在家用AI写代码，怎么不把钱烧光

在家用 AI 写代码，怎么不把钱烧光#

想用 AI 帮忙写代码，一看账单，冷汗就下来了。几十上百美金的 API 费用，几天就烧没了。大公司不在乎这点钱，但咱个人开发者、独立项目，每一分都是自己的。

我懂这个痛。所以看到 Stephen Bochinski 那篇讲”AI coding at home without going broke”的文章，真是说到心坎里了。他给出了三条路，每条都实在，没有画饼。今天咱就聊聊这三条路，顺便算算账。

自己搬一台机器回家#

最直接的想法：买台好机器，本地跑开源模型。一次花钱，后面 token 随便用，不心疼。

听起来挺美。但你算过账吗？一台能跑得起好模型的机器，少说大几千上万。而且这行当迭代太快了——今天你砸重金买的显卡，明年可能连入门级模型都跑不利索。硬件折旧的速度，比你想的夸张得多。

再说，大多数人的家里，根本撑不住一台满载的 AI 工作站。电费、散热、噪音，都是事儿。你写两行代码，机箱先起飞了。

这条路适合谁？真的爱折腾硬件、有闲钱、而且能接受”这笔投资一年后可能打水漂”的人。对大多数人，不是最佳答案。

API 出租，不买票上车#

第二条路聪明多了：不买机器，按需租。用 OpenRouter 这类平台，按 token 付费跑开源模型。今天用 Llama，明天换 Mistral，后天试试 DeepSeek，随时切，不用换硬件。

好处很明显——没有沉没成本。今天用得不爽，明天换个提供商继续。市场卷得很，总有更便宜的模型冒出来。你永远可以跟最新的性价比走。

对于绝大多数个人开发者，这就是最稳的选择。你不用操心硬件、不用预判市场方向，只需要关心一件事：你的代码有没有写出来。简单直接，风险最低。

订阅套餐，精打细算#

这条路子跟第二条反过来：不走开源模型，而是直接买 OpenAI 或 Anthropic 的订阅套餐。

算一笔账：每月大概 400 美金，买的是用量计划。如果按官方的 API 标价来换算，这 400 块能买到大约 2800 美金的 token 量——打了个巨折。对日常手动干活来说，这个性价比相当能打。

但坏消息是，它适合”手动挡”，不适合”自动驾驶”。如果你想让 AI 代理自主跑任务、反复调 API，量很快就超了。套餐有上限，真当生产环境用，分分钟不够。

所以它的合适场景是：用最好的模型帮你做最费脑的事——写架构、推逻辑、出方案。机械的部分，交给廉价的模型去填。

怎么搭配最聪明#

聊到这里，答案其实已经出来了。三条路不是互斥的，聪明人会混着用。

最贵的顶级模型（GPT-4、Claude 之类），用来做”大脑”——写需求文档、画技术方案、做关键决策。这是高价值、低 token 量的活儿，贵点没关系。

然后那些体力活——按规范写代码、补单元测试、生成注释、翻译注释——统统交给便宜的 API 模型。开源模型在这些任务上完全够用，价格却便宜一个数量级。

这种”规格驱动开发”的思路，Bochinski 在文章里重点强调了：先让昂贵的模型把规格写清楚，再让便宜的模型照着填充。核心逻辑是人做决定、AI 做执行，不是你跟 AI 混着来。

省钱又高效，还能保持对项目的掌控感。这才是个人开发者跟 AI 合作的最佳姿势。

来源：Hacker News