一个人月花一千块用AI写代码，开发者Stephen的省钱三板斧
昨天HN上刷到一篇帖子，标题很朴素，「AI Coding at Home Without Going Broke」，336分，一百多条评论，讨论热度很高。作者Stephen Bochinski是个独立开发者，他把怎么在家用AI写代码又不至于把钱包掏空这件事，掰成了三种策略讲得很清楚。我看完第一反应是，很多人可能还不知道，用AI写代码接单这件事的成本门槛已经低到什么程度了。
Stephen说得很实在，他总结了三条路。
第一条路，自己买机器跑开源模型。显卡买回来，模型本地跑，token费用直接归零。听起来很美，但前置成本高，而且你今天花两万买的显卡，明年可能就被新一代模型甩在后头。这条路只适合那种有长时间跑批任务的场景，比如让一个慢模型通宵磨一个大型代码库。大多数人根本用不上这么重的东西。
第二条路，跳过硬件，直接用OpenRouter这类平台租开源模型的API。按量付费，不绑死在任何一张显卡上，下个月有更便宜的模型随时切。Stephen说他觉得对大多数人来说这是最合理的选择，怎么说呢，我也挺认同的。你想想看，没有硬件折旧焦虑，不用折腾环境配置，换个模型就是改一行代码的事。
第三条路，薅前沿模型的订阅。OpenAI加Anthropic的pro计划加起来大概一个月400刀，按API标价算相当于2800刀的用量。这差价确实香，但订阅是有上限的，你让一个AI agent全天候跑任务，token分分钟就给你烧干。所以Stephen的建议是，订阅用来做需要「深度思考」的部分，写spec、做架构设计、审代码，那些机械性的体力活交给便宜的API模型去干。
他自己摸索出来的最佳实践就是第二和第三条路混着来。订阅负责动脑，API负责搬砖，中间用spec驱动的开发方式串起来。其实吧就是让贵的模型出方案，便宜模型填细节。按他说的这个玩法，一个人能干一个二十人工程队一个月的活，成本大概一千美元左右。
一千美元。
你敢信？？二十个工程师的团队，硅谷那边人均月薪就算按保守的八千算，光工资就要十六万美元。当然你不能说一个人用AI就能完全替代二十个人的工程质量，但很多中小型项目，一个会用AI的人确实能扛下来。而且这个成本还在往下降，去年这个时候DeepSeek的API价格还远没有现在这么低，之前我在DeepSeek降价那篇文章里写过，价格战对做AI副业的人来说就是纯利好。
说真的，这篇帖子对我触动最大的不是那些省钱技巧本身，而是它折射出来的一个事实。很多想做AI编程副业的人，最大的心理障碍不是「我不会写代码」，而是「用AI写代码会不会很贵」。我之前在AI成本比例那篇文章里也聊过这个事，企业用AI的成本焦虑正在催生大量外包需求。但个人呢，个人接单的成本焦虑同样存在。
Stephen这个帖子用实际数字告诉你，焦虑是多余的。
我自己这几个月也在摸索类似的路线，感触还挺深的。Claude Code的订阅用来写架构和核心逻辑，DeepSeek的API用来跑那些重复性的代码生成和测试，遇到特别重的任务就用开源模型挂着跑。每个月的总成本加起来，比很多人一顿火锅的钱多不了多少。但你产出的东西，放到Fiverr或者Upwork上，一个中小型项目收费300到1000美元是常态。
怎么说呢，这种投入产出比，搞副业的兄弟们自己去体会吧。
评论区有个观点也挺有意思，有人说「Not everyone is using AI for everything」，这篇文章的作者是DuckDuckGo的创始人Gabriel Weinberg，他在另一篇帖子里引用了大量数据说明美国只有大概三分之一的人真正在用AI。 Gallup的民调显示Gen Z里甚至有19%的人从来没碰过AI。
19%啊。这可是Gen Z，互联网原住民，结果快五分之一的人连AI都没碰过。
你怎么看这个数据？我觉得这不是坏事。大部分人还在观望，还在犹豫，还在觉得「用AI是不是很复杂」「用AI是不是很贵」。而你已经在这个时间点开始学了、开始用了、开始接单了，等你把这些工具摸透了，他们还在原地打转。
这尼玛就是信息差的力量。
信息差这个东西，不一定是你知道了别人不知道的秘密，有时候就是你已经在做了别人还没开始。
磨平一些信息差。