"โมเดลที่ฉลาดที่สุดของยุโรป" Quasar 438B — Artificial Analysis ที่ Multiverse อ้างเป็นหลักฐาน เขียนไว้ในชื่อรุ่นเองว่า "based on GLM-5.2" แต่ประกาศเปิดตัวไม่เอ่ยถึงเลย

2 กันยายน 2026 Multiverse Computing บริษัทสัญชาติสเปนที่ทำเรื่องการบีบอัดโมเดลด้วยเทคนิคแรงบันดาลใจจากควอนตัม เปิดตัว Quasar 438B พร้อมพาดหัวตรง ๆ ว่า “Europe’s Leading AI Model” และอ้างหลักฐานเป็น Artificial Analysis — บริษัทประเมินโมเดลอิสระที่บล็อกอ้างถึงถึงสิบกว่าครั้ง

ปัญหาคือถ้าเดินตามลิงก์นั้นไปดูหน้าโมเดลของ Artificial Analysis จริง ๆ ชื่อรุ่นที่ Artificial Analysis ใช้ไม่ใช่ “Quasar 438B” เฉย ๆ แต่คือ “Quasar 438B (max, based on GLM-5.2)”

GLM-5.2 คือโมเดล Mixture-of-Experts ขนาด 753 พันล้านพารามิเตอร์ จาก Z.ai (Zhipu AI) ของจีน ที่ปล่อยน้ำหนักเต็มใต้ MIT License เมื่อ 16 มิถุนายน 2026 — เราเขียนถึงตอนมันออกในโพสต์นี้ และตอนนี้มียอดดาวน์โหลดบน Hugging Face เกิน 1.4 ล้านครั้ง

ส่วนประกาศของ Multiverse ความยาว 7 นาทีอ่าน ไม่มีคำว่า GLM ปรากฏอยู่แม้แต่ครั้งเดียว สิ่งที่เขียนไว้แทนคือ:

Quasar 438B is our flagship reasoning model, built for enterprise-scale agents and coding. It is the first large model Multiverse Computing has released, it runs in English and Spanish…

ตัวเลขที่ประกาศไว้ — และตัวเลขที่ขัดกันเอง

เริ่มจากสิ่งที่ตรวจสอบได้และเป็นความจริงตามที่อ้าง Quasar ได้ 43 คะแนนบน Artificial Analysis Intelligence Index v4.1.1 ซึ่งเป็นดัชนีรวมจาก 9 การประเมิน (GDPval-AA v2, τ³-Banking, Terminal-Bench v2.1, SciCode, Humanity’s Last Exam, GPQA Diamond, CritPt, AA-Omniscience, AA-LCR)

โมเดล	Intelligence Index v4.1.1
Claude Opus 5	63
Gemini 3.7 Flash	56
Quasar 438B	43
Inkling	42
NVIDIA Nemotron 3 Ultra	38
Mistral Medium 3.5	30

ตัวเลขอื่นที่บล็อกอ้าง: ตอบ 500 โทเคนรวมเวลาคิดใน 15.3 วินาที, AA-LCR 75.0 (long-context reasoning) ซึ่งเสมอ Grok 4.6 (high) ที่ 75.0 และห่าง Claude Opus 5 ที่ 75.7 ไม่ถึงหนึ่งคะแนน, และ Terminal-Bench v2.1 ที่ 69.3 ซึ่งยังห่าง Opus 5 ที่ 89.1 อยู่มาก จากหน้าของ Artificial Analysis เองยังได้: ราคา $0.60 ต่อล้านโทเคน input และ $1.80 ต่อ output, context 1 ล้านโทเคน, ความเร็ว 173.7 โทเคน/วินาที, รับ-ส่งเฉพาะข้อความ, รองรับ function calling และ JSON mode, ผู้ให้บริการมีรายเดียวคือ Multiverse เอง และสถานะเป็น proprietary

แต่ในบล็อกเดียวกันมีตัวเลขที่ขัดกันเอง: ย่อหน้าเปิดเขียนว่า Quasar นำ “NVIDIA Nemotron 3 Ultra at 38” และย้ำอีกครั้งว่า “5 ahead of Nemotron 3 Ultra” (43 − 5 = 38) แต่พอถึงหัวข้อเรื่องความเร็วกลับเขียนว่า “Nemotron 3 Ultra scores 36 and takes 25.7 seconds” — คะแนนของโมเดลเปรียบเทียบตัวเดียวกันในหน้าเดียวกัน ต่างกันสองคะแนน

อีกวลีที่ต้องอ่านช้า ๆ คือคำโปรยใต้พาดหัว: “outperforming comparable European models on seven of eight selected Artificial Analysis evaluations” — คำว่า “selected” ทำงานหนักมากในประโยคนี้ ดัชนีมี 9 การประเมิน แต่ที่หยิบมาเทียบมี 8 และเทียบเฉพาะกับโมเดลยุโรปด้วยกัน

