Desert Ant Labs เปิดตัวพร้อม 18 โมเดลจิ๋วรันบนเครื่อง — ฟรีถึงแสนเครื่องต่อเดือน แต่ไลเซนส์เป็น source-available ไม่ใช่โอเพนซอร์ส และเรือธง Voz ลงได้เฉพาะ Apple

วันที่ 8 กันยายน 2026 Desert Ant Labs แล็บ AI สัญชาติยุโรปที่ตั้งโดย Paul Veugen เปิดตัวตัวเองพร้อมกับปล่อยโมเดล 18 ตัวในวันเดียว จุดยืนที่ประกาศชัดคือสวนทางกับกระแสโมเดลยักษ์: แทนที่จะสร้างสมองอเนกประสงค์ตัวเดียวที่เรียกผ่าน API พวกเขาสร้างโมเดลเฉพาะทางขนาดเล็กหนึ่งตัวต่อหนึ่งงาน ที่รันจบบนเครื่องของผู้ใช้ ตอบใน “หลักมิลลิวินาที” และไม่มีค่าอินเฟอเรนซ์ต่อครั้ง ทีมนี้ไม่ใช่หน้าใหม่ — พวกเขาทำแอปวิดีโอ Detail มาห้าปีด้วยแนวทาง on-device ก่อน แล้วพบว่าพอทำฟีเจอร์อย่างตัดคลิปอัตโนมัติหรือปรับเสียงพอดแคสต์ ก็ต้องถอยกลับไปเรียกคลาวด์ทุกครั้งจนบิลบานปลาย จึงตัดสินใจเทรนเอง

สำหรับนักพัฒนาไทยที่ทำแอปมือถือหรือเว็บแล้วเจอกำแพงต้นทุนโทเคน นี่คือข่าวที่ควรอ่านให้จบ เพราะตัวเลขความเร็วที่เขาโชว์นั้นดีจริงและตรวจสอบได้ แต่มีเงื่อนไขสามชั้นที่พาดหัวไม่ได้ติดไปด้วย และทั้งสามข้อกระทบการตัดสินใจว่าจะเอาไปใส่โปรดักชันได้หรือไม่

ตัวเลขที่โชว์ — และตัวที่เขาแพ้เอง

โมเดลที่ทีมยกมาเป็นตัวชูมีสี่ตัว:

• Voz — ถอดเสียงเป็นข้อความพร้อมไทม์สแตมป์ระดับคำ 25 ภาษา บล็อกระบุว่าถอดเสียง 10 นาทีได้ใน 2 วินาทีบน iPhone เร็วกว่า Whisper 4.7 เท่า ตารางในบล็อกวัด realtime factor บนเสียงต่อเนื่อง 30 นาทีบน M3 Ultra ได้ Voz 319x เทียบ Apple SpeechAnalyzer 78x และ Whisper large-v3-turbo 50x ส่วนบน iPhone 17 Pro อยู่ที่ 298x การ์ดโมเดลเสริมว่าเสียงครึ่งชั่วโมงใช้เวลาราวเจ็ดวินาทีบน M3 Ultra และหน่วยความจำสูงสุดไม่โตตามความยาวไฟล์
• Clear — ลดเสียงรบกวน ตัดเสียงก้อง และปรับความดัง ขนาด 9MB ทำได้ 302x realtime บน iPhone 16 Pro และ 345x บน MacBook Pro (M5)
• Tongue — ระบุภาษาจากข้อความสั้นแค่สามคำ ครอบคลุม 84 ภาษา ขนาด 2MB ได้ความแม่น 0.933 เทียบกับตัวตรวจจับขนาด 293MB ที่ได้ 0.887 — เป็นกราฟที่น่าประทับใจที่สุดในชุด เพราะเล็กกว่าราว 150 เท่าแต่แม่นกว่า
• Clips — เลือกช่วงที่ควรตัดจากทรานสคริปต์ ใช้แกน xlm-roberta-base 278M พารามิเตอร์ต่อสี่หัว รวม 284MB แบบ int8 Core ML รองรับ 100 ภาษา การ์ดวัดไว้ว่าทรานสคริปต์ 404 ประโยคจากวิดีโอ 25 นาทีได้ 12 คลิปใน 9.19 วินาทีบน iPhone 17 Pro และ 10.22 วินาทีบน iPhone 15 Pro ส่วนบล็อกอ้างว่ามันมาแทน Claude Sonnet ในแอปของตัวเองได้ โดยเร็วกว่า 10 เท่าและใช้พลังงานน้อยกว่า 470 เท่า ที่คุณภาพเท่ากัน

