NVIDIA เปิดตัว Nemotron 3 Super — ไฮบริด Mamba-Transformer MoE 120B (active 12B) เปิดทั้งน้ำหนัก ดาต้าเซ็ต และสูตรเทรน
NVIDIA ปล่อย Nemotron 3 Super โมเดลภาษาแบบเปิดที่น่าสนใจทั้งในเชิงสถาปัตยกรรมและระดับความเปิด ตัวโมเดลเป็นไฮบริดที่ผสม Mamba-2, Transformer attention และ Latent MoE ขนาด 120 พันล้านพารามิเตอร์รวม เปิดใช้งานจริง 12B ต่อโทเคน รองรับบริบท 1 ล้านโทเคน ออกแบบมาเพื่องาน agentic reasoning และเอเจนต์ที่ต้องทำงานยาวต่อเนื่อง จุดที่ทำให้ต่างจากค่ายอื่นคือ NVIDIA เปิดไม่ใช่แค่น้ำหนักโมเดล แต่รวม ดาต้าเซ็ตและสูตรการเทรน ภายใต้ NVIDIA Nemotron Open Model License
ไฮบริด Mamba-Transformer: เร็วแต่ยังแม่น
แนวคิดสถาปัตยกรรมคือใช้ชั้น Mamba-2 เพื่อความมีประสิทธิภาพในการประมวลผลลำดับยาว (ต้นทุนต่ำกว่า attention ปกติ) สลับกับชั้น Transformer attention ที่ให้ความแม่นยำในการให้เหตุผล ส่วน Latent MoE ช่วยให้มี expert เฉพาะทางมากขึ้นถึง 4 เท่าโดยต้นทุน inference เท่าเดิม นอกจากนี้ยังมี Multi-Token Prediction (MTP) ที่ทำนายหลายโทเคนพร้อมกันเพื่อเร่งการ generate และฝึกด้วย NVFP4 quantization เพื่อรีดประสิทธิภาพการคำนวณ
ผลลัพธ์ตามที่ NVIDIA รายงานคือ throughput สูงขึ้นราว 5 เท่าเทียบ Nemotron Super รุ่นก่อน และเร่งงาน structured generation ได้สูงสุด 3 เท่า โดยทำคะแนน PinchBench (เบนช์งาน agentic) ที่ 85.6% ส่วนรายงานภายนอกระบุคะแนนเพิ่มเติมเช่น SWE-Bench Verified ราว 60 และ RULER ที่บริบท 1M สูงกว่า 91% (ควรรอผลทดสอบอิสระยืนยัน)
เปิดถึงดาต้าเซ็ตและสูตรเทรน
ความเปิดระดับ “น้ำหนัก + ดาต้า + สูตร” คือสิ่งที่หาได้ยากในโมเดลขนาดนี้ มันหมายความว่านักวิจัยและองค์กรไม่ได้แค่ “รัน” โมเดลได้ แต่สามารถ “ทำซ้ำ” และต่อยอดกระบวนการเทรนได้เอง เหมาะกับงานวิจัยและองค์กรที่ต้องการความโปร่งใสในสาย supply chain ของโมเดล โมเดลรองรับ 7 ภาษาหลัก (อังกฤษ ฝรั่งเศส เยอรมัน อิตาลี ญี่ปุ่น สเปน จีน) และมีให้ดาวน์โหลดบน Hugging Face รวมถึงผ่าน NVIDIA NIM
มุมมอง AI Curator
Nemotron 3 Super สำคัญต่อนักพัฒนาไทยในสองมิติ มิติแรกคือ สถาปัตยกรรมไฮบริด Mamba เป็นทิศทางที่กำลังพิสูจน์ว่า “ลด attention ลงได้โดยไม่เสียความฉลาด” ซึ่งแปลตรง ๆ เป็นต้นทุนการรันที่ถูกลงเมื่อทำงานกับบริบทยาว — เป็นเทรนด์ที่ทีมไทยควรเข้าใจเพราะมันจะกลายเป็นมาตรฐานของโมเดลรุ่นถัด ๆ ไป มิติที่สองคือ ความเปิดถึงดาต้าและสูตร ที่เปิดโอกาสให้สถาบันการศึกษาและทีมวิจัยไทยเรียนรู้กระบวนการสร้างโมเดลระดับ frontier ได้จริง ไม่ใช่แค่ใช้ของสำเร็จรูป
ข้อเท็จจริงที่ต้องยอมรับเช่นเดิม: 120B ไม่ใช่ของรันบนเครื่องเดียว และสัญญา NVIDIA Open Model License แม้เปิดกว้างแต่ก็มีเงื่อนไขของตัวเอง ควรอ่านให้ขาดก่อนใช้เชิงพาณิชย์ ทีมไทยที่สนใจควรเริ่มจากทดสอบผ่าน NVIDIA NIM เพื่อประเมินงานจริงก่อนลงทุนฮาร์ดแวร์
แหล่งข่าว:
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service