แท็ก

#MLX

23 บทความ

IBM ปล่อย Granite Speech 5.0 2B (Apache-2.0) — WER ภาษาอังกฤษเฉลี่ย 5.06% อันดับ 2 ของโมเดลเปิดบน Open ASR Leaderboard, TurboCTC 470M รองรับหลายภาษาและเร็วขึ้น 1.6 เท่า แต่ยังไม่มีภาษาไทย
โมเดลใหม่

IBM ปล่อย Granite Speech 5.0 2B (Apache-2.0) — WER ภาษาอังกฤษเฉลี่ย 5.06% อันดับ 2 ของโมเดลเปิดบน Open ASR Leaderboard, TurboCTC 470M รองรับหลายภาษาและเร็วขึ้น 1.6 เท่า แต่ยังไม่มีภาษาไทย

21 ต.ค. 2026 IBM ปล่อย granite-speech-5.0-2b (Apache-2.0) ที่ IBM ระบุว่าได้ WER ภาษาอังกฤษเฉลี่ย 5.06% อันดับ 2 ในกลุ่มโมเดลเปิดบน Open ASR Leaderboard รองรับ keyword list 2,000 คำ และรันได้บน vLLM, llama.cpp, mlx-audio พร้อมอัปเดต TurboCTC 470M ให้รองรับหลายภาษา และ 4.1-2b-plus ที่ลด timestamp shift ลงกว่าครึ่ง — ทั้งหมดยังไม่รองรับภาษาไทย

· อ่าน 3 นาที
Apple วัดผล MLX บน Mac Studio M5 Ultra: Muse Spark Open 816B รันบนสี่เครื่องผ่าน RDMA over Thunderbolt ได้ 36.7 tok/s — TTFT เร็วกว่า M3 Ultra สูงสุด 4.6 เท่า พร้อมคำสั่ง mlx.launch ใช้ต่อกับ OpenCode ได้ทันที
เครื่องมือนักพัฒนา

Apple วัดผล MLX บน Mac Studio M5 Ultra: Muse Spark Open 816B รันบนสี่เครื่องผ่าน RDMA over Thunderbolt ได้ 36.7 tok/s — TTFT เร็วกว่า M3 Ultra สูงสุด 4.6 เท่า พร้อมคำสั่ง mlx.launch ใช้ต่อกับ OpenCode ได้ทันที

Apple ML Research เผยผลวัดเมื่อ 15 ต.ค. ว่า MLX รัน Muse Spark Open 816B (NVFP4 ~493GB) บน Mac Studio M5 Ultra สี่เครื่องแบบ tensor parallel ได้ 36.73 tok/s ที่คอนเท็กซ์ 8K ผ่าน RDMA over Thunderbolt 5 และ backend jaccl ส่วนเครื่องเดียว M5 Ultra ให้ TTFT เร็วกว่า M3 Ultra สูงสุด 4.6 เท่า decode เร็วขึ้น 1.6 เท่า กินไฟสูงสุดราว 300W — ตัวเลขทั้งหมดวัดด้วย mlx_lm.benchmark ที่ใครก็รันซ้ำได้

· อ่าน 5 นาที
Meta ปล่อยน้ำหนัก Muse Spark Open: MoE 816B (active 42B) บริบท 1M รับภาพ เสียง วิดีโอ รันบน Mac Studio M5 Ultra สองเครื่องได้ — แต่ AA Index ยังตาม GLM 5.3, Kimi K3 และ Qwen3.8 ส่วนไลเซนส์บังคับป้าย "Built with" และเพดาน MaaS $20M
โมเดลใหม่

Meta ปล่อยน้ำหนัก Muse Spark Open: MoE 816B (active 42B) บริบท 1M รับภาพ เสียง วิดีโอ รันบน Mac Studio M5 Ultra สองเครื่องได้ — แต่ AA Index ยังตาม GLM 5.3, Kimi K3 และ Qwen3.8 ส่วนไลเซนส์บังคับป้าย "Built with" และเพดาน MaaS $20M

