这周本地大模型圈子里被问得最凶的，不是"我的卡能跑多大的模型"——12G卡跑125B这事，Strata那波已经把答案交完了。真正让很多人停下来的是官方账单口径：10月7日微软博客官宣，DeepSeek V4 Flash（2840亿参数、MoE、激活13B、百万上下文）将本地运行于RTX Spark机型，llama.cpp同一天进入WindowsML，GGUF/ONNX双格式。看过发布会的现场转述是：1.6bit量化后权重约60GB——但前提是128G内存。这些目前都还是公司演示口径，连Yahoo Finance转载的那段视频都特意标注"性能与兼容性描述非独立测试"。B站评论区那句反应最诚实：“看了一下，好像也是要内存的，那没事了（笑）。”哔哩哔哩小红书哔哩哔哩
机器的事官方说了不算，但它确实给很多人拨了个开关：那我是不是可以把订阅退了？10月7日知乎问题"很多人认为本地部署一个大模型，就实现token自由，就可以干活了，真的吗？“两天冲到124万曝光，最高赞回答直接甩出两组数字——一台5090单卡机全天拉满跑Qwen3.8-27B，约100 token/s，一天能吐900万token；整机稳定负载约350W，24小时3到4度电，电费一块多。同样900万token，走DeepSeek官网API、按缓存命中50%峰谷通算，折合2到3块钱。评论区当场劈成两拨：一拨算完觉得"电比API便宜”，另一拨（也是高赞）说"自己干的那些活，花不了多少token，花点小钱买API key吧"。知乎
我把这两天散在知乎、B站、微博、小红书里的电表数字、账单数字、折旧数字摆进同一张表。结论先放在这：电费不是这本账的大头，但它能把"真能退订的人"和"凭情绪退订的人"分开。
第一本账：电表到底烧多少？电表按功率×时间收费，时间由吐字速度决定
来源（均为作者自述实测） | 硬件 | 模型/有效吞吐 | 实测功率 | 每百万Token折算 |
|---|---|---|---|---|
知乎·潜龙勿用 10-07 | 5090单卡 | Qwen3.8-27B，约100 tok/s | 约350W | 约0.4度电（其口径：全天900万token、3-4度电、电费一块多） |
B站·linuxdo视频评论区 10-09 | 3060 12G | 50 tok/s场景 | 约110W | 约0.6度电 |
海外·Arsen Apostolov实测（Web极客码7-15转引） | 3090+Ollama Q4_K_M | GLM-4.5-Air 106B | — | €1.040，比€0.55的云端基准贵一倍 |
同上 | 3090 | Qwen3-Coder 30.5B | 快吐字档 | 明显低于云端基准 |
同上 | 3090 | DeepSeek-R1-Distill 32.8B，有效吞吐仅3.7 tok/s | 平均仅141W | €1.526全场最贵；按功率×时间折算近10度电/百万token |
这张表里有两个被不同信源相互印证的反直觉：第一，功耗低不等于省电。R1-Distill平均功耗才141W、参数量也不算最大，但它是全场最贵——因为它"干思考、不吐字"，思维链期间显卡空烧，电表照转。Gemma 3 27B满载283W反而更省，因为快。linuxdo那条10月8日的电表视频给的标尺完全一致：别看瓦数，看"每生成100万Token耗几度电"。决定本地成本的既不是参数量、也不是瞬时功率，是有效吞吐速度。哔哩哔哩知乎
还有两个细节数字得记进账本：V100待机40W/卡保底、满载单卡能到300W——全天账里23小时的待机也得算钱。爱玩游戏的Luna学姐10-09那台3600元E5丐板的评论区有更直白的一句：双2080Ti"纯纯浪费电，prefill不涨，decode只提30%"，还有玩家干脆把每张卡限到150W。堆卡不是提速，是给电表加人。哔哩哔哩哔哩哔哩
第二本账：比电表大的，是折旧表
