แท็ก

#Decision Models

10 บทความ

IBM ปล่อย Granite Switch 4.1 (8B/30B, Apache-2.0): รวมแชต, decision adapter, ตัวตรวจความปลอดภัย และ ASR ไว้ใน endpoint เดียวด้วย aLoRA ที่ใช้ KV cache ร่วมกัน — ท้าชน Jev แต่คะแนน Decision Index ยังอยู่ที่ 42.9/50.1
โมเดลใหม่

IBM ปล่อย Granite Switch 4.1 (8B/30B, Apache-2.0): รวมแชต, decision adapter, ตัวตรวจความปลอดภัย และ ASR ไว้ใน endpoint เดียวด้วย aLoRA ที่ใช้ KV cache ร่วมกัน — ท้าชน Jev แต่คะแนน Decision Index ยังอยู่ที่ 42.9/50.1

IBM ปล่อย Granite Switch 4.1 ขนาด 8B และ 30B (Apache-2.0) เมื่อ 14–15 ต.ค. 2026 เป็นโมเดลที่ประกอบ Granite 4.1 เข้ากับ activated LoRA สำหรับงานตัดสินใจและตรวจความปลอดภัย และฝังตัวถอดเสียง Granite Speech 5.0 TurboCTC ไว้ใน endpoint เดียว โดยใช้ VRAM ใกล้เคียงโมเดลฐาน IBM อ้างว่า Guardian adapter ชนะ Jev 1.13 ในงานด้านความปลอดภัย แต่คะแนน Decision Index ของ decision adapter อยู่ที่ 42.9 (8B) และ 50.1 (30B) และ ASR ยังไม่ได้เทรนร่วมกับ LLM

· อ่าน 4 นาที
TypeSafe ปล่อย Jev 1.14 พร้อมฟีเจอร์ "Danger Zone": เปิดรับภาพ, เพิ่มคำถามแบบ Box ที่ตอบเป็น bounding box และขยาย context จาก 64k เป็น 262k ผ่าน header — แต่คะแนนภายในขยับจาก 1.13 แค่ 58.9 → 60.0
โมเดลใหม่

TypeSafe ปล่อย Jev 1.14 พร้อมฟีเจอร์ "Danger Zone": เปิดรับภาพ, เพิ่มคำถามแบบ Box ที่ตอบเป็น bounding box และขยาย context จาก 64k เป็น 262k ผ่าน header — แต่คะแนนภายในขยับจาก 1.13 แค่ 58.9 → 60.0

TypeSafe ออก Jev 1.14 เมื่อ 14 ต.ค. เป็นรุ่นที่ปรับเล็กน้อยทุกด้าน โดยเน้นงานหลายภาษา และเปิดฟีเจอร์ทดลองผ่าน header 'TypeSafe-Danger-Zone' ได้แก่ การส่งภาพ (ซึ่ง Jev 1.13 รับได้มาตั้งแต่แรก), คำถามแบบ box ที่ตอบเป็นกรอบสี่ด้าน และ context 262k จากเดิม 64k ส่วน jev-latest จะชี้ไปที่ 1.14 ภายในหนึ่งสัปดาห์

· อ่าน 4 นาที
Nace.AI ปล่อย Drex 1.5 decision model ขนาด 9B ที่ทำคะแนนสูสี Jev บน GPU ตัวเดียว แต่ไลเซนส์น้ำหนักห้ามบริษัทที่มีรายได้หรือระดมทุนเกิน $1M ใช้เชิงพาณิชย์
โมเดลใหม่

Nace.AI ปล่อย Drex 1.5 decision model ขนาด 9B ที่ทำคะแนนสูสี Jev บน GPU ตัวเดียว แต่ไลเซนส์น้ำหนักห้ามบริษัทที่มีรายได้หรือระดมทุนเกิน $1M ใช้เชิงพาณิชย์

9–10 ต.ค. 2026 Nace.AI เปิดน้ำหนัก Drex v1.5 decision model 8.95B (ฐาน MiMo-V2.6-Distill-Qwen-9B) ที่ Nace รันเองได้ 58.08 บน Decision Index 0.3.1 ชุด public สูสี Jev ของ TypeSafe (57.96) ใช้ API แบบ /v1/systemone เดียวกัน และรันบน llama.cpp/Ollama ได้ แต่ไลเซนส์ Open RAIL-M ฉบับดัดแปลงห้ามบริษัทที่มีรายได้หรือเงินระดมทุนเกิน $1M และบริษัทที่ทำ decision model แข่ง ใช้เชิงพาณิชย์โดยไม่ซื้อไลเซนส์แยก

