Pinterest、フロンティアモデルのビジョン層を削減しAIコストを90%削減
Pinterest cut AI costs 90% by gutting a frontier model's vision layer
Pinterestは、月間アクティブユーザー6億2000万人を抱える中で、画像推薦にフロンティアモデルを毎回使用することによるコスト問題を解決するため、CTOのマッドリガル氏の指揮のもと、Qwen3-VLモデルのビジョン層を削減し、独自の埋め込み(embeddings)で再構築した。これにより、AIコストを90%削減し、精度を30%向上させた。同社は、オープンソースモデルを基盤として社内でカスタマイズすることに注力しており、独自のデータを用いてファインチューニングすることで、モデルサイズよりもデータの質が重要であるとマッドリガル氏は述べている。Pinterestは以前から、BERTやCLIPといったオープンソースモデルをビジュアル検索やディスカバリーに活用しており、独自の埋め込みと画像メタデータを組み込んだPin CLIPをファインチューニングしてきた。会話型ショッピングアシスタント「Navigator 1」もQwen3-VLをベースにカスタマイズされている。このカスタマイズにより、ピンや画像のメタデータを捉え、オフラインで事前計算し、パーソナライズされた体験を提供することが可能になった。また、独自の埋め込みを使用することで、メタデータ、ピン、画像に関するコンテキストを把握でき、実行時および推論時のパフォーマンスが向上する。さらに、ユーザーの進化する好みを動的に表現する「テイストグラフ」を構築し、インスピレーションから購入までの導線を強化している。
- PinterestがQwen3-VLのビジョン層を削減し独自の埋め込みで再構築したAIモデルを導入、AIコスト90%削減と精度30%向上を達成
- Pinterestが会話型ショッピングアシスタント「Navigator 1」をQwen3-VLベースでカスタマイズして公開
Pinterestがオープンソースのフロンティアモデルを社内でカスタマイズし、ビジョン層を削る設計判断によって推論コストを90%削減しながら精度を30%向上させた点は、AI投資対効果のベンチマークとして注目に値する。独自の埋め込みとテイストグラフを組み合わせるアーキテクチャは、パーソナライズ型AIのリファレンス事例となり得る。モデルサイズよりもデータの質を重視する同社の戦略は、他社のLLM/マルチモーダル導入戦略の見直しを促す可能性があり、AI/MLスタートアップの評価軸(単なるモデル性能偏重からの脱却)にも影響を与える。