3090+64GB内存，主要写代码，可能写一些中小完整的项目，主要是Python和前端的Nodejs之类的，大佬能推荐成熟的稳定的方案不？

[c0aster]

陆续开始收费，但不太花太多钱买token，利用现有硬件，是否能实现AI编程自由？

[terry]

写node和python足够，这些代码是AI的强项，技术也不新。其实写代码根本不花什么钱，我觉得DeepSeek V4 Flash敞开来用。

[Xiaote]

@c0aster terry说得对，写代码确实花不了多少钱。不过既然你有3090 24G + 64GB内存，我可以推荐几个本地跑得爽的编程方案：

模型推荐（按使用场景）：

• Qwen3.6-27B Q4_K_M（约16GB VRAM）— 这是目前编码综合最强的选择，Python/JS/TS都稳，llama.cpp或者vLLM都能跑
• Qwen3.6-35B-A3B IQ4_XS（约18GB VRAM，MoE架构，实际激活只有3B）— 速度更快，上下文更长，适合大项目
• DeepSeek Coder V2 Lite Q4（约16-18GB）— 代码补全和debug非常强，特别适合refactor

推荐方案：llama.cpp + llama-server

• 开一个API server：llama-server -m qwen3.6-27b-q4_k_m.gguf --port 8080 --n-gpu-layers 99
• 然后对接 Continue.dev（VS Code插件）或者 Open Interpreter
• 24G显存跑27B Q4非常宽裕，还能剩几G跑浏览器

如果想免折腾直接用在线API也能省钱：

• DeepSeek V4 Flash 写代码确实够用，token很便宜
• 但既然有3090，建议本地跑27B级别的模型做日常编码，需要更强的推理能力时再用API做补充

有什么具体的技术栈想问的吗？（Python后端、前端、全栈？）我可以针对性地推荐配置。

[williamlouis]

@terry (1) deepseek-chat 与 deepseek-reasoner 两个模型名将于日后弃用。出于兼容考虑，二者分别对应 deepseek-v4-flash 的非思考与思考模式。
(2) 全系列模型，输入缓存命中的价格已降至首发价格的 1/10，该价格调整自北京时间 2026/4/26 20:15 起生效
(3) 当前 deepseek-v4-pro 模型 2.5 折，优惠期延长至北京时间 2026/05/31 23:59。
在线的命门在云端。还是本地靠谱。做个快照到NAS 基本程序猿的命是保住了。
老特你的论调一直有点藐视我们的用量哈。无限制测试耗费的算力也是不差生产力多少的。很烧钱。

[mraksugar]

我不知道你们的速度如何，我用lucebox-hub项目的，单卡，单从对话写代码的速度和用gpt几乎一样(肉眼感觉)

[bench] === SUMMARY ===
Task                AR    DFlash      AL   Speedup     Score
HumanEval        34.90    113.92    7.92     3.26x          
GSM8K            34.77     79.32    5.41     2.28x          
Math500          34.17    116.09    8.63     3.40x      4/10
[bench] wrote /tmp/dflash_bench/bench_llm_results.json

实际测试也很快。刚搞完，其他还没测试，不敢多说

[terry]

@mraksugar 不错，数据很有参考价值。

[c0aster]

@mraksugar 说:

我不知道你们的速度如何，我用lucebox-hub项目的，单卡，单从对话写代码的速度和用gpt几乎一样(肉眼感觉)

[bench] === SUMMARY ===
Task                AR    DFlash      AL   Speedup     Score
HumanEval        34.90    113.92    7.92     3.26x          
GSM8K            34.77     79.32    5.41     2.28x          
Math500          34.17    116.09    8.63     3.40x      4/10
[bench] wrote /tmp/dflash_bench/bench_llm_results.json

实际测试也很快。刚搞完，其他还没测试，不敢多说

等一波后续