เจาะประเด็น
AI / Open Weights
Qwen โชว์ของลับก่อน Qwen4 เปิดตัว: โมเดล 125B แต่ใช้ทรัพยากรแค่ 6B ก็โคตรฉลาด
Qwen3.8-Flash-Next คือทีเซอร์สถาปัตยกรรมใหม่ที่อาจเปลี่ยนโฉมวงการโมเดลเปิด — และมันรันบนเครื่องเล็กๆ ได้จริงจัง
ทีมข่าว เอไอไทย.com
⏱ อ่าน 3 นาที
คำถามคือ ถ้าโมเดลเปิดน้ำหนักขนาดนี้ฉลาดเทียบเท่าโมเดลปิดยักษ์ใหญ่ แล้วใครจะยังจ่ายเงินซื้อ API แพงๆ อยู่อีก?
คนที่ตามวงการ AI สาย open weights คงรู้จักชื่อ Qwen ดีอยู่แล้ว เพราะทีมนี้ปล่อยโมเดลเก่งๆ ออกมาเป็นว่าเล่น ไม่ว่าจะเป็นรุ่นเล็กที่รันบนแล็ปท็อปได้ หรือรุ่นใหญ่ที่สู้กับยักษ์ใหญ่ closed-source ได้สบายๆ แต่รอบนี้พวกเขาไม่ได้มาแบบเดิมๆ ครับ — Qwen3.8-Flash-Next ไม่ใช่แค่โมเดลใหม่ แต่คือ "ทีเซอร์" ของอะไรที่ใหญ่กว่านั้นมาก
พูดง่ายๆ คือ Qwen เปิดเผยว่าตัวโมเดลนี้เป็น "multimodal MoE model" ที่ทำหน้าที่เป็นตัวอย่างสถาปัตยกรรมที่จะใช้ใน Qwen4 ด้วย นี่คือการ์ดใบสำคัญที่พวกเขาแอบวางไว้บนโต๊ะก่อนไพ่จริงจะถูกหงาย — ใครที่กำลังวางแผนใช้โมเดล AI ในระยะยาว ต้องจับตาตรงนี้ให้ดี
ฟังเผินๆ ตัวเลขอาจไม่ตื่นเต้นเท่าไหร่ แต่ถ้าเข้าใจหลักการ MoE (Mixture of Experts) จะรู้ว่ามันคือการเอาผู้เชี่ยวชาญหลายคนมารวมทีมกัน แต่ในแต่ละครั้งที่ทำงาน จะเรียกใช้แค่บางคนที่ถนัดงานนั้นจริงๆ Qwen3.8-Flash-Next มีพารามิเตอร์รวม 125B แต่เปิดใช้งานจริงแค่ 6B ต่อหนึ่งคำตอบ — ผลลัพธ์คือได้ความฉลาดของโมเดลยักษ์ แต่ใช้ทรัพยากรคอมพิวเตอร์เทียบเท่าโมเดลเล็กๆ ซึ่งหมายความว่าเร็วขึ้น แรงขึ้น และที่สำคัญคือ "ถูกลง" ในการใช้งานจริง
Simon Willison นักพัฒนาและบล็อกเกอร์ชื่อดังลองเล่นเจ้าโมเดลนี้บน DGX Spark เครื่องเล็กๆ ของ Nvidia โดยใช้เวอร์ชันควอนไทซ์จากทีม Unsloth ซึ่งเป็นทีมที่เก่งเรื่องบีบอัดโมเดลให้เล็กลงจนรันบนเครื่องธรรมดาได้ ผลที่ได้คือภาพนกกระทุงสุดเพี้ยนที่ AI วาดให้ — และนั่นคือจุดที่ทำให้ผมรู้สึกว่ามันไม่ธรรมดาจริงๆ
จุดที่น่าสนใจที่สุดสำหรับผมไม่ใช่แค่ตัวเลขประสิทธิภาพ แต่คือ "จังหวะ" ที่ Qwen เลือกปล่อยโมเดลนี้ออกมา การประกาศว่าเป็น "early preview" ของสถาปัตยกรรม Qwen4 เท่ากับพวกเขากำลังบอกตลาดว่า "นี่คือทิศทางที่เราจะไป ใครที่ยังลังเลว่าจะเลือกค่ายไหน รออีกนิดแล้วตัดสินใจ" — เป็นกลยุทธ์สร้างกระแสที่แยบยลมาก เพราะคนที่ได้ลองตอนนี้จะกลายเป็นฐานแฟนคลับก่อนที่ตัวเต็มจะออก
อีกเรื่องที่ต้องพูดถึงคือการที่ Simon เลือกใช้ Unsloth quantized models ในการทดสอบ นั่นหมายความว่าระบบนิเวศรอบข้างของ Qwen โตเต็มที่แล้ว — มีเครื่องมือช่วยบีบอัด มี community ทดลองใช้จริง ไม่ใช่แค่ปล่อยโมเดลออกมาแล้วปล่อยให้คนเก่งๆ หาทางใช้กันเอง นี่คือสัญญาณว่า Qwen เอาจริงกับสาย open weights ไม่ใช่แค่ทำประชาสัมพันธ์
ที่สำคัญคือ ถ้า Qwen4 ใช้สถาปัตยกรรมแบบนี้จริง และทำได้ดีกว่าเวอร์ชันทีเซอร์นี้ — วงการโมเดลเปิดจะก้าวกระโดดไปอีกขั้น และคำถามเรื่อง "โมเดลเปิดสู้โมเดลปิดไม่ได้" จะกลายเป็นคำถามที่ตอบได้ยากขึ้นเรื่อยๆ สำหรับค่ายที่ขาย API ราคาแพง
ฟันธงเลยครับ: Qwen3.8-Flash-Next คือสัญญาณว่าโมเดล open weights กำลังจะกลืนกินตลาดระดับกลาง-ล่างทั้งหมด และ Qwen4 อาจเป็นตัวเปลี่ยนเกมครั้งใหญ่ที่สุดของวงการ AI นับตั้งแต่ ChatGPT โผล่มา — ถ้าคุณยังไม่ได้ลองโมเดลตระกูล Qwen วันนี้คือเวลาที่เหมาะสมที่สุดแล้ว
ที่มา: Simon Willison's Weblog — อ่านต้นฉบับ
ความคิดเห็น 4
กำลังโหลดความคิดเห็น...