电费本身是小钱。按潜龙勿用的口径折算，5090全天拉满的电费约合每百万token一毛到一毛五——已经是"顺手"的量级。真正让账倾斜的是机器。
丐板侧有张真配置单（B站10-09，UP自述）：3600元（E5 2620v2双路+DDR3 64G×2+2080Ti 22G）跑flash-next 125B的Q2量化，40 tok/s；加到6000元上双卡，80 tok/s。评论区还有人问"2350的2080Ti 22G在哪能买到"——二手卡价在往上走。把它摊成折旧：3600元按24个月算，每月150元。再看云端把单价打到多低：WP建站10-08用同一个任务（生成一篇5000字HTML教程页）实测，阿里Token Plan 39元/月套餐，混合成本0.057元/百万token；DeepSeek官方API闲时0.122元/百万token（其中未缓存输入1元/百万、缓存命中读取只要0.02元，命中后差50倍）。150元折旧，按官方闲时价能买12亿token/月——而那台40 tok/s的丐板机全天拉满，一个月只吐得出一亿出头。按"每token省钱"的思路，本地机器全年拉满也填不平折旧；在中国市场的低价账单面前，电表账根本赢不了批发账。哔哩哔哩知乎
“退订"唯一能赢的账，是月费对月费。前提是你的订阅烧到了肉疼的量级——微博上营养师顾中一自述两个月烧光Kimi K3的699元套餐、还基本用满GLM MAX，赴美续上ChatGPT Pro后第一件事就是退订Kimi。当本地折旧加电费摊到每月200元上下、对上的是几百元月费且智能档够用时，退订才在数学上成立。門吉10-08那篇知乎文章标题就是全场最清醒的一句：《本地部署大模型，省的不是钱，是存在感》——他算的70B档位"两张二手3090配齐小两三万”，这笔钱拿去买API，中度用户够用好几年；而且多数人真实的使用频率是"想起来了才跑一下"，闲置折旧才是吞金兽。微博知乎
第三本账：退订前先对号，这四类人才轮得到你算电费
适合退的：每天稳定海量跑agent、月消耗上亿token、且任务能接受27B档智能的重度用户——全天拉满才立得住折旧，月费对月费才有得赢。
账本不适用的：数据不能出内网、断网环境、合规硬要求——“本地不是选项，是必须项”。tombkeeper那条850赞的老微博也早就定了调：对大部分人来说本地跑大模型经济上不划算，买的不是性价比，是"去限制+数据不出本机"，简单说，自由。评论区那句NAS类比最贴切：买的未必是性价比，而是选择权和边界控制。知乎微博
必亏的：中度订阅用户。评论区原话就是自己干的那些活，花不了多少token，还是花点小钱买点api key吧。你省下的电费（约0.1-0.15元/百万）填不平0.057元的Plan批发价，还搭进去折腾时间——周二晚上拍脑袋"我要搞本地部署"、周四发现效果不如线上API、周五默默放弃，是門吉总结的高频剧本。知乎
别顺手干的：拿慢思考模型跑本地agent。€1.526/百万token的例子挂在最上面，141W的"低功耗"照样最贵。Luna学姐评论区那句"智力跟得上嘛？q2了都"就是这第二本账。潜龙勿用也说得直接：官网模型的DeepSeek 4.1 flash能力其实超过本地部署的Qwen3.8 27B。哔哩哔哩知乎
接下来盯这三件事
微软"284B装进笔记本"的口径经不经得起独立实测：60GB权重+128G内存只是入场券，WindowsML+GGUF这条路在真实工作负载下的吐字速度，丐帮们还没交作业。
电价与时段账：0.057/0.122两组云端单价都是夜里10点后闲时半价测出来的——白天跑和夜里批量跑是两本账，电费侧同理，跑满型用户的本地账会越来越好算。知乎
2080Ti 22G这一档拆机件的价格线：2350元有人在线求购、二手价在涨——如果第三本账算完你确实在"适合退的"那一栏，硬件宜早；不在，就看戏。
一句话收掉这周的账：电表烧不垮你，烧垮你的从来是那台只在周末开机收折旧的机器。退订之前，先算清你在哪一栏——是全天拉满，还是想起来了才跑一下；是买自由，还是省钱。这两件事，历来不是一回事。
