最便宜的只要 $249，就能全天候運行 7B 模型
先追蹤
@antisadh 再看文章。這個月還有 4 篇類似的內容會發布。錯過追蹤，就錯過賺錢機會。
Tomás 今年 28 歲，住在波爾圖，原本在一家金融科技公司擔任 QA 工程師，直到三月份他打開銀行 App，看到自己的卡戶餘額是 -€187。他每個月要支付 ChatGPT Pro、Claude Code Max、Cursor、GitHub Copilot 和 Gemini Advanced 共 $459 美元，一直沒注意到總金額，直到房租扣款失敗才驚覺。
他在同一天晚上用 €680 在 OLX 上買了一張二手 RTX 3090，取消了所有訂閱，只保留一個每月 $20 的 ChatGPT Plus。4 個月後，這張顯卡的價值已經回本兩次。現在，這張 GPU 在他睡覺時會透過 Vast.ai 出租出去，每個月還能額外賺進 $520 美元。
他現在本地端運行的模型，比 Claude Code Max 提供給他的還要強大。
這不是什麼小眾的炫耀文。第一季時，Apple Store 的 Mac Mini 實體店面全部售罄，因為開發者們紛紛把它們改造成家用 AI 伺服器。NVIDIA 推出了一款定價 $249 美元的開發套件，可以在本地運行 7B 模型。AMD 的 CEO 親自簽名認證了一台 $1,700 美元的迷你電腦，能運行比 Claude Pro 提供的還要大的模型。整套在 2024 年還說得通的訂閱制方案，到了 2026 年中就撐不住了，而且幾乎沒有人把這件事說清楚。
第一部分
每年 $5,508 美元，多數開發者沒意識到自己正在付這筆錢
大多數人不會去加總自己的 AI 花費。這些訂閱項目單獨看金額不大，而且都藏在每月的信用卡帳單裡。
一個重度 AI 使用者在 2026 年的訂閱組合：
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重度使用者總計 $459/月 $5,508/年
每年 $5,508 美元。這些錢買的是運行在別人電腦上的軟體，你的資料會送到他們的伺服器，而且他們總是在你最需要的時候（週一早上、週五晚上、產品上線日）限制你的使用速率。
下面地圖上的每一台裝置，都能把這筆經常性支出轉變為一次性的硬體購買，加上每個月 $2 到 $9 美元的電費。不管你選哪個等級，計算方式都一樣：
1第一年： 省下 $5,508 花費 $249 到 $1,700 + 電費 $50 到 $2002第二年： 省下 $11,016 電費 $1003第三年： 省下 $16,524 電費 $100
到了第三年，即使地圖上最貴的裝置，也已經回本 6 到 10 倍。這還不考慮第六部分提到的租賃收入。
第二部分
等級 1：Jetson Orin Nano Super，$249，入門首選
Jensen Huang 以一個令人難以置信的價格發表了這款產品：$249 美元，就能買到一台比撲克牌還小、配備專用 NVIDIA GPU 的電腦。它在 Amazon 上出貨，價格比一頓豐盛的晚餐還便宜。
它能運行：Llama 3.2 (3B)、Mistral 7B、Gemma 2 (9B)、DeepSeek R1 (1.5B)、Qwen 2.5 (7B)。全部免費、全部本地端、全部永久使用。7B 模型可以處理大約 80% 人們每天使用 ChatGPT Plus 的需求，例如：起草文件、摘要總結、撰寫程式碼腳本、快速問答。
它無法處理：複雜的多步驟推理、超過 8K token 的大型上下文視窗、以及任何需要前沿模型智慧的工作。
規格一覽：8GB 統一記憶體、67 TOPS AI 效能、功耗 7 到 25W，24/7 全天候運行的電費約每月 $2 美元。相對於單一 $20 美元的 ChatGPT Plus 訂閱，13 個月即可回本。相對於 Claude Code Max，則只需 6 週。
這款裝置適合那些每月支付 $20 美元給 ChatGPT Plus，而且只想停止付費的人。
第三部分
等級 2：Mac Mini M4，$599，預設首選
2026 年初，Apple Store 的 Mac Mini 全部售罄，這並非因為新產品發表。開發者們發現，M4 晶片內的統一記憶體架構，使其成為你能買到、且價格最實惠、效率最高的 AI 推論機器之一。
有兩個規格值得關注：
1Mac Mini M4 $599 16GB 記憶體，可順暢運行 8B 模型2Mac Mini M4 Pro $1,399 48GB 記憶體，可在本地運行 70B 模型
基礎款 $599 美元的型號可以輕鬆運行 8B 參數的模型。$1,399 美元的 M4 Pro 配備 48GB 記憶體，可以運行 Llama 3.3 70B，這是目前消費級硬體上最接近 GPT-4 的模型。
它之所以表現這麼好，原因是：在一般 PC 上，資料會不斷在系統 RAM 和 GPU VRAM 之間複製，這會拖慢推論速度。而在 Apple Silicon 上，CPU 和 GPU 共享同一個記憶體池，所以模型只需載入一次，兩個處理器都從同一個地方讀取資料。這就是為什麼一台 $599 美元的 Mac Mini 能在同樣的基準測試中，勝過 $1,500 美元的 Windows AI 電腦。