ที่น่านับถือคือกราฟหนึ่งในบล็อกเป็นกราฟที่ตัวเองแพ้ — Redact ซึ่งเป็นตัวกรองข้อมูลส่วนบุคคล 27 ภาษา ขนาด 11.6MB (Core ML 4 บิต) หรือ 24.5MB (int8 LiteRT) จับข้อมูลส่วนบุคคลได้ 88.8% ขณะที่ GLiNER-PII ขนาด 2.3GB ได้ 91.1% คือใหญ่กว่าเกือบสองร้อยเท่าแต่ยังแม่นกว่า ส่วนที่เหลือในกราฟคือ Rampart 14.7MB ที่ 61.4% และตัวกรองของ OpenAI ขนาด 3GB ที่ 60.2% ถ้อยคำในบล็อกใช้ว่า “close to” ซึ่งตรงกับข้อมูล ไม่ได้เคลมว่าชนะ — แต่ถ้าใครอ่านผ่าน ๆ แล้วเข้าใจว่าโมเดลเล็กชนะทุกกระดาน อันนี้คือกระดานที่มันแพ้

ข้อที่หนึ่ง: ไลเซนส์ไม่ใช่โอเพนซอร์ส และเขาเขียนไว้เองตรง ๆ

น้ำหนักทุกตัวอยู่บน Hugging Face จริง แต่ทุกการ์ดระบุ license: other พร้อมชื่อ desert-ant-labs-source-available-1.0 ไล่ไปอ่านตัวสัญญาฉบับเต็ม (ลงวันที่ 3 กรกฎาคม 2026) จะเจอเงื่อนไขที่ต้องรู้ก่อนวางแผนสถาปัตยกรรม:

• ฟรีต่ำกว่า 100,000 monthly active devices (MAD) ต่อแพลตฟอร์ม ต่อโมเดล — และเพดานนี้นับแยกกันจริง โมเดลเดียวกันบน iOS กับบน Android ได้โควตาคนละก้อน ส่วนคนละโมเดลก็นับแยกอีก เกินเมื่อไรต้องซื้อไลเซนส์เชิงพาณิชย์เฉพาะโมเดลนั้นบนแพลตฟอร์มนั้น
• สัญญาเขียนคำว่า “Source-available (not open source)” ไว้เองในย่อหน้าสรุปด้านบนสุด สิทธิ์ที่ให้คือ use / reproduce / modify และฝังไปกับแอป แบบ non-transferable, non-sublicensable และงานดัดแปลงยังผูกกับไลเซนส์เดิม
• ต้องให้เครดิตในจุดที่ผู้ใช้เห็น ด้วยข้อความประมาณ “Powered by Desert Ant Labs”
• ห้ามเอาโมเดล เอาต์พุตของมัน หรือล็อกที่คุณเก็บจากมัน ไปเทรนโมเดลที่แข่งกับเขา — ข้อนี้ตัดทางการกลั่นความรู้ (distillation) ทิ้งชัดเจน
• ห้ามแตกบัญชีหรือแอปเพื่อเลี่ยงเพดาน บริษัทในเครือเดียวกันนับรวมกัน
• งานวิจัยและการสอนที่ไม่ใช่เชิงพาณิชย์ได้รับยกเว้นเพดาน MAD

สรุปคือ “ฟรี” ในที่นี้เป็นฟรีแบบมีเพดานเชิงพาณิชย์ ไม่ใช่ Apache-2.0 หรือ MIT ที่บล็อกนี้ใช้เป็นเกณฑ์เรียกว่าโมเดลเปิด สำหรับสตาร์ตอัปที่เพิ่งเริ่มก็แทบไม่ต่างจากฟรีจริง แต่สำหรับแอปที่โตเร็ว 100,000 เครื่องต่อเดือนมาถึงเร็วกว่าที่คิด และต้องคุยราคาเป็นรายโมเดลรายแพลตฟอร์ม

