Meta กลับสู่ open weights — Muse Glimmer 30B ใบอนุญาต Apache 2.0 quantize เหลือ ~20GB รันบนการ์ดจอตัวเดียวได้

เมื่อ 10 สิงหาคม 2026 Meta ปล่อย Muse Glimmer โมเดลขนาด 30B พร้อม weights ภายใต้ Apache 2.0 — เป็นการกลับเข้าสู่สายโมเดลเปิดอย่างเต็มตัวครั้งแรกในรอบหลายเดือน หลังจากที่ Muse Spark และ Muse Code รุ่นก่อนหน้าเปิดให้ใช้ผ่าน API เป็นหลัก จุดขายไม่ใช่การไล่บี้ frontier แต่คือ “agent ที่รันจบในเครื่องตัวเอง”: quantize 4-bit แล้วเหลือไม่ถึง 20GB ลงการ์ดจอผู้บริโภคระดับ 24–32GB หรือ MacBook ที่ใช้หน่วยความจำรวมได้

พร้อมกันนั้น Mark Zuckerberg เผยแพร่เรียงความยาวราว 6,500 คำ ชื่อ “The Future is for Everyone” บน about.fb.com วางกรอบความคิดว่า superintelligence ไม่ควรกระจุกอยู่กับแล็บไม่กี่แห่ง และประกาศว่า Meta ตั้งใจจะปล่อย weights ของ Muse Spark 1.2 ซึ่งเป็นรุ่นเก่งที่สุดของบริษัทตามมาด้วย

สเปกที่นักพัฒนาต้องดู

จาก model card บน Hugging Face (meta-models/Muse-Glimmer-30B):

รายการ	ค่า
พารามิเตอร์	~29.6B (ภาษา) + ~1.8B (vision encoder)
สถาปัตยกรรม	dense causal transformer + perception encoder แยก
context	131,072+ โทเคน
knowledge cutoff	4 มกราคม 2026
ใบอนุญาต	Apache 2.0
ขนาดเต็ม precision	55+ GB
ขนาดหลัง 4-bit	~20 GB

สังเกตว่านี่เป็น dense ไม่ใช่ MoE — ต่างจากเทรนด์ open-weight ปีนี้ที่ไล่ทำ MoE ขนาดใหญ่แล้ว activate น้อย (Ling 3.0 Flash, MiniMax H3, Qwen3.6) เหตุผลชัดเจนคือ dense 30B quantize แล้วโหลดเข้า VRAM ก้อนเดียวได้ทั้งตัว ซึ่งเป็นเงื่อนไขจริงของคนรันในเครื่อง ส่วน MoE ต้องแบกน้ำหนักทั้งหมดไว้ในหน่วยความจำอยู่ดีแม้จะ activate แค่บางส่วน

อีกจุดที่เป็นวิศวกรรมล้วน ๆ คือ DFlash ตัว speculative decoding drafter ที่แถมมาในแพ็กเกจ Meta อ้างว่าเร่งความเร็วการ generate ได้ 3.1 เท่าบน RTX 5090, 1.8 เท่าบน M5-Max และ 1.5 เท่าบน M4-Max — เป็นตัวเลขที่มีความหมายกับคนรันโลคอลมากกว่าคะแนนเบนช์มาร์กเสียอีก เพราะปัญหาใหญ่ของ agent ที่รันในเครื่องคือ token/วินาที ไม่ใช่ความฉลาด

โมเดลรองรับ controllable effort สี่ระดับ (low / medium / high / xhigh) ให้แลกระหว่างความลึกของการคิดกับเวลา และวันแรกก็มี integration ครบสาย local runner แล้ว: llama.cpp, MLX, ExecuTorch พร้อมพาร์ตเนอร์ deploy อย่าง Ollama และ vLLM

เบนช์มาร์ก: เก่งงาน agent แต่ไม่ใช่ทุกด้าน

ตัวเลขที่ Meta รายงาน:

• SWE-Bench Pro — 51.2%
• AIME 2026 — 94.7%
• MCP Atlas — 75.5%
• multimodal reasoning — 74–78% ในหลายชุดทดสอบ

เทียบกับคู่แข่งขนาดใกล้กัน Muse Glimmer เอาชนะ Gemma4-31B ของ Google และ Qwen3.6-27B ของ Alibaba ได้ในเบนช์มาร์กส่วนใหญ่ โดยเด่นชัดในงาน agent — การเรียกใช้เครื่องมือ การค้นเว็บ และการทำงานหลายขั้นจนจบพร้อมกู้คืนเมื่อพลาด

แต่ต้องอ่านให้ครบ: Qwen3.6-27B ยังชนะในงาน desktop automation และงานบนเทอร์มินัล ซึ่งเป็นสองงานที่คนเอา agent ไปใช้จริงบ่อยมาก แปลว่านี่ไม่ใช่การกวาดเรียบ แต่เป็นการแบ่งกันเก่งคนละด้าน ใครจะเลือกตัวไหนควรทดสอบกับ workload ตัวเองก่อน

ด้านความปลอดภัย Meta ประเมินตัวเองว่าอยู่ระดับ “Moderate or lower risk” ทั้งด้านเคมี-ชีวภาพ ไซเบอร์ และ loss-of-control ซึ่งต่ำกว่าเกณฑ์ frontier — เป็นเงื่อนไขที่ทำให้ปล่อย weights ออกมาได้โดยไม่ขัดกรอบความเสี่ยงของตัวเอง

