2026年5月12日 02:08
Baidu Ernie 5.1、学習コスト94%削減を実現
Baidu's Ernie 5.1 cuts 94 percent of pre-training costs while competing with top models
3行まとめ
- •Ernie 5.1が学習コスト94%削減を達成
- •パラメータ数を前世代の3分の1に圧縮
- •Search Arenaで世界4位の性能を記録
詳細
技術概要
Baiduが発表したErnie 5.1は、前世代モデルの約3分の1のパラメータ数で構築され、事前学習コストを同等性能のモデルと比較して約94%削減した。この大幅なコスト削減は「Once-For-All」と呼ばれる手法によるもので、1回の大規模な学習から異なるサイズの小型サブモデルを複数抽出する仕組みを採用している。従来は各サイズのモデルを個別に学習させる必要があったが、この手法により1回の学習で済むため計算資源を大幅に節約できる。
性能評価
Search Arenaリーダーボードでは、Ernie 5.1は世界4位にランクインした。上位にはClaude Opusの2つのバリアントとGPT-5.5 Searchが位置しており、学習コストを大幅に削減しながらもトップクラスのモデルと競合する検索性能を維持していることが確認された。パラメータ数の削減は推論コストの低下にも直結するため、運用面でも効率化が見込まれる。
業界への意義
AIモデルの事前学習には膨大な計算資源とコストが必要とされてきたが、Ernie 5.1の成果は効率的な学習手法によって開発コストを劇的に削減できることを実証した。パラメータ数の増大に頼らず性能を維持するアプローチとして、AI開発のコスト構造を見直す契機となる技術的成果である。
なぜ重要か
学習コスト94%削減はAI開発のコスト構造に影響する技術的成果であり、パラメータ数に頼らない効率的な学習手法の実用性を実証した。
元記事を読む — The Decoder