Agnes-3.0-Flash Preview จากสิงคโปร์เปิดน้ำหนัก 33B ใต้ Apache-2.0 — เทียบน้ำหนักทีละเลเยอร์แล้วคือ Qwen3.5-27B ที่แทรกเพิ่ม 8 ชั้น การ์ดไม่เอ่ยชื่อ Qwen และตารางของตัวเองก็แพ้ต้นทาง 4 จาก 5

Agnes AI แบรนด์โมเดลของสตาร์ทอัพสิงคโปร์ Sapiens AI อัปโหลด Agnes-3.0-Flash Preview ขึ้น Hugging Face เมื่อ 11 ก.ย. 2026 เวลา 15:50 UTC เป็นโมเดลมัลติโมดัล (ข้อความ ภาพ วิดีโอ) ขนาด 33B คอนเท็กซ์ 262,144 โทเคน ใต้ Apache-2.0 ไฟล์ LICENSE ในรีโปเป็นข้อความ Apache 2.0 มาตรฐาน 201 บรรทัด ไม่มีเงื่อนไขพ่วง การ์ดขายว่าเป็น “flagship-class reasoning without flagship-class hardware” รันได้บน H100 80GB ใบเดียวที่ bf16

วันต่อมา (12 ก.ย. 13:43 UTC) มีคอมมิต “Clarify Preview checkpoint identity and benchmark scope” เปลี่ยนชื่อในการ์ดเป็น “Preview” และเขียนชัดว่าเช็กพอยต์นี้ ไม่ใช่ตัวเดียวกับโมเดลบน API ที่ Artificial Analysis วัดผลไว้ พอเปิดไฟล์จริงดูก็เจออีกเรื่องที่การ์ดไม่ได้เขียน: โมเดลนี้สร้างต่อจาก Qwen3.5-27B ของ Alibaba ซึ่งยืนยันได้จากทั้ง config และตัวน้ำหนักเอง

config ตรงกับ Qwen3.5-27B ทุกมิติ ยกเว้นความลึก

เราเทียบ config.json ของ Agnes กับของ Qwen/Qwen3.5-27B ทีละคีย์ ค่าเหล่านี้ตรงกันทั้งหมด: hidden 5,120, intermediate_size 17,408, vocab 248,320, full attention 24 หัว กับ 4 หัว KV, head_dim 256, ชั้น gated delta-net 16 หัว key กับ 48 หัว value ขนาด 128, สลับ linear attention สามชั้นต่อ full attention หนึ่งชั้น และ vision tower 27 ชั้น hidden 1,152 patch 16 merge 2×2 ส่วนที่ต่างมีสองจุด คือ 72 เลเยอร์แทน 64 และ SwiGLU ขนานกว้าง 2,048 อีกชุดในทุกเลเยอร์ พารามิเตอร์รวมจึงเป็น 33.09B เทียบกับ 27.78B ส่วนต่าง 5.3B คำนวณได้ราว 3.0B จาก 8 ชั้นที่เพิ่ม และราว 2.3B จาก FFN ขนาน (เราคำนวณจากมิติใน config เอง)

หลักฐานอื่นในรีโปก็ชี้ไปทางเดียวกัน:

• vocab.json และ merges.txt ตรงกับของ Qwen3.5-27B ทุกไบต์ (ค่า SHA-256 เท่ากัน) ส่วน tokenizer.json ต่างแค่ special token ที่เพิ่มท้ายตาราง 19 ตัว เช่น <|agnes_bos|> และโทเคนเสียง
• chat_template.jinja คือเทมเพลตของ Qwen3.5 ที่เพิ่มบล็อก reasoning effort และรูปแบบ tool call ยังเป็น <tool_call><function=…><parameter=…> ของตระกูล Qwen
• แพตช์ SGLang ในรีโปโหลดน้ำหนักเข้า คลาสโมเดล qwen3_5.py ของ SGLang โดยเปลี่ยนชื่อ delta_attn.* เป็น linear_attn.* และ global_attn.* เป็น self_attn.*

