Ein Entwickler hat sein Coding-Workflow systematisch gemessen und dabei alle Aufgaben über 10 Tage hinweg klassifiziert – was lokal mit Qwen 27B auf einer 3090-GPU funktioniert und wann Cloud-APIs notwendig sind. Seine Kategorien: Code-Erklärungen und Datei-Lese-Aufgaben (35% der Workload, 97% lokale Genauigkeit), Test-Writing und Boilerplate (30%, 88% Genauigkeit), Debugging mit Datei-Kontext (20%, nur 61%) und Architektur-Entscheidungen (15%, 29% Genauigkeit). Durch gezieltes Routing – lokal für die ersten beiden Kategorien, Cloud nur für komplexe Refactors – reduzierte er seine monatliche Cloud-Ausgabe von $85 auf etwa $22. Die Beobachtung verbindet sich mit Diskussionen über DeepSeek V4, das Cloud-Modelle wie GPT-5.2 bei 17fach niedrigerem Preis erreichen soll. Damit hinterfragt der Post die gängige Praxis, alle LLM-Tasks an Cloud-Provider zu outsourcen – für Entwickler mit lokaler Hardware-Kapazität eine wirtschaftlich relevante Erkenntnis.