新的斩杀线已出现Qwen3.8-27B。 AA指数 52.0 分，能力上屠杀榜上 108/137 的模型。 如果价格比他们更便宜，就地斩杀线。 本地成本公式就一行： 🔥每 Token 成本 =（整机价 + 三年电费）÷ 三年总产出 Token 三年总产出 Token = 26280 小时 × 利用率 × 3600 秒 × 每秒吞吐。 真正决定成本的只有一个变量：利用率。 🚩成本固定，干的越多越便宜。 🔥以下数字纯 YY，按照社区可能追踪达到的数值来推演，不影响观看效果。 拿一台 RTX 5090 算： 整机 3.5 万人民币，27B 4bit 量化，高并发总吞吐按 800 tok/s，电价 6 毛，三年折旧。 每天只干 2.4 小时，也就是 10% 利用率： 产出的 Token 相当于 $0.697 / 百万 Token。 假设 Opus 4.6 还在，参考 Opus 5 的价格。 比 Opus 4.6 便宜 36 倍。 每天干 4.8 小时： $0.356 / 百万 Token。 便宜 70 倍。 重点来了。 如果把 5090 当服务跑，利用率拉到 70%： 三年能吐 530 亿 Token，总成本约 4.2 万人民币。 如果不看没 KV Cache 的并发限制，也没算 Context 变长以后 Batch 下降带来的吞吐损失。 按同档最便宜的云端模型价格卖，理论毛利率 91%，满载约 72 天回本。 当然，这只是理论值。 所以再狠一点： 每天只干 2.4 小时，本地跑依然比 Opus 4.6 便宜约 18 倍。 这才是 27B Dense 真正恐怖的地方： 它已经够强了。 但 Token 成本，开始不是一个数量级了。 Thread2 里有更多的参数对比。 🔥DGX Spark 上，体验完全是另一回事。 一个任务发出去，你可能要盯着空屏幕发呆很久，才能看到第一个答案字符。 整个任务跑完也要很久。 这已经不是交互式推理了，更像批处理。 所以 DGX Spark 这种统一内存大、但带宽相对有限的机器，反而更适合 Ling-3-Flash 这类 MoE 模型。 总参数可以很大，但每个 Token 真正激活的参数少得多。 Dense 模型能塞进去，不代表适合跑。 能跑，和跑得爽，是两回事。 如果你想看怎么在本地一步一步部署 MoE 或者 Dense 模型，以及接入 Claude Code 详细步骤，可以看下文。👇