Thinking Machines + Bridgewater: จูนโมเดลเปิด Qwen3-235B ให้ชนะ frontier LLM บนงานการเงิน — แม่นกว่า ผิดน้อยลง 30% ต้นทุนถูกลง 13.8 เท่า

หนึ่งในงานวิจัยด้านการจูนโมเดลที่น่าสนใจที่สุดของสัปดาห์ ไม่ได้มาจากค่ายโมเดล frontier แต่มาจาก Thinking Machines Lab (สตาร์ทอัพของ Mira Murati อดีต CTO ของ OpenAI) ร่วมกับกองทุนเฮดจ์ฟันด์ยักษ์ Bridgewater Associates เผยแพร่เมื่อ 30 มิถุนายน 2026 ข้อสรุปสั้น ๆ ที่นักพัฒนาไทยควรจำ: โมเดลเปิดตัวกลางที่จูนถูกวิธี เอาชนะโมเดล frontier ที่แพงกว่ามากบนงานเฉพาะทางได้จริง — ไม่ใช่แค่เท่า แต่แม่นกว่าและถูกกว่าเป็นสิบเท่า

ทีมนำโมเดลเปิด Qwen3-235B (ของ Alibaba) มาเป็นฐาน แล้วฝึกต่อด้วยชุดข้อมูลตัดสินใจของผู้เชี่ยวชาญด้านการเงินจาก Bridgewater ผลลัพธ์บนงานคัดกรอง/จัดหมวดเอกสารการเงิน 6 งาน: ความแม่นเฉลี่ย 84.7% เทียบกับ 78.2% ของโมเดล frontier ที่ดีที่สุดที่ทดสอบ (แม้จะใส่ prompt engineering เต็มที่แล้วก็ตัน ๆ อยู่แถวกลาง 70) — เท่ากับ ลดข้อผิดพลาดลงเกือบ 30% พร้อมกับ ต้นทุน inference ต่องานถูกลงราว 13.8 เท่า

ชุดเทคนิคที่ทำให้มันได้ผล

สิ่งที่ทำให้งานนี้มีค่าต่อคนสร้างโมเดล คือทีมแจกแจง ว่าอะไรทำให้เลขขยับ ไม่ใช่แค่โชว์ผล จุดตั้งต้นคือ RL แบบ GRPO มาตรฐาน แล้วเสริมสามอย่าง:

• Interleaved batching (จัดลำดับงานแบบ round-robin สลับงานในแต่ละ batch แทนที่จะฝึกทีละงานจนจบ) — ให้ความแม่นเพิ่ม +12.1% เป็นตัวที่กินน้ำหนักมากที่สุด ช่วยกันไม่ให้โมเดล “ลืม” งานก่อนหน้าระหว่างฝึกหลายงานพร้อมกัน
• CISPO loss พร้อม asymmetric clipping (ปรับสูตร loss ให้เสถียรขึ้นตอน RL) — +10.1%
• On-policy distillation ที่เลื่อนขั้น teacher แบบไดนามิก (ใช้เช็คพอยต์ที่เก่งขึ้นเรื่อย ๆ มาเป็นครูสอนตัวเอง) — +3.1%

ทั้งหมดฝึกและทดลองบน Tinker — แพลตฟอร์ม fine-tuning/RL ของ Thinking Machines เองที่เพิ่งเปิดให้นักพัฒนาภายนอกใช้ งานชิ้นนี้จึงทำหน้าที่เป็นทั้งเปเปอร์วิจัยและเคสโชว์ว่าแพลตฟอร์มทำอะไรได้

ทำไม “งานเฉพาะทาง” ถึงเป็นจุดที่โมเดลเปิดเอาชนะได้

งานทั้ง 6 เป็นการ คัดกรองข้อมูลการเงิน เช่น จัดว่าบทความเกี่ยวข้องกับสิ่งที่สนใจไหม, วิเคราะห์เอกสารธนาคารกลาง, จับคู่คำถามกับเอกสาร, ตรวจว่าเอกสาร/อีเมลถูกตัดตกหรือไม่ — งานประเภทที่ปริมาณมหาศาลและต้อง “ตัดสินแบบผู้เชี่ยวชาญ” ซ้ำ ๆ

