大半年里，很多人掏钱装显卡的理由就一句话："API太贵，本地跑就token自由了。"然后8月17日DeepSeek把峰谷分时定价搬进了大模型API，8月31日Ollama Cloud把云套餐整个改版——“省钱"这张桌子的两条腿，前后脚被人抽走。知乎上那个"有必要自己把DeepSeek部署到本地吗"的问题下，双3090实跑半年的反调回答已经冲到两百万级播放，开篇一句就很扎心：本地部署不是省钱方案，是"可控性方案”。知乎小红书"被本地部署骗了"一系的帖子，评论永远比点赞多。这篇就把改价之后的新账本，按三类人摆开算一遍。
峰谷价先打中的不是聊天党，是Agent党
先拆DeepSeek这轮调价里最容易被读错的一条。8月17日起，V4系列首次把峰谷分时定价引入API：工作日9-12点、14-18点高峰执行高价，其余时段为谷价，媒体口径的最高涨幅是11倍（一财、每经同题表述），峰谷之间大约差一倍。第一财经微博官方新价目表里几个关键档位：V4 Pro高峰输出27元/百万token、空闲13.5元；V4 Flash高峰输出9元、空闲4.5元。
涨得最狠的一档其实不在输出，在缓存命中输入——社区有梳理称该档位最高涨幅达1100%（各家转述口径不完全一致，以官网账单为准）。微博为什么这条比输出涨价更疼？看看你账单里哪个字段最大：纯聊天用户一问一答，基本没有缓存消耗；Agent是上百次调用、每轮都带着整个上下文反复命中缓存——知乎里"大模型缓存命中如何降低token费用"的问题底下，cached_tokens就是Agent账单的主体。换句话说，这轮调价精准打在跑Agent的人身上，而高峰窗口9-12、14-18正好是你坐在工位上让coding agent干活的时段。调价当天微博就出现了"#你会为省钱半夜用AI吗#"的话题。微博有开发者的实测吐槽很典型：之前一天就用两三个点的套餐额度，现在一天就干了20%。微博
供给端也有个背景信号可以对照：本周末DeepSeek被曝敲定25.6亿美元、16万颗华为昇腾芯片的采购订单，全部用于推理。微博而日间算力挤兑不是营销话术，是真事。规则本身还在继续动：8月23日起，官方再度优化，周末全天不再区分峰谷、统一按低谷价执行。红星资本局"半夜干活党"之外，周末重度用户意外拿到了缓冲垫。至于网页端免费聊天用户，目前不在这次API涨价的影响范围里，但免费版限速的抱怨已经开始出现。
Ollama Cloud：官方讲"透明计价"，161条评论讲了另一套
Ollama是装机量最大的本地模型运行工具，8月31日它的云服务彻底改版，官方口径很体面：按token透明计价、无服务费，Pro订阅20美元/月含60美元用量，能调20多个开源大模型——DeepSeek V4 Flash/Pro、GLM-5.3、Kimi K3、Qwen3.5 397B这些，全部支持工具调用，上下文最长1M token，提供OpenAI兼容API，Claude Code、Codex直接接入，命令行里一条ollama run本地云端无感切换。哔哩哔哩它甚至有个对中国用户友好的时差结构：官方高峰时段UTC 12-18点，中国白天调用正好赶上美国GPU闲置期，全天最快最稳。
然后是B站一条实测视频下面161条评论攒出来的另一半真相（按点赞数排序）：
速度是真的：有用户实测v4flash能跑到230 tok/s左右、GLM-5.3约100 tok/s（赞50）；
额度也是真的缩水：新版按token计费后，v4flash的可用量约等于老套餐的六分之一，周额度折合两千多次请求（赞39），另一位用户的说法是"比之前老套餐量少了70%"，直接挂出避雷；横向一比更难看，社区流传的20美元档用量倍数是Ollama约3倍、别家6-7倍、GPT Plus名义20倍（按用户口径转述）；
模型不是满血：官渠V4 Flash输出上限384k，走Ollama渠道65535就截断；托管的ds4f有用户反复复现思考循环、工具调用循环，换回官方渠道就正常——“是不是量化了不知道，但智力上明显不是原版”；
计费号称透明，实际不返回缓存字段，账单页只能看到请求次数；
