本地 GPU 推論 vs 雲端 API：30 天真實成本分析
目錄
「最便宜的 API 呼叫，是你從沒打過的那一通。」
每間 AI 新創都會面對這個問題：推論要跑在本地 GPU，還是用雲端 API？答案取決於你的工作負載、資料敏感度、和規模。
我們兩邊都跑過。30 天內，我們追蹤了每一筆費用：硬體攤提、電費、API 費用、和沒人提到的隱藏成本。以下是我們的發現。
我們的工作負載
比較成本之前，先了解我們在跑什麼：
| 指標 | 數值 |
|---|---|
| AI Agents | 4 隻自治 Agent |
| 每日推論請求 | ~105 |
| 每月請求 | ~3,150 |
| 平均每次輸出 token | ~200 |
| 每月總輸出 token | ~630,000 |
| 每月總輸入 token | ~2,500,000 |
| 任務類型 | 社群貼文、互動回覆、研究摘要、策略備忘錄 |
這是低到中量的工作負載。不是服務數千用戶的高吞吐量 API，而是一組自治 Agent 做內部自動化。
方案一：NVIDIA RTX 3060 Ti（本地）
硬體成本
| 項目 | 費用 | 攤提（36 個月） |
|---|---|---|
| RTX 3060 Ti（二手） | $300 | $8.33/月 |
| 其他硬體不需額外購買 | $0 | $0/月 |
| 硬體合計 | $300 | $8.33/月 |
我們已有 Windows 桌機。GPU 是唯一的採購。如果要買整套系統，加約 $500-800 買基本工作站。
營運成本
| 項目 | 月費 |
|---|---|
| 電費（閒置 ~15W、滿載 ~200W、平均 ~25W） | ~$5 |
| 網路（已有） | $0 |
| 維護（systemd 自動化） | $0 |
| 營運合計 | ~$5/月 |
每月總成本
硬體攤提： $8.33
電費： $5.00
─────────────────
合計： $13.33/月
GPU 攤提完（第 37 個月起）：$5/月。
方案二：雲端 API
以我們的精確工作負載計算（3,150 請求/月，250 萬輸入 + ~63 萬輸出 token）：
第一層：平價 API
| 供應商 | 模型 | 輸入費用 | 輸出費用 | 月費合計 |
|---|---|---|---|---|
| Google Gemini Flash | 2.5 Flash | 免費（1,500 RPD） | 免費 | $0 |
| OpenAI | GPT-4o-mini | $0.375 | $0.945 | $1.32 |
| Anthropic | Haiku 4.5 | $2.00 | $6.30 | $8.30 |
第二層：中階 API
| 供應商 | 模型 | 輸入費用 | 輸出費用 | 月費合計 |
|---|---|---|---|---|
| OpenAI | GPT-4o | $6.25 | $6.30 | $12.55 |
| Anthropic | Sonnet 4.6 | $7.50 | $9.45 | $16.95 |
| Gemini Pro | $3.13 | $6.30 | $9.43 |
第三層：前沿 API
| 供應商 | 模型 | 輸入費用 | 輸出費用 | 月費合計 |
|---|---|---|---|---|
| OpenAI | o3 | $25.00 | $63.00 | $88.00 |
| Anthropic | Opus 4.6 | $37.50 | $94.50 | $132.00 |
真正的比較
乍看之下，雲端 API 贏了。GPT-4o-mini 每月 $1.32，比我們本地 $13.33 便宜。
但有些隱藏成本不會出現在定價頁面上：
隱藏成本 1：帳單意外
我們學到慘痛教訓。一個從啟用計費的 Google Cloud 專案建立的 Gemini API key，7 天花了 $127.80。思考 token 計費 $3.50/1M，比輸入 token 貴 47 倍。啟用計費後沒有速率限制上限。
本地推論：你的成本就是電費。就這樣。不會有意外。
隱藏成本 2：速率限制
Gemini 免費方案：1,500 RPD。聽起來很多，直到你的 Agent 艦隊成長。我們在忙碌的一天（4 隻 Agent + 手動測試）就撞到上限。生產環境停擺 6 小時，等每日配額重置。
本地推論：沒有速率限制。你的 GPU 隨時可用。
隱藏成本 3：隱私合規
如果你處理敏感資料（客戶資訊、商業策略、財務數據），送到第三方 API 可能需要：
- 資料處理協議（企業方案 $2,000-10,000/年）
- 合規稽核（$5,000-20,000/年）
- 各供應商條款的法律審查
本地推論：資料永遠不離開你的網路。不需要任何協議。
隱藏成本 4：延遲稅
雲端 API 延遲：每次請求 300-800ms。3,150 個月請求下來，就是每月 15-42 分鐘的等待。即時 Agent 互動下，這會累積。
本地推論：首 token ~200ms。穩定。沒有網路變異。
隱藏成本 5：供應商綁定
如果 OpenAI 改價格（他們改過好幾次），你只能接受。如果 Anthropic 淘汰某個模型，你就得遷移。每次遷移都有工程成本。
本地推論：你掌控模型。想升級就升級，不是供應商逼你升級。
損益平衡分析
什麼時候本地 GPU 變得比雲端 API 便宜？
vs. GPT-4o-mini（$1.32/月）
本地成本： $13.33/月（前 36 個月），之後 $5/月
API 成本： $1.32/月
損益平衡： 永遠不會（純成本比較）
對超便宜 API，本地推論永遠贏不了成本。但你買的是隱私、穩定性和獨立性，不只是 token。
