用 Sunk Cost 算算本地跑大模型到底多久能回本

想买 Mac 或者组装本地 LLM 机器的人总爱说「买硬件其实是在省钱」，但具体省多少、多久能把硬件成本扣回来，大多数人只是凭感觉。Sunk Cost 刚好解决了这个问题，它通过输入你的机器成本、使用的模型以及每天消耗的 token 数量，直接计算出本地运行与支付 API 租金相比的回本周期。这纯粹是从金钱成本角度出发的账本，不考虑隐私或离线等附加价值。

怎么用 Sunk Cost 计算回本时间

这个工具的操作逻辑非常直接，不需要复杂的配置，只要输入三个核心参数就能出结果：

1. 硬件成本 (Machine Cost)： 填入你购买 Mac Studio 或组装 PC 显卡服务器的总花费。
2. 目标模型 (Model)： 选择你打算在本地跑的具体模型，因为不同模型的 API 调用单价截然不同。
3. 日均 Token 消耗 (Daily Tokens)： 预估你每天会产生多少 token 的对话量。

工具会根据这些数据，实时对比 API 供应商的计费标准，告诉你如果每天用这么多 token，需要多少天才能抵掉硬件的买入价格。

为什么这个计算逻辑对开发者有用

很多时候我们觉得 API 贵，但其实 API 是按量计费，而硬件是预付款。如果你每天只跑几千个 token，可能用五年都回不了本；但如果你是那种每天跑几十万次推理的重度用户，买硬件确实是极佳的财务选择。

Sunk Cost 把这种模糊的「省钱感」量化成了具体的日期。它提醒我们，本地 LLM 的财务合理性完全取决于你的使用强度。如果你发现计算出的回本时间长达三年，那么在模型迭代如此之快的今天，买硬件可能反而是个糟糕的财务决定，因为三年后你的机器大概率已经跑不动当时最新的模型了。

实际场景的成本考量

在使用这个工具时，建议把关注点放在「临界点」上。比如你对比某个开源模型和对应的闭源 API，你会发现：

• 低频用户： 结论通常是 API 完胜，因为硬件折旧成本远高于调用费。
• 高频用户（如自动化脚本、大规模数据清洗）： 回本周期会迅速缩短到几个月甚至几周。

当然，这只是一个纯粹的成本模型。在实际操作中，本地运行还涉及电费、散热成本以及维护时间，而 API 则是纯粹的服务费。但 Sunk Cost 提供的这个基准线，能让你在下单昂贵的 GPU 或 Mac 之前，先看看自己的使用量是否真的支撑得起这次投资。