ข่าว 
ข้อมูลเหรียญ 
แนะนำสื่อ 
อีลอน มัสก์ (Elon Musk) ประเมินว่าความฉลาดและความสามารถของปัญญาประดิษฐ์ (AI) กำลังพัฒนาแบบ 'ทวีคูณ' หลังมีการอ้างว่าโมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สบางรุ่นมีประสิทธิภาพแซงหน้าผลิตภัณฑ์ที่เคยถูกมองว่าเป็นโมเดลแนวหน้าช่วงปลายปี 2025
PANews รายงานเมื่อวันที่ 21 ว่า มัสก์แสดงความคิดเห็นใต้โพสต์เกี่ยวกับพัฒนาการของโมเดลโอเพนซอร์สว่า “Intelligence is improving exponentially” หรือ “ความฉลาดกำลังพัฒนาแบบทวีคูณ”
โพสต์ดังกล่าวกล่าวถึง GLM 5.3 Flash, DeepSeek V4.1 Flash, Qwen 3.8 Next Flash และ Qwen 3.8 27B โดยอ้างว่าโมเดลเหล่านี้แซงหน้าโมเดลหลักที่ถูกมองว่ามี 'ความฉลาดระดับแนวหน้า' ในช่วงปลายปี 2025 ทั้งด้านความฉลาดและความสามารถโดยรวม
อย่างไรก็ตาม ข้อความดังกล่าวเป็นการประเมินที่อยู่ในโพสต์ และยังไม่อาจยืนยันได้ว่าจะให้ผลลัพธ์เหมือนกันในทุกงานและทุกเกณฑ์การประเมิน ความได้เปรียบระหว่างโมเดลอาจแตกต่างกันตามเบนช์มาร์กและเงื่อนไขการใช้งาน
DeepSeek เปิดตัว V4.1 Flash เมื่อวันที่ 10 กันยายน พร้อมระบุว่าได้นำโครงสร้างใหม่มาใช้ โมเดลนี้รองรับการทำความเข้าใจภาพแบบเนทีฟ และออกแบบให้จำนวนพารามิเตอร์ที่เปิดใช้งานสำหรับอินพุตและเอาต์พุตแตกต่างกัน
DeepSeek อธิบายว่า V4.1 Flash เป็นโมเดลแบบ Mixture of Experts ที่มีพารามิเตอร์ทั้งหมด 552,000 ล้านพารามิเตอร์ โดยเปิดใช้งาน 8,000 ล้านพารามิเตอร์สำหรับอินพุต และ 16,000 ล้านพารามิเตอร์สำหรับเอาต์พุต พร้อมลดขนาด KV cache เมื่อเทียบกับรุ่นก่อนหน้า เพื่อลดภาระด้านหน่วยความจำและอุปกรณ์จัดเก็บข้อมูล
GLM 5.3 Flash ก็ได้รับการลงทะเบียนไว้ในคลังโมเดลสาธารณะเช่นกัน คำอธิบายโมเดลระบุว่า จากพารามิเตอร์ทั้งหมด 320,000 ล้านพารามิเตอร์ มี 18,000 ล้านพารามิเตอร์ที่เปิดใช้งาน และใช้โครงสร้างที่ผสาน sparse attention เข้ากับ linear attention
GLM 5.3 Flash ถูกนำเสนอเป็นโมเดลมัลติโมดัลที่รองรับการประมวลผลภาพและวิดีโอ โดยจื้อผู่เอไอ (Zhipu AI) เคยระบุว่า ประสิทธิภาพด้านการเขียนโค้ดของ GLM-5.3 สูงกว่ารุ่นก่อนหน้า 50% จากการประเมินภายในของบริษัท
โมเดลโอเพนซอร์สหมายถึงโมเดล AI ที่เปิดเผยโครงสร้างหรือค่าน้ำหนักบางส่วน เพื่อให้นักพัฒนาและบริษัทภายนอกนำไปใช้งานหรือปรับปรุงได้ อย่างไรก็ตาม ขอบเขตการเปิดเผยและเงื่อนไขการใช้งานอาจแตกต่างกันในแต่ละโมเดล จึงไม่อาจตัดสินขอบเขตการใช้งานจริงจากคำว่า 'โอเพนซอร์ส' เพียงอย่างเดียว
การแข่งขันในกรณีนี้ไม่ได้วัดจากคุณภาพคำตอบเพียงอย่างเดียว ในสภาพแวดล้อมที่ต้องประมวลผลบริบทขนาดยาว หรือทำงานด้านการเขียนโค้ดและเอเจนต์ ความเร็วในการประมวลผล ต้นทุนการอนุมาน และข้อกำหนดด้านฮาร์ดแวร์ก็ส่งผลต่อการใช้งานจริงเช่นกัน
โมเดลแบบ Mixture of Experts ไม่ได้เปิดใช้งานพารามิเตอร์ทั้งหมดพร้อมกัน แต่เลือกใช้เฉพาะพารามิเตอร์บางส่วนที่จำเป็นต่ออินพุต การลดจำนวนพารามิเตอร์ที่เปิดใช้งานอาจช่วยเพิ่มประสิทธิภาพการประมวลผล แต่ประสิทธิภาพจริงและต้นทุนยังต้องพิจารณาร่วมกับโครงสร้างโมเดลและสภาพแวดล้อมการใช้งาน
KV cache คือพื้นที่หน่วยความจำที่เก็บข้อมูลบริบทซึ่งโมเดลประมวลผลไปแล้ว เพื่อนำมาใช้ในการสร้างคำตอบ การลดขนาดแคชอาจช่วยลดภาระหน่วยความจำ แต่ยังไม่อาจสรุปได้ว่าจะทำให้ความเร็วหรือค่าใช้จ่ายดีขึ้นในทุกงาน
DeepSeek V4.1 Flash และ GLM 5.3 Flash ที่เปิดเผยครั้งนี้เน้นทั้งประสิทธิภาพและประสิทธิภาพด้านการใช้ทรัพยากร เช่น จำนวนพารามิเตอร์ที่เปิดใช้งานและ KV cache เนื่องจากต้นทุนการประมวลผลและความเร็วในการตอบอาจแตกต่างกันตามความยาวอินพุต ฮาร์ดแวร์ และรูปแบบการเรียกใช้งาน
คำกล่าวของมัสก์สะท้อนมุมมองว่าโมเดลโอเพนซอร์สกำลังลดช่องว่างด้านประสิทธิภาพกับโมเดลแบบปิด อย่างไรก็ตาม ต้องเปรียบเทียบข้อมูลทางการกับผลการทดสอบอิสระเพิ่มเติม เพื่อประเมินว่าโมเดลที่กล่าวถึงจะทำงานได้ดีเพียงใดในสภาพแวดล้อมจริง
ท้ายที่สุด ขอบเขตของคำว่า 'พัฒนาแบบทวีคูณ' ยังคงเป็นประเด็นสำคัญ ยิ่งมีการเปิดเผยเบนช์มาร์กและเงื่อนไขการทดสอบของแต่ละโมเดลมากขึ้น ก็ยิ่งช่วยให้เปรียบเทียบระดับการแข่งขันของโมเดลโอเพนซอร์สได้ชัดเจนขึ้น
ความคิดเห็น 0