Thomson Reuters เอา Qwen3.6-35B-A3B มาต่อยอดเป็นโมเดลกฎหมาย-ภาษี ด้วย 35,207 ชั่วโมง B200 — แต่ปล่อยน้ำหนักใต้ PolyForm Strict ที่ห้ามใช้เชิงพาณิชย์และห้ามดัดแปลง

คำถามที่ทีมองค์กรถามกันบ่อยที่สุดคือ “เราต้องมีเงินระดับ frontier lab ไหมถึงจะมีโมเดลของตัวเอง” — Thomson Reuters เพิ่งเผยแพร่คำตอบเชิงตัวเลข รายงานเทคนิค Thomson: Continual Learning of Frontier Models for SovereignAI ขึ้น arXiv เมื่อวันที่ 27 สิงหาคม 2026 (arXiv 2608.27147) พร้อมน้ำหนักของ Thomson-1.0-Small บน Hugging Face ที่การ์ดโมเดลถูกอัปเดตล่าสุดเมื่อ 28 สิงหาคม

ตัวโมเดลไม่ได้เทรนจากศูนย์ แต่ “repurpose” จาก Qwen3.6-35B-A3B ซึ่งเป็นโมเดลเปิดใต้ Apache-2.0 แล้วเดินผ่านไปป์ไลน์ Continual Learning เต็มรูปแบบ ผลคือคะแนนเฉลี่ยรวม 74.6 แซงทั้งโมเดลฐานเอง (71.7), Gemma 4-31B (71.2) และ Haiku 4.5 (68.2) โดยใช้คอมพิวต์ 1.63 × 10²³ FLOP หรือ 35,207 ชั่วโมง B200 — ตัวเลขที่บริษัทใหญ่นอกวงการ AI จ่ายไหวจริง

แต่ก่อนจะดาวน์โหลด มีบรรทัดหนึ่งในไฟล์ LICENSE ที่ต้องอ่าน

สายเลือดของโมเดล: Apache-2.0 สองชั้น แล้วปิดที่ชั้นสาม

ไล่ย้อนขึ้นไปจะเห็นสามชั้น:

• Qwen/Qwen3.6-35B-A3B — โมเดลฐาน อัปโหลด 15 เม.ย. 2026 ใบอนุญาต Apache-2.0 ดาวน์โหลดไปแล้วเกือบ 5 ล้านครั้ง
• tri-fair-lab/Snowdon1.1-Small — เช็คพอยต์กลางที่ผ่านการ “value re-alignment” แล้ว อัปโหลด 31 ก.ค. 2026 ใบอนุญาต Apache-2.0 เช่นกัน
• thomsonreuters/Thomson-1.0-Small — ผลลัพธ์สุดท้าย ใบอนุญาต PolyForm Strict 1.0.0

PolyForm Strict เป็นใบอนุญาตที่เข้มที่สุดในตระกูล PolyForm และเนื้อความในไฟล์ LICENSE (104 บรรทัด) พูดตรงมาก — สิทธิ์ที่ได้คือทำทุกอย่างที่ปกติจะละเมิดลิขสิทธิ์ “other than distributing the software or making changes or new works based on the software” กล่าวคือ ห้ามแจกจ่ายต่อ และห้ามสร้างงานดัดแปลง ส่วนขอบเขตการใช้งานถูกจำกัดไว้ที่ “Any noncommercial purpose is a permitted purpose” — งานวิจัย การทดลอง การศึกษาส่วนตัว งานอดิเรก องค์กรการกุศล สถาบันการศึกษา และองค์กรวิจัยสาธารณะ

แปลเป็นภาษาปฏิบัติ: fine-tune ต่อไม่ได้ ควอนไทซ์แล้วอัปขึ้น Hugging Face ไม่ได้ ทำ GGUF แจกไม่ได้ และเอาไปรันในผลิตภัณฑ์ที่หารายได้ไม่ได้ ซึ่งต่างจากที่การ์ดโมเดลเรียกตัวเองว่า “the open-weight member of the Thomson-1.0 family” อยู่พอสมควร — น้ำหนักเปิดให้โหลดจริง แต่ไม่ใช่ open source ตามนิยาม OSI และไม่ใช่แม้แต่ open-weight แบบที่ Llama หรือ Qwen ให้