เรียงความของ Zuckerberg และสิ่งที่พ่วงมาด้วย

“The Future is for Everyone” เถียงว่าการกระจาย AI ที่ทรงพลังให้กว้างที่สุดคือทั้งโอกาสทางเศรษฐกิจและเกราะป้องกันการกระจุกตัวของอำนาจ Zuckerberg เขียนตรง ๆ ว่าแนวคิดที่ว่า AI อันตรายเกินกว่าจะปล่อย จึงต้องรวมศูนย์ไว้ที่คนไม่กี่กลุ่ม “ดูมีปัญหาในตัวมันเอง”

สองประเด็นที่พ่วงมาและควรจับตา:

1. การป้องกัน distillation — Zuckerberg ยืนยันจุดยืนว่า “คุณเรียนรู้ได้จากทุกอย่างที่คุณสังเกตเห็นได้” ซึ่งเป็นการรับรองการกลั่นความรู้จากโมเดลอื่นโดยตรง เป็นท่าทีที่สวนกับข้อกำหนดห้าม distill ในสัญญาการใช้งานของแล็บฝั่งปิดหลายเจ้า
2. การประมูลกำลังประมวลผล — เสนอให้ Meta ขายเวลาประมวลผลผ่านกลไกประมูลแบบไดนามิก เป็นการเปลี่ยนศูนย์ข้อมูลจากต้นทุนให้กลายเป็นสินค้า
3. กองทุน 1 พันล้านดอลลาร์ — “Future is for Everyone Fund” ลงทุนในชุมชนสหรัฐฯ ที่ Meta ตั้งศูนย์ข้อมูล ซึ่งเป็นการตอบแรงต้านเรื่องผลกระทบต่อไฟฟ้าและน้ำในพื้นที่มากกว่าเรื่อง AI โดยตรง

มุมมอง AI Curator

เรื่องที่สำคัญที่สุดในข่าวนี้ไม่ใช่คะแนนเบนช์มาร์ก แต่คือ บรรทัดใบอนุญาต Apache 2.0 แบบไม่มีเงื่อนไขผู้ใช้งานรายเดือน ไม่มีข้อห้ามเชิงพาณิชย์ ไม่มี acceptable use policy ที่ผูกกลับไปหา Meta — ต่างจากใบอนุญาต Llama เดิมที่เคยเป็นชนักติดหลังของทีมองค์กรไทยที่อยากใช้แต่ฝ่ายกฎหมายไม่ผ่าน ปีนี้ตลาดโมเดลเปิดโดน Qwen (Apache 2.0) กับ K-EXAONE (Apache 2.0) กดดันจนใบอนุญาตกึ่งเปิดขายไม่ได้อีกแล้ว การที่ Meta ยอมกลับมาที่ Apache 2.0 คือการยอมรับว่าเงื่อนไขตลาดเปลี่ยนไปแล้ว ไม่ใช่ความใจกว้าง

สำหรับทีมไทย นี่คือช่วงที่ การรัน agent บนเครื่องของตัวเองเลิกเป็นงานอดิเรก โมเดล 30B ที่ทำ SWE-Bench Pro ได้ 51.2% และ MCP Atlas 75.5% โดยกินหน่วยความจำ 20GB หมายความว่าเครื่อง workstation ตัวเดียว หรือ MacBook Pro หน่วยความจำ 32GB ก็รัน agent ที่เรียกเครื่องมือได้จริงแล้ว — สำคัญมากสำหรับงานที่ข้อมูลออกนอกองค์กรไม่ได้ ทั้งงานราชการ โรงพยาบาล และสถาบันการเงิน ที่ก่อนหน้านี้ต้องเลือกระหว่าง “ใช้ API แล้วรับความเสี่ยงข้อมูล” กับ “ไม่ใช้เลย”

แต่ควรอ่านเรียงความของ Zuckerberg ด้วยสายตาที่เย็นพอ การเปิด weights ของ Meta ในอดีตเดินคู่กับผลประโยชน์เชิงกลยุทธ์เสมอ — ทำให้ระบบนิเวศไม่ผูกกับ OpenAI/Google และลดต้นทุนวิจัยของตัวเองผ่านชุมชน ข้อเสนอเรื่องประมูลกำลังประมวลผลในเรียงความเดียวกันบอกชัดว่าปลายทางคือการขายโครงสร้างพื้นฐาน โมเดลเปิดคือของแถมที่ดึงคนเข้ามาในระบบนิเวศ ไม่ใช่จุดจบของแผน คำสัญญาว่า Muse Spark 1.2 จะปล่อย weights ยังเป็นแค่คำสัญญาจนกว่าไฟล์จะขึ้น Hugging Face จริง — ปีที่แล้วมีคำสัญญาแบบนี้ที่ไม่เกิดขึ้นมาแล้วหลายครั้งจากหลายเจ้า

ข้อควรระวังในทางปฏิบัติ: อย่าอ่าน “20GB” แล้วคิดว่าจบ ตัวเลขนั้นคือน้ำหนักโมเดลอย่างเดียว ยังต้องเผื่อ KV cache กับ perception encoder ซึ่งกินเพิ่มตามความยาว context ถ้าจะใช้ context เต็ม 131k จริง การ์ด 24GB จะเริ่มตึง ควรวางแผนที่ 32GB ขึ้นไป และทดสอบกับความยาวงานจริงก่อนตัดสินใจ

แหล่งข่าว

• Introducing Muse Glimmer — Meta AI Research
• Muse-Glimmer-30B model card — Hugging Face
• The Future is for Everyone — Mark Zuckerberg, about.fb.com
• Meta returns to open models with Zuckerberg’s plan to out-copy China — The Decoder