60%
“~60% reduction in inference costs”
Tel que publié sur baseten.co, mai 2026. Capturé par usedby le 5 oct. 2026.
Ce qui s’est passé
EliseAI fine-tunes small open-source models on Baseten Training and serves them on Baseten's inference platform to extract structured data from housing and healthcare conversations, including a live voice agent for leasing. Baseten's research team also helped with post-training techniques.
Résumé rédigé par usedby à partir de la page source, en anglais. Les chiffres sont ceux de Baseten et de EliseAI, pas les nôtres.
- 250ms“250ms p90 latency, down from 2.2 seconds on closed-source APIs”
- 99%“99% accuracy on one of the most important features in the leasing platform”
- 25x“Frontier-matching accuracy on a 4B parameter model, matching or exceeding models 25x its size on production benchmarks”
When their closed-source APIs hit a ceiling on cost, speed, and controllability, EliseAI set out to build their own custom models. They partnered with the Baseten research team to get there.
You can't treat fine-tuning as a one-and-done check item. This space moves so fast that you have to continuously keep up.
Ce que dit le témoignage, et ce que nous avons vérifié
Nous avons comparé le témoignage à sa page en ligne le 5 oct. 2026.
- Le chiffre : 60%VérifiéImprimé mot pour mot sur la page, près du nom de EliseAI.
- L’extrait cité plus hautVérifiéCopié mot pour mot depuis la page, près du nom de EliseAI.
- La date de publicationVérifiéLue dans les métadonnées de la page, jamais devinée.
- EliseAI utilise BasetenVérifiéLigne de niveau Confirmé. Dernière vérification, toutes sources confondues : 5 oct. 2026.
- Le résultat lui-mêmeNon vérifiéNous le citons ; nous ne l’avons pas mesuré.