Meta ปล่อยน้ำหนัก Muse Spark Open เมื่อ 15 ต.ค. 2026 เป็นโมเดล MoE 816B (active 42B, 256 experts เลือก 8) บริบท 1M รับข้อความ ภาพ เสียง และวิดีโอ มีทั้ง BF16 และ NVFP4 รันได้ตั้งแต่วันแรกบน vLLM, SGLang, llama.cpp และ MLX ตารางของ Meta เองแสดงว่านำในงานเอเจนต์บางรายการ แต่ AA Intelligence Index 39 ยังต่ำกว่าโมเดลจีนอย่าง GLM 5.3 (45) และ Kimi K3 (44) ส่วน Muse Model License อนุญาตเชิงพาณิชย์ แต่บังคับแสดง "Built with Muse Spark Open" และให้บริษัทรายได้เกิน $20M ที่ให้บริการโมเดลผ่าน API ต้องทำสัญญาแยก

· อ่าน 6 นาที
Liquid AI ปล่อย LFM2.5-24B-A2B: โมเดล reasoning 24B ที่ทำงานจริงแค่ 2.45B ต่อโทเคน ชนะ Qwen3.6-35B-A3B ในงาน tool-use หลายรายการ วิ่ง 184 tok/s บน M5 Max — แต่โค้ดและความรู้ยังแพ้ และไลเซนส์จำกัดบริษัทรายได้เกิน $10M
โมเดลใหม่

Liquid AI ปล่อย LFM2.5-24B-A2B: โมเดล reasoning 24B ที่ทำงานจริงแค่ 2.45B ต่อโทเคน ชนะ Qwen3.6-35B-A3B ในงาน tool-use หลายรายการ วิ่ง 184 tok/s บน M5 Max — แต่โค้ดและความรู้ยังแพ้ และไลเซนส์จำกัดบริษัทรายได้เกิน $10M

Liquid AI อัปโหลดน้ำหนัก LFM2.5-24B-A2B ขึ้น Hugging Face เมื่อ 12 ต.ค. และเปิดบล็อก 13 ต.ค. เป็นโมเดล MoE 24B (active 2.45B) แบบคิดก่อนตอบเสมอ บริบท 131K รองรับภาษาไทย ทำคะแนนนำ Qwen3.6-35B-A3B ใน AutomationBench, LiveClaw, ToolSandbox และ IFBench แต่แพ้ชัดใน SWE-bench Verified (51.0 vs 66.2) และ GPQA ไฟล์ GGUF Q4_K_M ขนาด 14.5 GB ใช้ฟรีเชิงพาณิชย์ได้เฉพาะองค์กรรายได้ต่ำกว่า $10M ต่อปี

· อ่าน 4 นาที
Ollama 0.40 ออกตัวจริงแล้ว: บน Mac ชิป Apple Silicon โมเดลที่รองรับจะรันบน MLX เป็นค่าเริ่มต้น (Qwen3.8, Gemma 4, decision models) พร้อม embedding หลายโหมดตัวแรกอย่าง EmbeddingGemma 2
เครื่องมือนักพัฒนา

Ollama 0.40 ออกตัวจริงแล้ว: บน Mac ชิป Apple Silicon โมเดลที่รองรับจะรันบน MLX เป็นค่าเริ่มต้น (Qwen3.8, Gemma 4, decision models) พร้อม embedding หลายโหมดตัวแรกอย่าง EmbeddingGemma 2

Ollama v0.40.0 ฉบับเสถียร (แท็กชี้ไปที่ commit วันที่ 6 ต.ค. 2026 หลังผ่าน RC มา 4 รอบตั้งแต่ 25 ก.ย.) ทำให้โมเดลที่ MLX runtime รองรับรันบน MLX อัตโนมัติบน Mac ชิป Apple Silicon ได้แก่ Qwen3.8, Gemma 4, Qwen3.6, Qwen3.5 และ decision models อย่าง Clef/Nimble/Tev1 พร้อมเพิ่ม EmbeddingGemma 2 แบบรับภาพและเสียงผ่าน /api/embed แต่บันทึกรีลีสไม่มีตัวเลขความเร็ว

