有三种方法可以在家进行AI编码而不花费像公司那样多的费用，选择哪种方法主要取决于你对未来一年硬件和模型发布的信任程度。首先是自托管。你购买机器，局部运行开源模型，此后每个token不再付费。前期成本很高，实际能在家运行的模型性能都比前沿实验室发货的要弱，所以只有在可以保持设备忙碌进行长期任务时，才划算，这时慢而便宜的模型可以整夜工作。大多数人无法让家庭设备负担如此繁重，而且你今天购买的硬件在一年后可能看起来像是个糟糕的投资。第二种是跳过硬件，按照API价格从提供商处租用那些相同的开源模型。对于大多数人来说，这才是更正确的选择。你避免了在GPU配置仍在变化时，就花费数千美元购买设备的风险，省去了从开源模型中挤压长期性能的麻烦，并且下个月可以无缝切换到更便宜或更好的选项，而无需重新出售设备。像OpenRouter这样的工具可以使这一切变得几乎像是一行代码的改变。第三种方法是最优化OpenAI和Anthropic的前沿订阅。大约400美元的月费可以购买约2800美元的API使用时间，这在价格上是个真实的 bargain，直到你达到上限。这些计划是按使用量计费的，任何大型AI原生工作流都会迅速消耗掉包含的token。这些订阅在手动驱动的工作中表现出色，但作为全天运行智能体的引擎时却显得不够强大。我看到的最佳方法是将最后两种结合起来。保留几个前沿订阅用于复杂思考和编写规范，按API价格支付开源模型的费用来处理小型机械部分。依靠规范驱动开发，使得昂贵的模型产生计划，便宜的模型填充内容。如果做到这一点，你可以以大约一千美元的成本，构建出一个由二十名工程师一个月内完成的项目。