แท็ก
74 บทความ
Betelgeuse ฟอร์ก llama.cpp ที่เปิดเมื่อ 31 ต.ค. ดึง expert จาก NVMe เข้า VRAM ตามต้องการ อ้าง 22 tok/s แบบไม่ทิ้ง expert แต่ README เตือนเองว่ายังทดลองและตัวเลขมาจากคนละรอบ วันเดียวกันผู้พัฒนา Basalt เผยผลวัดว่าแฟล็กเร่งความเร็วทำคุณภาพ Q8 ตกไปใกล้ Q2
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
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
KRAFTON AI (บริษัทแม่ของ PUBG) อัปโหลด Raon-1 mini preview ขึ้น Hugging Face เมื่อ 21 ต.ค. 2026 เป็น MoE 28.8B/active 4.3B ที่เทรนเองตั้งแต่ศูนย์ ใช้ linear attention แบบใหม่ 18 ชั้น + MLA 7 ชั้น บริบท 262K ภาษาไทยอยู่ในชุดเทรน ไลเซนส์ Apache-2.0 มี NVFP4 (~17.6GB) สำหรับ RTX 5090 ตัวเดียว คะแนนชนะ Qwen3.6-35B-A3B ด้าน instruction following และ SWE-bench Verified แต่แพ้ด้าน knowledge และ Terminal-Bench
4 วันหลังเปิดตัวแบบ API-only MiniMax ปล่อยน้ำหนัก M3.1 Flash ขึ้น Hugging Face เมื่อ 23 ต.ค. 2026 (03:37 UTC) ขนาดประมาณ 428B พารามิเตอร์ active 23B ต่อโทเคน context 1M รับภาพและวิดีโอ ไฟล์ทั้งหมด 252GB เพราะ expert ถูกเทรนแบบ quantization-aware เป็น NVFP4 และไม่มีเวอร์ชัน BF16 ให้ vLLM แนะนำ B200/GB200 4 ใบ หรือ H100/H200 8 ใบ ใช้ license MiniMax Community ที่ต้องแจ้ง MiniMax ก่อนใช้เชิงพาณิชย์
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
ข่าวย้อนหลัง: OpenBMB ปล่อย MiniCPM-V 4.7 เมื่อ 12 ต.ค. 2026 เป็นโมเดลภาพ+ภาษาแบบ MoE 35B (active ~3B) ตัวแรกของซีรีส์ และรุ่น 1B ไลเซนส์ Apache-2.0 โดยใช้ Qwen3.6-35B-A3B เป็นแกนภาษา อ้างว่าทำคะแนนสูงกว่าแกนเดิมในเวลาน้อยกว่า และรันบน iPhone ได้ 13+ tokens/s ด้วยเทคนิค Lookahead Expert Scheduling ที่ตอนนี้มีใน fork llama.cpp-omni เท่านั้น
Tencent Hunyuan ปล่อย Hy-Memory-30B-A3B เมื่อ 15 ต.ค. 2026 เป็นโมเดล MoE 30B (active ~3B) ไลเซนส์ Apache-2.0 จริงในไฟล์ LICENSE ฝึกมาเฉพาะงาน 'เขียนความจำ' ใน Mem0, MemOS และ Hy-Memory ได้คะแนนเฉลี่ย 55.49% เทียบ Claude Opus 5 ที่ 54.62% บนชุดทดสอบย่อย 20% พร้อมเปิดซอร์ส SDK hy-memory 2.0 และ MemHub ที่รวมประวัติจาก Claude Code, Cursor และ Codex ไว้ในเครื่อง
16 ต.ค. 2026 Reflection เปิดน้ำหนัก Beam 1.0 บน Hugging Face ภายใต้ Apache-2.0 (มีไฟล์ LICENSE จริง) ครบทั้ง BF16 934 GiB, FP8 469 GiB, NVFP4 273 GiB และตัว drafter DFlash2 พร้อมเปิด API และ coding agent โอเพนซอร์สชื่อ Mirror CLI คะแนนสุดท้ายในการ์ดขยับจากวันประกาศเล็กน้อย ส่วนสูตรรันเองที่แนะนำต้องใช้ NVIDIA B300 สี่ใบ และ vLLM ยังต้องใช้อิมเมจพิเศษ
