DeepSeek API 對本地 AI：5 萬元主機真能省錢？先算一年帳單

摘要：本地模型不收每次呼叫費，不代表用起來免費。把購機、電費、維運與 API 用量放進同一張年度帳單，才知道該買主機、先用 API，還是兩邊搭配。本文用明示假設試算，不把不同模型的能力與速度當成相同。

先下結論：用量沒算清楚，先不要為了省錢買主機

如果你只是每天整理幾份文件、偶爾寫程式，先記錄 API 帳單，比直接買一台「專跑 AI」的主機更合理。我的判斷是：低用量先租能力，持續高用量才評估買設備；資料不能外送則另算，不能拿便宜取代資料政策。

最容易算錯的不是顯卡價格，而是比較分母。本地小模型答得快，未必答得對；雲端模型單次費用高，可能一次就完成。應比較「同一件工作，做到可交付，總共花多少」，不是只比每百萬 tokens。以下全部是購買決策的教學試算，不是奧微客戶案例或硬體實測。

官方價格要看今天，不能拿舊 API 價目表

2026 年 10 月 14 日查核 DeepSeek API 文件，deepseek-flash 對應 DeepSeek-V4.1-Flash。每百萬 tokens，尖峰未命中快取的輸入 US$0.30、輸出 US$1.20；離峰分別 US$0.15、US$0.60。Pro 的尖峰未命中輸入 US$1.32、輸出 US$3.96。這是文件快照，不承諾未來不調價。官方價格表

官方尖峰為週一至週五 UTC 01:00–04:00、06:00–10:00，中國國定假日除外；換成台灣時間是 09:00–12:00、14:00–18:00。下表刻意全部用尖峰與輸入未命中快取，不先假設折扣。正式估算仍要從使用紀錄拆出實際尖離峰、快取與輸出量。

5 萬元主機，一年不是只算電費

本地端假設整機買價 NT$50,000、使用三年、殘值零；每天開機八小時、全年 365 天，插座平均功率 200W，每度電以 NT$5 做敏感度試算。三年是本文分攤假設，並非法定折舊年限；200W 不是任何顯卡的官方功耗或測量結果。

算式是：50,000÷3＝每年 16,667 元設備分攤；0.2×8×365＝584 度；電費 584×5＝2,920 元。年度基本成本約 19,587 元。若要比較第一年現金支出，則是 50,000＋2,920＝52,920 元，兩種口徑不可混用。

台電住商非時間電價依用戶類型、季節與用量分段，不能把本文的五元當成你家或辦公室費率。請用帳單與新增用電落入的級距重算；散熱空調、螢幕與停機損失也尚未計入。台電公開電價表可作計價結構參考，該檔標示 114 年 10 月版，不當成本文已核實的最新費率。

規格、價格與效能：放在同一張表，但不冒充等價

API 換匯統一假設 US$1＝NT$32，不是當日匯率；未含稅、刷卡費、工具與應用服務費。低用量 Flash 是（4×0.30＋1×1.20）×12×32＝921.6 元。表中的 50,000 元是整機預算情境，不是某款產品現售價。

也別把顯卡起價當整台主機價格。NVIDIA 在 2025 年 4 月的公告列 RTX 5060 Ti 16GB 美國上市起價 US$429，這只證明當時、當地、該容量的起價；不是今天台灣報價，更不證明任何指定模型能順跑。採購仍要拿整機清單與經銷商當日含稅報價。NVIDIA 上市公告

交叉點不是保證回本，而是開始值得測試的門檻

沿用每四個輸入 tokens 配一個輸出的比例，Flash 尖峰一年費用是「每月輸出百萬 tokens 數×921.6 元」。用 19,586.67÷921.6，約在每月 2,125 萬輸出 tokens 時碰到本地基本分攤成本。這只是算術交叉點，不是購機回本保證：本地能不能在預算、八小時與相同品質要求內完成，是尚未驗證的前提。

維運不能因為自己做就當零成本。再假設每月維護兩小時、每小時時間成本五百元，一年增加 12,000 元；交叉點升到每月約 3,427 萬輸出 tokens。若本地需要多次重試、較長輸出或人工修稿，還要把那些成本加回去。

買之前先做四件事，別先把錢鎖進硬體

先留一段實際使用紀錄，拆出輸入、輸出、快取、時間與成功任務數；再挑一批會真的用到的文件、程式與問答，把可交付標準寫下來；第三步讓候選本地配置與 API 跑同工作集，量首字等待、整段時間、錯誤與人工修正；最後才把達標方案放進年度與三年總成本表。這是建議驗收流程，不是本文已完成的測試。

報價時還要問清楚記憶體、儲存空間、電源、保固與日後擴充是否包含在內。一次把硬體、部署和維護包在一起，不等於各項免費；反過來，便宜裸機也不等於完整服務。請讓廠商把設備與服務拆列，再把備份、更新、故障時誰處理寫入採購條件，才能跟 API 方案公平比較。

明確反例是：如果你要求資料不得外送，低價 API 並非可用替代品；如果需要高峰多人同時用，本地單機便宜也不代表有足夠吞吐。相反地，手邊已有可用主機、工作可離線排隊且模型已通過驗收，追加購機成本可能很低，此時應比較新增成本，而不是重算一台全新設備。

我的購買建議很直接：先花小額把工作量測清楚，再花大額買能穩定完成工作的設備。奧微軟體提供系統開發與 AI 整合服務；需要把模型接進既有工作流程時，可以帶需求、預算與驗收條件到系統開發服務討論，不承諾本文情境的成本或模型效果。

作者：奧微軟體開發企業社。本文含奧微服務介紹，與 NVIDIA、DeepSeek 無官方隸屬。查核日期：2026-10-14；模型、價格與規格依所連第一方文件快照，教學假設及計算不代表市場成交、benchmark 或投資回報。