น่าสังเกตว่าการทำแบบนี้ ถูกกฎหมายเต็มที่ เพราะ Apache-2.0 อนุญาตให้นำงานดัดแปลงไปปล่อยใต้เงื่อนไขที่เข้มกว่าได้ (ต่างจาก copyleft) นี่คือหน้าตาของสิ่งที่ระบบนิเวศโมเดลเปิดอนุญาตให้เกิดขึ้นได้โดยออกแบบ ไม่ใช่ช่องโหว่

สเปกและตัวเลข

รายการ	ค่า
พารามิเตอร์	35B รวม / 3B กระตุ้นต่อโทเคน (MoE)
สถาปัตยกรรม	qwen3_5_moe ตาม Qwen3.6-35B-A3B
บริบท	262,144 โทเคน native
ความละเอียด	BF16
คอมพิวต์ที่ใช้	1.63 × 10²³ FLOP / 35,207 B200 GPU-hours
ข้อมูล mid-training	คลังกว่า 19T โทเคน
ใบอนุญาต	PolyForm Strict 1.0.0 (noncommercial, no derivatives)
รันได้บน	Transformers, vLLM, SGLang

ไปป์ไลน์แบ่งเป็นสามส่วน: value re-alignment ที่ปรับค่านิยมของโมเดลด้วย Constitutional DPO อ้างอิง Public AI Constitution ซึ่งเป็นเอกสารเปิดที่ให้ใช้และแก้ไขได้ แทนที่จะใช้ชุดค่านิยมปิดของบริษัท, continual pre-training บนข้อมูลกรรมสิทธิ์ของ Thomson Reuters ที่สะสมมาหลายสิบปีทั้งข่าวและเอกสารกฎหมาย, และ post-training ด้วย RL ที่มี constitutional conformance reward เป็นส่วนหนึ่งของฟังก์ชันรางวัล งานนี้ทำร่วมกับ Imperial College London (ส่วน value re-alignment), DatologyAI (การคัดข้อมูล) และ Lambda

ฝั่งกฎหมายซึ่งเป็นโดเมนเป้าหมายหลัก คะแนนเฉลี่ยโดเมนอยู่ที่ 75.2 เทียบกับโมเดลฐาน 72.7, Gemma 4-31B 70.5 และ Haiku 4.5 67.7 โดยจุดที่ชนะชัดคืองานเชิงเอเจนต์และเอกสารจริง — Harvey Legal Agent Benchmark 73.4 (ฐาน 69.5, Haiku 4.5 60.5), PRBench Hard 31.4 (ฐาน 26.9), Doc. Processing & RAG 78.8 (ฐาน 74.7, Haiku 4.5 43.8) และ Human Queries 90.2 (ฐาน 82.6)

หมายเหตุจากการตรวจการ์ดโมเดลเอง: ช่อง Gemma 4-31B ของแถว Harvey Legal Agent Bench. ขัดกันระหว่างสองตาราง — ตารางภาพรวมข้ามโดเมนระบุ 34.2 ส่วนตารางกฎหมายแบบละเอียดระบุ 30.2 ทั้งที่เป็นเบนช์มาร์กเดียวกัน ตัวเลขอื่นในแถวเดียวกัน (73.4 / 71.5 / 69.5 / 60.5) ตรงกันทั้งสองตาราง ไม่ว่าค่าไหนถูก ข้อสรุปเชิงลำดับก็ไม่เปลี่ยน แต่เป็นเครื่องเตือนว่าตารางเบนช์มาร์กของผู้ขายควรถูกอ่านทั้งใบ ไม่ใช่หยิบมาแถวเดียว

จุดที่ตัวเลขไม่สวย และควรอ่านให้ครบ

รายงานเคลมว่าไปป์ไลน์นี้ “almost completely eliminating the forgetting problem” ซึ่งเป็นคำที่ควรตรวจกับตารางของเขาเอง — และตารางก็เปิดเผยตรงไปตรงมาว่ามีที่ถอยหลังจริง

