10 月 23 日，B 站有个不到千次播放的视频，被收藏的次数比点赞还多。标题起得很响：一台 2014 年的 ThinkPad，让 UP 主实现了「Token 自由」——纯 CPU、不联网、花费 0 元。视频内容朴素：一台 ThinkPad Edge E431，三代酷睿 i7-3632QM 八线程、16G 内存、Ubuntu 22.04，跑一个本地决策应用，从提交到出一张打分表约 4 秒，服务地址 127.0.0.1——请求物理上出不了这台机器。 UP 主还在简介里挂了招募：评论区报上旧机器型号和内存大小，他来评估能不能跑。哔哩哔哩
这不是一个人的孤例。同一周，低配笔记本就能跑起来的大模型视频拿到 1.9 万播放、2900 多次收藏。 另一条 4GB 显存跑起 70B 大模型的实测播了 5.6 万次。 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"累计 139 万浏览。 用旧笔记本跑模型、把大模型费用打到零，正在变成双 11 硬件圈的一股暗流。哔哩哔哩哔哩哔哩知乎
ThinkPad 用户看到这股潮流，第一反应往往有两个：家里吃灰的 E431、T430 真能干这个？新机都挂着 AIPC 标了，为什么反而看旧机？这篇把三个账算清楚，再对着 2026 年的小黑产品线画一条分界线。
第一本账：速度账——本地跑模型的闸门是内存，不是认证标
先看一台现代轻薄本的天花板。知乎专栏 10 月 20 日的纯 CPU 实测：i7-1260P、16G DDR4、无独显，用 llama.cpp 跑 16B MoE 模型的 Q4 量化版（文件约 10GB），生成速度约 6.7 tokens/s，冷启动 11 到 12 秒，模型加载完，系统剩余内存只剩 0.3 到 0.6G。 这是 2022 年的 12 核处理器，2013 年平台的三代 i7 只会更慢，能跑的是更小的模型。知乎
为什么内存是主角？10 月 23 日 B 站一条硬核讨论给的口径很直接：解码速度由内存带宽决定，与算力无关——同一 Blackwell 架构，1792GB/s 带宽的卡比 273GB/s 的快 5 到 6 倍。 7 月工信部公布首批国标《人工智能终端智能化分级》L3 级名单，Think 家族 14 款 AIPC 通过。 但那次测评看的是感知、认知、执行、记忆、学习五项能力分级，不会给你的本地模型多吐一个 token。换句话说，AIPC 认证和小红点一样是身份标识，本地推理的性能门票在内存容量和带宽上，NPU 帮不上大忙。哔哩哔哩微博
第二本账：成本账——想省 token 钱，你其实不需要换机器
知乎 10 月 20 日有人把 API 账单拆成了计算器：主流接口输入单价 0.8 到 8 元每百万 token，输出 2 到 16 元，缓存命中只有输入价的十分之一；按每天 500 次、单次输入 2000 加输出 800 的中度用量，最贵的通用对话模型月账单 324 元，轻量小模型只要 37.2 元。知乎
再对照今年换硬件的价格：16GB DDR5 内存条去年四百多块，现在一千八，涨了三倍。 36 氪 10 月的报道标题写得更直接：“内存涨价潮余波蔓延：Ultra机型相继被取消，旗舰越来越难卖”。 上一轮低价时 64G DDR5 只要一千多块——那是去年，不是今年。算到这里，结论反常识：纯粹为了省 API 账单去买一台 64G 的新小黑（T14p 2026 的 Ultra X9/64G 版公示价 23999 元），这笔账怎么算都回不来。旧机党"Token 无限量、花费 ¥0"的真实含义是：吃灰成本已经付过，边际成本归零，代价是 6 秒一句话的速度和更小的模型。省钱的正确姿势从来不是换机，是把云账单上的模型档位降一级。知乎36氪知乎
第三本账：数据账——本地路线真正赢的地方
那什么场景值得折腾？前面那篇实测文列了四类：公文合同不能上云的政企办公、断网内网、数据主权、高频使用的长期成本。 E431 视频里那句"请求物理上出不了这台机器"，是任何云端 API 给不了的承诺。这也解释了为什么那个视频收藏远大于点赞——收藏它的人，多数是真的有数据不能出门。知乎哔哩哔哩
但要防另一个坑。知乎上"本地部署大模型有必要吗"的高赞回答说得直白：要最强的能力，同价位下在线大模型还是压本地小模型一头，本地赢在地理位置和成本，不赢在智商。 Token 自由是真的，模型能力自由不是。知乎
落到产品：2026 年，哪台小黑配得上"跑本地模型"这个需求
把社区经验（旧机党标配是 16G 双通道，天津机友给 T430 升了 35W 顶配四核 i7-3632QM 加满 16G 内存）对到 2026 年新品，分界线只有一条：内存形态。哔哩哔哩
X1 Carbon、X13：焊死在主板的 LPDDR5X，买定就改不了。想跑本地模型，容量必须当场买够，而今年大容量版本的溢价里塞着翻倍的内存条成本。
E14、E16：两条 DDR5 插槽，官方口径"可自行加装或替换"，是新品小黑里少数留着后路的选择，官网公示价 12999 到 13499 元。
T14 2026：部分配置是插槽，下单前必须逐条核对；上一代 T14 Gen5 被 Notebookcheck 实测确认恢复了两个 SO-DIMM 插槽。
T14p 2026：用的是 LPCAMM2 内存模组，能换，但那是专用模块不是普通内存条，价格和渠道都不一样，32G 版 12999 元、64G 版 23999 元，别把它当 E14 那样的扩容机。
二手老款（E431、T430、X230 这一代）：DDR3 插槽、内存便宜，16G 双通道就能进本地模型的门，唯一代价是 2013 年平台的速度和没有现代编解码的屏幕接口。
自查方法一句话：打开规格页搜"内存"两个字，写 LPDDR5x、写"板载"的，容量当场定终身；写 DDR5 插槽、SO-DIMM、CAMM2 的，才有后路。知乎
谁该出手，谁该观望
数据不能出电脑的人，按上面的分界线买，内存 32G 起步，插槽形态优先——"Token 自由"对你们是伪需求，"数据不出门"才是真需求。家里正好有台 16G 老小黑的，今晚就能零成本试水：Ubuntu 加 llama.cpp 或 Ollama，从 4B 到 7B 的 Q4 量化小模型跑起，以"加载后剩余内存"为准判断天花板。唯一动机是省 API 钱的，按兵不动，37 到 324 元的月度区间里，云端比硬件便宜。追最强智力的，继续用云。
值得继续盯的信号也有两个：一是内存条价格曲线，DDR5 若从 1800 元跌回四位数，插槽机"以后再补一条"的期权立刻重新值钱；二是 LPCAMM2 模块的第三方供货渠道，它决定 T14p 用户的后路是真是假。
垃圾佬圈量小黑，历来看拆件和配件供应；这波本地 AI 潮给了同一批机器第二把尺子：决定你能不能"Token 自由"的，不是 CPU 的年代，也不是机身上的认证标，是那条内存插槽——或者那块焊死的板子。小红点是身份徽章，但对跑本地模型的人来说，真正的身份徽章是联想还给了你亲手换内存的选择权。翻出你吃灰的那台，看看 CPU 第几代、内存多大，再对照 6.7 tokens/s 和"剩余 0.3G"这两把尺子——评论区聊聊，你的老黑能跑到哪一档。
