# 文法分析コストを16分の1にする、微調整済み0.8Bモデル

> 小型言語モデル「Qwen3.5 0.8B」が、GPT-5へのプロンプトより低コストかつ高精度で、英語学習者の文法習得度を追跡する。

Oossa · 2026-10-09 · https://oossa.com/ja/fine-tuned-0-8b-model-trims-grammar-annotation-costs-16-fold

ある語学学習プラットフォームが、講師と生徒の会話から文法項目を分類する小型AIモデルを導入した。教師が作成した例で微調整した、パラメーター数0.8 billionのQwen3.5を採用。現在は、サービスを利用するすべての英語学習者向けに、新たな文法習得度トラッカーを支えている。同社によると、GPT-5.4やGPT-5.6などの大規模な最先端モデルにプロンプトを与える場合と比べ、運用コストを16分の1に抑えられるという。

## モデルの開発とテスト

チームは教師が作成した教師データを選別・再調整したうえで、注釈付けのルールを反映するアダプター層（追加する小規模な重みのセット）を加えた。これにより、0.8Bモデルは長い指示文ではなく、簡潔で形式をそろえたプロンプトで動作できる。人手で作成した2つのベンチマークテストでは、実運用モデルと参照用の4Bモデルが、概念、根拠となる文章の範囲、正確性について照合基準を段階的に厳しくした場合でも、適合率と再現率の両方で、プロンプトを使ったGPT-5.4とGPT-5.6を上回った。

## 学習者と事業への影響

オンラインで実施したA/Bテストでは、新しいトラッカーによって学習者のエンゲージメントが15.8％向上した。プラットフォームの社内指標によると、予約されたレッスン時間は2.1％増え、新規レッスンの流通取引総額は13.2％伸びた。

## 事実

- 微調整済みモデルは、パラメーター数0.8BのQwen3.5 SLM。
- プロンプトを使ったGPT-5モデルと比べ、運用コストを約16分の1に削減。
- 2つのベンチマークで、0.8Bモデルは適合率と再現率においてGPT-5.4とGPT-5.6を上回った。
- 機能単位のオンライン実験で、学習者のエンゲージメントが15.8％向上。
- 予約されたレッスン時間は2.1％増加し、新規レッスンの売上は13.2％増加。

## なぜ重要か

英語学習者にとっては、AIの運用コストが下がることで、プラットフォームが値上げせずに継続的な自動文法フィードバックを提供できる。企業にとっては、計算コストの低下とエンゲージメントの向上が、レッスン予約と売上の増加につながる。

## 出典と参考資料

1. [Grammar Concept Annotation at Scale: Deployed Fine-Tuned Small Language Models Outperform Prompted Frontier Models](https://arxiv.org/abs/2610.10827) – arXiv, 2026-10-09

最終更新: 2026-10-09