แท็ก
29 บทความ
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
Liquid AI เปิดตัวตระกูล LFM3 เมื่อ 27 ต.ค. 2026 ประกอบด้วยรุ่น Base, ข้อความ, ภาพ, เสียง, omni และ decision model ขนาดราว 2B ทั้งหมดเปิดน้ำหนักบน Hugging Face ตัวหลัก LFM3-1.7B มีบริบท 256K ฝึกมาสำหรับ agent harness และในตารางของผู้พัฒนาชนะ Qwen3.5-9B ใน BFCL V4, WebArena-Verified และ AutomationBench แต่แพ้ใน SWE-bench, GPQA และ RULER 128K ไลเซนส์ LFM Open v1.0 ไม่ให้สิทธิ์ใช้เชิงพาณิชย์กับองค์กรที่มีรายได้ตั้งแต่ $10M ต่อปีขึ้นไป
ห้องแล็บ DASLab ของ IST Austria อัปโหลด DeepSeek-V4.1-Flash-1017 แบบ GGUF ความแม่นยำผสม 1.75, 2.00 และ 2.25 บิตขึ้น Hugging Face เมื่อ 23 ต.ค. การ์ดโมเดลบอกว่ารุ่น 2.00 บิตได้คะแนนเท่าโมเดลต้นฉบับ 100% ใน AIME25, GPQA-Diamond และ LiveCodeBench v6 ส่วน Strata ตัวติดตั้งคลิกเดียวรองรับชุดนี้ตั้งแต่ 24–25 ต.ค. และวัดได้ 4–11 tok/s บนการ์ด 12GB แต่การวัดของ Strata เองพบว่า perplexity ของรุ่น 2.00 บิตเพิ่มขึ้น 15.5% ตอนนี้ llama.cpp ยังรันไฟล์ชุดนี้ไม่ได้ และคอนเท็กซ์ที่ผ่านการทดสอบมีแค่ 8K
ทีม Nanbeige (ในเครือ Kanzhun เจ้าของ BOSS Zhipin) อัปโหลด Nanbeige4.3-33B และรุ่น Base ขึ้น Hugging Face เมื่อ 24–25 ต.ค. 2026 เป็นโมเดล dense สถาปัตยกรรม Llama มาตรฐาน บริบท 512K ไลเซนส์ Apache-2.0 ตารางของผู้พัฒนาชนะ Qwen3.8-27B ใน 17 จาก 20 benchmark (ห่างมากใน DeepSWE และ Terminal-Bench 4.0) แต่แพ้ Qwen ใน SWE-Bench Pro และ GDPval และแพ้ Gemma4-31B ใน GPQA Diamond ยังไม่มีผลทดสอบอิสระหรือรายงานเทคนิค ไฟล์ GGUF Q4_K_M ขนาด 20.8GB ออกมาภายในวันเดียว
21 ต.ค. 2026 Recursive (บริษัทของ Richard Socher ที่ระดมทุน $650M เมื่อ พ.ค.) ปล่อย Flint โมเดล MoE สำหรับ coding agent ขนาด 39.8B พารามิเตอร์ active ~2.5B ใต้ Apache-2.0 จริง มีไฟล์ NVFP4/INT4 ขนาด 22-26GB สำหรับ GPU 48GB หรือ Mac 48GB พร้อม engine rec และ llama.cpp ที่ merge รองรับในวันเดียวกัน SWE-bench Verified 74.2% ชนะ Qwen3.5/3.6 แบบ MoE แต่แพ้ Qwen3.8 แบบ dense ในงานเขียนโค้ด 4 จาก 6 รายการ
16 ต.ค. 2026 NVIDIA ปล่อย Nemotron-Labs Dory1.0-4B โมเดลขนาด 4B ที่วนใช้บล็อก 20 เลเยอร์ซ้ำได้ 1–4 รอบจาก checkpoint เดียว ทำให้เลือกแลกคอมพิวต์กับความแม่นตอนรันได้ โดยไม่เพิ่ม KV cache ถ้าเปิดโหมด last-loop มี context 256K ใช้ไลเซนส์ OpenMDW-1.1 ที่ใช้เชิงพาณิชย์ได้ และมี GGUF Q5_K_M ขนาด 3.67 GB แต่การรองรับใน vLLM และ llama.cpp ยังอยู่ใน PR ที่ยังไม่ merge
