Microsoft เข้าสนาม decision model ด้วย Microsoft-Decision-1 ($0.042 ต่อล้านโทเคน, ไม่เปิดน้ำหนัก) วันเดียวกับที่ Cloudflare ปล่อย Clef-omni รับเสียงและวิดีโอได้ แบบ Apache-2.0 — แต่ตารางของ Cloudflare เองชี้ว่า omni แพ้ Clef ตัวเดิมหลายรายการ
decision model คือโมเดลที่ไม่สร้างข้อความ แต่รับ “สถานะ” กับรายการตัวเลือกเข้าไป แล้วตอบเป็นความน่าจะเป็นของทุกตัวเลือกใน forward pass เดียว กระแสนี้เริ่มจาก Jev ของ TypeSafe เมื่อ 9 ต.ค. 2026 มีผู้เล่นรายใหญ่เพิ่มอีกสองราย Microsoft เปิดตัว Microsoft-Decision-1 ใน บล็อก Command Line ส่วน Cloudflare ซึ่งเพิ่งเปิด Clef กับ Clef-flash เมื่อสัปดาห์ก่อน ก็ปล่อย Clef-omni ที่รับ เสียงและวิดีโอ ได้ด้วย
ทั้งสองตัวเลือกคนละทาง Microsoft ขายเป็น API อย่างเดียว ส่วน Cloudflare ปล่อยน้ำหนักให้โหลดได้ หลังจาก OpenAI Decisions API และ Liquid d1 / Strands Decider เมื่อต้นสัปดาห์ ตอนนี้เกือบทุกแพลตฟอร์มใหญ่มี decision model ของตัวเองแล้ว
Microsoft-Decision-1: เร็วและถูก แต่ไม่เปิดน้ำหนัก
- ฐาน: post-train จาก Qwen3.5-9B โดย Microsoft บอกว่าจะ “rebase บนโมเดลอื่นเร็วๆ นี้ รวมถึง MAI และ OpenAI”
- ใช้ได้ที่: Microsoft Foundry และ OpenRouter ไม่มีน้ำหนักบน Hugging Face (repo ชื่อนี้ยังเข้าไม่ได้ตอนที่เราตรวจ)
- ราคา: input $0.042 ต่อล้านโทเคน output ฟรี
- ชนิดคำถาม: yes/no, multiple-choice, rating และให้คะแนนคำตอบหรือ action ของเอเจนต์ตาม rubric
- ผลทดสอบ (ตัวเลขของ Microsoft เอง): แม่นที่สุดในการเทียบ 36 benchmark รวมเกือบ 150,000 ข้อที่ไม่ได้ใช้ฝึก เร็วกว่าอันดับสอง Quyet-1.0-Large 4.5 เท่า และ latency P50 เร็วกว่า GPT-6 Sol ราว 35 เท่า
- ความเสถียร: ลองเปลี่ยนคำถามแบบเดียวกัน 8 วิธี คำตอบพลิกเฉลี่ย 1.3% และไม่พลิกเลยเมื่อสลับลำดับตัวเลือกหรือถอดความคำอธิบายตัวเลือก
- ใช้งานภายใน: ทีม Xbox Research ใช้จัดหมวดความเห็นผู้เล่นกว่า 10,000 รายการ ได้คุณภาพใกล้ GPT-6 Sol แต่เร็วกว่า 14 เท่าและถูกกว่า 200 เท่า
Clef-omni: เสียง วิดีโอ ภาพ ข้อความ ในคำขอเดียว
- ฐาน: Qwen3-Omni-30B-A3B-Instruct (MoE) ใช้เฉพาะส่วนที่ทำความเข้าใจ input ตัดส่วนสร้างเสียงพูดทิ้ง แล้วเพิ่ม joint schema head สำหรับให้คะแนนตัวเลือก ไลเซนส์ Apache-2.0 น้ำหนักอยู่บน Hugging Face