ข้อที่สอง: 18 ตัวไม่ได้ใช้ได้ 18 ตัว

ตัวเลข “18 โมเดล” ในพาดหัวคือ 12 ตัว stable บวก 6 ตัวที่บล็อกเรียกว่า beta แต่ README ของ SDK บน GitHub เขียนตรงกว่านั้นมาก โดยจัดหกตัวหลังไว้ใต้หัวข้อ “In closed beta” พร้อมประโยคว่า “Weights exist and the models work, but no SDK ships them yet, so there is nothing to install today” — คือมีน้ำหนัก แต่ยังไม่มีทางเรียกใช้ผ่าน SDK ในวันนี้ ต้องติดต่อขอ early access

ไล่ต่อไปที่ Hugging Face จะเจอว่ารีโปสาธารณะขององค์กร desert-ant-labs มีอยู่ 17 รีโป และในหกตัว closed beta นั้น eye กับ face คืนสถานะ 401 เมื่อเรียกผ่าน API คือยังไม่เปิดให้สาธารณะเข้าถึง ทั้งที่ README ลิงก์ไปหาโดยตรง ส่วนตัวเลขดาวน์โหลดก็บอกว่าโมเดลชุดนี้ยังใหม่จริง: emo นำอยู่ที่ราว 24,000 ครั้ง ตามด้วย title 972 และ redact 899 ขณะที่ voz ซึ่งเป็นตัวเรือธงยังอยู่ที่ 0 (น้ำหนักถูกดาวน์โหลดผ่าน SDK แบบ on-demand จึงไม่ได้นับผ่านช่องทางปกติ) ส่วนรีโป SDK เองสร้างเมื่อ 9 กรกฎาคม 2026 และมีราว 117 ดาว ณ เวลาที่ตรวจ

ข้อที่สาม: “หนึ่ง SDK สามภาษา” ยังไม่แปลว่าทุกโมเดลลงได้ทุกที่

จุดขายคือ SDK เดียวสำหรับ Swift, Kotlin และ JavaScript วิ่งบน Core ML ฝั่ง Apple, LiteRT ฝั่ง Android และ WebAssembly กับ LiteRT.js บนเว็บ ฟังดูครบ แต่ตารางในรีโปบอกว่า สี่ในสิบสองตัว stable รองรับเฉพาะแพลตฟอร์มของ Apple ได้แก่ align, title, uhm และ voz ซึ่งเป็นตัวที่ตัวเลขเด่นที่สุดในการเปิดตัวทั้งหมด ส่วน clips รองรับ Apple, Linux, Windows แต่ไม่มี Android และไม่มีเว็บ

การ์ดของ Voz อธิบายเหตุผลไว้ตรง ๆ ว่า “Apple-only. The SDK drives Core ML directly to keep the graph on the Neural Engine, which has no equivalent on the other backends” — คือแลกความเร็วระดับที่โฆษณาไว้ด้วยการผูกกับ Neural Engine โดยเฉพาะ ถ้าทีมคุณทำ Android ก่อนหรือทำข้ามแพลตฟอร์ม ฟีเจอร์ถอดเสียงยังต้องหาทางอื่นอยู่ดี

อีกจุดที่ควรเช็กก่อนวางแผนคือ พื้นระบบปฏิบัติการ README ของ SDK ระบุ Swift ที่ iOS 18+, macOS 15+, tvOS 18+, visionOS 2+ และ Swift 6.2+ (Xcode 26) โดยอธิบายว่าเพดานนี้มาจากรูปแบบไฟล์โมเดล ไม่ใช่จากตัวโค้ด ขณะที่การ์ดของ clear ระบุ iOS 17+ / macOS 14+ ซึ่งต่างกัน — ดังนั้นอย่าเชื่อพื้นระบบตัวเดียวทั้งชุด ให้ไล่อ่านการ์ดรายตัว

มุมมอง AI Curator

ข้อโต้แย้งเชิงเศรษฐศาสตร์ของ Desert Ant นั้นแข็งกว่าตัวโมเดลเสียอีก บล็อกอ้างงานของนักวิจัย NVIDIA ที่ประเมินว่า 40–70% ของการเรียกโมเดลใหญ่ในระบบเอเจนต์สามารถย้ายไปโมเดลเล็กเฉพาะทางได้ และชี้ว่าโลกส่งมอบโทรศัพท์ แท็บเล็ต และแล็ปท็อปรวมกันเกินพันล้านเครื่องต่อปี ซึ่งเป็นคอมพิวต์ที่ “จ่ายไปแล้ว” ต่างจากเม็ดเงินราว 450,000 ล้านดอลลาร์ที่อุตสาหกรรมจะลงกับดาต้าเซ็นเตอร์ในปีนี้ ประโยคที่คมที่สุดในบล็อกคือการชี้ว่างานอย่างล้างเสียง ติดแท็กรูป ดึงวันที่ออกจากประโยค หรือจับชื่อคนก่อนข้อความจะถึงเซิร์ฟเวอร์ ไม่มีงานไหนเลยที่ต้องใช้โมเดลระดับแนวหน้า — และถ้าอินเฟอเรนซ์ไม่มีต้นทุนต่อครั้ง คุณจะเลิกออกแบบว่า “เช็กเฉพาะเคสที่จ่ายไหว”