· อ่าน 3 นาที
Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล
โมเดลใหม่

Jeff — โมเดลตัดสินใจ 0.8B ที่รูปแบบคำขอเข้ากันได้กับ Jev เทรนบน GPU ตัวเดียวในบ้าน ตอบใน 22 ms ค่าเฉลี่ยรุ่น 2B ได้ 83.1 เท่ากับ Jev แต่ยังแพ้ขาดในงานที่ต้องใช้เหตุผล

โปรเจกต์อิสระ Jeff ปล่อยโมเดลตัดสินใจแบบ zero-shot สามตัว (Qwen3.5-0.8B, Qwen3.5-2B และ Gemma 4 E2B) ใช้รูปแบบคำขอเดียวกับ Jev เทรนทั้งหมดบน RTX PRO 6000 ตัวเดียวด้วยข้อมูลสังเคราะห์จากโมเดลเปิด รุ่น 0.8B ตัดสินใจใน 22 ms บน GPU และ 28 ms บน M4 Max น้ำหนัก Apache-2.0 โค้ด MIT

· อ่าน 4 นาที
Liquid AI ปล่อย LFM2.5-VL-DSpark — drafter 280M ทำให้ VLM 3B ถอดรหัสเร็วขึ้นสูงสุด 3.13 เท่าบน Mac แต่ภาพยังต้องผ่าน prefill เท่าเดิม end-to-end จึงเร็วขึ้นแค่ 1.3–2.6 เท่า
โมเดลใหม่

Liquid AI ปล่อย LFM2.5-VL-DSpark — drafter 280M ทำให้ VLM 3B ถอดรหัสเร็วขึ้นสูงสุด 3.13 เท่าบน Mac แต่ภาพยังต้องผ่าน prefill เท่าเดิม end-to-end จึงเร็วขึ้นแค่ 1.3–2.6 เท่า

Liquid AI เปิด DSpark drafter สำหรับโมเดลภาพ LFM2.5-VL-3B เมื่อ 24 ก.ย. 2026 ขนาด 280M (เพิ่มหน่วยความจำ 8.9%) ถอดรหัสเร็วขึ้น 2.30–3.13 เท่าบน M5 Max ผ่าน MLX และ 1.57–2.14 เท่าบน M3 Ultra ผ่าน llama.cpp โดยผลลัพธ์ไม่เปลี่ยน รองรับตั้งแต่วันแรกทั้ง llama.cpp, MLX-VLM และ SGLang เพราะ PR ถูก merge ครบแล้ว แต่ใบอนุญาตยังมีเพดานรายได้ 10 ล้านดอลลาร์ ไม่ใช่ "ไม่มีข้อจำกัด" อย่างที่บล็อกเขียน

· อ่าน 4 นาที
Inco Splash — engine รันโมเดลบน Mac ที่ "สร้างรอบโมเดล" รองรับแค่ 2 ตัว แต่ decode Qwen3.8-27B ได้ 74 tok/s เร็วกว่า oMLX 2 เท่า และตอบรอบถัดไปของ agent เร็วกว่า 7 เท่า (Apache-2.0)
เครื่องมือนักพัฒนา

Inco Splash — engine รันโมเดลบน Mac ที่ "สร้างรอบโมเดล" รองรับแค่ 2 ตัว แต่ decode Qwen3.8-27B ได้ 74 tok/s เร็วกว่า oMLX 2 เท่า และตอบรอบถัดไปของ agent เร็วกว่า 7 เท่า (Apache-2.0)

Inco AI ปล่อย Splash engine รันโมเดลบน Mac แบบโอเพนซอร์ส (Apache-2.0) ที่เขียน Metal kernel, draft model DFlash 2 และแผนหน่วยความจำเฉพาะให้ Qwen3.8-27B กับ Qwen3.6-35B-A3B บน M5 Pro 48GB วัดได้เร็วกว่า oMLX 1.7–2 เท่าตอน decode และ 6.6–7.3 เท่าตอนใช้ cache ซ้ำ แต่ตัวเลขทั้งหมดวัดโดย Inco เอง และต้องใช้ M3 ขึ้นไปกับแรม 36GB+

