Pinterest reduz custos de IA em 90% com otimização de modelo
A empresa customizou o modelo Qwen3-VL, substituindo sua camada de visão por embeddings proprietários para melhorar recomendações visuais.
Pontos principais
- A reestruturação da camada de visão do modelo Qwen3-VL gerou uma economia de 90% nos custos operacionais de infraestrutura.
- A precisão das recomendações para os 620 milhões de usuários ativos da plataforma aumentou em 30%.
- A equipe de engenharia desenvolveu um 'gráfico de gosto' para mapear preferências dinâmicas além dos cliques tradicionais.
- O uso de modelos de código aberto permitiu ajustes técnicos profundos que seriam inviáveis em sistemas proprietários fechados.
O Pinterest alcançou uma redução drástica de 90% nos custos de sua infraestrutura de inteligência artificial ao customizar o modelo de código aberto Qwen3-VL. Sob a liderança do CTO Matt Madrigal, a empresa substituiu a camada de visão original do modelo por embeddings proprietários, otimizando o processamento para atender à sua base de 620 milhões de usuários ativos. Além da eficiência financeira, a estratégia resultou em um ganho de 30% na precisão das recomendações visuais da plataforma. Ao implementar um 'gráfico de gosto' capaz de mapear preferências complexas, o Pinterest busca converter a fase de descoberta de inspiração em intenção de compra. A iniciativa demonstra a vantagem competitiva de utilizar modelos open source para realizar ajustes finos que modelos proprietários fechados não permitiriam, fortalecendo a capacidade da empresa em aprendizado representacional em larga escala.
Comentários
Carregando comentários...