เทียบน้ำหนักจริง: 64 ชั้นของ Qwen อยู่ครบ บวกสองบล็อกที่แทรกเข้ามา

config ที่เหมือนกันพิสูจน์ได้แค่ว่าใช้สถาปัตยกรรมเดียวกัน เราจึงอ่านน้ำหนักจริงจากทั้งสองรีโปด้วย HTTP range request (อ่านเฉพาะส่วนหัว safetensors และส่วนต้นของแต่ละเทนเซอร์ ไม่ต้องดาวน์โหลดทั้ง 66 GB) แล้วคำนวณ Pearson correlation ระหว่างเทนเซอร์ชื่อเดียวกัน ค่าที่ได้ไม่เท่ากันทุกไบต์ ซึ่งเป็นเรื่องปกติของโมเดลที่ถูกเทรนต่อ แต่สหสัมพันธ์สูงมาก:

• บล็อกแรกของ vision tower (attn.qkv) 0.9997, embed_tokens 0.947, lm_head 0.951, norm สุดท้าย 0.967 และ gate_proj ของเลเยอร์ 0 อยู่ที่ 0.738
• ค่าควบคุม คือเทนเซอร์ของ Agnes เลเยอร์ 0 เทียบกับ Qwen เลเยอร์ 5 ได้ 0.0002 แปลว่าค่าสูงข้างบนไม่ได้เกิดจากการที่น้ำหนักทุกตัวหน้าตาคล้ายกันเอง

เมื่อจับคู่ input_layernorm ของ Agnes ทั้ง 72 ชั้นกับของ Qwen ทั้ง 64 ชั้น ได้โครงสร้างที่ชัดมาก:

เลเยอร์ Agnes	ตรงกับเลเยอร์ Qwen3.5-27B	r
0–19	0–19	0.985–0.997
20–23	ไม่มีคู่ชัดเจน (บล็อกที่แทรก)	0.96–0.97 กระจายไปหลายชั้น
24–47	20–43	0.991–1.000
48–51	ไม่มีคู่ชัดเจน (บล็อกที่แทรก)	0.97 กระจายไปหลายชั้น
52–71	44–63	0.992–0.999

แปลว่า Agnes-3.0-Flash Preview คือ Qwen3.5-27B ที่ขยายความลึก (depth upscaling) โดยแทรกบล็อก 4 ชั้นสองจุด หลังเลเยอร์ 19 และหลังเลเยอร์ 43 ของ Qwen ซึ่งรักษาจังหวะสามต่อหนึ่งของ attention ไว้ได้พอดี แล้วเติม FFN ขนานและเทรนต่อ ตัวเลขนี้ไม่ได้บอกว่า Agnes เทรนต่อไปมากน้อยแค่ไหน แต่บอกชัดว่าจุดตั้งต้นคือเช็กพอยต์ของ Qwen ไม่ใช่การเทรนจากศูนย์

การ์ดไม่เอ่ยชื่อฐาน ทั้งที่รีโปก่อนหน้าของบริษัทเดียวกันเอ่ย

ในการ์ดของ 3.0 Flash Preview คำว่า Qwen ปรากฏแค่ในหัวคอลัมน์ตารางเปรียบเทียบ ฟิลด์ base_model ว่าง และหัวไฟล์ modeling_agnes.py เขียนว่า “Copyright 2026 Agnes AI. All rights reserved.” ที่น่าสังเกตคือ Agnes AI เคยให้เครดิตฐานอย่างถูกต้องมาก่อน การ์ดของ Agnes-2.5-Pro-Alpha (19 ส.ค.) เขียนว่า “a post-trained derivative of Qwen/Qwen3.5-397B-A17B … Original copyright notices are retained” และ Agnes-SeaLLM-8b (ม.ค.) ก็ใส่ base_model: Qwen/Qwen3-8B-Base ไว้ครบ

ไลเซนส์ไม่ได้ขวางการทำแบบนี้ เพราะ Qwen3.5-27B เป็น Apache-2.0 และรีโปต้นทางไม่มีไฟล์ NOTICE ที่ต้องส่งต่อ ประเด็นจึงไม่ใช่เรื่องสิทธิ์ แต่เป็นเรื่องที่ผู้ใช้ควรรู้ตอนเลือกโมเดล ซึ่งนำไปสู่ตารางคะแนน

