大多数 AI 账单会在没人注意的情况下悄悄消耗小团队的预算。好消息是，那些读到关于降本文章并主动来信的读者，并不是唯一在摸索这件事的人 —— 他们把自己的方案发了过来，省下的钱实在值得分享。在科罗拉多斯普林斯以及其他地方，三种模式反复出现：一位独立创业者用极少的 API 费用换来零边际成本的研究循环；一位教师在积灰的旧硬件上跑本地模型；还有一位瑜伽工作室主把她的课程计划助手彻底搬离了云端。她们都不是工程师，但都把每月的 AI 开支砍掉了九成以上。
第一种模式是静悄悄的替代。这位独立创业者意识到，她每次向托管聊天工具发出的“随手一问”，成本大约相当于一份三明治，而问题越积越多。她仍然把云端模型留给每周那两项确实需要顶级推理能力的任务，但日常的草稿、大纲和邮件改写，都交给了一台在笔记本上运行的小型本地模型。她的总开销从每月大约四十美元，降到了只剩电费 —— 不到一美元。关键在于真正写清楚哪些任务值得花云端预算，而不是让便利一点点把它漏光。
第二种模式是退役硬件的复活。一位中学教师从储藏室里搬出一台旧台式机，装上一个免费的本地模型运行器，在一张封闭网络里用它批改短篇写作提示，并起草给家长的邮件。学校发放的 Chromebook 完全不用动，学生数据从不出教室，持续的成本只有让这台机器开着的电费。他估算学校一年因此省下了大约一千五百美元的订阅费用。如果你柜子里还躺着一台能开机的台式机，它几乎肯定够用。
第三种模式是没人谈起的混合方案。这位瑜伽工作室主默认把所有事情放在本地运行 —— 课表答复、课程介绍、社交媒体文案 —— 只有当会员提出需要更强推理能力的细致健康问题时，才路由到托管模型。因为她九成五的流量根本不经过云端，她的托管账单微小且可预测。观念上的转变在于：把本地模型当作正门，把云端当作按需呼叫的专家。
贯穿其中的共同点是：诚实地看待每项任务真正需要什么，并愿意花一个下午把东西搭起来，而不是花一个下午签一张支票。如果“九成节省”听起来像营销话术，其实不是 —— 当更便宜的选择恰好也是离工作更近的选择时，这正是会发生的结果。
想要一份关于如何在已有硬件上搭建最便宜实用本地方案的入门清单吗？订阅我们的通讯，我们会发送免费的单页指南，以及读者们此刻正在用的具体提示词和小模型选择。