ChatGPT、Claude Pro 和 Google AI Pro 的月费均在 20 美元左右，同时订阅多项服务已成科技从业者常态。每当意图取消某项订阅时，厂商便发布新功能以强化用户留存。这种高频更新究竟是为了展示技术创新，还是利用错失恐惧症（FOMO）维持订阅率，虽属个人推测，但值得审视。
在意识到自己仍陷入“三订阅”困境后，鉴于本地大语言模型（LLM）在消费级硬件上的进展，作者发起了一项自我审计：这些付费订阅是否提供了本地 LLM 无法替代的价值？测试结果显示，至少有一项订阅显得多余。
订阅价值审计：谁在真正干活？
借助平台跨会话记忆功能，作者让各 AI 助手梳理使用历史，得出清晰画像：
Claude 承担了绝大多数繁重任务，包括研究、设计及代码构建。在 Pro 版订阅中，Claude Code、Cowork 和 Claude Design 共享用量池，前者管理 Obsidian 笔记库，后者处理电脑管理工作。Opus 5.5 模型因适用性广，成为作者首选。
Gemini 的核心价值在于学习与研究，其深度研究功能备受青睐。Canvas 功能可灵活转化为文档、交互式原型或代码编辑器，常被低估。此外，订阅 Google AI Pro 的另一动因是 NotebookLM（现称 Gemini Notebook）：Pro 用户享有 500 个笔记本配额（每个支持 300 个来源），AI 额度提升四倍，并附带更大上下文窗口及 Antigravity 等 Google Labs 工具权益。
相比之下，ChatGPT 的定位最为模糊。除尝试最新旗舰模型外，它缺乏特定的不可替代场景。随着本地 LLM 接管私人文档和工作流，ChatGPT 逐渐沦为“局外人”。
Cherry Studio：云端与本地的正面交锋
在 Cherry Studio 这一本地 AI 工作区中，作者将云端模型（通过 API 连接）与本地模型（经 LM Studio 运行）置于同一界面并列测试。多选功能可将同一提示词发送给所有模型，直观对比回复质量。
结果显示，针对日常问题，本地模型与 GPT 的回答大同小异。作者开始优先使用免费本地模型，仅在复杂任务时调用 Claude 或 GPT。由于 GPT 使用频率降低且多通过 API 调用，继续支付每月 20 美元的 ChatGPT 订阅费显得性价比极低——这意味着作者在付订阅费的同时，还在为少量消息单独付费。
目前，ChatGPT 的大部分职能已由作者的 RTX 3070 显卡接管：通用聊天由基于 Qwen 3.5 9B 微调的 Qwythos 9B v2 处理（4-bit 量化，约 5.7GB，完全加载进显存）；较重分析任务交由 Qwen 3.5 9B (Q4_K_M)；快速检索则通过 Gemma 4 E4B 结合 Brave Search MCP 插件完成。
局限与取舍：硬件上限与特定功能
本地部署受限于硬件配置。作者拥有的 8GB 显存是硬性瓶颈，模型文件需与上下文共享内存，因此仅能流畅运行约 30K token 上下文的 4-bit 9B 模型。更大规模模型（如 Gemma 4 12B 或 Qwen 3.6 27B）运行吃力，甚至不可行。
对于偶尔的高阶需求，作者转而通过 API 调用 GPT 模型。GPT-6.1 Sol 的定价为每百万输入 token 2 美元、输出 token 10 美元，远低于月度订阅成本。然而，ChatGPT 桌面端的 Codex 工作区仍具独特优势：其侧边栏实时显示代码更改，内置浏览器支持对渲染页面进行标注修复。尽管 Eigent 等本地 AI 代理应用试图模仿，但尚无法完全复刻这一体验。
为三项 AI 服务付费，宛如雇佣三名待命员工处理重叠工作。建议面临类似困境的用户进行自我审计：手动整理历史记录虽耗时，但能清晰揭示各应用的真实利用率。对作者而言，ChatGPT 因职能可被本地工具替代，最终被移出订阅列表。