# GPT-5.4-nanoで学習、在宅介護向けの低コストなシフト調整モデル

> 最先端モデルの実際の判断を小型のQwen3-8Bに学習させ、精度を保ちながら処理時間を2.5分の1に短縮し、コストも削減した。

Oossa · 2026-10-14 · https://oossa.com/ja/researchers-use-gpt-5-4-nano-to-train-cheaper-home-care-scheduling-model

Keegan Wang氏らは、在宅介護事業者向けの低コストなシフト調整アシスタントの構築方法を示した。まず、大規模モデルのGPT-5.4-nanoから、安全性に関するリアルタイムの「はい／いいえ」判断を収集。次に、その判断データ11.6 k件を使って、パラメーター数80億の小型モデルQwen3をファインチューニングした。小型モデルは教師モデルと91.3%の割合で一致し、処理速度は約2.5倍、コストは元のモデルより大幅に低い。

## 事実

- 論文は2026年10月14日公開
- Qwen3-8Bは11.6 k件の判断データでファインチューニングされ、GPT-5.4-nanoとの一致率は0.913

## なぜ重要か

在宅介護事業者は、判断の質を損なわずに、低コストで高速なモデルを導入できる。

## 出典と参考資料

1. [Iterate on an LLM, Serve on an SLM](https://arxiv.org/abs/2610.14576) – arXiv, 2026-10-14

最終更新: 2026-10-14