Миниатюрная модель Qwen3.5-9B превосходит флагманские ИИ в специфических задачах

Недавно открытая модель Qwen3.5-9B от Alibaba, относящаяся к младшей линейке Qwen3.5 (с 9 миллиардами параметров), продемонстрировала выдающиеся результаты. После дообучения стоимостью всего 500 долларов, она превзошла ведущие модели на рынке, такие как новейшие версии GPT и Claude (которые, для сравнения, оперируют сотнями миллиардов и триллионами параметров), в задаче проверки товарных карточек для маркетплейсов.Данный сценарий проверки карточек имитирует работу отделов контент-модерации в сфере электронной коммерции. Задача включает в себя: определение категории товара из примерно 13 тысяч возможных на основе фотографии, названия и описания; верификацию заявленного бренда (проверка на регистрацию и контрафакт); заполнение атрибутов в соответствии со схемой категории; и принятие решения о публикации или передаче на рассмотрение живому модератору. Стоимость обработки тысячи карточек дообученной моделью Qwen составляет всего 50 центов, в то время как у наиболее мощных фронтирных моделей эта же задача обходится в 34 доллара.Подобные тенденции подтверждаются и другими примерами. В конце июня хедж-фонд Bridgewater совместно с лабораторией Thinking Machines сообщили, что их дообученная открытая модель снижает количество ошибок при фильтрации финансовой информации примерно на 30% по сравнению с GPT-5.5, при этом стоимость задачи на токенах ниже в 13,8 раза.Эти случаи подчеркивают усиливающийся тренд на тонкую настройку легких, бесплатных моделей для решения узкоспециализированных задач. Важно отметить, что в кейсе с карточками маркетплейсов 500 долларов составляет лишь стоимость обучения самой модели. Однако для этого обучения необходим симулятор маркетплейса и сотни тысяч симуляций проверок с искусственно внедренными нарушениями. Иными словами, требуется очень специфичный, размеченный вручную датасет, стоимость которого вендор, естественно, не раскрывает.Это также указывает на еще один важный тренд в мире ИИ: оцифровка данных и симуляция процессов с проверяемым результатом для частых и поддающихся проверке задач. Для 80% бизнес-задач фронтирные модели не являются оптимальным решением; вместо них требуются качественно размеченные датасеты, как это демонстрирует кейс Midjourney. Достичь таких результатов с помощью простых промптов, даже с самыми продвинутыми и дорогостоящими LLM, невозможно.