inclusionAI ของ Ant Group เปิดน้ำหนัก Ling-3.1-flash บน Hugging Face (อัปโหลด 13 ต.ค. ประกาศ 14 ต.ค. 2026) เป็น MoE 560B ที่ทำงาน 25B ต่อโทเคน ผสม KDA linear attention กับ MLA ไลเซนส์ MIT ได้ 41 บน Artificial Analysis Intelligence Index สูงกว่า Muse Spark Open ที่ปล่อยวันนี้ แต่ config.json ตั้ง context ไว้ 262K ทั้งที่การ์ดเขียน 1M ต้องใช้ H200 8 ใบ และคะแนน SWE-bench Pro ที่ชนะ Kimi K3 วัดด้วย LingCode ซึ่งยังไม่เปิดซอร์ส
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
NVIDIA ปล่อย Nemotron 3.5 Bolt 74B-A9B 24GB เมื่อ 15 ต.ค. 2026 เป็นโมเดลภาพ+ข้อความแบบ Mamba-Transformer MoE ที่บีบอัดจาก Nemotron 3.5 Super VL 120B-A12B แล้ว quantize experts เป็น IQ2_XXS (2.06 บิต) จนน้ำหนักเหลือ 24GB บริบท 256K ไลเซนส์ OpenMDW-1.1 คะแนนนำ Qwen3.6-35B-A3B และ Gemma 4 26B-A4B ในงานเอเจนต์หลายรายการ แต่ตาราง NVIDIA เองแสดงว่ายังช้ากว่าทั้งสองตัว และสูตร llama.cpp ที่ให้มาต้องใช้ GPU 32GB ขึ้นไป
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
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
6 ต.ค. 2026 Mistral เปิด public preview ของ Mistral Large 4 โมเดล MoE ขนาดราว 1 ล้านล้านพารามิเตอร์ (active 49–52B) รับภาพได้ในตัว context 1M เทรนจากศูนย์บน GPU Grace Blackwell 3,800 ตัวในยุโรป ชูคะแนนด้าน cyber ที่โมเดลปิดหลายตัวปฏิเสธไม่ทำ น้ำหนักจะปล่อยภายในสิ้นเดือน แต่ตารางในเอกสารยังเขียนไลเซนส์แค่ว่า "Open" ต่างจาก Large 3 ที่เป็น Apache 2.0
5 ต.ค. 2026 Reflection AI เปิดตัว Beam โมเดล MoE ขนาด 501B พารามิเตอร์ (active 23B) เน้นงานโค้ดและเอเจนต์ เทรนด้วย RL บน GB300 จำนวน 10,500 ตัวนาน 4 สัปดาห์ (rollout กว่า 100 ล้านครั้ง) และบอกว่าใช้คอมพิวต์ตอน inference น้อยกว่า GLM-5.2 ราว 3–4 เท่า ตอนนี้เปิดให้ลงชื่อขอใช้ก่อนเท่านั้น ส่วนน้ำหนักแบบ Apache-2.0 รายงานเทคนิค และ model card จะตามมา "ภายในเดือนนี้"
Strata (MIT) คือตัวติดตั้งคลิกเดียวพร้อมเอนจินที่แตกโมเดล MoE Qwen3.8-Flash-Next 125B ไปไว้บน GPU, RAM และ SSD ให้รันได้บนการ์ด 12 GB กับ RAM 32–64 GB โดย README วัดได้ 94 tok/s บน RTX 5070 และเปิด API แบบ OpenAI/Anthropic ให้ Claude Code หรือ Codex ใช้ได้ทันที โพสต์บน Hacker News เมื่อ 4 ต.ค. ได้ 569 คะแนน แต่ความเร็วนี้แลกมากับควอนต์ 2–3 บิต และมีผู้ทดสอบพบว่างานด้านภาพแม่นยำแย่กว่า llama.cpp ราว 3 เท่า
