便宜的夠用，貴的用不完：聽掄錘者講怎麼選模型和 agent

彼節者有間，而刀刃者無厚；
以無厚入有間，恢恢乎其於遊刃必有餘地矣。
—— 《莊子・養生主》（戰國，約西元前 4 世紀）

這集在講什麼

掄錘者（YouTube 頻道「抡锤者」）這集（2026-08-31 上架，18 分 33 秒）他自己說是「水一下」——早上要送小孩上學，沒時間做實測，就把這幾個月測過的模型、agent、硬體做一次總整理。我反而覺得這種集數最好用，因為他把散在十幾支影片裡的判斷一次排成了隊。

他的排法很簡單：先問你一個月用多少，再問你的任務要跑幾步。這兩個問題答完，該付誰的錢、該不該買顯卡，答案就出來了。

摘要重點

本地模型只有一個答案。他說 Qwen3.8 27B 是當下最好的本地模型，「沒有質疑」。Google 的 Gemma 系列、Meta 的模型都來挑戰過，「輸得都不是一星半點」。有人問為什麼不選參數更大的 Qwen 35B-A3B，他的回答是這集最有價值的一段：35B 那個是混合專家模型，每次推理只喚醒 30 億參數，27B 是稠密模型，270 億參數全部上工。寫個小腳本、推理七八步，兩者看不出差別；但接上 agent 去做要跑一兩百步的開發任務，每一步的小誤差會一路累積，跑到十輪八輪之後就「並掉了」。同樣的事，稠密模型能做完，混合專家模型做不完。

用量決定買不買顯卡。他把自己歸在「輕度到中度」：寫點程式、維護論壇腳本，用 DeepSeek V4 Flash 一個月大約三百多塊人民幣，加上偶爾用本地模型，五百塊可能擋不住（他的估算，2026-08-31 影片）。他的分界線是這樣畫的：如果你是專業工程師，或每天有大量文件要處理，線上最便宜的方案一個月也要一千塊起跳，一年下來好幾萬，這筆錢拿去買一張 48G 的顯卡，九成五的工作可以在本地做完。如果你要生圖生影片，那更不用算，線上 API 的消耗比寫程式高好幾個數量級，「有多少錢都擋不住」，一張 32G 以上的卡半年回本。

但除了隱私、抗審查、大量日常消耗這三種情況，其他時候他都建議用線上 API。理由不是能力，是體驗：線上是集群服務、全天候在線、幾乎不掉線，而且你不用忍受渦輪卡的噪音。

線上模型他首推 DeepSeek V4 Flash：最便宜、最全能，能做完絕大多數人九成九的工作，工程師也有九成五。小米 MiMo、智譜 GLM 5.3 Flash、騰訊混元、MiniMax、Qwen 各有特點，他對混元 4 印象不好。真的要上國外模型，他推 OpenAI 的二十美元方案，理由是額度給得足：網頁聊天不計額度，Codex 的額度五小時和七天各重置一次，小任務用不完。他覺得 GPT-5.6 Luna 拿來跑長程開發「比較蠢」，但搜尋、翻譯、日常對話很夠，生封面圖一到三次就能出想要的。

勸退兩家。Gemini 的二十美元方案他曾長期當主力，「從兩個月前開始變得非常蠢」，比前一代還差，生圖的優勢也沒了，唯一好用的分析 YouTube 影片功能不訂閱也能用。Grok 他沒訂閱，X 會員送的額度「基本上沒用過」；他的講法是除非你要做 GPT 和 Gemini 會罷工的政治敏感題材，否則「馬斯克的 AI 已經死了」。

agent 分兩種用法。日常助手選 Hermes：最穩、流量最高，能寫程式但效率不如專門的編程 agent。寫程式選 Codex：安裝最簡單，接 DeepSeek V4 Flash 或本地 Qwen 27B 體驗都好，但它是命令列工具不是常駐服務，沒有跨對話記憶，不適合當二十四小時的個人助手。OpenCode 也很好，就是介面太醜。他最看好的是 DSH，影片標題寫 DSH、他口中叫 DeepSeek Hermes——發布不到二十天，GitHub 星數已經追平 Hermes 和 OpenCode，程式碼品質「是正規軍」，外掛系統連主迴圈都能換掉；但還在候選版，有 bug，他建議等正式版再當主力。

順帶提一句他早前的預測：OpenClaw 曾是星數最多、「全民養龍蝦」的那個 agent，他當時說框架寫得爛、遲早被取代，被笑不懂；現在他認為已經被 Hermes 取代了。

