Airbnb 工程团队发布内容分类基准，对比了不同模型的准确率、延迟和服务成本。团队用数十万条领域样本微调 Gemma4-E2B，在该测试中把 F1 从 0.563 提升到 0.902，中位延迟约 35 毫秒。 Airbnb 还指出，自托管成本的优势取决于请求量和 GPU 利用率。团队在这项特定分类任务中获得的结果，不能直接外推到其他类型的内容审核或通用推理。 来源：Airbnb。 配图：Airbnb。
