ThinkingCap-Qwen3.8-27B: ไฟน์จูน Qwen3.8-27B ให้คิดสั้นลง 37.2% เสียความแม่นเฉลี่ยแค่ 0.86 จุด — แต่ใบอนุญาตไม่ใช่ Apache-2.0 เหมือนตัวแม่
BottleCap AI เผยแพร่บล็อกเมื่อ 22 ก.ย. 2026 และอัปโหลดน้ำหนักขึ้น Hugging Face เมื่อ 23 ก.ย. เปิดตัว ThinkingCap-Qwen3.8-27B ซึ่งเป็นไฟน์จูนของ Qwen3.8-27B ที่ตั้งเป้าเดียวคือ ลดจำนวนโทเคนที่ใช้คิด โดยไม่เปลี่ยนความรู้ รูปแบบคำตอบ หรือพฤติกรรมด้านความปลอดภัยของโมเดลเดิม ผลที่วัดได้จาก 12 benchmark คือ โทเคนคิดลดลงเฉลี่ย 37.2% โดยความแม่นเฉลี่ยลดจาก 86.65% เหลือ 85.79% (ลด 0.86 จุด)
นี่เป็นรุ่นที่สองของซีรีส์ ต่อจาก ThinkingCap-Qwen3.6-27B ที่ออกเมื่อต้นเดือน ก.ค. ในรายชื่อผู้เขียนของ citation มี Tomas Mikolov ผู้สร้าง word2vec อยู่ด้วย ข้อดีในทางปฏิบัติคือใช้แทน Qwen3.8-27B ได้ทันที ใช้ sampling และ serving stack เดิมทั้งหมด
ตัวเลขที่ reasoning_effort=xhigh
| benchmark | ความแม่น (base → ThinkingCap) | โทเคนคิดเฉลี่ย |
|---|---|---|
| AIME 2026 | 98.13% → 94.27% (-3.85) | 15,663 → 10,934 (-30.2%) |
| GPQA-Diamond | 89.93% → 88.04% (-1.89) | 12,772 → 7,267 (-43.1%) |
| LiveCodeBench | 91.14% → 91.21% (+0.07) | 28,395 → 22,645 (-20.3%) |
| MMLU-Pro | 85.54% → 84.67% (-0.86) | 3,725 → 1,591 (-57.3%) |
| IFBench | 79.75% → 79.71% (-0.04) | 7,961 → 4,266 (-46.4%) |
| AA-LCR | 81.75% → 84.00% (+2.25) | 2,550 → 1,565 (-38.6%) |
| τ²-bench | 76.16% → 75.15% (-1.01) | 4,584 → 3,168 (-30.9%) |
| Terminal-Bench 2.1 | 75.84% → 75.28% (-0.56) | 72,871 → 65,092 (-10.7%) |
- ทุกรายการรันบน H200 ตัวเดียวด้วย vLLM ใช้ sampling เดียวกันกับ base (temperature 1.0, top_p 0.95, top_k 20) จำนวน seed ต่างกันตาม benchmark ตั้งแต่ 32 seed (AIME) ไปจนถึง 1 seed (MMLU-Pro, MMMLU)
- ตัวที่เสียมากที่สุดคือ AIME 2026 ซึ่งลดลง 3.85 จุด ใครใช้โมเดลกับโจทย์คณิตศาสตร์ยากๆ ควรรู้ไว้ ส่วนงานเชิง agent ที่ใช้ tool ยาวๆ (Terminal-Bench) ประหยัดโทเคนได้น้อยที่สุด คือ 10.7%
- จุดเปรียบเทียบที่น่าสนใจคือการลดความคิดด้วยปุ่ม effort ของตัว base เอง: Qwen3.8-27B ที่
mediumคิดน้อยลง 52.1% แต่ความแม่นหายไป 9.16 จุด ขณะที่ ThinkingCap ที่xhighลดได้ 37% โดยเสียไม่ถึง 1 จุด
รันบนเครื่องตัวเอง
- รีโป GGUF มี IQ4_XS (15.5GB), Q4_K_M (17.4GB, ตัวที่แนะนำ), Q6_K, Q8_0 และ f16 รวมถึง