延伸想法

你可能跟我一樣，訂了不只一家的方案，每個月帳單來的時候都在想：這幾家到底哪個是我真的在用的？他這集給了一個排隊的方法，我拿自己過去一個月的紀錄對了一遍。

先講對得上的。Gemini 變差這件事，我在 2026 年 8 月中也把它從實作型任務的名單裡拿掉了，理由一樣：不太可靠。這不是兩個人的錯覺，是同一個時間窗兩邊各自量到的。

再講對不上的。他說 Grok 已經死了，我 8 月 24 日做過一次同題對照：一支跑得動、不報錯、但答案錯的 Python，交給三家分別找缺陷。Grok 4.6 找到兩個真缺陷、最多，還順手量化了誤差；另外兩家各找到一個。代價是慢，四百九十五秒，比最快的那家慢八倍。所以我的版本是：Grok 不是死了，是慢，而慢在很多場景等於死。這個結論只有一次實驗，我不敢說更多。

然後是他這集最重要的邏輯，用我的數字驗一次。他說短任務看不出差別、長任務誤差會累積。我同一天先做了一題機械活：兩百列的表格算三個統計數，答案事先算好。三家全對，耗時分別是十八秒、二十二到二十五秒、四十八秒（2026-08-24 實測）。答案一樣的時候，差別只剩速度和價錢，那就該付最便宜那家。這跟他「短任務何必用大模型」的結論完全一致。

還有一個他沒講、但我覺得比選哪家更要緊的事：你付了錢的額度，到底用掉多少？我在 8 月中查過自己的 Codex 週額度，用掉百分之一。他說 OpenAI 的額度「小任務用不完」，我的數字更極端——不是用不完，是幾乎沒動。原因不是模型不好，是我沒把工作派出去。

這件事翻轉了我對「該訂哪家」的想法。掄錘者把問題框成「花多少錢買到夠用的腦袋」，這在他的用量下是對的。但如果你跟我一樣，額度大半沒用，那瓶頸根本不在腦袋，在派工：有沒有把任務拆成可以丟出去的形狀。拆不出來，訂最強的模型也是閒著。

最後回到他的核心分界，稠密還是混合專家。我沒有本地卡可以驗這一段，但有一個旁證。8 月初我對比過同一家的兩個模型跑三類機械活，品質三比三打平，價錢差二十二倍（2026-08-02 實測，六題全部滿分，所以只能證明「這個難度以下打平」）。後來我把便宜那個設成預設，貴的只在便宜那個答錯時才升級。這跟他「35B 混合專家在短任務上也能用」是同一件事的另一面：在誤差還來不及累積的地方，貴的買不到準確度。

可以參考的資料

• 原片：掄錘者〈AI 大模型/Agent入门推荐，Qwen3.8 27B/DeepSeek V4 Flash/国产替代模型/GPT，Hermes/Codex/DSH/OpenCode体验对比！〉（2026-08-31 上架，18 分 33 秒；標題照錄原片，原片為簡體字）
• 我上一篇聽他談硬體的心得：〈本地模型 Qwen3.8 27B 適合你嗎？〉（2026-08-21），這集可以當那篇的模型與軟體篇
• 文中的秒數與缺陷數：我自己 2026-08-24 的同題對照，各家只跑一次，是旁證不是定論
• 額度用掉百分之一：2026-08-14 查詢當時的數字，之後有變動
• 開頭那段出自《莊子・養生主》庖丁解牛，是我聽這集想到的註腳，不是節目內容

帶得走的一件事

我聽完這集最有感的一句是：一步答完的事付最便宜的，要跑一百步才值得付貴的。我自己就是因為這句，才放棄了「先訂最強的再說」這個習慣。

如果你也訂了不只一家，我試過一個很小的做法，你可以試試：下次打開付費工具之前，先看一眼這個月額度用了幾成，把那個百分比寫在便利貼貼在螢幕邊。就這樣，寫完就好，不用再做別的。

我的數字是百分之一，看到的時候有點不好意思。如果你的也差不多，別急著換家——找一件你每週都要重複做的事，整件丟給它跑一次看看。下個月同一天再瞄一眼便利貼，數字動了，就代表你找對了可以丟出去的工作；沒動也沒關係，那只是說瓶頸還不在工具，在我們還沒把工作拆成能丟出去的形狀。