· อ่าน 5 นาที
Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ
เครื่องมือนักพัฒนา

Unsloth เทรน decision model เองได้แล้ว: แปลง Qwen3.5 / Llama 3.2 / Gemma 4 เป็นโมเดลตัดสินใจด้วย LoRA ใช้ VRAM 4 GB ความแม่นยำขึ้นจากระดับเดาสุ่ม (~30%) เป็น 78–81% พร้อม OS sandbox ทั้ง 3 ระบบปฏิบัติการ

Unsloth v0.1.904/905-beta (7–8 ต.ค. 2026) เพิ่ม FastDecisionModel และ DecisionTrainer สำหรับแปลง LLM ทั่วไปเป็น decision model ที่ตอบเป็นความน่าจะเป็นของแต่ละตัวเลือก (ใช้ head แบบเดียวกับ Clef ของ Cloudflare) Qwen3.5-0.8B ใช้ VRAM 4 GB เทรน 42 นาที ได้ holdout 78% พร้อมเปิด OS-level sandbox ให้ tool call บน Linux (bwrap), macOS (Seatbelt) และ Windows (MXC)

· อ่าน 5 นาที
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
โมเดลใหม่

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

9 ต.ค. 2026 Microsoft เปิดตัว Microsoft-Decision-1 โมเดลตัดสินใจที่ post-train จาก Qwen3.5-9B ใช้ได้บน Foundry และ OpenRouter ราคา input $0.042 ต่อล้านโทเคน output ฟรี ไม่มีน้ำหนักให้โหลด วันเดียวกัน Cloudflare ปล่อย Clef-omni (30B-A3B, Apache-2.0) ที่รับเสียงและวิดีโอได้ พร้อมลดราคา Clef-flash เหลือ $0.038 แลกกับ context บนบริการที่ลดจาก 64k เหลือ 24k

· อ่าน 5 นาที
Decision model ลงมาถึง edge — Liquid AI ปล่อย d1-3B รับภาพได้ ตอบใน 16 ms บน Jetson Thor ส่วน AWS ปล่อย Strands Decider 2B แบบ Apache-2.0 พร้อมข้อมูลและสคริปต์ฝึกครบ
โมเดลใหม่

Decision model ลงมาถึง edge — Liquid AI ปล่อย d1-3B รับภาพได้ ตอบใน 16 ms บน Jetson Thor ส่วน AWS ปล่อย Strands Decider 2B แบบ Apache-2.0 พร้อมข้อมูลและสคริปต์ฝึกครบ

Liquid AI ปล่อย d1-3B (รับข้อความ+ภาพ) และ d1-omni-600M (ข้อความ+ภาพ หรือ ข้อความ+เสียง) เมื่อ 7 ต.ค. อ้างว่าได้ Decision Index 48.57 สูงสุดในกลุ่มต่ำกว่า 10B และตอบคำถามได้ใน 16 ms บน Jetson AGX Thor แต่ใช้ไลเซนส์ LFM1.0 ที่จำกัดบริษัทรายได้เกิน 10 ล้านดอลลาร์ ส่วน Strands Decider 2B ของทีม Strands (AWS) ที่ออกตั้งแต่ 1 ต.ค. เป็น Apache-2.0 ตัวเดียวที่เปิดทั้งข้อมูลและสคริปต์ฝึก

· อ่าน 5 นาที
llama.cpp กับ SGLang รองรับ decision model แล้ว: llama.cpp เพิ่ม /v1/systemone พร้อม 5 โมเดลตั้งแต่ 144M ถึง 27B (ตามด้วย Nimble และ Clef) ส่วน SGLang 0.5.21 ใช้ /v1/decisions เปลี่ยน chat model ตัวไหนก็ได้ให้เป็นตัวจำแนก
เครื่องมือนักพัฒนา

llama.cpp กับ SGLang รองรับ decision model แล้ว: llama.cpp เพิ่ม /v1/systemone พร้อม 5 โมเดลตั้งแต่ 144M ถึง 27B (ตามด้วย Nimble และ Clef) ส่วน SGLang 0.5.21 ใช้ /v1/decisions เปลี่ยน chat model ตัวไหนก็ได้ให้เป็นตัวจำแนก

2 ต.ค. 2026 llama.cpp merge endpoint /v1/systemone ซึ่งใช้รูปแบบ System One เดียวกับ Jev ของ TypeSafe มี GGUF ให้ 5 ตัว (Julia-1, Laya, Kev-4B, lev, OpenJev) และ Clef ตามมาบน master ในวันที่ 3 ต.ค. วันเดียวกัน SGLang v0.5.21 ออก /v1/decisions ที่อ่านความน่าจะเป็นของคำตอบจาก chat model ทั่วไปได้โดยตรง พร้อม route /v1/systemone ที่เข้ากันได้กับ SDK ของ TypeSafe

