9月25日凌晨开始，微博上#曝DeepSeek完成75亿美元融资#的词条下面刷了一夜。比融资本身更炸的是梁文锋在投资会上交底的那几个数：年化营收从几个月前的不到5亿美元冲到10亿美元；API调用价上个月提到原来的2.3-4.5倍，客户没跑，需求反而更猛；七成以上算力砸去训新模型，留给推理服务的不到三成。微博
前两条是DeepSeek自己的事。第三条，对本地大模型圈的人来说，才是该停下来看的那条：推理算力被压到三成以下，意味着晚高峰限流、响应变慢这些"云端老毛病"，接下来大概率只会更明显。而恰好两周前，DeepSeek把新旗舰V4.1-Flash直接开源了。"把DeepSeek搬回家"这件事，从没像现在这样既有动力、又有素材。
但先泼盆冷水：开源不等于你能跑。这两天我把8月以来的时间线、社区两条部署路线的实测细节和各档硬件的账对完了，结论是——这场竞赛里值得你上车的只有特定档位，对不上号的，老老实实继续用云端反而更划算。
先把时间线钉死：刀是怎么一步步落到API用户头上的
8月13日，V4-Pro正式版（GA），结束测试转商用。
8月14日公告、17日0时生效：V4系列取消统一计费，搞峰谷定价——北京时间9:00-12:00、14:00-18:00算高峰，闲时价是高峰的一半；相比旧价，闲时输入涨50%、输出涨125%，高峰再往上翻倍。东方财富当时的标题是"API最高涨11倍"。社区情绪两极：骂声是"低价抢完市场就开始割"，另一边的现实是调用量没掉。微博东方财富
9月10日，V4.1-Flash发布并同步开源：552B主干的MoE，注意力从CSA换成CSA2，首次整合Engram、DSpark、Single-Pass，原生多模态。最狠的是两件事——正式版跑分反超自家V4-Pro，API价格砍到旗舰的三分之一；然后9月14日12点后，发给Pro的请求全部路由到Flash按新价计费，Pro上线才一个月就被强制退役。知乎
9月25日，就是这次的融资爆料：钱70%进训练、30%都留不到给推理。
看清楚这个节奏：8月涨的是旗舰价，9月给的Flash替代价其实降回了旗舰的三分之一。所以"本地化省钱"这笔账，对轻度用户根本不成立——真正被涨价+限流风险两头挤的，是那种拿API接Claude Code、各类harness、多Agent工作流、一个月烧几百上千块的重度调用党。你们才是这次的主角。
开源模型的真相：552B权重只是门槛，200GB"记忆表"才是深渊
V4.1-Flash是MoE，每token只激活一部分参数，带宽压力不算顶天——问题在于它新加的两张Engram n-gram查找表，总规模超过200GB。社区9月12日那篇疯传的复盘文章把话说得很直白：模型发布当天就有人开始"塞机竞赛"，而标准vLLM会把这些表整个塞进主机内存，统一内存架构下，主机内存占多少，留给权重、KV Cache和CUDA Graph的就少多少。知乎
这场竞赛现在跑出两条路线，成本完全不是一个量级：
路线A：四台DGX Spark拼集群。 每台128GB统一内存，合计512GB，用TP4+DCP跑vLLM的MXFP4/MXFP8相对高精度版本。即便如此，默认加载方式下4台还是塞不下。社区给出的解法相当野：Engram不整个进内存，留在NVMe上，每台Spark只备自己那约47.2GiB的分片，推理时按输入n-gram哈希去盘里按需捞行，CPU处理完再喂给模型。硬件账：DGX Spark首发约3.4万，现在官方价奔着4万去了——一个多月的行情，涨了近20%，“首发买和现在买差约1.31万，硬件却没升级”。四台加互联，这台机器立起来就是15万上下。知乎知乎知乎
