スタンフォード大学の新しい研究によると、ローカルPCで実行される小規模言語モデル（SLMs）は、ほとんどのタスクで大規模言語モデル（LLMs）と同等またはそれを上回っている。この研究では、QWEN 3、GEMMA 3、GPT-OSS、GRANITE 4.0をNvidiaおよびApple M4チップ上で、クラウドベースのChatGPT 5、Claude Sonnet 4.5、Gemini 2.5 Proと比較しました。チャットタスクでは、最高のSLMはLLMのパフォーマンスに匹敵またはそれを上回りました（98.6%）。推論タスクでは、SLMsは62.5%のパリティを達成しました。総合的に、SLMsは81.2%の実際のシナリオで同等または優れたパフォーマンスを示しました。SLMsはエネルギーと計算コストも50-85%安くなります。SLMsの成功率は2023年の約50%から2025年10月まで簡単なタスクで99%に向上しましたが、複雑なレベル5推論（51.5%）では依然として遅れています。この研究は、米国のSLM市場を10兆ドルと推定し、ハイパースケーラーのデータセンター投資を脅威し、先進的なチップの需要を減少させる可能性があります。
主要なエンティティ：会社：スタンフォード大学、Nvidia、Apple、OpenAI、Anthropic、Dell | 人物：Saad-Falsonら | 場所：米国
出典: Hacker News · 要約：HeadlinesBriefing