Fermisense
Una società di consulenza che ha pubblicato un risultato del 2026 ampiamente letto che mostra un modello aperto da 9 miliardi di parametri perfezionato che batte i modelli di frontiera su un compito aziendale ristretto.
Fermisense ha addestrato un piccolo modello aperto sulla revisione del catalogo e-commerce utilizzando l’apprendimento per rinforzo e ha riportato un’accuratezza dell’87,3% contro il 76,9 della migliore configurazione di frontiera testata. L’articolo ha avuto successo su Hacker News perché sosteneva qualcosa che la gente voleva sentire: non sempre è necessario il modello più grande.
L’avvertenza è nella parola stretto. Il risultato si basa su un compito ben definito e ripetitivo con molti esempi da cui imparare, che è esattamente la situazione in cui vince un piccolo modello specializzato. Non è una prova che i modelli piccoli battano i modelli di frontiera in generale.