· อ่าน 5 นาที
Hugging Face จ้างผู้สร้าง oMLX มาทำเต็มเวลา — เซิร์ฟเวอร์ LLM บน Mac ที่มีดาว 22k ยังเป็น Apache 2.0 และเป้าต่อไปคือทำให้โมเดลใน transformers รันบน MLX ได้เร็วขึ้น
เครื่องมือนักพัฒนา

Hugging Face จ้างผู้สร้าง oMLX มาทำเต็มเวลา — เซิร์ฟเวอร์ LLM บน Mac ที่มีดาว 22k ยังเป็น Apache 2.0 และเป้าต่อไปคือทำให้โมเดลใน transformers รันบน MLX ได้เร็วขึ้น

22 ก.ย. 2026 Hugging Face ประกาศรับ Jun Kim ผู้สร้างและดูแล oMLX เซิร์ฟเวอร์ LLM บน Apple Silicon ที่มี continuous batching กับ KV cache สองชั้น (RAM + SSD) คุมจาก menu bar ของ macOS เข้าทีม โปรเจกต์ยังเป็น Apache 2.0 และ Jun ยังเป็นผู้นำ โดย HF จะเน้นทำทางลัดจาก model definition ใน transformers ไปเป็น implementation อ้างอิงบน MLX ที่ทุก engine ใช้ได้

· อ่าน 4 นาที
Bespoke Nimble: สูตรเปิดทั้งชุดสำหรับทำ Jev เอง — 66.4% → 90.1% ด้วยข้อมูล 2,676 แถวที่สร้างจากการแก้ข้อเท็จจริงทีละคำให้คำตอบพลิก
โมเดลใหม่

Bespoke Nimble: สูตรเปิดทั้งชุดสำหรับทำ Jev เอง — 66.4% → 90.1% ด้วยข้อมูล 2,676 แถวที่สร้างจากการแก้ข้อเท็จจริงทีละคำให้คำตอบพลิก

18 ก.ย. Bespoke Labs ปล่อย Bespoke-Nimble-9B — LoRA adapter ขนาด 165 MiB บน Qwen3.5-9B ใต้ Apache-2.0 พร้อมสูตรทำข้อมูลที่เรียกว่า contrastive data curation ผลบน 324 ตัวอย่าง held-out คือ 90.1% เทียบกับ 66.4% ของ base และ 93.2% ของ Jev 1.13.0 — และทีมประกาศเองว่าไม่ได้ distill จาก Jev

· อ่าน 7 นาที
Bonsai 2 27B: อัด Qwen3.8-27B ลงเหลือ 5.9GB ที่ 1.72 บิตต่อน้ำหนัก — เก็บความฉลาดไว้ 98.2% และรันบนแล็ปท็อปได้จริง
โมเดลใหม่

Bonsai 2 27B: อัด Qwen3.8-27B ลงเหลือ 5.9GB ที่ 1.72 บิตต่อน้ำหนัก — เก็บความฉลาดไว้ 98.2% และรันบนแล็ปท็อปได้จริง

PrismML ปล่อย Ternary Bonsai 2 27B เมื่อ 17 ก.ย. 2026 — เอา Qwen3.8-27B มาบีบเป็น ternary ทั้งโมเดลที่ 1.72 บิตต่อน้ำหนัก เหลือไฟล์ 5.95GB (เล็กกว่า FP16 ราว 9 เท่า) แต่ยังทำคะแนนเฉลี่ย 84.78 จาก 14 เบนช์มาร์กโหมดคิด = 98.2% ของ FP16 แจก Apache 2.0 แต่มีเงื่อนไขสำคัญ: ต้องใช้ llama.cpp ฉบับ fork ของ PrismML เท่านั้น