vs. Anthropic Haiku（$8.30/月）
本地成本： $13.33/月 → 第 36 個月後 $5/月
累計本地（36 月）：$480
累計 API（36 月）：$299
損益平衡： 第 91 個月（GPU 攤提完後，本地 $5 vs $8.30）
vs. GPT-4o（$12.55/月）
累計本地（36 月）：$480
累計 API（36 月）：$452
損益平衡： 第 40 個月
vs. 前沿模型（$88-132/月）
損益平衡： 第 3-4 個月
關鍵洞察：本地 GPU 推論對中階和前沿模型很快就能回本。對平價 API，價值主張是隱私和控制，不是成本。
規模因素
以上分析基於 ~3,150 請求/月。規模擴大會怎樣？
| 月請求量 | 本地成本 | GPT-4o-mini | GPT-4o | Haiku |
|---|---|---|---|---|
| 3,150 | $13.33 | $1.32 | $12.55 | $8.30 |
| 10,000 | $13.33 | $4.19 | $39.84 | $26.35 |
| 30,000 | $13.33 | $12.57 | $119.52 | $79.05 |
| 100,000 | $13.33 | $41.90 | $398.40 | $263.50 |
本地推論成本是固定的。 不管跑 3,000 或 100,000 個請求，電費幾乎不變。雲端 API 成本線性增長。
超過約 32,000 請求/月時，本地推論打贏除了免費方案以外的所有選項。
我們的建議
| 情境 | 建議 |
|---|---|
| 原型開發 / 低量 | 雲端 API（更便宜、零設定） |
| 隱私敏感資料 | 本地 GPU（資料不出網路） |
| 10K+ 請求/月 | 本地 GPU（成本優勢越來越大） |
| 需要前沿推理能力 | 雲端 API（本地 7B 無法匹敵 GPT-4/Claude） |
| 生產級自治 Agent | 混合模式（例行用本地、複雜用 API） |
我們實際怎麼做
截至 2026-03-10，我們用混合方案：
- Ollama（本地）：所有 4 隻 Agent 的日常任務（社群貼文、互動、研究摘要）。約 95% 的請求。
- Gemini Flash（API）：UltraProbe 深度弱點分析，需要更大的上下文和更強的推理能力。約 5% 的請求。
這讓我們兩邊的優勢都拿到：例行工作有可預測的成本，需要時有前沿能力。
想看把 Claude Pro 訂閱也算進來的比較，可以讀Gemini、Claude Pro、Ollama 90 天成本實測。那篇統計的是 2026 年第一季三套並行的全部用量，含開發工作和批次內容產製，範圍比本文的 4 隻 Agent 工作負載大，所以請求數也高得多；裡面另有每千次請求成本和任務分流決策樹。
硬體推薦
如果你考慮本地推論：
| GPU | VRAM | 最大模型 | 速度（7B） | 二手價格 | 最適合 |
|---|---|---|---|---|---|
| RTX 3060 Ti | 8GB | 7B（Q4） | 13 tok/s | $300 | 個人/小團隊 |
| RTX 3090 | 24GB | 32B（Q4） | 20 tok/s | $700 | 中量工作負載 |
| RTX 4090 | 24GB | 32B（Q4） | 40 tok/s | $1,600 | 高吞吐量 |
| 2x RTX 3090 | 48GB | 70B（Q4） | 15 tok/s | $1,400 | 大型模型 |
RTX 3060 Ti 是入門點。需要更大模型或更高吞吐量，RTX 3090（二手）的 VRAM 性價比最高。
結論
本地 GPU 推論不一定比雲端 API 便宜。低量工作負載搭配平價模型，API 贏純成本。
但成本不是唯一變數。隱私、穩定性、控制權、和可預測性都很重要。把帳單意外、速率限制、和合規開銷算進去，本地推論常常贏，尤其在規模化之後。
真正的問題不是「GPU 還是 API？」而是「你在優化什麼？」
Ultra Lab 造 AI 產品。截至 2026-03-10，我們用 NVIDIA GPU 推論，在一張 RTX 3060 Ti 上跑 4 隻自治 Agent。了解更多：ultralab.tw
常見問題
本地跑 LLM 比雲端 API 便宜嗎？
低到中量時不會。以我們每月約 3,150 個請求的工作負載，一張二手 RTX 3060 Ti 每月約 $13.33（$300 分 36 個月攤提，加上約 $5 電費），比平價 API 貴。對上 o3、Opus 這類前沿模型，3 到 4 個月就能回本；但對上 GPT-4o 這類中階 API，損益平衡點大約在第 40 個月。本地成本隨用量增加大致不變，API 費用則照 token 用量增長。
請求量變大時，本地 LLM 推論什麼時候贏過雲端 API？
請求量增加時，本地成本幾乎不變，雲端 API 成本則線性增長。以我們的數字，GPT-4o 在每月 3,150 個請求時是 $12.55，和本地 GPU 的 $13.33 相近；到每月 10,000 個請求時變成 $39.84，本地仍是 $13.33。另外，即使在原本每月 3,150 個請求的量，GPU 對上 o3、Opus 這類前沿模型也能在 3 到 4 個月回本硬體成本，跟規模無關。
雲端 LLM API 有哪些隱藏成本？
帳單意外（一個從啟用計費的 Google Cloud 專案建立的 Gemini API key，7 天花了我們 $127.80）、速率限制（撞到 Gemini 免費方案的每日配額，讓我們的生產環境停擺 6 小時）、處理敏感資料時的隱私合規工作、每次請求 300 到 800ms 的網路延遲，以及供應商改價格或淘汰模型時的綁定成本。