Airbnb称2B模型策略分类媲美前沿API
热点事件观察中
Airbnb称2B模型策略分类媲美前沿API
2 篇报道2 个报道来源首报2 天前更新
先了解这件事
AI 综述
据 Hugging Face 转述,Airbnb Engineering 用单张 NVIDIA RTX Pro 6000 部署 Gemma 4 E2B 进行策略分类,基准测试最高 F1 从 0.563 升至 0.902,与顶级前沿 API 相当;高用量下成本约为前沿 API 的 1%。其延迟中位数为 35 毫秒、p99 为 85 毫秒,前沿模型约为 900 毫秒。 Ahmad 此前将该案例概括为 Airbnb 用 2B 模型以 1% 成本达到“前沿智能水平”;后续披露的质量、成本和速度数据具体针对策略分类任务。
AI 根据报道生成 · 1 天前更新
最新进展11月20日 01:02
Airbnb Engineering 基准测试 Gemma 4 E2B 的单卡策略分类性能事件进展
2 个进展
- 11月20日 01:02 · 1 篇报道AirbnbEng评测Gemma 4 E2BHugging Face:Airbnb Engineering 基准测试 Gemma 4 E2B 的单卡策略分类性能
- 11月19日 05:16 · 1 篇报道Ahmad:AirBnB 用 2B 模型以 1% 成本达到前沿智能水平swyx:Ahmad:AirBnB 用 2B 模型以 1% 成本达到前沿智能水平
报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- Hugging FaceAirbnb Engineering 基准测试 Gemma 4 E2B 的单卡策略分类性能
Airbnb Engineering 在新基准中用单张 NVIDIA RTX Pro 6000 GPU 部署 Gemma 4 E2B 进行策略分类,最高 F1 从 0.563 升至 0.902。
11月19日
- swyxAhmad:AirBnB 用 2B 模型以 1% 成本达到前沿智能水平
Ahmad 称,AirBnB 使用 2B 模型,以 1% 的成本获得了前沿智能水平的质量;这一案例出自上周 AIE Code 的「What Runs Where」演讲。转发内容还提到 Ahmad 当天分享了 Local AI,但未披露模型名称或评测数据。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1511月20日 02:00
- 近 24 小时变化
- -69%
05101520
12:0011月20日12:0011月21日12:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。