9BオープンモデルのRLファインチューンが500ドルでフロンティアモデルを超えた
原題: A $500 RL fine-tune of a 9B open model beat frontier models on catalog review
なぜ重要か
タスク特化型ファインチューニングが低コストでフロンティアモデルを超えた事例は、企業AI導入においてオープンモデル活用の経済合理性を示す重要な先行事例となる。
FermiSenseが公開した事例によると、9BパラメータのオープンソースモデルにGRPOファインチューニングを約500ドルで実施したところ、カタログレビューのワークフローにおいて主要なフロンティアモデルの全構成を上回る精度を達成した。コストは最安のフロンティア構成比で40分の1、最高額比では約340分の1の1,000件あたり0.50ドルとなった。
FermiSenseは2026年7月27日、カタログ整合性チェック（catalog integrity）のワークフローにおいて、9BパラメータのオープンソースモデルをGRPO（Group Relative Policy Optimization）でファインチューニングした結果を公開した。同一のツール・画像・スコアラーを用いた比較実験で、このファインチューン済みモデルはテストしたすべてのフロンティアモデル構成を上回ったとしている。
コスト面では、1,000件のリスティングあたり0.50ドルと、最も安価なフロンティア構成の40分の1、最も高価な構成と比較すると約340分の1に抑えられた。
記事はAI活用の成否を分ける要因についても詳述している。Rampの法人向け経費管理データによると、AIへの支出が上位四分位の企業は2022年11月から2025年12月にかけて売上が2倍以上に増加した一方、AI支出がゼロの企業の増収率は約15%にとどまった。
McKinseyの2025年調査では、生成AIを活用する組織の中でEBIT（利息・税引前利益）への影響と最も相関があったのは「ワークフローの再設計」であったが、実際に既存のワークフローを再設計した組織はわずか21%だったと報告されている。
FermiSenseは成功要因として、①タスク単位ではなくプロセス全体の再設計、②実験を奨励するインセンティブ設計、③ビジネス固有のコンテキストのモデルへの提供、④利用状況と効果の計測、の4点を挙げている。また、タスク特化型のオープンソースモデルのファインチューニングが、汎用フロンティアモデルに対して精度・コストの両面で優位性を持ち得ることを示す事例として本実験を位置づけている。