Underdog ปล่อย Saluki 27B 1.0 (Apache-2.0) เวอร์ชัน 2-bit ของ Qwen3.8-27B ขนาด 7.89 GB จากเดิมราว 54 GB รันบน llama.cpp ตัวมาตรฐานได้เลย ในชุดทดสอบ tool calling 120 ข้อที่บริษัทคัดจาก BFCL v4 ทำได้ 88 ข้อ สูงกว่าโมเดลเต็ม (84) แต่ SWE-bench Verified 50 ข้อแก้ได้ 30 เทียบกับ 33 และคะแนน AIME ลดจากราว 95 เหลือราว 80
JetBrains ปล่อย Mellum2.1 Thinking (8 ต.ค.) โมเดล MoE 12B ที่ใช้งานจริงแค่ 2.5B ต่อโทเคน ไลเซนส์ Apache-2.0 สถาปัตยกรรมเหมือน Mellum2 แต่เน้น RL ในรีโปจริงจน SWE-bench Verified ขึ้นจาก 2.0 เป็น 47.0 (Qwen3.5-9B ได้ 50.0) บล็อกบอกว่า GGUF 'มาเร็วๆ นี้' แต่ repo GGUF ทางการขึ้น Hugging Face แล้ว Q4_K_M 8.1 GB
ทีม Index ของ Bilibili ปล่อย Index-Translate ตระกูลโมเดลแปลภาษาที่ต่อยอดจาก Qwen3.5 ไลเซนส์ Apache-2.0 ขนาด 2B, 9B และ 35B-A3B (preview) แปลได้ 150 ภาษา และทำตามคำสั่งเรื่องศัพท์เฉพาะ รูปแบบ JSON/markdown และน้ำเสียงได้ ภาษาไทยอยู่ในกลุ่ม 22 ภาษาหลัก วันที่ 3 ต.ค. ออก GGUF และ FP8 ครบทุกขนาด แต่คะแนนหลายตัวในรายงานใช้ GPT-5.6-Sol เป็นผู้ตัดสิน และยังไม่มีคะแนนแยกของภาษาไทย
H Company จากฝรั่งเศสเปิดตัว Holo4 เมื่อ 28 ก.ย. เป็นโมเดลเอเจนต์ที่คลิกหน้าจอ เขียนโค้ด และเรียก MCP/API ได้ในตัวเดียว มีสองขนาดคือ 27B dense (ต่อยอด Qwen3.8-27B) กับ 35B-A3B MoE พร้อม GGUF 4-bit ตัว 27B ได้ OSWorld 2.0 61.7% ที่ $1.22 ต่องาน แต่น้ำหนักเป็น CC BY-NC 4.0 ห้ามใช้เชิงพาณิชย์ ส่วนตัว 35B-A3B ที่อ่อนกว่ามาก (30.9%) กลับเป็น Apache-2.0
BottleCap AI ปล่อย ThinkingCap-Qwen3.8-27B (บล็อก 22 ก.ย., ขึ้น Hugging Face 23 ก.ย.) ใช้โทเคนคิดน้อยลงเฉลี่ย 37.2% จาก 12 benchmark โดยความแม่นเฉลี่ยลดจาก 86.65% เหลือ 85.79% มีทั้ง GGUF, FP8, NVFP4 และ MLX แต่ใช้ใบอนุญาต PolyForm Small Business องค์กรที่มีคนตั้งแต่ 100 คนหรือรายได้ถึงเกณฑ์ต้องซื้อไลเซนส์
22 ก.ย. Hugging Face ประกาศว่า transformers (ตอนนี้ต้องติดตั้งจาก main) โหลดไฟล์ GGUF แบบ quantize แล้วรันได้เลยผ่าน from_pretrained(gguf_file=...) และ transformers serve โดยเรียก kernel Metal ของ ggml ผ่านไลบรารี kernels บน M2 Max ได้ 70.4 tok/s กับ Qwen3.5-4B Q4_K_M เทียบกับ llama.cpp ที่ 71.8 แต่ยังรองรับแค่ Apple Silicon และสถาปัตยกรรม Qwen3.5/Qwen3.8 และทีมยังแนะนำให้ใช้ llama.cpp ถ้าต้องการความเร็วสูงสุด
19 ก.ย. 2026 halogen-flash-server ออก 0.12.0 — เอนจิน inference ที่เขียนเคอร์เนลเฉพาะ AMD Strix Halo (gfx1151) กับ Qwen3.8-Flash-Next เท่านั้น รอบนี้รื้อสองเคอร์เนลของ sparse-attention indexer ทำให้พรอมต์ 1,004,581 โทเคน prefill เหลือ 17.9 นาทีและ decode 38 tok/s โดยเอาต์พุตยังเหมือนเดิมบิตต่อบิต — แต่เอนจินเป็นไบนารีปิดใต้ EULA ไม่ใช่โอเพนซอร์ส
