Hemmingway-1 โมเดล 27B สัญญา Apache 2.0 อ้างเขียนข้อความ "เหมือนคนเขียน" ชนะ GPT-6 Astra — แต่ 3 ใน 4 เบนช์มาร์กเป็นของทีมตัวเอง และการ์ดโมเดลก็บอกไว้ตรง ๆ

20 ก.ย. 2026 ทีมชื่อ Altworld ปล่อย Hemmingway-1 บน Hugging Face โมเดลภาษาขนาด 27B พารามิเตอร์ สัญญาอนุญาต Apache 2.0 ที่ fine-tune มาจาก Qwen/Qwen3.8-27B โดยตั้งเป้าไปที่งานที่โมเดลใหญ่มักทำได้ไม่ดี นั่นคือ การเขียนข้อความธรรมดาในชีวิตประจำวันให้เหมือนคนเขียน ไม่ใช่โค้ดหรือคณิตศาสตร์ repo ถูกสร้างเมื่อ 20 ก.ย. เวลา 12:10 UTC และได้ 142 likes ภายในวันเดียว

เรื่องที่ทำให้โพสต์นี้น่าเขียนไม่ใช่ตัวเลขที่อ้าง แต่เป็นวิธีที่การ์ดโมเดลรายงานตัวเลขเหล่านั้น

ตัวเลขที่อ้าง และใครเป็นคนตั้งข้อสอบ

การ์ดโมเดลอ้างผลดังนี้

เบนช์มาร์ก	ผลที่อ้าง	ใครเป็นเจ้าของเบนช์มาร์ก
CommunicationBench	ชนะ GPT-6 Astra 50 คะแนน	Altworld เอง
Human-Likeness	นำอันดับสอง 26 คะแนน	Altworld เอง
StoryBench	เสมอ Kimi K3 และสูงกว่าโมเดลฐาน 504 คะแนน	Altworld เอง
EQ-Bench 4	อันดับ 3 แซง GPT-5.5, Opus 4.7 และ Opus 4.8 ห่างที่หนึ่ง 12 คะแนน	ภายนอก

ตัวเลขที่ดูน่าตกใจที่สุดคือหมวดที่การ์ดเรียกว่า “hard asks” ซึ่งอ้างว่า GPT-6 Astra ทำได้ 9% ส่วน Hemmingway-1 ทำได้ 72%

จุดที่ต้องให้เครดิตคือ การ์ดโมเดลบอกเองอย่างชัดเจนว่าสามเบนช์มาร์กแรกเป็นของ Altworld ไม่ได้พยายามกลบเกลื่อนให้ดูเหมือนมาตรฐานกลาง และยังอธิบายวิธีวัดของ CommunicationBench ไว้ด้วยว่าใช้คำขอจริง 80 รายการ ตัดสินแบบปิดตา สลับลำดับทั้งสองทาง และใช้โมเดลตัดสินคนละตัวกับโมเดลที่ถูกตัดสิน ซึ่งเป็นระเบียบวิธีที่รัดกุมกว่าที่หลายทีมทำ

แต่ต่อให้ระเบียบวิธีดีแค่ไหน เบนช์มาร์กที่ผู้ขายออกแบบเองแล้วประกาศว่าตัวเองชนะ ก็ยังเป็นเบนช์มาร์กที่ผู้ขายออกแบบเอง ตัวเลขเดียวที่เทียบกับโลกภายนอกได้จริงคือ EQ-Bench 4 ซึ่งได้อันดับ 3 — น่าประทับใจสำหรับโมเดล 27B ที่แซงรุ่นพี่หลายตัว แต่ห่างจากคำว่า “ชนะ GPT-6 Astra” พอสมควร

สถาปัตยกรรม: attention แบบผสม + หัว multi-token prediction

ผมไล่ดูจาก config.json ใน repo โดยตรง ได้ดังนี้

• คลาส Qwen3_5ForCausalLM, hidden_size 5120, head_dim 256, ความแม่น bfloat16
• full_attention_interval: 4 — ทุก ๆ 4 ชั้นจะมี full attention 1 ชั้น ที่เหลืออีก 3 ชั้นเป็น linear attention เป็นรูปแบบเดียวกับสาย Qwen3.8 ที่ทำให้ decode ไม่ช้าลงมากเมื่อ context ยาว
• ไฟล์น้ำหนักแบ่งเป็น 12 shard บวกไฟล์ model-mtp.safetensors แยกอีกหนึ่งไฟล์ ซึ่งเป็นหัว multi-token prediction ติดมาด้วย
• context 262,144 โทเคน (อ้างอิงจากบรรทัดรันที่การ์ดให้มาเอง: vllm serve Altworld/Hemmingway-1 --max-model-len 262144)

ด้าน license ผมตรวจไฟล์ LICENSE ในสาขา main โดยตรง ไม่ได้ดูแค่ป้าย metadata — เป็นข้อความ Apache 2.0 ฉบับจริง และโมเดลฐาน Qwen/Qwen3.8-27B (สร้าง 5 ส.ค. 2026, 15,895 likes) ก็เป็น Apache 2.0 เช่นกัน จึงไม่มีกับดักสัญญาอนุญาตซ้อนชั้นแบบที่เคยเจอในโมเดลอื่น

