近年越來越多人選擇購買高記憶體容量的 Mac，在本地運行 AI 模型，希望每個月能省下 OpenAI、Anthropic 等公司的 API 費用。只不過，考慮到目前 Mac 的價格、電費，以及不同 AI 模型的使用成本，本地 AI 或許沒有你想像中的那樣省錢。
最近網路上就出現一款「Sunk Cost」的免費線上計算器，就能幫你算出答案。以一台台灣售價 NT$119,900 的 Mac Studio 為例，在特定的 AI 模型和使用量條件下，竟然需要到 46.7 年才能回本。除了算回本時間，它還能比較 AI 模型的能力、生成速度，以及告訴你哪些模型可以在自己的電腦運行。
Sunk Cost 免費計算器，一鍵幫你算出多久才能回本
Sunk Cost 是一個免費的線上計算器，核心邏輯是比較兩種使用 AI 的方式。一是花錢買硬體，在自己的電腦上跑開源 AI 模型，之後只要付電費；二則是不買硬體，直接用雲端 API 呼叫同一款模型，用多少付多少。
計算器會把硬體價格、每天的電費、同樣用量下的 API 費用都算進去，最後畫出一條回本曲線，告訴你要過幾年，省下的 API 錢才能補回當時買機器的錢。
可以選的硬體不只 Mac 系列，也有 NVIDIA DGX Spark、AMD Strix Halo 這類主打本地 AI 的小主機，以及 NVIDIA、AMD 顯示卡，甚至還能自行輸入記憶體、功耗、記憶體頻寬等規格。
模型部分則以開源模型為主，包含 Qwen、Llama、Gemma、Mistral、DeepSeek、gpt-oss、GLM、Nemotron、MiniMax 等家族。API 價格參考的是 OpenRouter 上同一款模型的報價，網站標示資料最後檢查日期是 2026 年 9 月 3 日。
Sunk Cost 首頁是預設 8 月剛發表的 Mac Studio M5 Max 64GB 版本，美國售價 3,499 美元，模型則是阿里巴巴的 Qwen 3.8 27B，用 Q4_K_M 量化版本，大約占 19GB 記憶體。使用情境設定為「Agentic coding」，也就是類似 Claude Code 那種讓 AI 代理自己讀檔、改程式的用法，每天消耗 50 萬 tokens。最終算出 43.6 年才能回本：
這台在台灣 Apple 官網售價是 NT$119,900（M5 Max 18 核心 CPU、40 核心 GPU、64GB 統一記憶體、512GB SSD），跟美國相比結果還貴一些。我用「I paid something else」把價格改成台灣售價換算的美元金額，其他條件不變，重新跑了一次，結果整理如下（匯率以 1 美元約 32 元新台幣計算）：
| 項目 | 數值 |
|---|---|
| Mac Studio 購買成本 | NT$119,900（M5 Max、64GB，台灣 Apple 官網售價） |
| AI 模型 | Qwen3.8 27B（Q4_K_M 量化） |
| 每日使用量 | 500,000 tokens（輸入：輸出＝15：1） |
| 雲端 API 每月費用 | 約 NT$222（6.94 美元，OpenRouter 報價） |
| 本地 AI 每月電費 | 約 NT$8（0.26 美元；每度 0.17 美元、滿載 145W） |
| 每月節省 | 約 NT$214（6.68 美元） |
| 回本時間 | 約 46.7 年（美國售價 3,499 美元為 43.6 年） |
算法很簡單，每個月如果是用 API 要付約 NT$222，但改成在自己的 Mac 上跑的話，變成只要付約 NT$8 電費，所以每個月省下約 NT$214。拿購買的 NT$119,900 去算，119,900÷214÷12，大約就是 46.7 年回本。
當然，回本時間這麼長，除了 Mac 較貴之外，比較的模型價格也偏便宜。
Qwen3.8 27B 在 OpenRouter 上每 100 萬個輸入 tokens 只要 0.32 美元（約 NT$10）、輸出 2.5 美元（約 NT$80），加上 Agentic coding 情境的輸入遠多於輸出（每 16 個 tokens 只有 1 個是 AI 產生的），大部分用量都落在最便宜的輸入價格上，一個月才只要兩百多元。
如果換一款 API 價格比較高的模型、用量拉大，回本時間就會變得不一樣。只不過我查了一下，目前 Mac Studio 使用絕大多數的開源模型，幾乎都要 50 年以上。
使用方式也很簡單，進到 Sunk Cost 後，就選擇你要購買的裝置：
然後選擇規格：
接著是選模型，在右邊的「What fits」清單中，點選你打算跑的模型，每張模型卡片都會寫出它在 32k 上下文時要吃多少記憶體、預估每秒能生成幾個 tokens，以及雲端 API 每 100 萬 tokens 的輸入／輸出價格。以預設的 Qwen3.8 27B 來說，需要 19GB 記憶體，我選擇 M6 Mac mini 32GB 中預估只有 6.9 tok/s：
再來設定你會怎麼用。在「How you’d use it」區塊裡的「Mostly for」可以選主要用途，選項包含聊天問答、寫作、摘要文件、翻譯、程式助理、Agentic coding（Claude Code 這類代理用法），以及搜尋自己的文件，每種用途都會對應不同的輸入：輸出比例。：
最後是調整計算條件。在「Assumptions you can change」裡更改電費，預設是美國平均每度 0.17 美元（約 NT$5.4），你可以把自家每度電價換算成美元再填進去。如果你已經實測過自己 Mac 跑這個模型的速度，也可以填入實際的 tok/s，取代網站的估算值：
這裡最關鍵的是「Assume API prices keep falling」選項，勾選後可以設定 API 每年降價 20%、30%、40% 或 60%。過去幾年 API 價格一直往下掉，因此這選項對結果影響會非常大。另外「Compare against a subscription instead」可以改成跟月訂閱比，例如輸入你每個月付 ChatGPT 或 Claude 的 20 美元。
完成之後，上方就會顯示結果了。「The break-even」會畫出一條回本曲線，標出要幾年才能浮出水面：
下方的數字列則會整理硬體價格、API 每月費用、本地每月電費、本地速度、回本時間，以及 12 個月後還差多少錢：
按 Download card 可以獲得這樣的結果卡：
40～50多年聽起來很嚇人，但事實上也不用這麼久，因為硬體有轉售價值，特別是 Mac，就算用了幾年還是可以賣不錯的價格，而且電腦還可以拿來做其他事。
此外，本地 AI 的優勢也不只有省錢，網站也列出幾點，包括：
- 提示詞和檔案不會離開你的電腦
- 沒有人能修改、限流或下架你正在用的模型
- 你可以自己決定安全限制、自行微調
- 機器還能拿來打遊戲、算圖、編譯程式
對於要處理公司機密程式碼、客戶資料，或需要在沒有網路的環境下使用 AI 的人來說，這些可能比能省多少錢更重要。