”ยุโรป” ในที่นี้หมายถึงอะไร

ต้องพูดให้ชัดก่อน: สิ่งที่ Multiverse ทำไม่ผิดกฎหมายและไม่ผิดสัญญาอนุญาต GLM-5.2 อยู่ใต้ MIT License ซึ่งเป็นสัญญาอนุญาตที่หลวมที่สุดแบบหนึ่งเท่าที่มี — ใครก็เอาไปดัดแปลง บีบอัด รีแบรนด์ และขายต่อเชิงพาณิชย์ได้โดยไม่ต้องเปิดผลลัพธ์ นี่คือสิ่งที่ Z.ai ตั้งใจอนุญาตตั้งแต่แรก และการที่บริษัทยุโรปเอาโมเดลเปิดมาต่อยอดจนเสิร์ฟได้ถูกลง ก็เป็นการใช้ระบบนิเวศโอเพนอย่างที่มันควรจะถูกใช้

ประเด็นอยู่ที่ การไม่เปิดเผย โดยเฉพาะเมื่อสารทั้งหมดของประกาศคือเรื่องอธิปไตยทาง AI ของยุโรป การพาดหัวว่า “โมเดล AI ชั้นนำของยุโรป” ทำให้ผู้อ่านเข้าใจว่านี่คือโมเดลที่พัฒนาขึ้นในยุโรป และประโยค “โมเดลใหญ่ตัวแรกที่ Multiverse Computing ปล่อย” ยิ่งตอกย้ำภาพนั้น ขณะที่ธุรกิจหลักของบริษัทตามที่บล็อกเขียนเองคือ “making AI more efficient and deployable” — ผลิตภัณฑ์ชื่อ CompactifAI ซึ่งก็คือการบีบอัดโมเดล และตัวเลข 438B เทียบกับ 753B ของ GLM-5.2 ก็คือขนาดที่เล็กลงราว 42% พอดี

พูดอีกอย่าง: ความสำเร็จที่ Quasar ทำได้จริงคือ การบีบโมเดล 753B ให้เหลือ 438B แล้วยังได้ AA-LCR 75.0 บนคอนเท็กซ์ 1 ล้านโทเคน ที่ราคา $0.60/$1.80 และ 173.7 โทเคน/วินาที — ซึ่งเป็นความสำเร็จด้านวิศวกรรมที่น่าสนใจในตัวเอง และเป็นสิ่งที่ Multiverse เก่งจริง แต่มันคือข่าวคนละเรื่องกับ “ยุโรปสร้างโมเดลแนวหน้าได้แล้ว” และเป็นข่าวที่เล่าตรง ๆ ได้โดยไม่เสียความน่าเชื่อถือเลยด้วยซ้ำ

อีกเรื่องที่ควรแยกให้ขาด: 43 คือคะแนนสูงสุดในกลุ่มโมเดลยุโรป ไม่ใช่คะแนนระดับแนวหน้า ในตารางเดียวกัน Gemini 3.7 Flash ซึ่งเป็นรุ่นราคาประหยัดของ Google ได้ 56 และเร็วกว่าด้วย (11.5 วินาทีเทียบ 15.3) คำว่า “leading” ในพาดหัวจึงเป็นอันดับเชิงภูมิภาค ไม่ใช่คำบอกระดับความสามารถ

แล้วนักพัฒนาควรทำอย่างไร

ถ้ามองข้ามเรื่องการเล่าเรื่อง คำถามที่เหลือเป็นคำถามเชิงปฏิบัติล้วน ๆ และตอบได้ตรงไปตรงมาเพราะฐานของมันเป็นโมเดลเปิด:

• ต้องการน้ำหนัก? Quasar ไม่มีให้ — เป็น proprietary ไม่มีรีโปบน Hugging Face และมีผู้ให้บริการรายเดียว ถ้าอยากได้ของที่รันเองได้ ให้ไปเอา GLM-5.2 ตัวเต็ม (MIT, 753B) ซึ่งดาวน์โหลดได้เลย ราคาที่จ่ายคือฮาร์ดแวร์ที่ใหญ่กว่า
• ต้องการราคาต่อโทเคนถูกและคอนเท็กซ์ยาว? เทียบ Quasar ($0.60/$1.80) กับราคา API ของ GLM-5.2 จาก Z.ai โดยตรง และกับผู้ให้บริการที่โฮสต์ GLM ให้ — เพราะตอนนี้เรารู้แล้วว่ากำลังเทียบอะไรกับอะไร ซึ่งเป็นข้อมูลที่การเปรียบเทียบก่อนหน้านี้ไม่มี
• ต้องการเหตุผลด้าน data residency? ต้องแยกสองเรื่องที่คนมักปนกัน — ที่มาของน้ำหนักโมเดล กับ ที่อยู่ของข้อมูลคุณ การที่ฐานเป็นโมเดลจีนไม่ได้แปลว่าข้อมูลวิ่งไปจีน (น้ำหนักดาวน์โหลดมาแล้วรันที่ไหนก็ได้) แต่ก็ไม่ได้แปลว่าข้อมูลอยู่ในยุโรปโดยอัตโนมัติเช่นกัน ต้องถาม Multiverse ตรง ๆ ว่า inference รันที่ไหน และมีสัญญารองรับหรือไม่
• รองรับภาษาอะไร? บล็อกระบุชัดว่า อังกฤษและสเปนเท่านั้น — ข้อนี้สำคัญกับผู้อ่านชาวไทยมากที่สุดในบรรดาทั้งหมด

