Samaya Sterling เทรนโมเดล 3B active ต่อจาก Nemotron จนชนะ Fable 5.1 บนเบนช์มาร์กการเงินของตัวเอง — แต่ตัวเลขถูกกว่า 11 เท่าเทียบคนละระบบ

Samaya AI เปิดตัว Samaya Sterling เมื่อ 28 ต.ค. 2026 เป็นโมเดลวิจัยการเงินที่ post-train จาก NVIDIA Nemotron 3.5 Lightning ขนาด 30B แบบ mixture-of-experts ที่ใช้งานครั้งละ 3B คะแนนบนเบนช์มาร์ก FrontierFinance สูงขึ้นจาก 42.5% เป็น 58.9% แซง Claude Fable 5.1 ที่ 55.9% ตัวเลขทั้งหมดรายงานโดย Samaya เอง บนเบนช์มาร์กที่ Samaya สร้างเอง แต่ชุดคำถามเป็นสาธารณะ 220 ข้อ และทีมระบุว่ากันข้อสอบออกจากการเทรนโดยเด็ดขาด

ที่ควรสนใจไม่ใช่ตัวโมเดล แต่เป็นสูตรการทำให้โมเดลเล็กเก่งในงานแคบ ด้วยการเทรนร่วมกับ harness เฉพาะงาน

สูตร 4 ขั้น

เทรนแบบ LoRA ผ่าน Tinker ของ Thinking Machines Lab โดยมีครู 8 ตัวที่ใช้กลยุทธ์ต่างกัน:

1. SFT จาก trace สังเคราะห์ 968 คำถาม ให้โมเดลรู้จักใช้เครื่องมือการเงิน
2. SFT จากคำตอบที่ดีที่สุดใน 8 กลยุทธ์ เพื่อเลือกกลยุทธ์ให้ตรงคำถาม
3. Offline GRPO บนคำตอบทั้ง 8 แบบ ให้เห็นทั้งกลยุทธ์ที่ดีและแย่
4. Online GRPO เรียนจากความพยายามของตัวเอง 26 steps ขั้นละ 16 คำถามคูณ 8 รอบตอบ

ฝั่ง harness ก็ปรับตาม ตัดคำแนะนำยาว ๆ ใน system prompt รวมเครื่องมือให้น้อยลง เพิ่ม helper model สำหรับย่อผลเครื่องมือและย่อ trace และแยก report writer อีกตัว จำนวนการเรียกเครื่องมือมัธยฐานจึงเพิ่มจาก 3 เป็น 17 ครั้งต่อคำถาม

อ่านตัวเลขให้ถูก

ตัวเลข “ถูกกว่า 11 เท่า” มาจาก $0.61 เทียบ $6.89 แต่บนกระดานคะแนน แถวของ Fable 5.1 คือระบบ Finance Agent v2 ซึ่งเป็นคนละ harness กับ Sterling จึงไม่ใช่การเทียบราคาโมเดลต่อโมเดล ตัวเลขที่ใกล้กว่าอยู่ในบล็อกเอง คือในขั้นวิจัย Sterling มีค่าโมเดล $0.04 ต่อคำถาม ขณะที่โมเดลปิดแนวหน้าใน harness เดียวกันใช้ $0.56–0.95 ส่วนที่เหลือของ $0.61 คือค่าเครื่องมือและ helper models

ระบบ	คะแนน	ต่อคำถาม	เวลา
Samaya Sterling	58.9%	$0.61	282 วินาที
Legacy Samaya System (high effort)	56.0%	$1.81	278 วินาที
Claude Fable 5.1 · Finance Agent v2	55.9%	$6.89	268 วินาที
Muse Spark Open · Finance Agent v2	53.7%	$1.38	234 วินาที

โหมด high effort ของ Sterling ได้ 60.6% ที่ $1.83 และ 372 วินาที ส่วนคำถามกลุ่มยากที่สุดหนึ่งในสามได้เพียง 45.2% แปลว่ายังทำได้ไม่ถึงครึ่งของเกณฑ์ในกลุ่มนี้

ข้อสำคัญคือบล็อกไม่ได้ประกาศปล่อยน้ำหนักของ Sterling ที่เปิดคือโมเดลฐานจาก NVIDIA และชุดเบนช์มาร์ก ส่วนตัว Sterling อยู่กับระบบของ Samaya

มุมมอง AI Curator

เราไม่ได้มองว่านี่คือโมเดลเล็กชนะโมเดลใหญ่ แต่เป็นหลักฐานว่า harness กับการเทรนแยกจากกันไม่ได้แล้ว คะแนนที่ได้มาจากการออกแบบเครื่องมือ ข้อมูลที่ Samaya มี และ helper models รวมกัน ถ้าย้าย Sterling ไปอยู่ใน harness อื่นก็ไม่มีเหตุผลให้เชื่อว่าคะแนนจะคงอยู่

สำหรับบริษัทไทย สูตรนี้น่าลองในงานเฉพาะทาง เช่นเอกสารภาษาไทยด้านการเงินหรือกฎหมาย เพราะต้นทุนหลักของสูตรนี้น่าจะอยู่ที่ชุดคำถามและเกณฑ์ตรวจที่ผู้เชี่ยวชาญเขียน มากกว่าค่า GPU FrontierFinance มีเกณฑ์เฉลี่ย 52.5 ข้อต่อคำถาม ซึ่งเป็นงานคนล้วน ทีมที่มีข้อมูลและผู้เชี่ยวชาญในมือจึงมีข้อได้เปรียบ ส่วนทีมที่มีแค่ prompt ยังไม่ถึงเวลาเทรน ควรเริ่มจากสร้างชุดทดสอบของตัวเองก่อน

แหล่งข่าว

• Samaya AI — Samaya Sterling: A post-trained model for state-of-the-art financial research
• Samaya — FrontierFinance benchmark
• NVIDIA Nemotron 3.5 Lightning 30B-A3B — Hugging Face