机就已经不成立了。
第二笔账：那些不会写在配置单上的成本
企业级的算法可以参考着下放到个人。知乎上一篇专门算这笔账的专栏给过几个数：一张A100满负荷跑，一天电费约20元；GPU有30%到65%的时间在闲置；GPU两年一换代，你的卡第二年起就是旧卡。知乎
换成个人场景：你的卡满载几百瓦，天天开着跑，一年电费几百块；你不可能7×24满负荷用，机器大部分时间在吃灰；最狠的是换代——开源模型半年一茬新旗舰，你现在为跑Qwen 3.8配的显存，半年后可能又只是"刚好装得下"。硬件折旧追不上模型迭代，这是本地部署最容易被忽略的账。
还有一项没法标价的：折腾时间。装环境、选量化格式、调启动参数、排CUDA报错，每一次模型更新都要再来一遍。小红书上已经催生了"远程付费安装"的灰产，恰恰说明这条路对普通人并不友好。
第三笔账：token自由是真的，能干活是假的
这是最关键、也最少有人提前告诉你的一笔。知乎一位自托管爱好者的回答说得非常直白：token自由是真的，能干活是假的。知乎
他的理由有三条，条条戳中要害：一是上下文长度被显存钉死，KV cache随上下文线性涨，模型装得下，一上长上下文就爆；二是长链路agent明显不行，让它读仓库、找问题、改代码、跑测试、写报告，本地模型会在第五步丢掉第一步的约束；三是速度决定了它只能干慢活，你盯着进度条等输出，工作方式就退化成了批处理。知乎
所以他给本地的定位是：本地部署给你的是"数据主权"和"边际成本为零"，不是一个不要钱的员工，把它当成一个不知疲倦、但只有短期记忆的实习生，预期就对了。知乎
另一位帮人参谋27B配置的答主，最后给出的建议更干脆——如果代码没有涉密或审核需求，更建议直接跑在线调用，用各家flash档位，1000块能用好几个月。而企业侧那篇算账专栏的结论也一致：本地部署对90%的人没意义，但对剩下10%，它是目前最划算的生产力投资。问题只剩一个：你是不是那10%。知乎知乎
你是哪种人，决定这笔账怎么算
把三笔账叠起来，按人群给结论：
隐私刚需党（买）：合同、客户资料、涉密代码、不想出网的私人材料——这些场景本地部署无可替代，别算钱，算安全感。方华那3万块买的本质就是这个。这是本地部署唯一"不讲性价比"也成立的理由。
批量重复任务党（值得搞，但别上旗舰）：大量改写、分类、抽取、翻译、embedding这类"简单高频"活儿，本地小模型（7B到32B）+通宵跑，边际成本为零的优势才真正兑现。任务越像流水线，本地越划算。
Agent重度党（别硬上本地）：AI Coding、长文档分析、多步Agent——后台一次指令调几十次模型，token消耗是大了，但这些恰恰是最吃长上下文和模型智商的场景，本地27B和云端旗舰的差距会在长链路里被指数放大。这类人该做的是错峰调API、把批量任务挪到低谷时段，而不是买显卡。
纯FOMO新手（先一分钱别花）：如果你还没搞清楚自己一个月到底用多少token，先老老实实用一个月API，看清自己的真实调用量和任务类型，再决定哪些任务值得本地化。那位劝退帖博主的建议就是新手先用API入门。
混合党（多数人的最优解）：私密材料和简单任务走本地，复杂推理走云端。企业侧的案例数据显示，这种混合方案能省40%到70%。个人同理。知乎
接下来盯这几个信号
这笔账不是静态的，三个变量在动：一是DeepSeek的定价——它已经聘请中信证券筹备科创板IPO，涨价换营收的故事讲通了，降价动机就弱，但GPT-6 Luna已经杀进它的价格腹地，价格战随时可能反扑。二是内存价格周期——高赞判断降价最快也要27年底到28年底，大内存机器现在就是高位，不急可以等。三是开源模型的换代节奏——下一代开源旗舰能不能把"能干活"的门槛从128G内存压到64G，直接决定你现在买的机器能坚挺多久。微博
一句话总结：API涨价涨的是重度用户和企业，普通人拿它当买机器的理由，是把别人的账单当成了自己的动机。真要花这1万到3万，先确认你要买的是数据主权，不是省钱幻觉。
评论区聊聊：你现在一个月API花多少？本地机器花了多少？帮你看看这笔账到底值不值。
