Tratopedia
BM
設定

文字大小

佈景

高對比

中文排版

豎排會把內文排成由右至左的直行,如同台灣的實體書籍。

版本

v1.230.2

本頁建置時的版本編號,也是 service worker 快取所依據的版本。

簡報

返回

四十三年,是上個月的價格

一個試算工具說,花 $3,499 買 Mac 跑本機開源模型,要 43.6 年才回本。每個數字都能用它自己公開的資料完全重算出來。但只有兩個輸入會動搖答案——API 價格與用量——而那個 API 價格已經是 39 天前的了。

  1. 解說 · 價格查於2026年10月12日

    在家跑 AI,回得了本嗎?

    Sunk Cost 計算器怎麼運作、背後的概念,以及它的數字真正取決於什麼。

    給入門者與實務者1 / 16

  2. 問題

    買一台機器,還是按字數租用 AI?

    買:在家跑

    硬體一次付清,之後只付電費。就像買車。

    租:用線上 API

    模型每讀、每寫一小段文字就付一點錢。就像搭計程車。

    唯一的問題

    這筆購買要多久才能把價錢賺回來?

    2 / 16

  3. 這個工具

    Sunk Cost 是一個免費、開源的回本計算器

    由一位開發者打造,用來檢驗一個流行說法:買台 Mac、在本機跑模型,它就會自己回本。它的 README 說明了用意:「它願意說『這回不了本』。這就是產品本身。」

    • 39款當代開放模型(資料共 55 款)
    • 56台機器:Mac、顯示卡等
    • 9月15日2026年發表於 Hacker News

    資料、公式與缺口全部公開3 / 16

  4. 頭條數字

    一台 $3,499 的 Mac 要 43.6 年才回本

    M5 Max、64 GB 的 Mac Studio,跑 Qwen3.8 27B,一天 50 萬 tokens。省下的錢一天只有約 $0.22。

    • 43.6年回本(公開的預設設定)
    • 13 / 13項公開數字可完全重算
    • 9月3日其 API 價格的查核日

    算術正確,價格來自明講的日期4 / 16

  5. 概念一 · Tokens

    AI 以 token 讀寫,你按 token 付費

    什麼是 token?

    一小段文字,常是一個字詞的一部分。模型以它計數,也以它計價。

    輸入與輸出

    輸入是你送出的:問題、檔案、對話紀錄。輸出是模型寫回來的。

    每百萬的價格

    工具在9月3日記下的:Qwen3.8 27B 每百萬輸入 $0.32、每百萬輸出 $2.50。寫比讀貴。

    5 / 16

  6. 方法

    整個計算只有三步

    1. 1每日 API 帳單輸入 tokens × 輸入價格 + 輸出 tokens × 輸出價格
    2. 2每日在家的電費產生輸出所花的時數 × 機器瓦數 × 電價。本機這一側就只算這個。
    3. 3回本天數機器價格 ÷(API 帳單 − 電費)。如果省下的是零或負數:永遠回不了本。

    公式公開在專案的 README6 / 16

  7. 實際算一遍

    把預設值一路算到 43.6 年

    步驟算式每日
    API 輸入468,750 tokens × 每百萬 $0.32$0.150
    API 輸出31,250 tokens × 每百萬 $2.50$0.078
    在家電費0.35 小時 × 145 W × $0.17/kWh$0.009
    省下0.228 − 0.009$0.22
    回本$3,499 ÷ 0.2196 = 15,936 天43.6 yr

    電費幾乎不算數

    它只占 API 帳單的 3.8%。145 W 是專案自己的暫代值,因為 Apple 沒有公布2026年機型的耗電數字;就算電費全免,答案仍是 42 年。

    7 / 16

  8. 概念二 · 記憶體頻寬

    在家的速度,受限於記憶體能被讀多快

    每寫一個字,機器都要把整本書重讀一遍。水管更粗、或書更薄,就寫得更快。

    • 614 GB/sM5 Max 的記憶體頻寬
    • 18.6 GB每個 token 要讀的量:權重加 KV 快取
    • 24.8 tok/s614 ÷ 18.6 × 0.75 效率:推估值
    • 0 / 98筆實測速度資料涵蓋任何 M5 機器