· อ่าน 6 นาที
Perplexity เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API ราคา $0.04 ต่อล้านโทเคน พร้อมปล่อยน้ำหนัก pplx-decider-v1-27b แบบ Apache-2.0 ค่าเฉลี่ย 11 ชุดทดสอบแซง Jev 85.71 ต่อ 84.51 แต่แพ้ 6 ใน 11 ชุด
โมเดลใหม่

Perplexity เข้าตลาดโมเดลตัดสินใจ — เปิด Decisions API ราคา $0.04 ต่อล้านโทเคน พร้อมปล่อยน้ำหนัก pplx-decider-v1-27b แบบ Apache-2.0 ค่าเฉลี่ย 11 ชุดทดสอบแซง Jev 85.71 ต่อ 84.51 แต่แพ้ 6 ใน 11 ชุด

Perplexity ปล่อย pplx-decider-v1-27b บน Hugging Face เมื่อ 1 ต.ค. (เวลา UTC) เป็นโมเดลตัดสินใจที่ fine-tune จาก Qwen3.8-27B ภายใต้ Apache-2.0 พร้อมโค้ดฝึกแบบ MIT และเปิด Decisions API ราคา $0.04 ต่อล้านโทเคนขาเข้า ขาออกฟรี ค่าเฉลี่ย 11 ชุดทดสอบได้ 85.71% เทียบกับ 84.51% ของ Jev แต่ชนะได้เพราะสองชุดเป็นหลัก ส่วน JevBench hard ยังต่ำกว่าโมเดลฐานเสียอีก

· อ่าน 5 นาที
Cloudflare เปิดตัว Clef กับ Clef-flash เป็น decision model แบบ open-weight (Apache-2.0) ที่ต่อยอดจาก Qwen3.8-27B และ Qwen3.5-9B ใช้ API เดียวกับ Jev รับภาพได้ และนำ Jev ในตารางของ Cloudflare เอง
โมเดลใหม่

Cloudflare เปิดตัว Clef กับ Clef-flash เป็น decision model แบบ open-weight (Apache-2.0) ที่ต่อยอดจาก Qwen3.8-27B และ Qwen3.5-9B ใช้ API เดียวกับ Jev รับภาพได้ และนำ Jev ในตารางของ Cloudflare เอง

1 ต.ค. 2026 Cloudflare ปล่อย Clef (27B) และ Clef-flash (9B) ซึ่งเป็น decision model ที่ตอบเป็นความน่าจะเป็นของตัวเลือกใน schema ภายใน forward pass เดียว ใช้ API แทน Jev ได้ทันที รับภาพและวิดีโอได้ มีให้ใช้บน Workers AI และโหลดน้ำหนักจาก Hugging Face ได้ภายใต้ Apache-2.0 พร้อมเปิดบริการ fine-tune ด้วย RL

· อ่าน 5 นาที
CLM-8B: โมเดลตัดสินใจแบบ System One ที่ไม่ generate สักโทเคน — ใช้ contrastive embedding บน Qwen3-8B กับหัวเทรนได้ 75MB เร็วกว่า Jev สูงสุด 9 เท่า เปิด Apache-2.0
โมเดลใหม่

CLM-8B: โมเดลตัดสินใจแบบ System One ที่ไม่ generate สักโทเคน — ใช้ contrastive embedding บน Qwen3-8B กับหัวเทรนได้ 75MB เร็วกว่า Jev สูงสุด 9 เท่า เปิด Apache-2.0

Contrastive-LM ปล่อย CLM-8B โมเดลตัดสินใจที่ใช้ API แบบเดียวกับ Jev ของ TypeSafe แต่ไม่ generate ข้อความเลย ใช้ Qwen3-8B แบบ frozen เป็น encoder แล้วต่อหัว projection 20M พารามิเตอร์ที่เทรนด้วย contrastive loss ให้คะแนนตัวเลือกด้วยความใกล้กันของ embedding ตัวเลขของผู้พัฒนาเองบอกว่าเร็วกว่า Jev 1.6–9 เท่า ความแม่นใกล้เคียงกันเกือบทุกงาน และเมื่อไฟน์จูนเป็น verifier ได้ 81.6% บน DeepSWE แต่วัดบนชุดทดสอบเพียง 30–38 งาน

· อ่าน 5 นาที