· อ่าน 8 นาที
Edge0 รันโมเดล MoE 35B บน Mac ด้วยหน่วยความจำ 2.9 GiB โดยสตรีม expert จาก SSD — แต่ runtime ตัดจำนวน expert ต่อโทเคนจาก 8 เหลือ 4 และผู้ใช้ M1 วัดได้ช้ากว่าตัวเลขที่ประกาศราว 30 เท่า
เครื่องมือนักพัฒนา

Edge0 รันโมเดล MoE 35B บน Mac ด้วยหน่วยความจำ 2.9 GiB โดยสตรีม expert จาก SSD — แต่ runtime ตัดจำนวน expert ต่อโทเคนจาก 8 เหลือ 4 และผู้ใช้ M1 วัดได้ช้ากว่าตัวเลขที่ประกาศราว 30 เท่า

edge0 เฟรมเวิร์ก Apache-2.0 ที่เปิดตัว 8 ก.ย. และยังติดเทรนด์อันดับ 3 บน Hugging Face รัน Qwen3.5-35B-A3B แบบ 4 บิตบน Mac mini M4 Pro ได้ 14.9–17.7 tok/s โดยใช้หน่วยความจำ 2.9 GiB ด้วยการสตรีม expert จาก SSD, prerouter ที่เดาเส้นทางล่วงหน้า และ LoRA กู้คุณภาพหลัง quantize — แต่ซอร์สโค้ดตั้ง top_k=4 ขณะที่ config ของโมเดลเป็น 8, คะแนนฐาน fp16 ที่รันเองต่ำกว่าตัวเลขทางการของ Qwen และ issue จากผู้ใช้ M1 8 GB วัดรุ่น 8B ได้แค่ 0.7–0.8 tok/s

· อ่าน 7 นาที
Agnes-3.0-Flash Preview จากสิงคโปร์เปิดน้ำหนัก 33B ใต้ Apache-2.0 — เทียบน้ำหนักทีละเลเยอร์แล้วคือ Qwen3.5-27B ที่แทรกเพิ่ม 8 ชั้น การ์ดไม่เอ่ยชื่อ Qwen และตารางของตัวเองก็แพ้ต้นทาง 4 จาก 5
โมเดลใหม่

Agnes-3.0-Flash Preview จากสิงคโปร์เปิดน้ำหนัก 33B ใต้ Apache-2.0 — เทียบน้ำหนักทีละเลเยอร์แล้วคือ Qwen3.5-27B ที่แทรกเพิ่ม 8 ชั้น การ์ดไม่เอ่ยชื่อ Qwen และตารางของตัวเองก็แพ้ต้นทาง 4 จาก 5

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

· อ่าน 6 นาที
MiniCPM5-2B: โมเดล 2.5B ที่ได้ SWE-bench Verified 46.4 และ AIME 2026 86.5 — Apache 2.0 ครบทั้งเช็กพอยต์ ข้อมูลเทรน และ Agent Skill 17 ตัวสำหรับกาง
โมเดลใหม่

MiniCPM5-2B: โมเดล 2.5B ที่ได้ SWE-bench Verified 46.4 และ AIME 2026 86.5 — Apache 2.0 ครบทั้งเช็กพอยต์ ข้อมูลเทรน และ Agent Skill 17 ตัวสำหรับกาง

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

· อ่าน 8 นาที
slotstream: รัน Qwen3.8-Flash-Next 125B (104 GB) บน Mac 48 GB ได้ 12 tok/s — สตรีม expert จาก SSD ทีละสล็อต ไบนารี Swift ตัวเดียว ไม่ต้องมี Python
เครื่องมือนักพัฒนา

slotstream: รัน Qwen3.8-Flash-Next 125B (104 GB) บน Mac 48 GB ได้ 12 tok/s — สตรีม expert จาก SSD ทีละสล็อต ไบนารี Swift ตัวเดียว ไม่ต้องมี Python

slotstream v0.2.0 (1 ก.ย. 2026) เป็นเอนจินอินเฟอเรนซ์ Swift ตัวเดียวที่รัน Qwen3.8-Flash-Next — MoE 125B ขนาด 104 GB บนดิสก์ — บน Mac 48 GB ได้ที่ราว 12 tok/s โดยสตรีม expert จาก SSD เข้าพูลแคชแบบสล็อตแทนการโหลดทั้งโมเดล และเปิด API แบบ Ollama/OpenAI ให้เครื่องมือเดิมต่อได้ทันที