mmprojสำหรับรับภาพ เพราะตัวโมเดลเป็น VLM เหมือน Qwen3.8-27B ไฟล์ Q4_K_M 17.4GB จึงน่าจะรันบนการ์ด 24GB ได้ (บริบทยาวจะกินหน่วยความจำเพิ่ม) llama-server -hf bottlecapai/ThinkingCap-Qwen3.8-27B-GGUF:Q4_K_M --spec-type draft-mtp --spec-draft-n-max 3เปิด self-speculative decoding ผ่านหัว MTP ที่ติดมากับไฟล์ ต้องใช้ llama.cpp v0.4.1 ขึ้นไป ผลที่วัดบน H200 แบบ 4 slot คือเร็วขึ้น 1.30 เท่าที่ Q4_K_M- มีรุ่น FP8, NVFP4 และ MLX 4-bit DWQ แยกให้ด้วย
- ทุกรีโปเป็นแบบ gated ต้องกรอกชื่อ บริษัท และอีเมลก่อนดาวน์โหลด
ใบอนุญาต: จุดที่ต้องอ่านก่อนใช้
Qwen3.8-27B ต้นฉบับเป็น Apache-2.0 แต่ไฟล์ LICENSE ของ ThinkingCap ใช้ PolyForm Small Business 1.0.0 บวกสิทธิ์ใช้งานส่วนตัวแบบไม่แสวงกำไร ตามข้อกำหนดของ PolyForm การใช้เพื่อบริษัทจะได้รับอนุญาตก็ต่อเมื่อบริษัท มีพนักงานรวมผู้รับจ้างอิสระไม่ถึง 100 คน และมีรายได้ปีก่อนไม่ถึง 1 ล้านดอลลาร์ (ค่าเงินปี 2019 ปรับตามเงินเฟ้อ) องค์กรที่เกินเกณฑ์นี้ต้องซื้อไลเซนส์เชิงพาณิชย์จาก BottleCap ส่วนเนื้อหาที่มาจาก Qwen ยังคงเป็น Apache-2.0 ตามไฟล์ NOTICE
มุมมอง AI Curator
ถ้าจ่ายเงินตามโทเคน (หรือจ่ายเป็นเวลา GPU) การตัดโทเคนคิดลง 37% โดยความแม่นแทบไม่เปลี่ยน ก็เท่ากับลดค่าใช้จ่ายและ latency ลงตรงๆ ประมาณหนึ่งในสาม นี่คือเหตุผลที่งานลักษณะนี้ใช้ได้จริงกว่าการไล่เพิ่มคะแนน benchmark อีก 1–2 จุด ตารางของ BottleCap ก็เขียนมาอย่างซื่อตรงกว่าค่าเฉลี่ยในหลายเรื่อง มีทั้งช่วงความเชื่อมั่น จำนวน seed อัตราการตอบไม่จบ และยอมโชว์ตัวเลข AIME ที่ลดลงเกือบ 4 จุด ไม่ได้ซ่อนไว้
แต่สำหรับทีมไทย เรื่องใบอนุญาตสำคัญกว่าตัวเลข สตาร์ทอัพเล็กและนักพัฒนาอิสระใช้ได้สบาย แต่บริษัทขนาดกลางขึ้นไป ธนาคาร หรือหน่วยงานที่มีคนเกิน 100 คน เอาไปใช้ในงานจริงไม่ได้ถ้าไม่ซื้อไลเซนส์ ทั้งที่โมเดลที่ถูกไฟน์จูนเป็น Apache-2.0 เรื่องแบบนี้พลาดง่ายเพราะชื่อรีโปมีคำว่า Qwen3.8 ติดอยู่ ใครดึงรุ่น GGUF ของบุคคลที่สามที่ทำต่อจาก ThinkingCap (มีหลายสิบรีโปแล้วบน Hugging Face และบางรีโปติดป้าย MIT) ก็ยังผูกกับใบอนุญาตเดิมอยู่ดี
ในระยะยาว ThinkingCap บอกว่า “ความยาวของการคิด” กำลังกลายเป็นมิติที่ปรับแต่งแยกได้ และขายได้ด้วย ถ้าวิธีนี้ใช้ได้จริงกับโมเดลอื่น เราน่าจะเห็นผู้ให้บริการ inference ในภูมิภาคนำโมเดลเปิดที่ถูกบีบความคิดลงมาให้บริการในราคาต่ำกว่าเดิม คำแนะนำคือให้ทดสอบกับงานของตัวเองโดยตั้งเพดานโทเคนไว้เท่าเดิม เพราะบล็อกระบุว่าที่เพดาน 16K ต่อคำตอบ ThinkingCap แม่นกว่าตัว base ซึ่งเป็นสถานการณ์เดียวกับที่ระบบ production ส่วนใหญ่เจอ
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service