调研对象：https://github.com/midudev/canirun.ai（第三方依赖，clone 于 canirun.ai/）。
交互式散点图：index.html（data.json 与本地 ECharts 已内置，任意静态服务打开即用；重算能力数据才需要 clone canirun.ai，见 §4）。
在线演示（GitHub Pages）：https://mappedinfo.github.io/ShouldIBuy/
浏览器端“我的硬件能跑哪些开源 LLM”评估器：
- 硬件检测全在客户端（WebGL/WebGPU renderer 串、
navigator.deviceMemory、CPU 微基准）。 - 模型目录 83 个开源模型（0.6B–1T，含 MoE），每个模型按 7 档量化（Q2_K–F16）从参数量推算 VRAM 需求（含 0.5GB runtime 开销与真实 GGUF 尺寸修正）。
- 评估引擎：可运行性（VRAM/统一内存阈值 + CPU offload 降级为 can-run-slow）→ tok/s ≈ 带宽 ÷ 工作集 × 效率（dGPU 0.70 / Apple 0.65）→ 合成 S–F 打分（speed 55% + 内存余量 35% + 规模奖励）。
- 硬件库：GPU_DB（231 台，NVIDIA/AMD/Intel 桌面 + 笔记本 + 专业/数据卡）、APPLE_DB（M1–M5 全系统一内存/带宽）。
- 技术栈：Astro 5 + Tailwind 4；另有
/api/models、/api/compatibility等 JSON API。
本地运行（已验证）：
cd canirun.ai
pnpm install && pnpm dev # http://localhost:4321（注：本机的 HTTP_PROXY 环境变量会使 curl 直连 localhost 返回 502，用 curl --noproxy '*' 或浏览器即可。）
不复算、不改写引擎：extract-capability.ts 直接 import 其 packages/models 与 packages/compatibility，
对 231 台设备 × 83 模型 × 7 量化逐一调用原引擎 evaluateModelComplete()，聚合出每设备的：
可运行模型数 / 舒适运行数 / 综合 S–F 分总和 / 可运行最大模型 / 平均 tok/s（默认展示 Q4_K_M）。
结果在 data.json。
价格：prices.json，2026-08-06 美国市场近似成交价（USD），新品取 MSRP/市售中位、二手取行情中位，
来源含 NVIDIA/Apple 官方与二手市场检索（详见各条 note；标注 estimated 的为估算）。
口径：独显按 32GB 内存主机评估（允许 CPU offload）；Apple 为整机价；数据卡价格不含服务器整机与电费。
每美元能力（综合分/$1000）前列 —— 二手小卡靠“小模型全速 + 大模型 offload”取胜：
| 设备 | 价格 | 综合分 | 分/$1000 |
|---|---|---|---|
| Intel Arc A750 8GB（二手） | $120 | 3574 | 29.8k |
| Intel Arc A770 16GB（二手） | $185 | 4553 | 24.6k |
| RTX 3060 12GB（二手） | $185 | 3894 | 21.0k |
| Tesla P40 24GB（二手） | $275 | 5001 | 18.2k |
| Radeon VII 16GB（二手） | $260 | 4685 | 18.0k |
绝对能力前列：RTX PRO 6000（$9k, 96GB）≈ H100（$25k）≈ A100（$10k）——综合分 6.7k、71/83 模型可跑、最大 141B； H100 只在带宽（平均 791 tok/s vs 418）上拉开差距，为 2.8 倍价格换来的主要是速度而非覆盖面。
大模型覆盖的甜点（能跑 70B 级且便宜）：
- RTX A6000 48GB 二手 $1750：72B 舒适档，186 tok/s 均值——48GB 档最值。
- Apple M1 Ultra 64GB 二手 $1500 / M2 Ultra 64GB 二手 $2450：72B，安静省电整机。
- RTX 4090 二手 $1800、RX 7900 XTX 二手 $625：24GB 档速度王（均值 254 / 242 tok/s）。
- DGX Spark $3999：128GB 统一内存独一档，能装 235B MoE，但带宽仅 273GB/s，速度换容量。
结论：只跑 ≤14B 模型，二手 Arc A770 / RTX 3060（$185）即最实惠； 要 70B 级舒适体验，二手 RTX A6000（$1750）或 M1 Ultra Mac Studio（$1500）性价比最高； H100/PRO 6000 只有在需要吞吐或 96–141B 全内存时才谈得上“值”。
git clone https://github.com/mappedinfo/ShouldIBuy.git && cd ShouldIBuy
git clone https://github.com/midudev/canirun.ai.git canirun.ai # 仅重算能力数据时需要
cd canirun.ai && pnpm install && pnpm exec tsx ../extract-capability.ts # 重算 data.json
cd .. && python3 -m http.server 8123 # 打开 http://localhost:8123改 prices.json 价格或加设备后重跑即可；散点图支持量化档位、能力指标、对数轴、等性价比线与前沿切换。