一位開發者在 2026 年 4 月的 XDA 論壇上記錄了這個轉換過程，他用 Mac Mini M4 取代了 Claude Pro，並回報「生產力完全沒有下降」。相對於每月 $200 美元的 Claude Code Max，基礎型號 3 個月即可回本，Pro 型號則需 7 個月。
第四部分
等級 3：二手 RTX 3090，$700，最佳性價比
過去兩年發表的每一款 GPU 都有一個共同的 AI 缺陷：記憶體不足。RTX 5090 有 32GB，要價 $3,800 美元。RTX 4090 有 24GB，要價 $2,000 美元以上。而五年前的 RTX 3090，同樣有 24GB，在 eBay 上二手價只要 $700 美元。
對於本地端 AI 來說，VRAM 比晶片世代更重要。一張 2020 年的顯卡有 24GB，每次都能打敗一張 2024 年只有 12GB 的顯卡。RTX 3090 不僅便宜，對於這個特定任務來說，它甚至比它那些更新、更小的同門師弟還要好。
讓這一切值得的模型是：Qwen 3.6 27B。阿里巴巴在 2026 年初低調發布了它，其基準測試成績震撼了整個網路。
1基準測試 Qwen 3.6 27B (免費，本地) Claude 4.5 Opus ($200/月)2RealWorldQA (視覺) 84.1 77.03IFBench (指令遵循) 76.5 58.04AIME 2026 (數學) 91.3 93.35MMLU (知識) 83.2% ~82%
一個免費、可在本地運行的 27B 模型，在視覺能力上以 7 分之差擊敗 Anthropic 的旗艦模型，在指令遵循上更是領先 18 分。這款裝置適合那些已經有 PC，只需要插一張顯卡的人。從 eBay 上信譽 98% 以上的賣家購買，要求提供 GPU-Z 截圖以檢查記憶體錯誤，並避免購買描述為「來自礦機」的顯卡。
相對於 Claude Code Max，3.5 個月即可回本。之後，這張顯卡就是純粹的節省，直到它物理損壞為止，而 RTX 3090 的壽命通常是 5 到 8 年。
第五部分
等級 4：GMKtec EVO-X2，$1,700，本地端的前沿等級
在 2026 年的 CES 上，AMD 的 CEO Lisa Su 站在台上，身後放著一個小黑盒子。幾個月後，在上海的 AMD AI 開發者日上，她走到同一台裝置前，親自為它簽名。這台裝置就是 GMKtec EVO-X2。
這是第一個能在單一晶片上運行 2000 億參數模型的 x86 晶片。在 Linux 上最多可提供 110GB 的可用 VRAM，足以完整且流暢地運行 Qwen3-235B，以及 DeepSeek-V3 和 Llama 3.3 70B，無需任何量化技巧。
1模型 所需 VRAM 在 EVO-X2 上的結果2Qwen3-235B ~110GB 完整、流暢運行3DeepSeek-V3 ~100GB 舒適運行4Llama 3.3 70B ~42GB 快速，且有充足餘裕5Qwen 3.6 27B ~16GB 非常快，日常使用首選
AMD 在 CES 上的官方說法是：該晶片在 DeepSeek R1 推論上的表現，比 NVIDIA RTX 5080 高出 3 倍以上。一台午餐盒大小的迷你電腦，在真實 AI 工作負載上擊敗了價值 $1,000 美元以上的獨立顯卡。
這款裝置適合那些真正需要在本地運行 70B 到 235B 模型的人，也就是那些每月支付 $200 美元給 ChatGPT Pro 和 Claude Code Max，卻在週三就用完配額的人。大約 9 到 10 個月即可回本。三年下來，相較於繼續使用訂閱制，這台裝置大約可以省下 $13,000 美元。
第六部分
等級 5：翻轉硬體角色，從省錢變賺錢
同樣能運行本地 AI 的硬體，也可以出租給其他運行 AI 的人使用。加密貨幣礦工們最早發現了這一點。在以太坊合併終結了 GPU 比特幣挖礦之後，他們將礦機轉向 AI 推論租賃平台，每小時的收入比挖礦時高出 1.5 到 4 倍。
1GPU 挖礦 ($/月) AI 租賃 ($/月) 差異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 n/a $1,200 到 2,500 n/a6H100 n/a $2,500 到 5,000 n/a
提供這些服務的平台有：Vast.ai、Clore.ai、io.net、RunPod、Akash、Salad。它們會抽取 15% 到 25% 的費用，其餘則以美元或穩定幣支付。一張放在桌上的 RTX 4090，透過出租每月可以產生 $500 到 $1,000 美元的收入。一個由 8 張顯卡組成的小型礦場，每月可以進帳 $4,000 到 $8,000 美元，這是加密貨幣從未提供過的穩定現金流。
那些過去在 TikTok 上隨處可見的礦場，現在不再挖比特幣了，而是透過租賃平台為 ChatGPT、Claude 和 Gemini 生產 AI 代幣。OpenAI 和 Anthropic 悄悄地從這些礦場低價購買算力，然後再以每月 $200 美元的價格賣回給你。
