最便宜的仅需 249 美元，全天候运行 7B 模型
关注
@antisadh 再往下看。本月还有 4 篇类似内容发布。错过关注，就错过财富。
Tomás 今年 28 岁，住在波尔图，曾在一家金融科技公司担任 QA 工程师，直到三月份他打开银行应用，发现自己的卡里欠了 187 欧元。他每月在 ChatGPT Pro、Claude Code Max、Cursor、GitHub Copilot 和 Gemini Advanced 上花费 459 美元，一直没注意到总支出，直到房租扣款失败。
当晚，他在 OLX 上花 680 欧元买了一台二手 RTX 3090，取消了除一个 20 美元的 ChatGPT Plus 之外的所有订阅。四个月后，这张显卡的价值已经翻了两倍。现在，这台 GPU 在他睡觉时会通过 Vast.ai 出租，每月额外带来 520 美元的收入。
他在本地运行的大模型，比 Claude Code Max 提供的还要强大。
这并非小众的炫耀。苹果商店在第一季度就卖光了 Mac Mini，因为开发者们正把它们改造成家庭 AI 服务器。NVIDIA 推出了一款 249 美元的开发者套件，可以在本地运行 7B 模型。AMD 的 CEO 亲自签署了一款 1,700 美元的迷你 PC，能运行比 Claude Pro 提供的更大的模型。整个在 2024 年还说得通的订阅体系，到 2026 年中期已经崩溃，而几乎没有人清晰地谈论这一点。
第一部分
大多数开发者没意识到的每年 5,508 美元支出
大多数人不会去计算他们的 AI 总花费。这些订阅单独看都不贵，隐藏在每月的信用卡账单里。
一个重度 AI 用户在 2026 年的订阅组合：
1Claude Code Max (20x) $200/月 $2,400/年2ChatGPT Pro $200/月 $2,400/年3Gemini Advanced $20/月 $240/年4GitHub Copilot $19/月 $228/年5Cursor Pro $20/月 $240/年67重度用户总计 $459/月 $5,508/年
每年 5,508 美元。只为了一些运行在别人电脑上的软件，它们会把你的数据发送到他们的服务器，并且在你最需要的时候（周一早上、周五晚上、发布日）限制你的使用频率。
下面地图上的每一款设备，都能将这笔经常性支出转变为一次性的硬件购买，外加每月 2 到 9 美元的电费。无论你选择哪个档次，算下来结果都一样：
1第一年： 节省 $5,508 花费 $249 到 $1,700 + 电费 $50 到 $2002第二年： 节省 $11,016 电费 $1003第三年： 节省 $16,524 电费 $100
到第三年，即使地图上最贵的设备，其成本也已收回 6 到 10 倍。这还没算上第六部分提到的租金收入。
第二部分
第一级：Jetson Orin Nano Super，249 美元，入门之选
黄仁勋以令人难以置信的价格发布了这款产品：249 美元，就能买到一台比扑克牌还小、配备专用 NVIDIA GPU 的电脑。它在亚马逊上发货，价格比一顿丰盛的晚餐还便宜。
它能运行：Llama 3.2 (3B)、Mistral 7B、Gemma 2 (9B)、DeepSeek R1 (1.5B)、Qwen 2.5 (7B)。全部免费，全部本地运行，永久有效。7B 模型能处理人们日常使用 ChatGPT Plus 约 80% 的需求。起草、总结、编写脚本、快速问答。
它不擅长的：复杂的多步推理、超过 8K token 的大上下文窗口、任何需要前沿模型智能的任务。
规格一览：8GB 统一内存，67 TOPS AI 性能，功耗 7 到 25W，全天候运行每月电费约 2 美元。相对于每月 20 美元的 ChatGPT Plus 订阅，回本周期是 13 个月。相对于 Claude Code Max，回本周期是 6 周。
这款设备适合那些每月支付 20 美元使用 ChatGPT Plus，并且只想停止订阅的人。
第三部分
第二级：Mac Mini M4，599 美元，默认之选
2026 年初，苹果商店的 Mac Mini 卖光了，这并非因为新品发布。开发者们发现，M4 芯片内部的统一内存架构使其成为任何价位上最高效的 AI 推理机器之一。
两个配置值得关注：
1Mac Mini M4 $599 16GB 内存，流畅运行 8B 模型2Mac Mini M4 Pro $1,399 48GB 内存，本地运行 70B 模型
基础款 599 美元的型号可以流畅运行 8B 参数模型。1,399 美元的 M4 Pro 配备 48GB 内存，可以运行 Llama 3.3 70B，这是目前消费级硬件上最接近 GPT-4 的模型。
它表现出色的原因：在普通 PC 上，数据需要在系统内存和 GPU 显存之间不断复制，这会拖慢推理速度。而在 Apple Silicon 上，CPU 和 GPU 共享一个内存池，模型只需加载一次，两个处理器都能从同一位置读取。这就是为什么一台 599 美元的 Mac Mini 在相同基准测试中能胜过 1,500 美元的 Windows AI 机器。