- รัน self-host: ตาม model card ส่วน backbone ใช้ GPU ราว 64 GB ใน bfloat16 (ทดสอบบน H200 ใบเดียว) ส่วนคำสั่งสำหรับ SGLang การ์ดยังเขียนว่า “coming soon”
- ราคาบน Workers AI: $0.15 ต่อล้านโทเคน input
- ความเร็ว (ตัวเลข Cloudflare): ข้อความราว 130 ms ที่ median, ภาพราว 150 ms, วิดีโอมีเสียงยาว 21 วินาทีราว 1.5 วินาที
ในตาราง benchmark ของ Cloudflare เอง Clef-omni ทำคะแนนต่ำกว่า Clef ตัวเดิมในหลายรายการ เช่น Home appliances 69.3 เทียบ 82.95, When2Call 63.3 เทียบ 72.37 และ PhishNChips 73.2 เทียบ 79.60 ถ้างานของเราเป็นข้อความหรือภาพอย่างเดียว Clef ตัวเดิมยังเป็นตัวเลือกที่ดีกว่า Clef-omni เหมาะเมื่อต้องตัดสินใจจากเสียงหรือวิดีโอโดยตรง เพราะไม่ต้องต่อโมเดลถอดเสียงไว้ข้างหน้า
การเปลี่ยนแปลงอีกสองข้อ: Cloudflare ลดราคา Clef-flash จาก $0.09 เหลือ $0.038 ต่อล้านโทเคน (ถูกกว่า Jev และถูกกว่า Microsoft-Decision-1 เล็กน้อย) แต่ context บนบริการลดจาก 64k เหลือ 24k ส่วนน้ำหนักบน Hugging Face ไม่ได้เปลี่ยน และ Cloudflare บอกว่าฝึกให้รองรับ 256k ถ้า self-host ด้าน Clef ตัวเดิม Cloudflare ปรับฝั่ง serving (ย้ายไป SGLang) จนเร็วขึ้นราว 1.7–2 เท่าที่ median โดยไม่ได้ปล่อยน้ำหนักใหม่
มุมมอง AI Curator
ราคาต่อล้านโทเคนของ decision model ตอนนี้ลงมาอยู่ระดับ 4 เซนต์แล้ว ($0.038–0.042) ถูกกว่าการเรียก LLM ให้ตอบ JSON หลายสิบถึงหลายร้อยเท่า สำหรับงานอย่าง routing, คัดกรองเนื้อหา หรือใช้ตัดสินว่าเอเจนต์ควรทำขั้นต่อไปหรือไม่ การจ่ายราคา LLM เต็มเริ่มหาเหตุผลมาอธิบายยาก
คำถามสำหรับทีมไทยคือภาษาไทย Microsoft บอกว่าทดสอบรวมงานหลายภาษาด้วย แต่ไม่ได้แยกผลภาษาไทยออกมา ส่วน Clef-omni ใช้ฐาน Qwen3-Omni ซึ่งรับเสียงหลายภาษาได้ แต่ Cloudflare ไม่มี benchmark ภาษาไทยเลย ถ้าจะใช้กับคอลเซ็นเตอร์หรือข้อความลูกค้าภาษาไทย ควรทดสอบกับข้อมูลจริงของตัวเองก่อน เพราะงานแบบนี้ต้องการให้ calibration แม่นในภาษาที่ใช้งานจริง
ในเชิงกลยุทธ์ การที่ Microsoft ใช้ Qwen เป็นฐานแล้วไม่เปิดน้ำหนักบอกอะไรบางอย่าง โมเดลจีนแบบเปิดกลายเป็นวัตถุดิบตั้งต้นของผลิตภัณฑ์ฝั่งสหรัฐฯ ไปแล้ว ขณะที่ Cloudflare ใช้การเปิดน้ำหนักเป็นจุดขาย ถ้าเป็นงานที่ข้อมูลออกนอกองค์กรไม่ได้ ตอนนี้ Clef ตระกูลนี้คือตัวเลือกที่ self-host ได้จริงพร้อมไลเซนส์ Apache-2.0 แต่ต้องเผื่อ GPU ระดับ 64 GB สำหรับรุ่น omni
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