3 ต.ค. 2026 Aleph Alpha สตาร์ทอัปจากเยอรมนีปล่อย Kolibri-1 โมเดล reasoning แบบ MoE ขนาด 78B ที่ใช้พารามิเตอร์จริงต่อโทเคนเพียง 3.46B ใต้ไลเซนส์ Apache-2.0 เทรน 20T โทเคนบน B200 768 ตัว รองรับ context 1M และ tool calling คะแนนชนะโมเดลกลุ่ม active ~3B ส่วนใหญ่ แต่ยังตามหลัง Qwen3.8-27B และรองรับแค่เยอรมันกับอังกฤษ ไม่มีภาษาไทย
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
1 ต.ค. 2026 Ai2 ปล่อย Olmo-core 3 (v3.0.0, Apache-2.0) เฟรมเวิร์กฝึก LLM ที่ออกแบบระบบฝึก MoE ใหม่ทั้งหมด เปลี่ยนจาก FSDP เป็น DDP ที่ให้ expert อยู่บน GPU ตลอด ได้ throughput 2.7 เท่าของของเดิมบน B300 8 ตัว ทดสอบได้ถึง 1.2T พารามิเตอร์บน 512 GPU พร้อม tech report ที่บอกทั้งสิ่งที่ได้ผลและสิ่งที่ไม่ได้ผล
สตาร์ทอัพจีน NaiveAI ปล่อยน้ำหนัก Naive-N0.5-Flash เมื่อ 27 ก.ย. เป็น MoE 309B (active 15.5B) ไลเซนส์ MIT จริงในไฟล์ LICENSE รองรับ context 1M ด้วย sliding-window 39 ชั้นผสม DeepSeek Sparse Attention 9 ชั้น ไม่มี full attention เลย SWE-bench Pro 73.6 และ NL2Repo 71.9 นำกลุ่มโมเดลเปิด แต่แพ้ DeepSeek-V4.1-Flash ใน Terminal-Bench และ DeepSWE ตัวเลขทั้งหมดวัดเอง
Xiaomi อัปโหลด MiMo-V2.6-Pro-RL (MoE 1.02T / active 42B) และ MiMo-V2.6-Flash-RL (309B / active 15B) ขึ้น Hugging Face เมื่อคืน 21 ก.ย. — รับข้อความ ภาพ วิดีโอ เสียง ในโมเดลเดียว context 1M เก็บน้ำหนักแบบ MXFP4 และการ์ดระบุ MIT แต่ใน repo ยังไม่มีไฟล์ LICENSE ส่วน dashboard RL ที่ถ่ายทอดสดมาตลอดสัปดาห์ปิดที่ 30 สเต็ป ตัวนับค่าใช้จ่ายรวมราว 3.5 ล้านดอลลาร์
Shanghai AI Laboratory ปล่อย Atria Dawn Preview — โมเดล agentic แบบ MoE 744B ที่ต่อยอดจากฐาน GLM-5.2 เปิดน้ำหนักเต็ม 1.51 TB บน Hugging Face พร้อม FP8 และคอนเท็กซ์ 256K ทำคะแนนสูงสุดใน 5 จาก 16 เบนช์มาร์กที่รายงานเอง รวม CyberGym 86.5 และ BrowseComp 92.5 — แต่การ์ดโมเดลติดป้าย MIT ทั้งที่ลิงก์ LICENSE ในรีโปเปิดไม่ขึ้น
20 ก.ย. 2026 StepFun เปิดตัว Step 5 Preview โมเดล sparse MoE 600B พารามิเตอร์ (active 27B ต่อโทเคน) คอนเท็กซ์ 1M รับภาพและวิดีโอ ใช้งานผ่าน API ได้ทันที และประกาศว่าจะปล่อยน้ำหนักเปิดวันที่ 15 ต.ค. ตัวเลขอิสระจาก Artificial Analysis ยืนยันคำเคลมเรื่องราคา แต่ก็เผยจุดที่ต้องระวังด้วย
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