ตารางของ Agnes เอง: แพ้ Qwen3.5-27B ใน 4 จาก 5 รายการ

การ์ดมีตาราง 5 เบนช์มาร์ก และมีคอลัมน์ Qwen3.5 27B อยู่ในนั้นด้วย (การ์ดหมายเหตุไว้เองว่าตัวเลขรวบรวมจากหลายแหล่ง หลายฮาร์เนส ไม่ใช่การวัดแบบควบคุม):

เบนช์มาร์ก	Agnes-3.0-Flash Preview	Qwen3.5 27B	Qwen3.8 27B
IFBench	74.20	75.6	79.5
SciCode	38.08	39.5	46.6
GPQA Diamond	85.05	85.8	90.5
AA-LCR	68.33	72.3	82.0
AA-Omniscience Accuracy	23.00	20.7	18.4

อ่านจากตารางของผู้ปล่อยเอง: เช็กพอยต์ที่ใหญ่ขึ้น 19% ต่ำกว่าโมเดลต้นทาง 4 จาก 5 รายการ ชนะเฉพาะ AA-Omniscience (ความรู้และการไม่หลอน) และ Qwen3.8-27B ที่ Alibaba ปล่อยตั้งแต่ ส.ค. ขนาดเล็กกว่า ก็นำ Agnes ในสี่รายการเดียวกันด้วยระยะที่กว้างกว่า

ตัวเลขที่ดูดีกว่านั้นเป็นของ โมเดลบน API ซึ่งการ์ดย้ำว่าเป็นเช็กพอยต์และคอนฟิกคนละตัว หน้า Artificial Analysis ให้ Intelligence Index 36 (ติดป้าย estimated) ความเร็ว 237.8 โทเคน/วินาที ราคา $0.05/$0.15 ต่อล้านโทเคน ส่วนหน้าเอกสารของ Agnes บอกว่าตอนนี้คิด $0 ทั้งสามรายการ แต่ตัวเลขคอนเท็กซ์ไม่ตรงกันเลยสักแหล่ง: น้ำหนักที่ปล่อย 262K, เอกสาร API บอก 512K, ส่วนการ์ดและ Artificial Analysis บอก 1M

รันเองได้แค่ไหน และกับดักที่ต้องรู้

• bf16 ทางการ: 66.2 GB ใน 19 shard ต้องใช้ H100 80GB หรือ H200 หนึ่งใบ ผ่าน transformers ≥ 5.12 พร้อม trust_remote_code=True หรือ SGLang ที่ต้อง overlay ไฟล์แพตช์สามไฟล์ลงอิมเมจ lmsysorg/sglang:nightly-dev-20260908-20ca564b (หรือ v0.5.19)
• KV cache ถูก: มีแค่ 18 จาก 72 ชั้นที่เก็บ KV คำนวณได้ 72 KiB ต่อโทเคน ที่ bf16 หรือราว 2.25 GiB ที่ 32K และ 18 GiB ที่ 262K ส่วน state ของชั้น delta-rule คงที่ราว 162 MiB ต่อ sequence ไม่โตตามความยาว
• เครื่องผู้ใช้ทั่วไป: ชุมชนแปลงออกมาภายในวันเดียว GGUF Q4_K_M ขนาด 19.75 GB (vision projector อีก 0.93 GB) ใช้ llama.cpp ปกติที่รองรับ Qwen3.5 ได้ ผู้แปลงทดสอบบน RTX 2060 12GB สองใบที่คอนเท็กซ์ 4K และระบุตรง ๆ ว่ายังไม่ได้ทดสอบ reasoning, tool calling, วิดีโอ และคอนเท็กซ์ 262K ส่วน MLX 4-bit ขนาด 17 GB โหลดใน mlx-lm และ LM Studio ได้เลยในฐานะโมเดล qwen3_5 ธรรมดา เพราะผลรวมของ SwiGLU สองชุดเท่ากับ SwiGLU กว้าง 19,456 ชุดเดียว แค่ต่อเมทริกซ์เข้าด้วยกันก็แปลงได้โดยไม่ต้องคำนวณน้ำหนักใหม่ ผู้แปลงยังรายงานว่า drafter z-lab/Qwen3.8-27B-DFlash2 ที่เทรนมาสำหรับ Qwen เร่งความเร็ว Agnes ได้ 1.3–2 เท่าบน M4 Max
• กับดัก reasoning effort: การ์ดบอกว่ามีสามระดับคือ high (ค่าเริ่มต้น), medium, low แต่เทมเพลตจริงยอมรับแค่ xhigh, medium, low โดยค่าเริ่มต้นเป็น xhigh และจะ raise exception ถ้าส่ง high ตามที่การ์ดแนะนำ ใครเขียนโค้ดตามการ์ดจะเจอ error ทันที ให้ส่ง xhigh แทน