· อ่าน 7 นาที
Liquid AI เปิดซอร์ส Pipette — เบนช์มาร์กที่วัด 'โมเดล + ควอนต์ + รันไทม์ + เครื่อง' เป็นก้อนเดียว เพราะแยกวัดทีละอย่างมันโกหก
เครื่องมือนักพัฒนา

Liquid AI เปิดซอร์ส Pipette — เบนช์มาร์กที่วัด 'โมเดล + ควอนต์ + รันไทม์ + เครื่อง' เป็นก้อนเดียว เพราะแยกวัดทีละอย่างมันโกหก

25 ส.ค. 2026 Liquid AI เปิดซอร์ส Pipette ใต้ Apache-2.0 — แพลตฟอร์มเบนช์มาร์กที่ไม่วัดโมเดลแบบลอย ๆ แต่วัดทั้งชุด โมเดล+ควอนต์+รันไทม์+ฮาร์ดแวร์ ครอบคลุม llama.cpp, MLX, OpenVINO, vLLM และ SGLang พร้อมแอป iOS/Android ที่รันวัดบนเครื่องจริง และลีดเดอร์บอร์ดสาธารณะที่ Artificial Analysis ตรวจสอบวิธีการให้

· อ่าน 6 นาที
LFM2.5-VL-3B: โมเดลเห็นภาพ 3 พันล้านพารามิเตอร์ที่รันบนมือถือได้ และเก่งเรื่อง "อ่านหน้าจอ" เป็นพิเศษ
โมเดลใหม่

LFM2.5-VL-3B: โมเดลเห็นภาพ 3 พันล้านพารามิเตอร์ที่รันบนมือถือได้ และเก่งเรื่อง "อ่านหน้าจอ" เป็นพิเศษ

Liquid AI ปล่อย LFM2.5-VL-3B เมื่อ 12 ส.ค. 2026 โมเดลภาษา-ภาพ 3.1B ที่กินหน่วยความจำราว 3GB รันได้บน Galaxy S26 Ultra ที่ 20 โทเค็น/วินาที จุดเด่นคือความเข้าใจหน้าจอและ UI กับการ grounding ที่ทำคะแนน ScreenSpot 78-82% และ DocVQA 91.1%

· อ่าน 5 นาที
Meta กลับสู่ open weights — Muse Glimmer 30B ใบอนุญาต Apache 2.0 quantize เหลือ ~20GB รันบนการ์ดจอตัวเดียวได้
โมเดลใหม่

Meta กลับสู่ open weights — Muse Glimmer 30B ใบอนุญาต Apache 2.0 quantize เหลือ ~20GB รันบนการ์ดจอตัวเดียวได้

10 ส.ค. 2026 Meta ปล่อย Muse Glimmer โมเดล agentic 30B พร้อม weights ภายใต้ Apache 2.0 — quantize 4-bit เหลือไม่ถึง 20GB ลงการ์ดจอ 24–32GB ได้ พร้อมเรียงความ 6,500 คำของ Zuckerberg ที่ประกาศกลับมาสายเปิด และบอกว่ารุ่นใหญ่กว่านี้กำลังตามมา

· อ่าน 7 นาที
MiniMax H3 ลงเครื่องตัวเองภายใน 48 ชั่วโมง — ComfyUI ตัดจาก 123.6GB เหลือ 42.5GB ชุมชนปั๊ม quant 63 รีโป แต่คำว่า '2K บนเครื่อง' ยังไม่จริง
เครื่องมือนักพัฒนา

MiniMax H3 ลงเครื่องตัวเองภายใน 48 ชั่วโมง — ComfyUI ตัดจาก 123.6GB เหลือ 42.5GB ชุมชนปั๊ม quant 63 รีโป แต่คำว่า '2K บนเครื่อง' ยังไม่จริง

