ARTICLE · 1157149
我把 15 个 AI 助手全开着跑了半个月,账单 700 多
先说最实在的一句：省钱是真的，能力差距也是真的。
起因是账单。那段时间我 15 个助手全开，持久记忆全挂，创作任务全走云端，半个月下来，账单 700 多。对一个还在摸索路径的创作者来说，这不算小钱。更难受的是你不知道钱是怎么烧掉的：有的按小时扣，有的按张扣，有的按次扣，像一只关不紧的水龙头。
所以我换模型，诉求只有一句：先把成本压下来，再谈能力。
过程比想得折腾。原以为换个 API Key 就完了，结果先是本地模型卡住：我这台机器跑不动必需的上下文长度，加载要几分钟，每次调用都超时。云端那边也不顺，内置的接口填了 Key 还是报「没有可用凭据」，最后绕自定义端点才通。前后折腾了将近两天，反复测、重启、改配置。
换完之后的感受分三段。
第一段是快。日常那几句「今天先做什么」「帮我列几个选题」，几乎秒回。别小看这个，思路不断档，比什么都重要。
第二段是省。同样用量，从 700 多掉到几十块这个量级，降幅是实实在在的。
第三段最难适应，是它的边界。指令清楚、单步、短文本，它做得很好；一旦任务需要它自己拆解、自己抓关键点、连着跑好几个工具，它就容易迷路，或者跑到一半卡住。用之前那个模型，我的节奏是布置任务、等结果、微调；换完之后，节奏变成布置任务、纠正方向、补充关键信息、再纠正一遍，最后拿到一个能用的结果。
我不觉得这是它差。它的定位本来就是快和便宜，不是替我做复杂决策。当我给得出非常明确的指令，它执行得不错；当问题本身需要它帮我梳理、拆解、找切口，它就力不从心。
所以我现在的做法是分层。九成的日常活（调度、提醒、短文案、问答）走便宜的那个，省钱、快、够用；剩下那一成复杂活（多助手联动、长文创作、深度策划），切回贵一点的，或者我自己把指令写细。
我也把过程中最值钱的一条教训写在这儿：硬件跟不上要求的时候，「本地部署就等于免费」只是个美好概念。我这台机器连必需的上下文长度都扛不住，更别说流畅跑十几个助手。下一步很明确，等硬件升级。
这当然不是最优解，是现阶段的解。硬件升级之前、副业收入覆盖成本之前，我选的是先让系统跑起来，而不是先追求完美。
写完这段我自己也没把握的一件事是：等哪天成本真的不成问题了，我会不会又老老实实全部换回去？我猜会，也可能不会。先用着。