路线B：一到两台大内存Mac。 Apple Silicon统一内存打底，靠激进的混合量化加专用Metal推理引擎硬压，antirez这类大佬也下场给个人硬件搓专用本地推理系统。参考B站那位花5万买Mac Studio跑AI、复盘了一年的UP主的说法，本地token经济学就是买更大的内存，等于买和最先进模型之间的时间差。代价是量化到什么程度、掉多少能力，目前全靠社区版本迭代，9月中旬第一波上手的人反馈并不稳——知乎甚至有人发帖骂V4.1-Flash是"体验最差、最不严谨的版本"，部署端只会更难。知乎哔哩哔哩知乎
一句话："免费开源"的V4.1-Flash，完整跑起来的门票是10万+，半完整是5万级且质量存疑。对号入座之前，先看看自己的机器在哪一档。
对号入座：三档机器，三套完全不同的动作
第一档：16-24G显存/32G以内统一内存——别想V4.1，Flash档才是你的主场。
这档的本地最优解根本不是"本地化DeepSeek"，而是这两周集中放出的小激活MoE：Qwen3.8-Flash-Next，176B总参6B激活，知乎有人直接喊它"SuperUMA圣体"——Max+395这类32G统一内存机器就为它而生，9月19日已经有Windows平台的社区引擎gfx1151把它跑通；纯国产的Xing4.0-29B-A4B也在9月22日被发帖安利。哔哩哔哩知乎知乎
16G独显（比如5060Ti 16G）这档，9月21日的B站测评把Qwen3.8-27B直接定成"16G显卡最佳选择"，配套的还有跑稳150t/s的开源加速项目。注意反面教材：24G卡想硬上27B稠密q4的，知乎老玩家的算盘是权重就吃掉约19G，再放KV和MTP，上下文小气、并发免谈。你这档的正确姿势：本地跑Flash档干隐私活、批量活，V4.1该调API调API——反正现在它是旗舰三分之一的价。哔哩哔哩哔哩哔哩知乎
第二档：单台128GB统一内存（Spark或Mac Studio大内存版）——能当"27B自由"节点，别硬啃V4.1。
已购Spark的朋友亲测"单机跑27B没问题，转协议给Agent当本地节点，不用买API了"；知乎上甚至有深度优化教程把量化版V4-Flash塞进单台Spark，跑出最高35 token/s。但要认清带宽是硬伤：9月23日的实测报告结论是推理速度比不过5090，只有长上下文预填充阶段能扳回来。这档买的是"整夜挂Agent不心疼token"的底气，不是前沿模型本体。知乎知乎知乎
第三档：15万级预算的硬核玩家——恭喜，竞赛门票给你留着。
4×Spark集群或双大内存Mac，适合两类人：数据一天都不能出域（公司标书、病历、未公开稿），以及日均调用大到把折旧摊成零头的。其余所有人，这档看看热闹就好——DGX Spark现在还在涨价通道里，追高入场等于给"理财产品"接盘。
这笔账最后怎么算
把三个数放一起：V4.1-Flash API是旗舰三分之一价；你硬件一个月不回本的都不算"免费"；而DeepSeek把七成算力拿去训练，意味着云端给你留的那三成，质量红利吃不了太久。所以我的判断是——2026年秋天的"本地化DeepSeek"，情绪价值大于经济账：对多数人它是一次"再等等"，对第一档用户它其实已经发生了，只是名字不叫DeepSeek，叫Flash。也别高估眼下的本地阵营：知乎有重度玩家复盘过本地模型的三个用途，结论是"读整个工程、跨文件改代码、跑测试再自我修正"这条云端Agent链路，本地目前接不住。知乎
接下来盯四个信号，任何一个兑现再回头改作业：1）10月底这轮交割完成、IPO推进后，API是否二次调价；2）推理算力占比有没有从三成往回抬；3）社区混合量化版V4.1-Flash的跑分/速度对比，是否做到"掉点不明显"；4）DGX Spark行情——它跌回3.4万那天，集群门票才算打折。至于顺手党，Qwen3.8-Flash在Qoder的免费窗口只开到9月底，这波不薅，等涨价了就真成别人的免费午餐了。微博
你最接近哪一档？评论区报一下显存/内存和月均token账单，我帮你看看这笔账到底该不该算。