บนเบนช์มาร์กความสามารถทั่วไปที่ ไม่ได้เป็นเป้าหมายการเทรน Thomson-1.0-Small แพ้โมเดลฐานหลายช่อง: Terminal-Bench 2.1 ได้ 40.5 ขณะที่ Qwen3.6-35B-A3B ได้ 45.2, GDPval 71.6 เทียบกับ Snowdon 75.8 และฐาน 73.7, AIME 2026 90.0 เทียบกับ Snowdon 93.3 และ Humanity’s Last Exam 13.4 เทียบกับฐาน 14.1 ส่วนที่ดีขึ้นก็มี เช่น MGSM 90.2 (ฐาน 88.9), MMLU-Pro 85.7 (85.2) และ WritingBench 81.0 (79.5) โดยรวมคือรักษาระดับไว้ได้เกือบหมด แต่ “เกือบ” ไม่ใช่ “ทั้งหมด” และช่องที่หายไปคืองานเอเจนต์เชิงเทอร์มินัล

ที่ตรงข้ามกับสัญชาตญาณกว่าคือ เบนช์มาร์กกฎหมายแบบข้อสอบหลายช่องกลับแย่ลง — Stanford LegalBench 79.9 ต่ำกว่าทั้งโมเดลฐาน (80.3) และ Gemma 4-31B (83.1), Lexam MCQ4 72.2 ต่ำกว่าฐาน 75.8 และห่างจาก Gemma 4-31B ที่ 87.4 อยู่ 15 จุด, MBE Bar Exam 83.4 แพ้ Gemma 4-31B ที่ 88.8 พูดอีกอย่างคือโมเดลนี้ไม่ได้เก่ง “ข้อสอบเนติบัณฑิต” ขึ้น แต่เก่ง งานกฎหมายที่เป็นเวิร์กโฟลว์จริง ขึ้น ซึ่งเป็นคนละเรื่องกัน และเป็นเรื่องที่ตรงกับสิ่งที่ลูกค้าองค์กรจ่ายเงินซื้อจริงมากกว่า

ข้อดีที่ควรให้เครดิตคือ การวัดใช้ Inspect AI ของ UK AI Security Institute พร้อม inspect_evals โดยรันทุกโมเดลผ่าน harness เดียวกัน พรอมป์ตชุดเดียวกัน และไม่ให้ tool access เว้นแต่เบนช์มาร์กกำหนดเอง — โปร่งใสกว่าเบนช์มาร์กที่ผู้ขายรายงานเองส่วนใหญ่ แต่ก็ยังเป็นตัวเลขที่ผู้เขียนรันเอง ไม่มีการวัดอิสระ

มุมมอง AI Curator

เรื่องนี้อ่านได้สองแบบ และทั้งสองแบบสำคัญกับทีมไทย

แบบแรกคือ สูตรทำโมเดลโดเมนที่จับต้องได้จริง 35,207 ชั่วโมง B200 ไม่ใช่ตัวเลขระดับที่ต้องเป็น OpenAI ถึงจะจ่ายไหว — ที่ราคาเช่าคลาวด์ทั่วไป มันคืองบระดับที่ธนาคาร บริษัทประกัน หรือสำนักกฎหมายขนาดใหญ่ในไทยตัดสินใจได้ในรอบงบประมาณเดียว และสิ่งที่ทำให้มันได้ผลไม่ใช่จำนวน GPU แต่คือ คลังข้อมูลกรรมสิทธิ์ที่ไม่มีใครมีเหมือน รายงานเขียนไว้ตรงว่าเนื้อหาที่มีลิขสิทธิ์ไม่ได้ถูก “ดูดเข้าไปเป็นความรู้” เฉย ๆ แต่ถูกแปลงเป็น supervision — คือทำเป็นข้อมูล preference จากงานที่ผู้เชี่ยวชาญเขียนไว้แล้ว ซึ่งงบจ้าง annotator เท่าไรก็ผลิตซ้ำไม่ได้ที่สเกลนั้น นี่คือประโยคที่ทีมไทยควรอ่านซ้ำ เพราะองค์กรไทยจำนวนมากนั่งอยู่บนคลังเอกสารแบบเดียวกัน — คำพิพากษา คำวินิจฉัยภาษี เวชระเบียน คู่มือปฏิบัติงาน — แล้วคิดว่าทางเดียวที่จะใช้ประโยชน์คือทำ RAG