17 ก.ย. 2026 China Telecom AI เปิดน้ำหนัก Xing4.0-29B-A4B (ทายาทสาย TeleChat) ภายใต้ Apache-2.0 พร้อม FP8 และ GGUF วันเดียวกัน จุดที่น่าสนใจไม่ใช่แค่คะแนน SWE-bench Verified 75.0 และ Terminal-Bench 2.1 57.5 แต่คือมันเป็นโมเดลขนาดนี้ตัวแรกที่เทรนบนคลัสเตอร์ Ascend 910C ด้วย MindSpore ล้วน ๆ
11 ก.ย. Agnes AI (แบรนด์ของ Sapiens AI สิงคโปร์) ปล่อย Agnes-3.0-Flash Preview ขนาด 33B มัลติโมดัล คอนเท็กซ์ 262K ใต้ Apache-2.0 — config ตรงกับ Qwen3.5-27B ทุกมิติยกเว้นจำนวนเลเยอร์ และเมื่อเทียบน้ำหนักจริง 20+24+20 ชั้นแมปกลับไปหา Qwen3.5-27B ได้ที่ r≈0.99 โดยมีสองบล็อก 4 ชั้นแทรกเข้ามา การ์ดไม่เอ่ยชื่อฐาน ตารางคะแนนของตัวเองต่ำกว่า Qwen3.5-27B ใน 4 จาก 5 รายการ และค่า reasoning_effort ที่การ์ดบอกเป็นค่าเริ่มต้นใช้ไม่ได้จริง
OpenBMB ปล่อย MiniCPM5-2B โมเดลหนาแน่น 2.52B ใต้ Apache 2.0 พร้อม GGUF ที่ Q4_K_M เหลือ 1.56 GB — ค่าเฉลี่ย 34 เบนช์มาร์กอยู่ที่ 53.9 สูงกว่าทุกตัวในกลุ่ม 2B และสูงกว่าทุกตัวในกลุ่ม 4B ที่ยกมาเทียบ แต่ตารางเดียวกันก็บอกว่ามันแพ้ Qwen3.5-4B บน Terminal-Bench และ SWE-bench Pro แบบขาดลอย
27 ส.ค. 2026 เวลา 01:46 UTC llama.cpp merge PR #26501 ที่รื้อ Hexagon backend ใหม่ทั้งก้อน — แก้ 44 ไฟล์ (+5,314/−3,139) เปิดทางให้กระจายโมเดลข้าม NPU หลายตัวบนชิป Qualcomm IQ9/IQ10 ด้วย tensor-split, เปลี่ยนทั้ง graph-compute/event/tensor-copy เป็น asynchronous, เปลี่ยนชื่ออุปกรณ์เป็นรูปแบบ HTP<physical>:<virtual> และเพิ่มสคริปต์ build.py/run.py พร้อม profiler กับ tracer สำหรับงาน Snapdragon โดยเฉพาะ
20 ส.ค. 2026 Superwhisper ปล่อย S1-mini โมเดลโอเพนเวต 596M พารามิเตอร์ที่ fine-tune จาก Qwen3-0.6B ทำหน้าที่เดียวคือแปลงข้อความดิบจาก ASR ให้เป็นข้อความเขียนที่สะอาด — ตัดคำเอ้ออ้า แก้คำที่พูดผิดแล้วพูดใหม่ ใส่วรรคตอน แปลงตัวเลขและอีเมล ความแม่นยำระดับโทเคน 94.8% ไฟล์ GGUF เพียง 462 MB
19 ส.ค. 2026 Liquid AI ปล่อยเช็คพอยต์ QAD Q4_0 ของ LFM2.5 ทั้งสี่ขนาด (230M / 350M / 1.2B-Instruct / 2.6B) ที่ได้จากการ distill โมเดลครูความละเอียดสูงลงเป็น student แบบ quantized โดยตรง — คงคะแนนเฉลี่ยได้ 96.5–97.4% ของ BF16 พร้อมความเร็ว decode ที่เหนือกว่า quant format คุณภาพเทียบเท่า 3–33%
Unsloth ปล่อย Dynamic 3.0 GGUF ชุดแรกสำหรับ Qwen3.8-27B เมื่อ 19 ส.ค. 2026 อ้างความแม่นยำสูงกว่าผู้ให้บริการรายอื่นเกิน 10% ที่ขนาดไฟล์เท่ากัน และมีรุ่น 1-bit ขนาด 6.2GB ที่ยังคงความแม่นยำราว 72% — แต่ส่วนที่น่าสนใจกว่าคือ Unsloth ออกแบบเบนช์มาร์กใหม่ Divergence-300 พร้อมบอกเองว่าตัวเลขที่วงการใช้กันมาตลอดนั้นวัดคุณภาพจริงไม่ได้
