Keegan Wang en collega’s lieten zien hoe je een goedkope planningsassistent voor thuiszorgorganisaties bouwt. Eerst verzamelden ze realtime ja/nee-beslissingen over veiligheid van het grote GPT‑5.4‑nano-model. Daarna finetuneden ze een klein Qwen3-model met 8 miljard parameters op 11,6 k van die beslissingen. Het kleine model geeft het 91,3% van de tijd eens met het grotere model, werkt ongeveer 2,5 keer sneller en kost maar een fractie van het origineel.
Waarom het ertoe doet
Thuiszorgorganisaties kunnen een goedkoop, sneller model inzetten zonder in te leveren op de kwaliteit van beslissingen.
