Studi baru Universitas Stanford menunjukkan bahwa model bahasa kecil (SLMs) yang berjalan di PC lokal cocok atau bahkan melampaui model bahasa besar (LLMs) dalam kebanyakan tugas. Penelitian membandingkan QWEN 3, GEMMA 3, GPT-OSS, dan GRANITE 4.0 pada chip Nvidia dan Apple M4 dengan ChatGPT 5, Claude Sonnet 4.5, dan Gemini 2.5 Pro berbasis cloud. Dalam tugas obrolan, SLM terbaik cocok atau melampaui kinerja LLM dalam 98,6% kasus.
Untuk tugas penalaran, SLMs mencapai 62,5% parity. Secara keseluruhan, SLMs berkinerja sama baik atau lebih baik dalam 81,2% skenario dunia nyata. SLMs juga menghemat 50-85% biaya energi dan komputasi.
Tingkat keberhasilan SLMs meningkat dari ~50% pada 2023 hingga 99% pada tugas mudah pada Oktober 2025, meskipun masih tertinggal dalam penalaran kompleks tingkat 5 (51,5%). Studi memperkirakan pasar SLMs AS sebesar 10 triliun dolar, mengancam investasi pusat data hyperscalers dan berpotensi mengurangi permintaan untuk chip canggih.
Sumber: Hacker News · Diringkas oleh HeadlinesBriefing