一位开发者于 2026 年 4 月在 XDA 上记录了这一转变，他用 Mac Mini M4 设置替换了 Claude Pro，并报告说“生产力丝毫没有下降”。相对于每月 200 美元的 Claude Code Max，基础款回本周期是 3 个月，Pro 款是 7 个月。
第四部分
第三级：二手 RTX 3090，700 美元，最佳性价比
过去两年发布的所有 GPU 都有一个共同的缺陷：内存不足。RTX 5090 有 32GB 显存，售价 3,800 美元。RTX 4090 有 24GB 显存，售价 2,000 美元以上。而五年前的 RTX 3090，同样拥有 24GB 显存，在 eBay 上二手售价仅为 700 美元。
对于本地 AI 来说，显存比芯片代际更重要。一张 2020 年、拥有 24GB 显存的显卡，每次都胜过一张 2024 年、只有 12GB 显存的显卡。RTX 3090 不仅便宜，而且对于这项特定任务来说，它实际上比它那些更新的、显存更小的“弟弟”们更好。
让这一切物超所值的模型：Qwen 3.6 27B。阿里巴巴在 2026 年初悄然发布了它，其基准测试结果震惊了互联网。
1基准测试 Qwen 3.6 27B (免费, 本地) Claude 4.5 Opus ($200/月)2RealWorldQA (视觉) 84.1 77.03IFBench (指令遵循) 76.5 58.04AIME 2026 (数学) 91.3 93.35MMLU (知识) 83.2% ~82%
一个免费、可在本地运行的 27B 模型，在视觉能力上领先 Anthropic 的旗舰模型 7 个百分点，在指令遵循上领先 18 个百分点。这款设备适合那些已经拥有 PC，只需插入一张显卡的人。从 eBay 上好评率 98% 以上的卖家那里购买，要求提供 GPU-Z 截图以检查内存错误，并避免购买描述为“来自矿机”的显卡。
相对于 Claude Code Max，回本周期是 3.5 个月。之后，这张显卡就是纯粹的节省，直到它物理损坏，而 RTX 3090 的寿命通常是 5 到 8 年。
第五部分
第四级：GMKtec EVO-X2，1,700 美元，本地前沿性能
在 2026 年的 CES 上，AMD 的 CEO Lisa Su 站在台上，身后是一个黑色小盒子。几个月后，在上海的 AMD AI 开发者日上，她走到同一台设备前，亲自签了名。这台设备就是 GMKtec EVO-X2。
它是首款能够在单颗芯片上运行 2000 亿参数模型的 x86 芯片。在 Linux 系统下，可用显存高达 110GB，足以流畅完整地运行 Qwen3-235B，以及无需任何量化技巧即可运行 DeepSeek-V3 和 Llama 3.3 70B。
1模型 所需显存 在 EVO-X2 上的表现2Qwen3-235B ~110GB 完整、流畅运行3DeepSeek-V3 ~100GB 舒适运行4Llama 3.3 70B ~42GB 快速，余量充足5Qwen 3.6 27B ~16GB 非常快，日常主力
AMD 在 CES 上的声明：该芯片在 DeepSeek R1 推理上的性能是 NVIDIA RTX 5080 的 3 倍以上。一个午餐盒大小的迷你 PC，在真实的 AI 工作负载上击败了价值 1,000 美元以上的独立显卡。
这款设备适合那些真正需要在本地运行 70B 到 235B 模型的人，也就是那些每月为 ChatGPT Pro 和 Claude Code Max 总共支付 200 美元，并且在周三就用完使用限制的人。回本周期大约在 9 到 10 个月。三年下来，相比坚持订阅，该设备能节省大约 13,000 美元。
第六部分
第五级：让硬件为你赚钱，而非省钱
同样的本地运行 AI 的硬件，也可以出租给其他人运行 AI。加密货币矿工最先发现了这一点。在以太坊合并导致 GPU 比特币挖矿终结后，他们将矿机转向 AI 推理租赁平台，每小时的收入比挖矿时高出 1.5 到 4 倍。
1GPU 挖矿 ($/月) AI 租赁 ($/月) 差异2RTX 3090 $40 到 90 $200 到 400 4-5 倍3RTX 4090 $80 到 150 $500 到 1,000 5-7 倍4RTX 5090 $120 到 200 $700 到 1,400 5-7 倍5A100 80GB 无 $1,200 到 2,500 无6H100 无 $2,500 到 5,000 无
提供这些服务的平台有：Vast.ai、Clore.ai、io.net、RunPod、Akash、Salad。它们抽取 15% 到 25% 的费用，其余部分以美元或稳定币支付。一张放在桌上的 RTX 4090，通过出租每月能产生 500 到 1,000 美元的收入。一个由 8 张卡组成的小型“矿场”，每月能带来 4,000 到 8,000 美元的稳定现金流，这是加密货币从未实现过的。
那些曾经在 TikTok 上随处可见的矿场，现在不再挖比特币了，它们正通过租赁平台为 ChatGPT、Claude 和 Gemini 生成 AI token。OpenAI 和 Anthropic 悄悄地以低价从这些矿场购买算力，然后以每月 200 美元的价格卖回给你。
