本地模型在第一个任务上达到“足够好用”时，你不再用托管模型了吗？

我经常看到人们用基准测试、参数量、量化和每秒token数来讨论本地模型，但我更关心的是它们变得实用有用的那个节点。对于经常使用本地模型的人来说：你第一次在哪个真实任务中觉得“对，这个任务我不再需要托管模型了”呢？是编码？文档摘要？对个人文件做RAG？写作？智能体/工具使用？还是其他完全不同的任务？而另一方面，哪些任务仍然让你求助于最强大的托管模型？我觉得“令人印象深刻的基准”和“我确实能在工作流中信任它”之间的差距，可能比另一次排行榜对比更有意思。