Hugging Face เผยแพร่รายงานสรุปสถานะโมเดลเปิดครึ่งปี 2026 เมื่อ 14 ส.ค. — ข้อมูลจาก Hub เองชี้ว่าแล็บจีนครองโมเดลขนาดใหญ่และเปิดไลเซนส์กว้างกว่าแล็บอเมริกันชัดเจน ขณะที่ยอดดาวน์โหลดจริง 83% ยังไปที่โมเดลต่ำกว่า 1B
PR #26185 ถูกเมิร์จเข้า llama.cpp main เมื่อ 15 ส.ค. 2026 และออกเป็นบิลด์ b10448 ทำให้ Kimi K3 ขนาด 2.8 ล้านล้านพารามิเตอร์รันบนเครื่องตัวเองได้โดยไม่ต้องใช้ fork — แต่ตัวเลขจริงคือแรม 466 GB ขั้นต่ำ และความเร็วราว 3 โทเค็น/วินาที
Alibaba ปล่อยน้ำหนัก Qwen3.8-27B คืนวันที่ 14 ส.ค. 2026 — ต่างจากรุ่น 2.4T ที่เปิดแบบตัดฟีเจอร์ รุ่นนี้ได้ vision เต็ม คอนเท็กซ์ 262K ไลเซนส์ Apache-2.0 มาตรฐาน และ GGUF 4-bit ขนาด 17.1 GB ที่ลง GPU คอนซูเมอร์ตัวเดียวได้จริง
หลังน้ำหนัก MiniMax H3 ขึ้น Hugging Face เมื่อ 3 สิงหาคม ComfyUI รองรับทันทีวันแรกพร้อมชุดน้ำหนักที่ตัด modulation weights ~40% ทิ้งและควอนไทซ์ int8 จนเหลือ 42.5GB จาก 123.6GB ขณะที่ชุมชนสร้างรีโปแปลงร่าง 63 รีโปใน 48 ชั่วโมง — แต่ที่ ComfyUI บอกว่ารัน 2K ได้บนเครื่องนั้น เอกสารของ MiniMax เองระบุว่าโมดูล 2K ยังไม่เปิดซอร์ส
Tether AI Research ปล่อย VisionPsy-Nano — vision-language model ~460M พารามิเตอร์ ใบอนุญาต Apache 2.0 ทำคะแนนรวมสูงสุดในรุ่นราว 0.5B (62.3 เทียบคู่แข่ง 54.9-59.6) ชนะโมเดลใหญ่กว่าตัวเองอย่าง FastVLM-0.5B, Qwen3.5-0.8B และ InternVL3.5-1B บน ScienceQA, MM-IFEval และ POPE ส่วนรุ่น Flash ให้ token แรกเร็วกว่า baseline 19-23 เท่าบน Pixel 9 และ Galaxy S25 Ultra
llama.cpp build b9850 (30 มิ.ย. 2026) เพิ่มการรองรับสถาปัตยกรรม qwen3next — เปิดทางให้ตระกูล Qwen3-Next แบบ hybrid (Gated DeltaNet + MoE เบาบางมาก, active เพียง 3B จาก 80B) รันบน CPU และ GPU ผู้บริโภคผ่านระบบนิเวศ GGUF ได้
Unsloth ออกเวอร์ชัน v0.1.47-beta (18 มิ.ย. 2026) เพิ่มการรองรับโมเดลโอเพนเวต GLM-5.2 ใน Unsloth Studio รองรับทุกระดับการคิด พร้อมอัลกอริทึม auto-fit แบบ MTP ที่ยืดความยาว context ได้ราว 3 เท่าบนการ์ดตัวเดิม รวมถึงรองรับ GPU Blackwell RTX 50X/60X และโหมด --secure สำหรับเข้าถึงสตูดิโอผ่าน HTTPS เข้ารหัส
llama.cpp ผสาน PR #22673 เพิ่ม Multi-Token Prediction (MTP) speculative decoding เข้า master ทำให้โมเดลทำนายหลายโทเคนต่อรอบ เร่ง throughput เกิน 2 เท่าบนฮาร์ดแวร์ผู้บริโภค และส่งผลต่อทั้งระบบนิเวศที่สร้างบน llama.cpp
Unsloth AI เปิดตัว Unsloth Studio UI เว็บโอเพนซอร์สแบบ no-code สำหรับเทรน รัน และส่งออกโมเดลโอเพนบนเครื่องตัวเอง รองรับโมเดลข้อความ/วิชัน/เสียง/embedding เทรนเร็วขึ้น 2 เท่าด้วย VRAM น้อยลง 70% และ export เป็น GGUF ได้