    8 / 16

  9. 概念三 · 上下文視窗與 KV 快取

    對話越長,要的記憶體越多、跑得越慢

    上下文視窗

    模型一次能看在眼裡的文字量,例如 32k tokens。它的短期記憶。

    KV 快取

    模型對讀過的每個 token 留下的筆記,免得重算。筆記隨每個 token 增長:這個模型在 32k 時是 2.15 GB。

    塞不塞得下

    權重加 KV 快取必須放得進可用記憶體。64 GB 的 Mac 給 GPU 用的是 48 GB,39 款當代模型中有 27 款在 32k 下放得進。

    9 / 16

  10. 概念四 · 預填與解碼

    讀提示很快,寫很慢

    預填:讀

    整個提示一次平行處理,受限於原始算力。

    解碼:寫

    一次一個 token,每個都要重讀記憶體,受限於頻寬。在家每秒幾十個 tokens。

    簡化之處

    工具只計解碼時間,把輸入當成免費。它的 README 說,在輸入很重的工作上,真實的每日上限可能低 20–30%。

    10 / 16

  11. 概念五 · 提示快取

    重送的文字常常大打折扣計費

    當提示的開頭和業者最近看過的一樣,業者會重用已存的運算結果——即快取命中——這些 tokens 收費較低。

    業者快取輸入相對一般價格
    OpenAI0.25–0.50×
    Gemini、Moonshot AI0.25×
    DeepSeek;Alibaba Qwen(需明確啟用)0.1×

    沒有算進去

    Sunk Cost 把所有輸入都以全價計。對多半在重讀上下文的代理程式來說,租用比顯示的更便宜,所以回本更久。

    快取價格依 OpenRouter 所列,2026年10月15日查閱11 / 16

  12. 什麼會改變答案

    用量移動的是日期,不是終點線

    • 436 yr一天 5 萬 tokens:輕度個人聊天
    • 43.6 yr一天 50 萬 tokens:預設值
    • 13 months一天 2,000 萬 tokens:全天候跑代理程式

    終點線

    這台機器約等於 80 億 tokens 的省下 API 支出。用得越快,越早到線。API 價格下跌,則把線推得更遠。

    預設 Mac Studio 搭 Qwen3.8 27B,9月3日價格12 / 16

  13. 數字底下的價格

    「雲端價格」不是一個數字

    有二十家業者提供這個模型。同一台機器、同一個模型、同一天,以10月12日價格計:

    API 價格這份工作量回本
    工具記下的數字,9月3日$6.94/mo43.6 yr
    最便宜的現行業者,10月12日$1.85/mo182.9 yr
    20 家現行業者的中位數$5.24/mo58.5 yr
    最貴的現行業者,10月12日$15.54/mo19.1 yr

    舊了,不是錯了

    照工具自己的規則——最便宜的現行業者——39 天後的答案更接近 180 年,而不是 44 年。讓 API 價格持續下跌的開關預設是關的,所以 43.6 是這組預設能給出最寬厚的答案。

    13 / 16

  14. 反應

    媒體重複這個數字;社群則提出質疑

    媒體

    43.6 年這個數字一路傳開,在上線近四週後的10月11日登上台灣的 T客邦。

    Hacker News

    速度推估「至少低了 2 倍」;全天候使用回本很快;隱私比錢重要。

    作者的修改

    上線當天加上填入自己實測速度的欄位與「最佳選購」頁面;9月18日把用量滑桿提高到一天 1 億 tokens。

    14 / 16

  15. 限制

    計算器漏掉了什麼,又往哪個方向推

    沒算進去的若算進去,在家的硬體會顯得……
    轉售價值、其他用途、隱私更划算
    推測解碼、MTP、8 位元 KV 快取更快,但省下的錢幾乎不動
    一台機器同時跑多個代理程式在極高用量下更划算
    API 的提示快取折扣更不划算
    預填時間、待機耗電、折舊更不划算

    15 / 16

  16. 重點

    為了隱私或重度代理程式而買,不是為了省錢

    • 用你自己的兩個數字。從業者後台拿到真實的每日 tokens,以及你實際會用的那家業者的價格。這兩者合起來能讓答案變動十倍以上。
    • 填入實測速度(用 llama.cpp 或 vLLM 量),別只信推估值——它決定你等多久,雖然不太影響帳單。
    • 把快取折扣算進去。快取命中多的代理工作,會讓租用更便宜。
    • 檢查模型品質。工具比較的是開放模型;前沿模型的訂閱是另一種取捨。

    計算器:sunkcost.ai16 / 16