สำหรับตลาดไทยและอาเซียน มุมนี้มีน้ำหนักเป็นพิเศษด้วยเหตุผลที่ไม่ใช่แค่ค่า API ประการแรกคือ ค่าเงินและความสามารถในการจ่าย — ราคาต่อโทเคนตั้งเป็นดอลลาร์เท่ากันทั่วโลก แต่รายได้ต่อผู้ใช้ของแอปไทยไม่ได้เท่ากับแอปอเมริกัน ฟีเจอร์ที่กำไรบางเพราะค่าอินเฟอเรนซ์จึงตัดสินใจง่ายขึ้นมากเมื่อย้ายลงเครื่อง ประการที่สองคือ PDPA โมเดลอย่าง Redact ที่กรองชื่อ เลขบัตร และเลขประจำตัวออกก่อนข้อความออกจากเครื่อง เปลี่ยนสถานะทางกฎหมายของข้อมูลนั้นไปเลย เพราะสิ่งที่ไม่เคยถูกอัปโหลดก็ไม่มีอะไรให้ถูกเรียกดู — แต่ต้องพูดให้ครบว่า Redact ยังไม่รองรับภาษาไทย รายการ 27 ภาษาเป็นภาษายุโรปทั้งหมด เช่นเดียวกับ Voz ที่ 25 ภาษาก็เป็นยุโรปล้วน ตัวที่ครอบคลุมไทยจริงคือ tongue (84 ภาษา), ear (99 ภาษา) และ clips (100 ภาษา) ซึ่งเป็นงานจัดหมวดและจัดอันดับ ไม่ใช่งานที่ต้องเข้าใจภาษาลึก ๆ

ข้อสรุปเชิงปฏิบัติจึงเป็นแบบนี้: ถ้าคุณทำแอป iOS ที่มีงานเสียงซ้ำ ๆ ทุกวัน ชุดนี้พร้อมทดลองวันนี้และตัวเลขน่าจะคุ้ม ถ้าคุณทำ Android หรือเว็บก่อน ให้ตรวจตารางแพลตฟอร์มรายโมเดลก่อนวางแผน และถ้าคุณต้องการอิสระระยะยาว — สิทธิ์แก้ไข แจกจ่าย หรือกลั่นความรู้ต่อโดยไม่มีเพดานผู้ใช้ — ไลเซนส์นี้ให้ไม่ได้ ความน่าสนใจที่แท้จริงของการเปิดตัวครั้งนี้ไม่ใช่ว่าโมเดล 2MB ชนะโมเดล 293MB ได้ แต่คือการที่มีคนเริ่มทำ ชั้นประสบการณ์นักพัฒนา ให้โมเดลเล็กอย่างจริงจัง — เพราะที่ผ่านมาน้ำหนักดี ๆ บน Hugging Face มีอยู่เต็มไปหมด สิ่งที่ขาดคือหนทางจากไฟล์ .safetensors ไปถึงฟีเจอร์ที่ส่งขึ้นสโตร์ได้ภายในบ่ายเดียว ถ้าโมเดลนี้ทำให้คู่แข่งที่ใช้ไลเซนส์เปิดจริงลุกขึ้นมาทำแบบเดียวกัน นักพัฒนาคือฝ่ายที่ได้ประโยชน์ที่สุด

แหล่งข่าว

• On-device intelligence for every product — Desert Ant Labs (8 ก.ย. 2026)
• Desert Ant Labs Source-Available License v1.0
• Desert-Ant-Labs/desert-ant-core — SDK และตารางโมเดลรายแพลตฟอร์ม (GitHub)
• desert-ant-labs บน Hugging Face — น้ำหนักและการ์ดโมเดล