9Bオープンモデルを$500でファインチューニングしフロンティアモデルを超えた
मूल शीर्षक: A $500 RL fine-tune of a 9B open model beat frontier models on catalog review
यह क्यों महत्वपूर्ण है
低コストのタスク特化型オープンモデルがフロンティアモデルを超えた事例は、企業のAIコスト戦略と導入判断に直接影響を与える。
FermiSenseの研究チームは、9BパラメータのオープンソースモデルをGRPO手法で約500ドルかけてファインチューニングし、カタログレビュー業務において全てのフロンティアモデル設定を上回る精度を達成した。コストは最安のフロンティア設定の40分の1、最高額設定の約340分の1にあたる1,000件あたり0.50ドルであった。
FermiSenseが2026年7月27日に公開したレポートによると、同チームはカタログ整合性レビューのワークフローにおいて、同一のツール・画像・スコアラーを使用した比較実験を実施した。GRPO（Group Relative Policy Optimization）手法によりファインチューニングされた9Bパラメータのオープンソースモデルは、テストした全てのフロンティアモデル構成を精度面で上回り、コストは1,000件あたり0.50ドルという結果となった。最も安価なフロンティア設定と比較しても40倍、最も高価な設定と比べると約340倍のコスト削減を実現している。
レポートはAI導入の成果にも言及しており、企業経費管理プラットフォームRampのデータを引用。2022年11月から2025年12月の間に、AI投資上位四分位の企業は売上が2倍以上に増加した一方、AI支出ゼロの企業の売上増加は約15%にとどまったと報告している。
また、AI活用で成果を上げた企業に共通する要因として、①ワークフロー全体の再設計、②実験の奨励文化、③業務固有のコンテキスト提供、④利用状況と効果の計測、⑤継続的な改善サイクルの5点を挙げている。McKinseyの2025年調査では、ワークフロー再設計がEBITへの影響と最も相関していたものの、実施した組織は21%にとどまるとされている。