บทเรียนหลักตามที่ผู้วิจารณ์หลายคนสรุปตรงกันคือ: ค่าไม่ได้อยู่ที่ “โมเดลใหม่ฉลาดขึ้น” แต่อยู่ที่ “ชุดข้อมูลผู้เชี่ยวชาญคุณภาพสูง + สูตรฝึกที่ถูก” เมื่อคุณมีข้อมูล annotation ที่ดีและรู้ว่ากำลังแก้ปัญหาอะไรอยู่ โมเดลเฉพาะทางขนาดจัดการได้ก็เอาชนะโมเดลทั่วไปตัวใหญ่ได้ ทั้งเรื่องความแม่นและต้นทุน

มุมมอง AI Curator

งานนี้เป็นหลักฐานเชิงตัวเลขที่ชัดที่สุดชิ้นหนึ่งของธีมที่บล็อกนี้ย้ำมาตลอด: สำหรับงานที่ทำซ้ำเป็นล้านครั้งและวัดผลได้ การจูนโมเดลเปิดมักคุ้มกว่าการจ่ายค่า API ให้โมเดล frontier ตัวเลข 13.8 เท่าไม่ใช่เรื่องเล็ก — ถ้าคุณรันงานคัดกรองวันละหลายล้านรายการ ส่วนต่างนี้คือความเป็นความตายของ unit economics ทั้งผลิตภัณฑ์

สำหรับบริบทไทย/SEA นี่คือแม่แบบที่นำไปใช้ได้จริงมากกว่าที่คิด บริษัทการเงิน ประกัน หรือ compliance ในภูมิภาคมักมี ข้อมูล domain เฉพาะภาษาไทย/อาเซียนที่โมเดล frontier ไม่เคยเห็น และงานหลายอย่างเป็น “คัดกรอง/จัดหมวด/ตรวจเอกสาร” แบบเดียวกับในเปเปอร์นี้เป๊ะ ๆ แทนที่จะพยายามไล่ตามโมเดลปิดที่แพงและควบคุมไม่ได้ เส้นทางที่สมเหตุสมผลกว่าคือ เก็บชุดข้อมูลตัดสินใจของผู้เชี่ยวชาญในองค์กรให้ดี แล้วจูนโมเดลเปิดอย่าง Qwen3 บนงานแคบ ๆ ที่สำคัญ — คุณจะได้ทั้งความแม่น ต้นทุนที่คุมได้ และข้อมูลไม่ต้องออกนอกองค์กร

ข้อควรระวังเดียว: อย่าอ่านงานนี้ว่า “โมเดลเปิดชนะเสมอ” มันชนะบน งานแคบที่มีข้อมูลผู้เชี่ยวชาญดี ไม่ใช่งาน general-purpose ปลายเปิด และความยากจริงไม่ได้อยู่ที่โค้ดฝึก แต่อยู่ที่การได้ ชุดข้อมูล annotation คุณภาพสูง ซึ่ง Bridgewater มีเพราะสะสมมาหลายสิบปี บทเรียนสำหรับทีมไทยจึงเป็น: การลงทุนที่ให้ผลตอบแทนสูงสุดวันนี้ อาจไม่ใช่ GPU แต่เป็น การทำ data annotation ในโดเมนของตัวเองให้ดี

แหล่งข่าว

• Learning to Replicate Expert Judgment in Financial Tasks — Thinking Machines Lab (30 มิ.ย. 2026)
• Thinking Machines partners with Bridgewater to build AI model that cuts errors by nearly 30% — CoinDesk
• Bridgewater Fine-Tunes Model to Beat Frontier LLMs — Digg