如果你已經擁有一張 4090，或者有預算組建一套，這將完全翻轉你的財務計算。你不再是每個月省下 $200 美元，而是每張顯卡每個月為你賺進 $400 到 $800 美元。
第七部分
一套軟體堆疊，適用於上述所有裝置
無論你選擇哪一台裝置，軟體堆疊都是相同的。這是本地 AI 已經成熟的最強烈信號之一。不是五種互相競爭的工具，而是一套乾淨的堆疊，隨處都能運作。
1運行時： Ollama (免費，開源)2介面： Open WebUI (你瀏覽器裡的私人 ChatGPT)3程式碼 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
在所有裝置上的設定方式都相同。用一個指令安裝 Ollama，拉取你的 RAM 能支援的最大模型，然後將 Claude Code 指向 localhost。同樣的三行 bash 指令，無論是在 $249 美元的 Jetson 還是 $1,700 美元的 EVO-X2 上都適用：
1curl -fsSL https://ollama.com/install.sh | sh2ollama pull qwen3.6:27b3ANTHROPIC_BASE_URL=http://localhost:11434/v1 claude
就這樣。Claude Code 現在會與你的本地模型對話，而不是 Anthropic 的伺服器，使用相同的指令、相同的工作流程，API 成本為零、速率限制為零、沒有任何資料離開你的網路。
第八部分
誰該買什麼：決策樹
錯誤的裝置，就是你買了卻不知道為什麼要買的那一台。根據你實際使用 AI 的方式來選擇裝置：
1如果你每月支付 $20 給 ChatGPT Plus → Jetson Orin Nano $2492如果你每月在 AI API 上花費 $200 → Mac Mini M4 $5993如果你是重度 Claude Code 使用者 → 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如果你已經有配備 4090 的遊戲 PC → 跳過 Mac，加裝顯卡7如果你想「賺錢」而不是省錢 → GPU 租賃農場方案8如果你追求最大性價比 → 在現有 PC 上加裝二手 RTX 30909如果你想要零設定、開箱即用 → Mac Mini M410如果你從事法律/醫療工作 (注重隱私) → 任何裝置都行，全部本地端
混合路徑才是大多數人最終會採用的方式。本地硬體免費處理 80% 的日常任務。保留一個每月 $20 美元的 ChatGPT Plus 或 Claude Pro 訂閱，來處理剩下的 20%，也就是那些真正困難、需要前沿等級推理、每個基準點都很重要的任務。每月總成本：$23 美元，而不是 $459 美元。
第九部分
Tomás 前 6 個月的成果
1第 1 個月： -$459 最後一個月使用完整訂閱組合2第 2 個月： -$680 在 OLX 上買了二手 RTX 30903第 3 個月： +$41 只保留 ChatGPT Plus $20，省下 $4394第 4 個月： +$620 在 Vast.ai 上架 GPU，第一筆 $580 租金5第 5 個月： +$687 穩定的 Vast 收入6第 6 個月： +$720 同樣的設定，完全被動
複利效應：到了第 6 個月，GPU 已完全回本，取代了每月 $459 美元的訂閱費用，並且每月還能額外產生 $500 到 $700 美元的租賃收入。從第 1 個月到第 6 個月，用同樣的硬體做所有工作，他的現金流總共增加了每月 $1,179 美元。
與繼續使用訂閱組合相比，12 個月下來的現金流差異是 $14,148 美元。3 年下來則是 $42,000 美元。這一切都來自一張 €680 歐元的二手顯卡。
第十部分
機會之窗
六個月前，這篇文章還不可能出現。模型不夠小、硬體不夠便宜、訂閱費用不夠高、開源方案不夠可靠。從 2025 年底到 2026 年中，這四個條件同時發生了轉變。
過去三年來打造 AI 的公司，都假設 AI 永遠需要它們的資料中心。這個假設被打破了。一台 $249 美元的盒子能運行 7B 模型。一台 $599 美元的 Mac Mini 能運行 14B 模型。一張 $700 美元的二手 GPU 能運行在視覺基準測試上擊敗 Claude 的模型。一台 $1,700 美元的迷你電腦能在本地運行 2350 億個參數。資料中心搬進了客廳。
你不需要選擇最貴的選項。你也不需要是開發者才能使用它們。設定只需要三個指令。軟體是免費的。電費比一杯咖啡還便宜。
當本地硬體還跟不上時，訂閱制是合理的。現在硬體已經跟上了。選擇你的等級，然後停止為別人的算力付費。
這是關於 AI 收入來源和成本削減（這些話題沒有人好好討論）的系列文章中的第六部分。第七部分將在下週發布，會深入探討 GPU 租賃農場的設定：8 張顯卡、一間公寓、每月 $4,000 到 $8,000 美元的被動 AI 算力租賃收入。
/追蹤 @antisadh，讓它在發布當天就出現在你的動態中/
