Когда использовать small specialized model (Phi-4, Gemma, Llama-3.2 small) vs frontier general (Claude 3.7 Sonnet, GPT-4o, o3): decision framework?

Small specialized (Phi-4 14B, Gemma 9B, Llama-3.2 3B, Qwen2.5 7B) после fine-tune на твой eval set догоняет или превосходит frontier general на твоей узкой задаче при cost reduction 10–50× и latency 10×. Frontier general (Claude 3.7 Sonnet, GPT-5, o3) выигрывает на open-ended reasoning, long context (200K+), multimodal, агентских workflows, few-shot generalization. Decision framework: есть ли eval set → можешь ли fine-tune small повторить frontier baseline → если да, small+fine-tune; если нет, frontier. Hybrid router (small для bulk, frontier для hard cases) — production standard.