如果你已经拥有一张 4090，或者有预算搭建一套，那么这笔账就完全不一样了。不再是每月节省 200 美元，而是每张卡每月能赚取 400 到 800 美元。
第七部分
一套适用于以上所有设备的统一软件栈
无论你选择哪款设备，软件栈都是相同的。这是本地 AI 已经成熟的最强烈信号之一。不再是五个相互竞争的工具，而是一个干净、通用的软件栈，可以在任何地方工作。
1运行时： Ollama (免费, 开源)2界面： Open WebUI (浏览器中的私有 ChatGPT)3编码 Agent： Claude Code 指向本地 Ollama4模型： Qwen 3.6 27B, DeepSeek R1, Llama 3.3 70B,5 Mistral 7B, Gemma 2 9B
在所有设备上的设置都是相同的。用一个命令安装 Ollama，拉取你的内存能支持的最大模型，然后将 Claude Code 指向本地主机。同样的三行 bash 命令，既适用于 249 美元的 Jetson，也适用于 1,700 美元的 EVO-X2：
1curl -fsSL https://ollama.com/install.sh | sh2ollama pull qwen3.6:27b3ANTHROPIC_BASE_URL=http://localhost:11434/v1 claude
就这样。Claude Code 现在与你的本地模型通信，而不是 Anthropic 的服务器，使用相同的命令、相同的工作流程，零 API 成本，零速率限制，零数据离开你的网络。
第八部分
谁该买什么：决策树
错误的设备是你不知道为何而买的设备。根据你实际使用 AI 的方式匹配设备：
1如果你每月支付 $20 使用 ChatGPT Plus → Jetson Orin Nano $2492如果你每月在 AI API 上花费 $200 → Mac Mini M4 $5993如果你是重度 Claude Code 用户 → Mac Mini M4 Pro $1,3994 或 RTX 3090 $7005如果你需要 200B+ 模型 (前沿工作) → GMKtec EVO-X2 $1,7006如果你已有带 4090 的游戏 PC → 跳过 Mac，加显卡7如果你想赚钱而非省钱 → 搭建 GPU 租赁农场8如果你追求最高性价比 → 在现有 PC 中使用二手 RTX 30909如果你想要零设置、开箱即用 → Mac Mini M410如果你从事法律/医疗工作 (注重隐私) → 任何设备都行，全部本地化
大多数人最终实际采用的是混合路径。本地硬件免费处理 80% 的日常任务。保留一个每月 20 美元的 ChatGPT Plus 或 Claude Pro 订阅，用于剩下的 20%，即那些真正困难的前沿推理任务，每个基准测试点都至关重要。每月总成本：23 美元，而不是 459 美元。
第九部分
Tomás 前六个月的结果
1第 1 个月： -$459 最后一个月的完整订阅组合2第 2 个月： -$680 在 OLX 上购买了二手 RTX 30903第 3 个月： +$41 只保留 ChatGPT Plus $20，节省了 $4394第 4 个月： +$620 在 Vast.ai 上列出 GPU，首次租金 $5805第 5 个月： +$687 稳定的 Vast 收入6第 6 个月： +$720 相同设置，无需干预
复利效应：到第 6 个月，GPU 已完全收回成本，取代了每月 459 美元的订阅，并额外产生每月 500 到 700 美元的租金收入。从第 1 个月到第 6 个月，他的现金流净增每月 1,179 美元，而硬件本身在完成所有工作。
与坚持订阅相比，12 个月的现金流差异是 14,148 美元。3 年则是 42,000 美元。这一切都源于一张 680 欧元的二手显卡。
第十部分
时机窗口
六个月前，这篇文章是不可能存在的。模型不够小。硬件不够便宜。订阅不够贵。开源不够可靠。从 2025 年底到 2026 年中，这四个条件同时发生了转变。
过去三年构建 AI 的公司曾假设 AI 永远需要它们的数据中心。这个假设被打破了。一个 249 美元的盒子能运行 7B 模型。一台 599 美元的 Mac Mini 能运行 14B 模型。一张 700 美元的二手 GPU 能运行在视觉基准测试上击败 Claude 的模型。一台 1,700 美元的迷你 PC 能在本地运行 2350 亿参数模型。数据中心搬进了客厅。
你不需要选择最贵的选项。你也不需要是开发者才能使用它们。设置只需三个命令。软件是免费的。电费比每月一杯咖啡还便宜。
当本地硬件无法跟上时，订阅是有意义的。现在硬件已经跟上了。选择你的级别，停止为别人的算力付费。
这是关于 AI 收入来源和成本削减（没人好好谈论的话题）系列文章的第六部分。第七部分将于下周发布，详细解析 GPU 租赁农场的设置：8 张显卡，一间公寓，每月 4,000 到 8,000 美元的被动 AI 算力租赁收入。
/关注 @antisadh，以便它在发布当天出现在你的信息流中/
