Qwen3.6-27B โมเดลโอเพนเวต dense ที่รันบน GPU ตัวเดียว — Alibaba เคลมแรงกว่ารุ่น MoE 397B บนงานโค้ดดิ้ง
ทีม Qwen ของ Alibaba ปล่อยซีรีส์ Qwen3.6 ออกมาภายใต้สัญญาอนุญาต Apache 2.0 เต็มรูปแบบ (ใช้เชิงพาณิชย์ได้ ไม่มีค่าลิขสิทธิ์) โดยมีสองรุ่นหลักคือ Qwen3.6-35B-A3B แบบ Mixture-of-Experts (active 3B ต่อโทเคน ออกวันที่ 16 เม.ย.) และพระเอกของงานคือ Qwen3.6-27B แบบ dense ที่ออกตามมาวันที่ 22 เม.ย. จุดที่ทำให้นักพัฒนาสนใจคือ รุ่น 27B dense ตัวนี้เล็กพอจะรันบนการ์ดจอผู้บริโภคใบเดียว แต่ผู้ผลิตเคลมว่าทำคะแนนงาน agentic coding ได้สูงกว่ารุ่น MoE 397B ของตัวเองเสียด้วยซ้ำ
แนวคิดเบื้องหลังน่าสนใจ: แทนที่จะไล่เพิ่มพารามิเตอร์รวมให้ใหญ่ขึ้นเรื่อย ๆ Qwen เลือกทำรุ่น dense ขนาดกลางที่ “เดินเครื่องง่าย” สำหรับการ self-host จริง โดยตัดความซับซ้อนของการ routing แบบ MoE ออกไป
สเปกและการรันบนเครื่องตัวเอง
Qwen3.6-27B เป็นโมเดล dense 27 พันล้านพารามิเตอร์ หน้าต่างบริบท 262K โทเคน (ขยายได้ถึงระดับล้านด้วยเทคนิคเสริม) รองรับการรันผ่าน llama.cpp, MLX (Apple Silicon), Hugging Face Transformers และ vLLM ตามเอกสารทางการ
ฝั่งฮาร์ดแวร์คือจุดขายที่ตรงกับสายรันโลคอลที่สุด ตามรายงานภาคสนาม โมเดลรันได้สบายบน RTX 5090 ใบเดียวที่ระดับ quantization Q4 หรือบนการ์ด 24GB สองใบ ทำให้มันเป็นหนึ่งในตัวเลือกที่ดีที่สุดสำหรับคนที่มี GPU ระดับ high-end เพียงตัวเดียว ไม่ต้องพึ่งคลัสเตอร์
เบนช์มาร์ก: dense เล็กท้าทาย MoE ใหญ่
ตัวเลขที่ Qwen เผยแพร่ (เป็น first-party ของผู้ผลิตเอง) ระบุว่า Qwen3.6-27B ทำ SWE-Bench Verified 77.2% และ Terminal-Bench 2.0 ที่ 59.3% ซึ่งในรายงานเทียบว่าใกล้เคียงระดับโมเดลปิดชั้นนำบางตัว ไฮไลต์เชิงเล่าเรื่องคือการที่รุ่น dense 27B ทำคะแนนบนหลายเบนช์มาร์กงาน agentic coding แซงรุ่น MoE 397B ของ Qwen เอง ซึ่งถ้าเป็นจริงก็สะท้อนว่า “ขนาดพารามิเตอร์รวม” ไม่ใช่ตัวชี้วัดเดียวของความเก่งอีกต่อไป
ข้อควรระวังตามมาตรฐานเดิม: ตัวเลขเหล่านี้ยังเป็นของผู้ผลิต ผลทดสอบอิสระจากบุคคลที่สามควรเป็นตัวตัดสินก่อนนำไปใช้งานจริง
มุมมอง AI Curator
Qwen3.6-27B คือตัวอย่างชัดของเทรนด์ “โมเดลเก่งที่รันได้บนเครื่องเดียว” ซึ่งสำคัญกับนักพัฒนาไทยและ SEA มากกว่าข่าวโมเดลยักษ์ที่ต้องใช้ดาต้าเซนเตอร์ การที่มันมาพร้อม Apache 2.0 หมายความว่าองค์กรไทยเอาไป self-host เชิงพาณิชย์ได้โดยไม่ติดเงื่อนไขลิขสิทธิ์ ตอบโจทย์ทั้งเรื่องต้นทุน ความเป็นส่วนตัวของข้อมูล (PDPA/data residency) และการ fine-tune บนข้อมูลภาษาไทยของตัวเอง ที่สำคัญคือสถาปัตยกรรม dense ทำให้ deploy และ fine-tune ง่ายกว่ารุ่น MoE ที่ต้องจัดการ routing และหน่วยความจำซับซ้อนกว่า
คำแนะนำสำหรับทีมไทย: ถ้าคุณมี GPU 24GB อยู่แล้ว นี่คือโมเดลที่ลองรันจริงได้ทันทีในสุดสัปดาห์เดียว เริ่มจากทดสอบงานโค้ดและงานภาษาไทยของคุณเอง แล้วเทียบต้นทุนต่อโทเคนกับการเรียก API คลาวด์ อย่าเพิ่งปักใจกับคะแนน “แซง 397B” จนกว่าจะเห็นผลทดสอบอิสระและได้ลองกับงานจริงของตัวเอง
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