Stanford Alpacaは、スタンフォード大学が2023年にSelf-Instruct手法を用いてGPT-3.5（text-davinci-003）から52,000件の指示データを生成し、Meta LLaMA 7Bモデルをファインチューニングしたオープンソースプロジェクトである。
Stanford Alpacaは、2023年3月にスタンフォード大学のRohan Taori氏らが発表したInstruction Tuningプロジェクトである。GPT-3.5（text-davinci-003）でSelf-Instruct手法により52,000件の指示データを生成し、Meta LLaMA 7BをファインチューニングしてChatGPTに迫る性能を実現した。総コストは$600以下で、オープンなLLM開発の民主化を加速させた象徴的プロジェクトである。
Alpacaの最大の衝撃は「$600と3時間のGPU時間でChatGPTに近い性能のモデルが作れる」という事実の実証にあった。当時、OpenAIのGPT-3.5/4は数百万ドル規模の学習コストが推定されていた中、Alpacaはデータ生成に$500、学習にA100 8台×3時間（推定$100相当）で動作するモデルを完成させた。
2023年3月13日の公開直後、GitHubで24時間以内にStar数が10,000を突破し、1週間で25,000 Starを記録。後続の「LLaMAベース + Instruction Tuning」プロジェクトラッシュ（Vicuna、WizardLM、Koala、GPT4ALL等）の火付け役となった。
Alpacaのデータ生成はSelf-Instruct手法をベースに、以下の改良を加えている：
| 項目 | Self-Instruct | Alpaca |
|---|---|---|
| 教師モデル | GPT-3 davinci | text-davinci-003 |
| データ数 | 52,000件 | 52,000件 |
| 生成コスト | 約$600 | 約$500 |
| シード数 | 175件 | 175件（同一） |
| 出力品質 |
| 中程度 |
| 高品質（003の指示追従力） |
人手によるブラインド評価（Alpaca vs text-davinci-003）：
主な限界：
Alpacaの成功は巨大なエコシステムを形成：
Alpaca自体は2023年の歴史的プロジェクトであり、2026年現在では直接的な利用は推奨されない。しかし、以下の点で技術史上の重要な転換点として記録される：
Q1: Alpacaのデータでファインチューニングしたモデルは商用利用できますか？ A: Alpacaの学習データはOpenAIのGPT-3.5出力を含むため、OpenAIの利用規約により商用利用は制限される可能性があります。商用利用には、Dolly 2.0（人手データ、CC BY-SA 3.0）やOpenAssistant（CC BY 4.0）など、ライセンスが明確なデータセットを使用してください。
Q2: Alpacaと現在のオープンモデル（Llama 3.1、Qwen 3等）との違いは？ A: 2026年の主要オープンモデルは、数千億トークンの事前学習 + 数百万件のInstruction Tuning + DPO/RLHFによるアライメントを経ており、Alpacaの52K SFTのみとは次元が異なります。Alpacaの意義は「小規模データでも驚くほどの性能が出る」という発見にあります。
Q3: Alpacaのデータを2026年の最新モデルに適用する意味はありますか？ A: 52KのAlpacaデータ単体を最新8B以上のモデルに適用する価値は低いです。ただし、ドメイン固有データ（医療、法律、金融）とAlpacaデータを混合して汎化性能を維持しつつ専門性を付与する手法は依然として有効です。