Hugging Face Transformers v5.13.0 — ท่อ export รวมศูนย์สู่ ONNX/ExecuTorch รันโมเดลบนมือถือ พร้อมรองรับสถาปัตยกรรมโอเพนใหม่ยกชุด

ข่าวโมเดลโอเพนใหม่ ๆ ในช่วง 72 ชั่วโมงที่ผ่านมาค่อนข้างเงียบ แต่เครื่องมือที่ทำให้โมเดลเหล่านั้น รันและ fine-tune ได้จริง กลับมีของใหญ่ออกมา — วันที่ 3 ก.ค. 2026 Hugging Face ปล่อย Transformers v5.13.0 ซึ่งไฮไลต์คือระบบ export ใหม่ชื่อ HfExporters ที่ทำให้การเอาโมเดลออกจาก PyTorch ไปรันบนปลายทางอื่น — โดยเฉพาะ บนอุปกรณ์ (on-device/edge) — เป็นเรื่องมาตรฐานเดียวกันทั้งหมด พร้อมกันนั้นยังเพิ่มการรองรับสถาปัตยกรรมโอเพนใหม่มาอีกยกชุด

นี่คือชิ้นส่วนที่มักถูกมองข้ามแต่สำคัญมากในสาย local/edge: โมเดลจะเก่งแค่ไหนก็ไร้ประโยชน์ถ้า deploy ลงเครื่องจริงไม่ได้ — และ v5.13.0 ทำให้เส้นทางนั้นสั้นลง

HfExporters: API เดียว ออกได้สามปลายทาง

หัวใจของรีลีสคือระบบ export แบบรวมศูนย์ที่มีสามตัวเลือก runtime ผ่าน API รูปแบบเดียวกัน:

• DynamoExporter → ExportedProgram ของ PyTorch
• OnnxExporter → ONNXProgram
• ExecutorchExporter → ExecutorchProgramManager สำหรับ มือถือ/edge

ตามที่เอกสารระบุ: “Same call shape across all three. Dynamic shapes by default. Generation-style models split automatically into prefill + decode” — แปลว่า export ได้ด้วย call รูปแบบเดียว, รองรับ dynamic shape เป็นค่าเริ่มต้น และโมเดลสาย generative จะถูกแบ่ง prefill/decode ให้อัตโนมัติ ซึ่งเป็นดีเทลที่จำเป็นสำหรับการรัน inference บนอุปกรณ์อย่างมีประสิทธิภาพ

ที่เกี่ยวข้องกันคือการทำให้โมเดลในไลบรารี “cleanly exportable (ONNX, torch.export, ExecuTorch) และ fullgraph-compilable” ผ่านการประกาศ layer แบบมาตรฐานและการสร้าง mask/cache ที่สม่ำเสมอ — งานพื้นฐานที่ช่วยให้ export ไม่พังกลางทาง

สถาปัตยกรรมโอเพนใหม่ที่เพิ่มเข้ามา

รีลีสนี้เพิ่มการรองรับโมเดลใหม่หลายตัว — เท่ากับว่าพอ HF รองรับ โมเดลเหล่านี้ก็เข้าสู่ stack มาตรฐาน (fine-tune, quantize, export) ได้ทันที:

• Kimi K2.5 / K2.6 / K2.7 (Moonshot) — โมเดล agentic มัลติโมดัลสำหรับงานเขียนโค้ดแบบ end-to-end
• MiMo-V2-Flash (Xiaomi) — MoE ที่รองรับ context 256K
• Nemotron 3.5 ASR (NVIDIA) — โมเดลรู้จำเสียง 600M พร้อม streaming แบบปรับ chunk ได้ และ Qwen3 ASR speech-to-text หลายภาษา
• ZAYA (Zyphra) — MoE 8.4B total / 760M active
• VideoPrism (Google DeepMind) — video encoder ที่ทำ SOTA บน 31 จาก 33 เบนช์มาร์กวิดีโอ
• RADIO (NVIDIA) — vision foundation model รองรับ input หลายความละเอียด และ MiniCPM3 (OpenBMB) 4B dense ที่ใช้ Multi-head Latent Attention

มุมมอง AI Curator

จังหวะของข่าวนี้บอกอะไรบางอย่าง: วันที่โมเดลใหม่ไม่มีตัวเด่น กลับเป็นวันที่ ชั้น tooling ขยับ — และในระยะยาว tooling สำคัญไม่แพ้ตัวโมเดล การที่ export ไป ExecuTorch กลายเป็น first-class path ใน Transformers คือสัญญาณว่า Hugging Face เอาจริงกับ on-device inference ไม่ใช่แค่คลาวด์ ทิศทางนี้สอดคล้องกับกระแสทั้งปีที่ผ่านมา (Gemma บน Apple Silicon, llama.cpp, MLX, WebBrain ที่รันโลคัลล้วน) — โมเดลกำลังเคลื่อนจากศูนย์ข้อมูลมาสู่เครื่องผู้ใช้

สำหรับบริบทไทย/SEA มุมที่ใช้ได้จริงคือ edge deployment: แอปที่ต้องรัน AI บนมือถือโดยไม่ต่อเน็ต — ผู้ช่วยออฟไลน์, งานที่ข้อมูลห้ามออกจากเครื่อง (สุขภาพ การเงิน), หรือแอปในพื้นที่สัญญาณไม่ดี — เส้นทาง transformers → ExecuTorch ทำให้ทีมเล็กที่คุ้นกับ Hugging Face stack อยู่แล้วลองทำ prototype on-device ได้โดยไม่ต้องกระโดดไปเรียนรู้ท่อ export คนละชุด และการที่ Qwen3 ASR/Nemotron ASR เข้ามาในชุดเดียวกันก็เปิดทางงาน speech-to-text หลายภาษา (รวมถึงไทย ถ้าโมเดลรองรับ) แบบรันในเครื่อง

ข้อควรระวังตามจริง: “export ได้” ไม่ได้แปลว่า “รันลื่นบนทุกเครื่อง” — โมเดล MoE ตัวใหญ่อย่าง MiMo-V2-Flash หรือ Kimi K2.7 ยังต้องการหน่วยความจำมากเกินกว่ามือถือทั่วไป ExecuTorch จะเปล่งพลังจริงกับโมเดลเล็ก (เช่น MiniCPM3 4B, ASR ตัวเล็ก) มากกว่า เริ่มจากโมเดลขนาดที่พอดีกับอุปกรณ์เป้าหมาย แล้วค่อยวัด latency/หน่วยความจำจริงก่อนวางแผน deploy

แหล่งข่าว

• Transformers v5.13.0 — GitHub Releases
• transformers บน PyPI