Airbnb 实测:微调 2B 小模型分类质量追平前沿 API,成本仅 1%

Ahmad_Al_Dahle · x · 2026-11-05

Airbnb 工程团队分享了在生产分类任务上微调 2B 开源模型 vs 前沿 API 的基准结果:Fine-Tuned-E2B 达到 F1 0.902、中位延迟 36ms、成本约为前沿模型的百分之一,质量与 GPT/Claude 前沿 API 持平。文中讨论了何时自训何时买:交互式产品和高吞吐场景除准确率外还需低延迟、可控的 FP/FN 权衡(可从 logprobs 提取打分阈值);小模型开箱即用会漏掉细粒度区分,而更好的 prompt 有天花板。他们用内部框架 GLOWC 微调开源语言/视觉语言模型来实现这种快速、准确的分类器,并给出了适用与不适用的判断框架。