$599 Mac Mini 取代 $200/月 Claude 訂閱：這個方法真的可行嗎？

凌晨 4 點，Claude 跳出請求上限。

Chesny 沒有驚慌。他早就預料到了。這個月這是第三次——他每個月付 $200 訂 Claude Max，但只要進入密集工作節奏，3 小時就能把當日額度燒光。這不是濫用，是他的正常工作量。

這次他沒有等到早上補額度，也沒有考慮升方案。他做了一件更根本的事：花 $599 買了一台 Mac Mini M4，裝上 5 個本地模型，讓系統繼續跑。

早上起床看 logs，一切正常。

鄰居以為他在挖礦。

先把帳算清楚

這個故事的核心不是技術，是數學。

買了 Mac Mini，3 個月就回本。之後每個月省下 $200。第一年等於用$ 599 換到 $1,801 的淨節省。

當然，這個算法有一個前提：你的工作流可以讓本地模型取代雲端訂閱。這個前提不是對所有人都成立——後面會說清楚。

Mac Mini M4 基本款，$599，16GB unified memory。蘋果的 M 系列晶片有一個其他電腦沒有的優勢：CPU 和 GPU 共用同一塊記憶體，沒有傳統顯卡需要透過 PCIe 傳輸資料的瓶頸。這讓 16GB 在本地跑 AI 模型時表現比聽起來好得多。

7B 到 8B 的量化模型：跑起來非常順，速度很快，適合大多數日常任務。

35B 的大型模型：這裡要說實話。

Chesny 提到他用了一個叫 OLLAMA_FLASH_ATTENTION=1 的 flag，讓 35B 模型可以在 16GB 上跑起來。這個 flag 的作用是改善記憶體使用效率，技術上確實讓原本裝不進去的模型變成裝得進去。

但「跑起來」不等於「跑得快」。

16GB 裝 35B 模型，必須把一部分資料存到 SSD（這就是 mmap，memory-mapped file 的縮寫——簡單說就是把 SSD 當成記憶體的延伸來用）。速度會比純記憶體跑明顯慢，context window 也會受限。

Chesny 說「大家都說不可能，一個 flag 讓他們都錯了」。更精確的說法是：一個 flag 讓它從不可能變成有條件可行——而他的工作流恰好符合那些條件。

Chesny 的工作流設計有一個關鍵：他把任務分層。

不需要即時回應、可以排隊跑的工作——分類、壓縮 context、批次處理——交給本地模型在後台慢慢跑。需要高品質推理的部分，再呼叫雲端 API。凌晨 4 點雲端斷線後，本地模型接手繼續跑。他睡覺，系統工作。

這套設計對以下情境特別有效：

這個設定不是萬能的，以下情況用這套方案會踩坑：

需要長 context 的任務：16GB 跑 35B 模型，context window 能開多大是有限制的，處理超長文件或對話不是它的強項。

需要高吞吐量的場景：如果你要在短時間內大量平行處理請求，本地機器的速度瓶頸會很明顯。

需要最新知識截止日期：本地模型的訓練資料有截止日期，如果工作需要最新資訊，還是需要雲端。

需要多模態能力：目前本地模型在圖片理解等多模態任務上，和頂級雲端模型仍有差距。

ROG 電競迷你主機，搭載 RTX 5070，桌面只佔一個衛生紙盒大小——AI 開發本地跑 ComfyUI、影片剪輯、3A 遊戲全包。

廣告 · 透過連結購買本站可獲得分潤，不影響你的售價立即查看 · 原廠保固

Chesny 在推文裡提了一個對比數字：同樣的工作量，一個團隊需要 3 個工程師加每月 $15,000 的 API 費用。他只付了$ 599 一次。

這個數字顯然是在強調極端情況，但底下的邏輯是真的：工作流設計的能力，比工具預算更能決定你的 AI 使用效率。

他不是靠「用最貴的工具」贏的。他靠的是知道哪些任務可以非同步跑、哪些需要即時高品質回應，然後把工具分配到對的位置。

適合：

不適合：

訂閱費不是 AI 的門票，工作流設計才是。

有興趣嘗試類似路線但預算更高、效能要求更強的，也可以考慮搭載獨立 GPU 的迷你主機方案，本地跑 ComfyUI、大型模型效能更直接：

利益揭露：本文部分連結為聯盟連結，點擊購買我會獲得回饋，不影響你的價格。