9Bオープンモデルのファインチューンが最先端モデルを超えた
Judul asli: A $500 RL fine-tune of a 9B open model beat frontier models on catalog review
Mengapa Ini Penting
特化型オープンモデルが汎用フロンティアモデルを低コストで超えられることが実証され、企業のAI調達戦略に影響を与える。
Fermisenseが9Bオープンソースモデルに500ドルのRLファインチューンを実施し、カタログレビュー業務でGPT-4等フロンティアモデル全構成を上回り、コストは最安フロンティア比40分の1を達成。
Fermisenseのチームは、カタログ整合性レビューのワークフローにおいて、GRPOファインチューンを施した9Bパラメータのオープンソースモデルが、同一ツール・画像・スコアラーを使用した条件下で、テストしたすべてのフロンティアモデル構成を品質面で上回ったと報告した。コストは1,000件あたり0.50ドルで、最も安価なフロンティア構成の約40分の1、最も高価な構成の約340分の1に相当する。
同チームによれば、AI活用で成果を出している企業に共通するのは「タスクを置き換える」のではなく「プロセスそのものを再設計する」点だという。McKinseyの2025年調査では、ワークフロー再設計が生成AIのEBIT貢献と最も相関が高い要因とされたが、実施済みの組織はわずか21%にとどまる。
Rampのデータでは、AIへの支出が上位四分の一の企業群は2022年11月から2025年12月の間に収益が2倍超に増加した一方、AI支出ゼロの企業群は同期間に約15%の増収にとどまった。タスク特化型のファインチューンによって、汎用フロンティアモデルを大幅に低コストで超えられることが実証された形だ。