本地 AI 硬件的性价比前沿

前沿

每个点是一台机器。实心点是前沿，从左到右相连；淡色的点至少被一台前沿机器胜过。如果你最在意答案出来得多快，把产出轴切到写入速度；如果你常喂长文档和长的智能体上下文，切到读取速度。把成本轴切到 5 年成本，就能把一台机器全天运行所耗的电费算进去。

怎样读这张图

一台机器胜过另一台，是指它花费不更多、产出不更少，并且至少在其中一项上严格更好。前沿上的机器不被任何机器胜过：它左上方那块更便宜又更好的区域是空的。它右下方的一切，都被它胜过。

两台前沿机器之间的连线只是参考，并不是一台机器。严格来说，预算落在两者之间时，能买到的是较便宜那台的产出，也就是一级平台；直线段只是让取舍的形状更容易看清。出于同样的理由，不在前沿上的机器要和它自己的价钱实际能买到的东西比：它的产出，占同等或更低成本下任何机器能达到的最高产出的比例。

怎样计算

数据

所有数字都来自 ModelDock Benchmark 中 Qwen3.8 Flash Next 的数据。读取（prefill）和写入（decode）速度是公开来源报告的中位数，连同测试条件列在 Evidence 页面；还没有报告的机器使用明确标注的比例估算，图中以空心点表示。价格是 Data 页面上的当前市场价。只能以 3-bit 及以下量化装下模型的机器不计入，与 Benchmark 和排行榜的默认做法一致；没有价格或功耗数据的机器也无法放上图。

成本

独立显卡整机的价格 = 显卡价 + 1,200 美元的主机：处理器、主板、64 GB 内存、电源、机箱和存储。Mac、Ryzen AI Max+ 395 和 DGX Spark 这类一体机按整机价计算。5 年成本再加上按 0.15 美元/kWh 全天运行的电费；一台功耗 \(W\) 瓦、价格 \(P\) 美元的机器：

也就是说，连续运行五年，每多 100 W 大约多花 660 美元。

产出

日产量是 Benchmark 的默认工作负载：读取占 90%、写入占 10% 时，一台机器 24 小时能处理的 token 数。读取速度为 \(R\)、写入速度为 \(D\)（单位都是 token/秒）时：

它适合全天候跑智能体的机器。单看写入速度，更接近一个人等答案时的感受；读取速度决定长输入被读进去的快慢。

前沿

把机器按成本排序，从最便宜的开始往上走，保留每一台比之前所有机器产出都高的。留下来的就是前沿。排行榜所用的每百万 token 成本在这里不当作轴：它是成本与产出的比值，回答的是“每个 token 有多便宜”，而不是“我的预算能买多少”。它列在文末的完整表格里。

前沿说明了什么

先陡，后平

前沿在“花钱买显存”的阶段上升最快。从 1,560 美元的 RTX 3060，经过各款 16 GB 显卡，到 2,800 美元的 RTX 5080，日产量从 1400 万 token 涨到 5800 万：平均每多 100 万 token/天，只需不到 30 美元的购置成本。对混合专家模型来说，这正是专家缓存变大的阶段：每多 1 GB 显存，就有更多专家不必交给 CPU 计算，Strata 那篇文章解释了原因。

过了大约 3,000 美元，曲线开始变平。从 RTX 5080 到 8,450 美元的 RTX 5090，中间经过双 RTX 5070 Ti、RTX 4090 和 Mac Studio M5 Ultra 96 GB，日产量涨到 1.2 亿 token，平均每多 100 万 token/天约要 90 美元，是第一段的三倍。最后一档升到 19,200 美元的 RTX PRO 6000，多花 10,750 美元只多 600 万 token/天，相当于每多 100 万要 1,760 美元。它的 96 GB 显存在更大的模型或多人并发时才能发挥价值，而这个单用户工作负载没有衡量这些。

每 token 最便宜的，不是买起来最便宜的

前沿上最便宜的机器 RTX 3060，每 token 的成本反而是前沿上最高的：每百万 token 0.140 美元，因为它较低的产出同样要分摊 1,200 美元的主机。前沿上每 token 成本最低的是 Mac Studio M5 Ultra 96 GB，0.047 美元，其次是 RTX 4090 的 0.058 美元和 RTX 5080 的 0.059 美元。预算固定的买家和追求每个 token 最便宜的买家，在同一张图上看的是不同的位置。

电费会重排中段

把成本轴切到 5 年成本，前沿上仍是 15 台，但成员变了。低功耗机器左移进入前沿：Mac mini M5 Pro 64 GB、Intel Arc Pro B60、Ryzen AI Max+ 395 和 RTX 5070。耗电大的机器右移、掉出前沿：双 RTX 3090 功耗 850 W，五年电费约 5,600 美元，比它的购置价还高。

写入和读取讲的是不同的故事

按写入速度，前沿上有十台机器，2,120 美元的 RTX 4070 Ti SUPER 已经能每秒写 72 个 token。Mac Studio M5 Ultra 96 GB 的 140 是 RTX 5090（174）之前的一档；RTX PRO 6000 刚好掉出前沿，写入速度是更便宜的 RTX 5090 的 98%。按读取速度，前沿上全是独立显卡：2,800 美元的 RTX 5080 每秒读 3,591 个 token，RTX 5090 是 6,257，RTX PRO 6000 是 8,988，没有一台 Mac。

哪些地方不能全信

• 来源各不相同。 一个中位数合并了量化、运行时版本、上下文长度和主机各不相同的报告。同一张显卡放进另一台电脑，速度可能相差一倍，取决于它的内存和 PCIe 链路。
• 估算只是估算。 空心点是根据相近硬件上的实测锚点按比例推算的，不是实测；它在前沿上的位置是暂定的。
• 接近就等于打平。 离前沿不到 10% 左右的机器，考虑到来源的离散，实际上就在前沿上；图中把它们列了出来。
• 价格会变。 前沿按当天的市场价绘制；Data 页面保留了价格历史。
• 只有一种工作负载。 单流使用、90/10 的读写比例、每天 24 小时。换一种比例，每个点都会移动：Benchmark 工作台可以按你的情况重新计算。
• 它没有反映的东西。 更长上下文或更大模型的余量、噪音、体积和软件支持，都不在任何一条轴上。

怎么用

从预算出发，找到等于或略低于预算的前沿机器，再看“离前沿不到 10%”的列表里，有没有来源离散度分不出高下的替代选择。然后到这台机器自己的页面核对它的来源和条件。想知道你自己的机器会落在哪里，可以运行 ModelDock 测速：你的智能体用一行文字完成测试并返回一张分享卡；你选择提交的结果，经审核后才会进入公开数据。

来源与条件

• ModelDock Benchmark 中 Qwen3.8 Flash Next 的数据：速度来自 Evidence 上的中位数，价格和功耗来自 Data，经济性来自共享的 Benchmark 模型；同样的数据可以下载为 JSON 和 CSV。图的下方注明了数据日期。
• 默认值：90% 读取、10% 写入，每天 24 小时，0.15 美元/kWh，5 年使用寿命，独立显卡机器加 1,200 美元主机。都可以在 Benchmark 页面上修改。
• 正文中引用的数字来自 2026 年 10 月 15 日的数据。