มุมมอง AI Curator

Agnes AI น่าจับตาสำหรับคนไทยเพราะเป็นทีมจากสิงคโปร์ที่ทำโมเดลสำหรับภูมิภาคนี้จริง รุ่น SeaLLM-8b ก่อนหน้าก็จูนมาเพื่อภาษาอาเซียน และการปล่อยน้ำหนัก 33B ใต้ Apache-2.0 พร้อมแพตช์ SGLang ก็เป็นเรื่องดีโดยไม่ต้องมีเงื่อนไข แต่รุ่นนี้ควรอ่านให้ตรงตามที่มันเป็น: ทางแยกหนึ่งของ Qwen3.5-27B ที่ขยายความลึก และตามตารางของผู้ปล่อยเองยังไม่ชนะต้นทาง ไม่ใช่โมเดลใหม่ระดับ flagship ที่เทรนเองตั้งแต่ต้น

บทเรียนที่ใหญ่กว่าคือ provenance ของโมเดลเปิดตรวจสอบได้จริงด้วยต้นทุนต่ำ การเทียบ config.json ใช้เวลาไม่กี่นาที การอ่านส่วนหัว safetensors ด้วย range request แล้วเทียบ layernorm ทีละชั้นใช้แบนด์วิดท์ไม่กี่สิบ MB โดยไม่ต้องดาวน์โหลดโมเดล 66 GB องค์กรไทยที่ต้องทำเอกสาร provenance เพื่อจัดซื้อหรือประเมินความเสี่ยงไม่ควรเชื่อฟิลด์ base_model หรือคำบรรยายในการ์ด ทั้งในกรณีที่เขียนไว้และในกรณีที่เว้นว่าง อย่างรุ่นนี้

เชิงปฏิบัติ ถ้ากำลังเล็งโมเดลขนาด ~30B ไว้รันในองค์กร ตัวเลือกที่ต้องวางเทียบกันคือ Agnes-3.0-Flash Preview, Qwen3.5-27B ต้นทาง และ Qwen3.8-27B ทั้งสามใช้ฮาร์ดแวร์ระดับเดียวกัน (Agnes ใหญ่กว่า 19% และ KV ต่อโทเคนมากกว่าเล็กน้อยเพราะมี global attention 18 ชั้นแทน 16) ลองรันงานภาษาไทยของทีมบนเซิร์ฟเวอร์เดียวกันแล้ววัดเอง ถ้า Agnes ชนะในงานภาษาไทยหรืองานเอเจนต์ของเราจริง นั่นจะเป็นเหตุผลที่ดีกว่าตารางคะแนนใด ๆ ส่วน API ที่ตอนนี้คิด $0 ก็น่าลอง แต่ควรจำไว้ว่ามันเป็นอีกเช็กพอยต์หนึ่งที่ไม่ได้เปิดน้ำหนัก และตัวเลขคอนเท็กซ์ยังไม่นิ่ง

แหล่งข่าว

• Agnes-AI/Agnes-3.0-Flash — Hugging Face (การ์ด, config, แพตช์ SGLang)
• ประวัติคอมมิต Agnes-AI/Agnes-3.0-Flash (อัปโหลด 11 ก.ย., เปลี่ยนเป็น Preview 12 ก.ย.)
• Qwen/Qwen3.5-27B — Hugging Face (โมเดลต้นทางที่ใช้เทียบ)
• Agnes 3.0 Flash — เอกสาร API ของ Agnes AI