从TP2党到6台党：这周所有Spark集群实测数字摆在一起，拐点比你想的来得早
DeepSeek-V4.1-Flash 开源那晚（9月10日发布，性能超旗舰、降价开源并下线旧模型。）B站"困梦的杂物间"的评论区还在嘲笑折腾集群的：两台 Spark 装不下的东西，想都别想。一周后，这位自认"坚定TP2党"的UP主自己在回复里补了一句"结果一不小心6台了"。36氪哔哩哔哩
这不是个例。这周中文本地部署圈最热闹的现场，不是"哪个模型强"——那是上周吵完的事——而是一台128GB统一内存的DGX Spark，到底要串几台才配叫"本地跑V4.1 Flash"，以及第几台开始是白花钱。我把散在B站、知乎、微博、小红书和GitHub issue里的实测数字对了一遍口径，发现这个圈子正在集体撞上一堵墙：钱越花越多，边际收益在TP4附近断崖。
先把各档数字摆平：速度、KV池、上下文，全是拆东墙补西墙
先说清楚：以下全是社区实测，官方从没公布过多机部署数据，各家引擎、量化档、任务类型（prose/代码）口径不一，横向对比看趋势，别抠单点数字。
双机档。 MiaAI-Lab 用 EXL3 量化把权重压进两台 Spark（V4.1-Flash 原始权重552B，量化后约300GB，常规档两台256GB物理装不下，这是所有折腾的起点），微博9月13日晒出的结果是二路并发约42 token/s。知乎9月15日的教程走的是另一条路：DeepSeek-V4.1-Flash 的模型文件约为510GB，而一台 DGX Spark 只有128GB统一内存，靠非常规调度硬点灯。能亮不等于能跑，同平台一条测试视频的标题已经替它说了话：dgspark跑27b只有8token？跑本地化还得用服务器！新浪微博知乎哔哩哔哩
三机档。 微博9月12日的数字最扎心：3台能跑到37.9tok/s（作文）、TTFT 248ms，上下文32k约等于不可用。同一个模型，MiaAI-Lab 在 GitHub issue #11 里的三机测试又是另一幅面孔：上下文拉到1M，“速度可以接受，个人使用够了”。同一档硬件，一个说不可用一个说够用，差别就在你愿不愿意为长上下文让出KV池。新浪微博GitHub
四机档。 这是这周信息量最大的一条实测（B站9月13日，4×DGX Spark 无交换机环路TP4）：预填充速度持平，但升级V4.1相比V4 decode 衰减约30%，调优后压到10~20%；真正的痛点是 KV池从7.5M被压到2.5M——也就是说，硬件加了一台，上下文预算反而缩水，调优后才拉回4M左右。评论区有老哥给的替代参照是 TP4 跑 GLM-5.3-Flash：冷 prefill 2K 出头、c1 prose 40 token/s、bf16 KV 能到3.5M且长上下文不衰减。哔哩哔哩
八机档。 解码能去110 tok/s（代码场景）。到这一档，已经没人讨论"划不划算"，因为那台数的人基本不在消费级预算里。新浪微博
然后是所有TP4党都没写在简介里的坑：9月13日有人实测发现新内核7.0会把四机环网TP4性能直接腰斩，得回退6.17。你多买的那台Spark的钱，可能先被一个内核更新吃掉了。哔哩哔哩
算总账的人终于出现了：“四台已经滑入不划算的区间”
把这台数换算成钱：国行 DGX Spark 1TB版本约29500元、4TB版本36999元。（微博9月13日的购机账贴）而评论区普遍反映这轮"价格涨了不少"，四机方案落地已经在十万级。新浪微博
对照云端这边：官方9月9日官宣最高降60%，V4.1 Flash 上线后直接全面替代 V4 Pro、价格也按 Flash 算。也就是说，你纠结要不要凑四台的那个模型，API价格这周刚被打下来一截。评论区那位"一天大概烧200（ds4.1）、多个会话一起改"的重度用户看得最清楚：按他的用量，四台Spark的折旧要摊快两年，而这个token速度他"没法接受"。36氪36氪哔哩哔哩
社区这周的三句反方原话，值得每个想加机器的人抄在购物车备注里：
“能用API就用API吧，硬件的坑很大，用的时间可能还没部署折腾的时间就呢，尤其是最近模型更新频率很高。”哔哩哔哩
“模型更新得太快，一半时间都花在了折腾部署上，真正用的时间反而缩短了不少。”
“从目前来看，四台已经滑入了不划算的区间了，4.1的能力并不太强，只是速度快，性能和GLM-5.3-Flash几乎无差，但是token的消耗量却要大很多，本地有点累赘了。”
更要命的是版本追涨：这轮双机方案是为V4.1-Flash重做的，上一轮0731版V4-Flash的用户结论恰恰相反——“全都试了一遍，最后感觉还是2台部署deepseek0731的性价比最高”。模型每变大一次，你的TP2就旧一档（“还没吃上 2 台呢，2 台已经不够部署最新的 deepseek flash 模型，照这个趋势下去将来模型还会变大”），这条评论下面没人反驳，因为大家都看见510GB的文件夹了。哔哩哔哩
所以谁该继续买，谁该停手，谁该再等等
数字摊开到这份上，答案反而清楚了：
该买的只有一种人：数据出不了门的人。"日常办公啊，能处理本地80%的日常工作还是很好用的，API不允许使用。有涉密要求无解。"这条评论没有一条反驳，因为立场完全不同：对财务、政企、涉密场景，本地不是性价比问题，是合规问题。这类人这轮的实际选择是双机EXL3或维持0731的TP2，四台起步的讨论跟他们无关。哔哩哔哩
该停手的是"加一台凑TP4"的中间派。 KV池7.5M→2.5M的教训很直白：TP4不是"买第四台送1M上下文"，而是一整套重新调优——散热（有人用微星版定频2200+3D打印散热件，甚至有小米空气净化器套件的野路子）、内核回退6.17、vllm的KV优化还没落地：官方这轮宣传KV缓存大幅缩减，但社区实测得到的答复是"需要vllm之类引擎支持，现在还不行，后续更新应该可以解决"。买第四台的钱里，有一半会花在这周的折腾税上。哔哩哔哩
该等的是观望党，等三个信号：一是vllm/推理栈什么时候吃下V4.1的KV压缩，这决定三机档"32k不可用"是不是死局；二是海外博主已经在做的 M5 Ultra 对 DGX Spark 对决，B站9月15日刚出中字实测。Mac阵营"再大下去苹果512G studio直接通吃"的调侃会不会兑现；三是NVIDIA在IFA2026刚预告10月发售的RTX Spark Windows PC和PAIR互联生态——这套一改，今天按"几台Spark"建的账本可能要重算。哔哩哔哩新浪微博
至于"本地部署到底值不值"这种大而空的问题，这周圈子里其实已经用脚投过票了：晒DDR5服务器条开箱的、咸鱼蹲第三台的、空气净化器改机箱的，没有一个人是在算token自由账——他们算的是另一笔账：数据在自己硬盘上的那笔安心账。这笔账API永远报不了价，但也永远轮不到TP4才买得着。（文中多机数字均来自社区单一样本公开实测，各家引擎、量化与任务口径不一，仅作趋势参考，不构成购买建议。）