时差福利有个反面：UTC 12-18就是北京20点到凌晨2点——下班回家跑自己项目的那段，恰好是Ollama的峰价时段。哔哩哔哩
一句话小结：Ollama Cloud把"方便"做到位了，把"token自由"的承诺做没了。从涨价的订阅迁过去的人，发现自己在额度、长度、智力、时段四个地方被重新收费。
三类人，三种走法：账本重算
先把本地党的硬件门票钉清楚，这是双3090实跑半年那位答主给过的实测锚点：舒服跑27B级别FP8量化，48G显存是起步线，二手3090×2自攒整机约一万五；64G统一内存的Mac Mini约两万——他原话是"这个价格已经够买包年5-10年的plan了"。电费别漏算：双卡满载整机600-700W，民用电0.6元/度，每天8小时一个月七八十块，24小时不关机两百多。还有两个买卡前就该知道的事：其一，3090没有原生FP8算力，软件内核跑FP8只省显存、不提速，想要加速得40系起步；其二，硬件本身正在涨价——据21世纪经济报道，8月初华强北RTX 5060 Ti两周内从2350元飙到3400元，英伟达也向合作厂商下发了GPU套件涨价通知，"一万五上车"未必一直是稳的。微博另一边，8月25日发布的新款Mac Mini虽然6999元起，但那是入门内存档，离跑27B还差着配置钱。微博
A类·白天低频使用（每天几十轮问答、写作、总结）：你的API账单本来就落在几十块钱/月的量级，网页版又不受这次涨价影响。拿"本地省API钱"的叙事套在自己头上，回本周期按十年算。结论：这张涨价跟你关系最小，别碰硬件；真在意的，把重活挪到谷时段和周末——8月23日之后周末全天都是谷价，先把高峰那几倍的差价躲掉。
B类·白天高频跑Agent/coding：这是被峰谷价正身打中的人群，月账单从几十上一百多的那批，回本账在这次调价之后反而比调价之前短了——因为你不离开工位，躲不开高峰。三条路摆开：本地（白天任意用、不看峰价，一次性投入+每月几十块电费）、Ollama Cloud（白天时段快且便宜，但截断和降级风险自己扛）、或者换没有峰谷价的渠道（社区已经在按"全天谷价"口径互相比价）。给犹豫者的判断线：月API账单没到三位数之前，先别急着装机，花两周把账单字段截出来，看清楚钱烧在输出还是烧在缓存命中——烧在缓存的才是这轮涨价的大头。
C类·24小时自动化流程（批量转写、内容流水线、定时任务）：本地是明确赢家，而且这轮调价之后赢得更明确。9月6日知乎"token自由是不是真的"问题下的新答案说得很直白：能忍受它慢，本地就能实现token自由，让模型24小时跑定义好的流程，只要有需求，它就可以不间断工作。知乎双3090答主给过同款案例：几十个脚本的批量迁移，模型自己拆18步跑6分钟，走API一次几块钱、一天十几次就是一个月钱，本地跑电费不变。但注意前提：流程不赶时间的话，"能半夜跑"的批量任务走谷价API可能比硬件折旧便宜——这一类里到底谁省钱，取决于你能不能把任务挪出白天。
调价没改变本地的价值，只是把定位钉死了
整套账算下来，这轮两件事真正干掉的是一句老话："本地部署是为了省钱。"活下来的定位是三句，全是实跑过的人给的，不是参数表推的：数据不能出门的人（体检报告、财务表格、项目文档，交给自己的机器才睡得着）、白天高频不可替代的人（不看峰谷价，是这次调价之后才显出来的新理由）、享受折腾本身的人（驱动、CUDA、编译依赖占掉一整个周末，对前者是折磨，对后者是乐趣）。反过来，只冲着token自由去的，Ollama Cloud评论区已经替你算完：20美元，也未必自由。
值得继续盯的信号有四个：DeepSeek网页免费版的限速会不会进一步收紧（它是很多普通人动心本地的真正起点）；其他家跟不跟涨（"豆包调价"已经在微博传开，智谱GLM-5.3-Flash、Qwen3.8-Flash的低价开源路线是反向变量）；Ollama会不会回补额度、把缓存字段放回账单（161条评论的集中骂点）；以及本地聚合这一头，英伟达PAIR已经能把家里多台RTX主机、DGX Spark、Mac拼成一个本地推理集群。微博它的控制台实测界面长下面这样，而搭载RTX Spark的Windows个人电脑已经官宣10月上市。还在纠结要不要加第二张显卡的，可以再等等。
