原贴链接

先不考虑成本，我很喜欢人工智能提升我学习能力的方式。继续按月付费（目前只订阅了Claude Pro和ChatGPT团队版，但已取消ChatGPT，不想每月支付200美元）是不是更好呢？我认为构建本地托管系统本身就是最好的学习体验。不管这是否浪费钱，我将比以往更细致地了解产品和服务。你们有什么看法？

讨论总结

原帖提出在AI服务中选择付费订阅还是构建本地系统的问题，评论者从不同角度给出看法。一些人考虑成本、性能、自身需求等因素，如有人认为订阅成本低且无需操心系统，而本地系统可提供隐私和深入学习机会；也有人从硬件角度出发，提及本地硬件的多用途和不同硬件运行模型的能力等，总体氛围是理性探讨且观点多元。

主要观点

  1. 👍 本地硬件不限于LLM，可用于多种用途
    • 支持理由：评论者以自身使用本地硬件做多种事情为例，如运行LLM、游戏电脑等用途。
    • 反对声音：无。
  2. 🔥 决策取决于自身需求、硬件和能源价格
    • 正方观点：这些因素综合起来能确定是订阅还是构建本地系统更合适。
    • 反方观点：无。
  3. 💡 若想学习硬件设置可构建本地系统且可从旧设备开始，但软件学习价值不大
    • 解释：从硬件学习和软件学习的成效对比得出此观点。
  4. 💡 推荐OpenRouter与Hermes 3 405B用于学习
    • 解释：提到Hermes 3 405B在创建学习材料方面效果较好且价格有优势，OpenRouter资源灵活多样。
  5. 💡 投资硬件是较为保险的做法
    • 解释：认为订阅费用会持续增加，硬件价格也会上涨，构建本地系统可避免付费墙。

金句与有趣评论

  1. “😂 Local hardware is not exactly limited to LLM’s, you can do almost anything you want with it.”
    • 亮点：强调本地硬件用途的广泛性。
  2. “🤔 Well, that depends on (a) what you’re needs are, (b) what hardware you have, and (c) what the energy prices are for you?”
    • 亮点：简洁概括出决策的关键因素。
  3. “👀 我个人永远不会构建自己的设备。”
    • 亮点：明确表达自己不会构建本地系统的态度。
  4. “😉 OpenAI has set a trend, and the trend indicates that subscription costs will continue to rise.”
    • 亮点：指出订阅成本的趋势。
  5. “💡 我会两者都做：一个便宜的GPU（像50美元的P102 - 100）可以让你快速轻松地进行试验。”
    • 亮点：提出兼顾订阅和构建本地系统的一种方式。

情感分析

总体情感倾向为中性，主要分歧点在于构建本地系统和订阅服务哪个更好。可能的原因是大家的需求、经济状况、技术能力和对隐私的重视程度不同。有些人更看重成本和便利性，倾向于订阅服务；而有些人注重学习体验、隐私和长期投资，更偏向构建本地系统。

趋势与预测

  • 新兴话题：不同硬件对运行模型的影响以及如何优化本地系统性能。
  • 潜在影响：对AI服务的市场推广策略、用户教育方向以及相关硬件市场的发展有一定影响。例如，更多人关注硬件性能可能促使硬件厂商针对AI运行进行优化，而服务提供商可能会根据用户需求调整订阅策略。

详细内容：

《付费订阅与搭建本地系统，究竟哪个更优？》

在 Reddit 上，一则关于“Better to pay a subscription or build a local system ”的讨论引发了众多网友的关注。该帖子获得了大量的点赞和评论。原帖提出，在不考虑成本的情况下，AI 增强了学习能力，是选择继续支付每月订阅费用（目前是 Claude Pro 和 Chat GPT 团队，但已取消 Chat GPT，不想每月支付 200 美元），还是搭建本地托管系统，因为这本身是最好的学习体验，但不确定是否浪费钱，还是能更深入了解产品和服务。

讨论的焦点主要集中在以下几个方面： 有人认为，本地硬件不仅限于大语言模型（LLM），用途广泛，且成本并非高昂，能满足多种任务需求，但对于仅将 LLM 作为主要学习、工作和娱乐工具的人，搭建专用机器可能更合适，最终取决于个人的财务灵活性。也有人指出，如果想学习硬件设置，那就去搭建，不过在软件方面可能更多是解决驱动问题，学习价值有限。还有人表示，使用 OpenRouter 等服务对于大多数私人用户来说更经济实惠。

有人分享道：“我的用于 LLM 的机器也是我的常规游戏 PC、按需为朋友提供的专用服务器、3D 建模和打印中心、数字绘图工具，还通过 BOINC 进行一些计算。这东西一直在为自己的存在买单。” 还有人说：“如果您觉得您的情况相反，并且 LM 是您一直学习、玩耍和工作的主要内容，那么当然，围绕它构建专用机器可能更可取，最终还是取决于您的财务灵活性。”

有人认为 OpenAI 已经开创了订阅成本持续上涨的趋势，其他人可能会效仿，所以现在投资硬件是更安全的选择。但也有人提出，已经有像 OpenRouter 和 Vast.ai 这样的硬件访问选项，民主化了托管服务，除非利用率极高，否则投资硬件是不明智的。

有人表示会两者兼顾，比如买一个便宜的 GPU 进行实验，同时利用免费的 API。也有人分享自己搭建本地系统的经历，认为虽然学习过程不错，但现在不用本地 LLM 了，因为无法匹配 API 提供商的性能。

总之，关于是选择付费订阅还是搭建本地系统，大家各执一词。有人认为取决于个人需求、硬件拥有情况和能源价格；有人觉得如果是兴趣爱好，可以搭建系统，如果只是想用模型，租用或订阅就行。这场讨论没有明确的结论，最终的选择取决于每个人的具体情况和需求。