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

· อ่าน 7 นาที
Bonsai 27B: ย่อโมเดล 27B ให้รันบนมือถือได้จริง ด้วยการควอนไทซ์ 1-bit
โมเดลใหม่

Bonsai 27B: ย่อโมเดล 27B ให้รันบนมือถือได้จริง ด้วยการควอนไทซ์ 1-bit

PrismML ปล่อย Bonsai 27B โมเดลมัลติโมดัลจาก Qwen3.6-27B ที่ควอนไทซ์เหลือ 1-bit (3.9GB) และ ternary (5.9GB) — เคลมว่าเป็นโมเดลระดับ 27B ตัวแรกที่รันบน iPhone ได้ (11 tok/s) โดยยังรักษาความสามารถไว้ ~90-95% ของ FP16 แจกฟรี Apache 2.0

· อ่าน 6 นาที
Ollama 0.31 เร่ง Gemma 4 บน Apple Silicon เร็วขึ้นเกือบ 90% — เปิดใช้เป็นค่าเริ่มต้น ผลลัพธ์ไม่เปลี่ยน ด้วย multi-token prediction บน MLX
เครื่องมือนักพัฒนา

Ollama 0.31 เร่ง Gemma 4 บน Apple Silicon เร็วขึ้นเกือบ 90% — เปิดใช้เป็นค่าเริ่มต้น ผลลัพธ์ไม่เปลี่ยน ด้วย multi-token prediction บน MLX

29 มิ.ย. 2026 Ollama 0.31 ปล่อย multi-token prediction (MTP) สำหรับ Gemma 4 บน Apple Silicon ทำให้เจนโทเคนเร็วขึ้นเกือบ 90% บนเบนช์มาร์ก Aider polyglot (ทดสอบบน M5 Max, nvfp4) โดยเปิดใช้เป็นค่าเริ่มต้นและไม่เปลี่ยนผลลัพธ์ของโมเดล

· อ่าน 4 นาที
Liquid AI ปล่อย LFM2.5-230M — โมเดลโอเพนเวต 230 ล้านพารามิเตอร์ที่รันบนมือถือได้ 213 โทเคน/วินาที และเก่งกว่าโมเดลใหญ่กว่า 4 เท่าในงานดึงข้อมูล
โมเดลใหม่

Liquid AI ปล่อย LFM2.5-230M — โมเดลโอเพนเวต 230 ล้านพารามิเตอร์ที่รันบนมือถือได้ 213 โทเคน/วินาที และเก่งกว่าโมเดลใหญ่กว่า 4 เท่าในงานดึงข้อมูล

Liquid AI เปิดเวต LFM2.5-230M โมเดลจิ๋ว 230 ล้านพารามิเตอร์ที่ออกแบบมาเพื่อ tool use และดึงข้อมูลบนอุปกรณ์ปลายทาง — ทำได้ 213 โทเคน/วินาทีบน Galaxy S25 Ultra, 42 โทเคน/วินาทีบน Raspberry Pi 5 และทำคะแนนดึงข้อมูลชนะ Qwen3.5-0.8B และ Gemma 3 1B ที่ตัวใหญ่กว่า

· อ่าน 5 นาที
Ollama v0.24 รองรับ Codex App ของ OpenAI — ขับเอเจนต์ Codex บนโมเดลโลคอลในเครื่องตัวเอง
เครื่องมือนักพัฒนา

Ollama v0.24 รองรับ Codex App ของ OpenAI — ขับเอเจนต์ Codex บนโมเดลโลคอลในเครื่องตัวเอง

Ollama ปล่อยเวอร์ชัน 0.24 เพิ่มการรองรับ Codex App เดสก์ท็อปของ OpenAI ให้นักพัฒนาขับเวิร์กโฟลว์เอเจนต์ Codex บนโมเดลโลคอลในเครื่องตัวเองได้ พร้อมปรับ MLX sampler บน Apple Silicon และแนะนำโมเดลโค้ดดิ้งโอเพน

· อ่าน 4 นาที