แบบที่สองคือ บทเรียนเรื่องใบอนุญาตที่กำลังกลายเป็นแพตเทิร์น เดือนนี้เดือนเดียวเราเห็นสามระดับ: GLM-5.3 ปล่อยใต้ใบอนุญาตเฉพาะที่มี MaaS clause, Tencent Hy4 ปล่อยใต้ Apache-2.0 แท้ ๆ และตอนนี้ Thomson-1.0-Small ที่เรียกตัวเองว่า open-weight แต่ห้ามทั้งการใช้เชิงพาณิชย์ การดัดแปลง และการแจกจ่ายต่อ คำว่า “open” บนการ์ดโมเดลไม่มีความหมายทางกฎหมายเลย ไฟล์ LICENSE คือสิ่งเดียวที่มีความหมาย และการเปิด raw/main/LICENSE ใช้เวลาสิบวินาที — สิบวินาทีที่ประหยัดการสร้างโปรดักต์บนโมเดลที่คุณไม่มีสิทธิ์ใช้

ในทางปฏิบัติ ข้อจำกัด “ห้ามดัดแปลง” คือข้อที่เจ็บที่สุด ไม่ใช่ข้อ noncommercial ทีมไทยที่จะเอาโมเดล 35B ไปใช้จริงต้องควอนไทซ์เป็น GGUF หรือ AWQ แทบทุกกรณี ต้อง LoRA ต่อบนข้อมูลภาษาไทยแทบทุกกรณี และทั้งสองอย่างคือ “making changes or new works based on the software” ตรงตัว แปลว่าสำหรับทีมไทย โมเดลตัวนี้มีค่าในฐานะ กรณีศึกษาและตัวเทียบเบนช์มาร์ก มากกว่าจะเป็นของที่เอามาใช้ — และถ้าอยากได้สูตร ให้กลับไปที่ต้นสาย: Qwen3.6-35B-A3B ยังเป็น Apache-2.0 อยู่ที่เดิม

เทียบกับ Harvey Tenet ที่เราเขียนถึงเมื่อ 24 ส.ค. จะเห็นสองยุทธศาสตร์ที่คนละขั้ว — Harvey post-train Kimi K3 ด้วย 150 ใบ B300 นาน 2 เดือน แล้วเปิดสูตรครบแต่ไม่ปล่อยน้ำหนัก ส่วน Thomson Reuters ปล่อยน้ำหนักแต่ล็อกด้วยใบอนุญาต ทั้งคู่มาถึงข้อสรุปเดียวกันคือ โมเดลฐานเปิดที่ดีพอบวกข้อมูลเฉพาะทางที่คู่แข่งไม่มี เอาชนะการเช่า API ของ frontier lab ได้ในโดเมนของตัวเอง และที่น่าสนใจคือ Thomson-1.0-Small ใช้ Harvey Legal Agent Benchmark เป็นหนึ่งในตัววัดของตัวเอง — เบนช์มาร์กของคู่แข่งกำลังกลายเป็นมาตรฐานกลางของอุตสาหกรรมกฎหมาย ซึ่งเป็นสัญญาณว่าตลาดนี้โตพอจะมีมาตรวัดร่วมกันแล้ว

แหล่งข่าว

• thomsonreuters/Thomson-1.0-Small — Hugging Face
• Thomson: Continual Learning of Frontier Models for SovereignAI — arXiv 2608.27147 (27 ส.ค. 2026)
• PolyForm Strict License 1.0.0 — ข้อความเต็ม
• Qwen/Qwen3.6-35B-A3B — โมเดลฐานใต้ Apache-2.0