มุมมอง AI Curator

เรื่องนี้เป็นตัวอย่างที่สะอาดที่สุดตัวอย่างหนึ่งของสิ่งที่กำลังเกิดขึ้นทั่วอุตสาหกรรมในปี 2026: โมเดลน้ำหนักเปิดจากจีนกลายเป็นชั้นฐานที่มองไม่เห็นของผลิตภัณฑ์ AI จำนวนมากในตะวันตก เราเห็นรูปแบบเดียวกันนี้มาแล้วหลายรอบในปีนี้ — Harvey ใช้ Kimi K3 เป็นฐาน post-train, Fireworks Nexus วางเส้นทางโอเพนล้วนบน Kimi K3 คู่ GLM-5.2, และงานวิจัย harness หลายชิ้นใช้ GLM-5.2 เป็น orchestrator สิ่งที่ต่างในเคสนี้คือมันถูกขายพร้อมป้าย “อธิปไตยทาง AI ของยุโรป” ซึ่งเป็นสารที่พึ่งพาความเข้าใจว่าโมเดลไม่ได้มาจากที่อื่น

น่าสังเกตว่า สิ่งที่เปิดโปงเรื่องนี้ไม่ใช่นักข่าวหรือคู่แข่ง แต่คือหน่วยวัดที่ Multiverse หยิบมาใช้เป็นหลักฐานเอง Artificial Analysis เขียน “based on GLM-5.2” ไว้ในชื่อรุ่นซึ่งเป็นจุดที่มองเห็นที่สุดของหน้าโมเดล นี่เป็นสัญญาณที่ดีสำหรับระบบนิเวศ — เมื่อการวัดผลกลายเป็นสาธารณูปโภคที่ทุกคนอ้างถึง ผู้วัดก็มีอำนาจกำหนดว่าอะไรต้องถูกเปิดเผย และในกรณีนี้มันทำงานได้ผลกว่าข้อบังคับใด ๆ

สำหรับทีมไทย บทเรียนที่ใช้ได้ทันทีคือ เมื่อเจอพาดหัวประเภท “โมเดลชั้นนำของประเทศ/ภูมิภาค X” ให้ถามคำถามเดียวกันสามข้อเสมอ: น้ำหนักฐานคืออะไรและเปิดเผยไหม, “ชั้นนำ” วัดในกลุ่มเปรียบเทียบที่ใครเป็นคนเลือก, และเทียบกับโมเดลนอกกลุ่มนั้นแล้วอยู่ตรงไหน คำถามชุดนี้ไม่ได้ใช้กับยุโรปเท่านั้น — มันใช้กับโมเดลสัญชาติไทยและอาเซียนได้ตรง ๆ เหมือนกัน และประเทศไทยเองก็มีทั้งโครงการที่เทรนจากศูนย์และโครงการที่ต่อยอดจากโมเดลเปิด ซึ่งทั้งสองแบบมีคุณค่าจริง แต่เป็นคุณค่าคนละชนิด และผู้ใช้สมควรรู้ว่ากำลังซื้ออะไร

ข้อสรุปเชิงกลยุทธ์ที่ยากกว่าคือ: ถ้าเส้นทางที่เร็วที่สุดสู่ “โมเดลที่ดีที่สุดของภูมิภาคเรา” คือการเอาโมเดลเปิด MIT จากจีนมาบีบอัดและ fine-tune — และในเชิงวิศวกรรมมันคือคำตอบที่ถูกต้องจริง ๆ สำหรับเกือบทุกภูมิภาคที่ไม่ใช่สหรัฐฯ กับจีน — คำถามที่ตามมาคือคำว่า “อธิปไตยทาง AI” ยังเหลือความหมายอะไรบ้าง คำตอบที่ซื่อสัตย์น่าจะเป็นว่า อธิปไตยที่ทำได้จริงคือ การควบคุมชั้นบน: ข้อมูล, การ fine-tune, การโฮสต์, และสิทธิ์ที่จะเปลี่ยนฐานได้เมื่อจำเป็น — ไม่ใช่การเป็นเจ้าของน้ำหนักตั้งต้น และถ้านั่นคือคำนิยามที่ใช้ได้จริง มันก็เป็นคำนิยามที่พูดออกมาตรง ๆ ได้ ไม่ต้องเว้นบรรทัดที่ Artificial Analysis เขียนไว้ให้แล้วออกไป

แหล่งข่าว

• Multiverse Computing — Introducing Quasar 438B: Europe’s Leading AI Model (2 ก.ย. 2026)
• Artificial Analysis — Quasar 438B (max, based on GLM-5.2)
• Hugging Face — zai-org/GLM-5.2 (MIT License)
• โพสต์เดิมของเรา — GLM-5.2 โมเดลน้ำหนักเปิด 753B ใต้ MIT