ทีมคือใคร และชุมชนตอบรับอย่างไร

ต้องพูดให้ชัดว่า Altworld เป็นองค์กรที่ยังไม่ผ่านการยืนยันตัวตนบน Hugging Face มีสมาชิก 1 คน โมเดล 4 ตัว และผู้ติดตาม 34 คน ผลงานก่อนหน้าคือ Astrea-R8-Chat-9B (ก.ค. 2026) ที่ได้ 10 likes ส่วน repo GitHub อยู่ภายใต้บัญชีส่วนตัว lukeckprobierts/Hemmingway-1 ซึ่งถูกสร้างขึ้นเมื่อ 20 ก.ย. เวลา 12:05 UTC คือ ก่อนสร้าง repo บน Hugging Face เพียง 5 นาที

แต่สิ่งที่ตลาดตอบกลับเร็วกว่าชื่อเสียงของทีมคือ ระบบนิเวศ quantization ภายใน 24 ชั่วโมงมี repo ที่อิง Hemmingway-1 เกิดขึ้นแล้ว 17 รายการ โดย bartowski ปล่อย GGUF ตั้งแต่เวลา 15:36 UTC หรือ 3 ชั่วโมงครึ่งหลังโมเดลออก ตามด้วย mradermacher เวลา 15:52 UTC และมีทั้งรุ่น MLX 4/8-bit สำหรับ Mac และ GPTQ-Int4-MTP

ข้อบกพร่องเล็ก ๆ ที่เจอระหว่างตรวจ: การ์ดโมเดลโฆษณา “Mac and Android apps →” โดยลิงก์ไปที่ hemmingway.io/download ซึ่ง คืนค่า 404 (ตัวโดเมน hemmingway.io เองตอบ 200 ปกติ) แอปที่โฆษณาไว้จึงยังโหลดไม่ได้จริงในตอนนี้

มุมมอง AI Curator

โมเดลตัวนี้อยู่ในจุดที่น่าสนใจพอดี คือ ทำสิ่งที่ถูกต้องเกือบทั้งหมด ยกเว้นสิ่งเดียวที่สำคัญที่สุด ทีมเลือก Apache 2.0 จริง ๆ ไม่ใช่ license วิจัยแบบที่เราเพิ่งเขียนถึงในกรณี Qwen-Image-2.1 เปิดเผยระเบียบวิธีวัด และยอมรับตรง ๆ ว่าข้อสอบส่วนใหญ่ตัวเองเป็นคนออก ความซื่อสัตย์ระดับนี้หายากกว่าที่ควรจะเป็น แต่ท้ายที่สุดแล้วตัวเลข “ชนะ GPT-6 Astra 50 คะแนน” ก็ยังเป็นตัวเลขที่ตรวจสอบจากภายนอกไม่ได้ และพาดหัวที่สื่อจะหยิบไปใช้ก็คือตัวเลขนั้น ไม่ใช่คำสารภาพที่อยู่ย่อหน้าถัดไป

สำหรับนักพัฒนาไทย ผมคิดว่าวิธีใช้ข่าวนี้ให้ถูกคือ อย่าเชื่อตัวเลข แต่ให้สนใจว่าทำไมมันถึงเบนช์มาร์กตัวเองได้ งานเขียนข้อความในชีวิตประจำวัน เช่น ตอบลูกค้า เขียนแคปชัน ร่างอีเมล เป็นงานที่ ไม่มีเบนช์มาร์กกลางที่ดีพอ ต่างจากโค้ดหรือคณิตศาสตร์ที่มีคำตอบถูกผิดชัดเจน ช่องว่างตรงนี้แหละที่ทำให้ใครก็ตามสามารถสร้างเบนช์มาร์กของตัวเองขึ้นมาแล้วชนะได้ และมันจะเกิดขึ้นอีกเรื่อย ๆ

ข้อควรระวังที่สำคัญมากสำหรับคนไทยโดยเฉพาะ: การ์ดโมเดลไม่ได้พูดถึงภาษาไทยเลย และ EQ-Bench 4 ซึ่งเป็นเบนช์มาร์กภายนอกตัวเดียวที่มีก็วัดเป็นภาษาอังกฤษ คำว่า “เขียนเหมือนคนเขียน” ที่วัดได้ในภาษาอังกฤษ ไม่ได้การันตีอะไรเลยกับภาษาไทย ซึ่งเป็นภาษาที่โมเดลส่วนใหญ่ยังเขียนออกมาแข็งและเป็นทางการเกินไป ใครจะเอาไปใช้เขียนคอนเทนต์ไทยควรทดสอบกับงานจริงของตัวเองก่อนเสมอ — ข้อดีคือโมเดลเป็น Apache 2.0 ขนาด 27B และมี GGUF ให้แล้ว การทดสอบบนเครื่องตัวเองจึงทำได้ทันทีโดยไม่ต้องจ่ายค่า API

แหล่งข่าว

• Altworld/Hemmingway-1 — Hugging Face model card
• Hemmingway-1 LICENSE (Apache 2.0)
• Qwen/Qwen3.8-27B — โมเดลฐาน
• lukeckprobierts/Hemmingway-1 — GitHub