โมเดล AI โอเพนซอร์สขนาด 8.79 พันล้านพารามิเตอร์ ที่พัฒนาต่อยอดจาก ibm-granite/granite-4.2-8b เน้นงานเฉพาะทางด้านการคิดวิเคราะห์
TwIL-8B คือโมเดล AI ประเภท Reasoning ขนาด 8.8B (8.79 พันล้านพารามิเตอร์) พัฒนาต่อยอดจาก ibm-granite/granite-4.2-8b ผ่านการฝึกฝนแบบ supervised fine-tuning และ reinforcement learning แบบ GRPO/DAPO ออกแบบมาเพื่อแก้โจทย์ปัญหาด้านคณิตศาสตร์ โค้ด และการทำตามคำสั่งโดยเฉพาะ มีให้เลือก 2 รูปแบบตามการใช้งาน ได้แก่ แบบ balanced (ค่าเริ่มต้น) และแบบ verbose ที่คิดวิเคราะห์ละเอียดขึ้น
โมเดลนี้ทำงานโดยอาศัยสถาปัตยกรรม Granite decoder-only dense transformer มี 40 เลเยอร์ และรองรับหน้าต่างบริบท (Context window) สูงสุด 131,072โทเค็น จุดเด่นคือการสร้างบล็อกการคิดวิเคราะห์ก่อนแสดงคำตอบ ตัวโมเดลมีขนาดบีบอัดแบบ GGUF Q4_K_M เพียง 4.98 GiB สำหรับรุ่น balanced ทำให้สามารถรันบนซีพียูหรือจีพียูที่มีแรมไม่มากนักได้
ในด้านความสนใจจากชุมชนนักพัฒนา บนแพลตฟอร์ม Hugging Face โมเดลนี้มียอดดาวน์โหลด 22,737 ครั้ง ยอดถูกใจ 229 ครั้ง และอยู่อันดับที่ 12 ในหน้าโมเดลที่กำลังมาแรง (Trending) ผลการทดสอบระบุว่าทำคะแนน MATH-500 ได้ 98.2 และ LiveCodeBench ได้ 81.6 ซึ่งสูงกว่าโมเดลขนาดใกล้เคียงกันหลายตัว แต่อย่างไรก็ตาม ตัวโมเดลไม่ได้ถูกออกแบบมาเป็นโมเดลด้านความรู้รอบตัว จึงทำคะแนนในกลุ่มข้อสอบความรู้ทั่วไปเช่น GPQA Diamond ได้ต่ำกว่าโมเดลขนาดใหญ่
✨ จุดเด่น
- คะแนนคณิตศาสตร์สูง — ทำคะแนน MATH-500 ได้ 98.2 และ AIME 2025 ได้ 88.3 ในกลุ่มโมเดลเปรียบเทียบ
- ความสามารถด้านโค้ด — ทำคะแนน LiveCodeBench ได้ 81.6 ซึ่งสูงที่สุดในกลุ่มโมเดลขนาดใกล้เคียงกัน
- การทำตามคำสั่ง — ทำคะแนน IFBench ได้ 74.4 และ IFEval ได้ 91.8 โดดเด่นในการปฏิบัติตามเงื่อนไขที่กำหนด
- รันบนเครื่องตัวเองได้ — มีไฟล์ GGUF ขนาด 4.98 GiB (รุ่น balanced) ที่ใช้แรมเครื่องหรือ VRAM น้อย เหมาะกับการรันแบบโลคอล
🙋 ใครเหมาะจะลอง: เหมาะสำหรับนักพัฒนาหรือผู้ใช้งานที่ต้องการโมเดล AI ขนาดเล็กสำหรับช่วยงานเขียนโค้ด แก้โจทย์คณิตศาสตร์ และงานที่ต้องทำตามคำสั่งซับซ้อน โดยต้องมีฮาร์ดแวร์สำหรับรันโมเดลขนาดประมาณ 5 ถึง 16 GiB ตามรูปแบบที่เลือกใช้งาน
ทีมข่าว เอไอไทย.com · เรียบเรียงจากหน้าโปรเจกต์ webAI-Official/TwIL-8B — รายละเอียดล่าสุดดูที่ต้นทาง
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...