90億參數本地模型，真能平替Claude Pro？

你每月20美元訂閱的AI服務，到底買到了什么？一位用戶用本地90億參數模型替換Claude Pro整整一周，結果發現：自己以為離不開的功能，有些只是習慣；真正關鍵的瓶頸，反而藏在意想不到的地方。

一場"控制變量"的實驗

作者原本對答案很有信心。文檔上傳、圖像分析、長時間研究會話、Projects功能保持跨對話上下文、上個月推出的交互式可視化——這些每天都在用，看起來缺一不可。

但實驗推翻了這個判斷。當真正把工作流完整遷移到另一套工具時，"以為很重要"和"真的很重要"出現了明顯錯位。有些功能只是使用慣性，有些則被本地模型覆蓋得更好。

作者運行的Qwen 3.5 9B（通義千問35億參數版本）已經不是邊角料測試，而是日常主力工具。這次對照實驗的核心規則很簡單：相同工作流，只換模型，觀察哪些環節斷裂、哪些無縫銜接。

重疊部分的意外發現

大部分使用場景的替代效果比預期更接近。文檔處理、常規問答、代碼輔助等基礎能力，90億參數的本地模型與云端大模型差距有限。這種"夠用感"本身就很值得玩味——它暗示著很多付費訂閱的價值可能不在于絕對能力，而在于便利性閾值。

但實驗也暴露出一個完全不對等的環節。作者沒有具體說明是哪項功能，但強調這是唯一一處"徹底不行"的斷裂點。這種單點失效的特性，恰恰是評估工具替換可行性的關鍵：工作流遷移的阻力往往不在平均水平，而在最短的那塊板。

訂閱費的真正構成

這個實驗設計的巧妙之處在于"逆向工程"思路。不是對比功能列表，而是通過減法測試來識別真實依賴。作者最初升級Claude Pro的動機很典型：免費版5小時重置限制太煩人，付費后問題解決，后續就很少再審視這筆開支的性價比。

這種"付費即遺忘"的消費心理在訂閱制產品中極為普遍。用戶為消除摩擦而付費，付費后摩擦消失，久而久之就把"無摩擦狀態"當成默認基線，忘記了它的成本結構。

本地部署的興起正在打破這個慣性。當90億參數模型能在消費級硬件上運行，且響應速度和質量達到"可日常用"的門檻時，用戶突然有了重新談判的籌碼。不是所有人都會真的遷移，但"可遷移性"本身就會改變對訂閱價值的感知。

給技術選型的實用建議

如果你也在權衡本地模型與云端訂閱，這個實驗提供了可復制的驗證方法：選定一周，完整切換，記錄摩擦點。不要依賴功能清單對比，真實工作流的拓撲結構往往比產品文檔更復雜。

特別關注那些"以為離不開"的功能——它們最可能是付費慣性而非真實剛需。同時警惕單一斷裂點，它可能決定了整套方案的可行性邊界。最終決策不必非此即彼，混合架構（本地處理常規任務、云端處理特定瓶頸）可能是更務實的中間路線。