13 ก.ย. colibri เอนจินอินเฟอเรนซ์ภาษา C ใต้ Apache-2.0 ที่มีดาวบน GitHub กว่า 30,000 ดวง ออก v1.11.0 ที่เพิ่ม DeepSeek-V4.1-Flash 552B เป็นตระกูลที่เก้า อ่าน checkpoint 510 GB ตรง ๆ โดยไม่ต้องแปลง ตารางวัดแบบ cold ในเอกสารแสดงว่าเทิร์นหนึ่งเร็วขึ้นจาก 0.305 เป็น 0.957 tok/s และแชตห้าเทิร์นได้ 1.14–1.58 tok/s — ทีมยังเขียนบันทึกไว้ด้วยว่าไอเดียไหนวัดแล้วช้าลงจนต้องถอดออก และตัวเลขที่เคยวัดผิดมาจากอะไร
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
13 ก.ย. Shanghai AI Lab อัปโหลด Intern-S2-397B โมเดลมัลติโมดัลสายวิทยาศาสตร์ขนาด 403B (BF16 807 GB, FP8 406 GB) ใต้ Apache-2.0 — config ตรงกับ Qwen3.5-397B-A17B ทุกค่ายกเว้น vocab ที่เพิ่ม 3,072 โทเคน และ layernorm ห้าชั้นที่สุ่มตรวจจับคู่กับ Qwen ได้ที่ r 0.997–0.999 แต่การ์ดไม่เอ่ยชื่อฐาน ตารางรายงาน SWE-Bench-Pro 68.54 ขณะที่คะแนนของ Claude Opus 4.8 และ GLM-5.2 ในแถวเดียวกันเปลี่ยนไปจากตารางฉบับ Preview เดือน ก.ค. โดยไม่มีคำอธิบาย
10 ก.ย. Cohere ปล่อยโมเดลแปลภาษา MoE 218B (active 25B) รองรับ 50 ภาษารวมภาษาไทย ใต้ CC BY-NC 4.0 ได้ 83.60 บน WMT26 ทุกภาษาโดยให้ GPT-5.6-Sol เป็นผู้ตัดสิน — แต่กราฟรายภูมิภาคของ Cohere เองแสดงว่า Gemma 4 31B (on) ชนะใน 4 จาก 6 ภูมิภาค รวมเอเชียตะวันออกเฉียงใต้ที่ 89.23 ต่อ 86.32 และคะแนนรวมที่นำอยู่มาจากภาษากลุ่ม EU ที่กินน้ำหนักไป 23 จาก 50 ภาษา
น้ำหนัก Nex-N2.5-Pro ขึ้น Hugging Face ครบ 122 shard เมื่อ 10 ก.ย. เวลา 19:01 UTC และกล่อง coming soon ถูกถอดออกเช้า 11 ก.ย. — เป็น FP8 ล้วน 407.1 GB ใต้ Apache-2.0 เว็บ Nex-AGI ระบุฐานเป็น Qwen3.5-397B-A17B ซึ่ง config ยืนยันทุกค่า แต่ไฟล์ไม่มีเทนเซอร์ MTP เลยสักตัว ทั้งที่ config ยังตั้ง mtp_num_hidden_layers เป็น 1
10 ก.ย. DeepSeek ปล่อย V4.1-Flash ขึ้น Hugging Face ใต้ MIT แท้พร้อมเปิดบน API ในวันเดียวกัน เป็น MoE 552B สถาปัตยกรรม Causal Encoder-Decoder ใหม่ที่ใช้พารามิเตอร์ 8B ตอน prefill และ 16B ตอน decode KV cache เหลือ 890 ไบต์ต่อโทเคน คะแนน Terminal-Bench 2.1 สูงกว่า Opus 5 — แต่เบนช์มาร์กที่ยากกว่ายังห่างชัด ไม่มี chat template แบบ Jinja มาให้ และทุกคำขอที่ใช้ชื่อ deepseek-v4-pro จะถูกส่งไปหาโมเดลนี้แทนโดยอัตโนมัติตั้งแต่ 14 ก.ย.
8 ก.ย. Argonaut Labs ปล่อยเบนช์มาร์กของ Deltafin ที่รัน Kimi K3 ตัวเต็ม 2.8 ล้านล้านพารามิเตอร์บน MacBook Pro M5 Max 128 GB โดยสตรีมน้ำหนักผู้เชี่ยวชาญจาก SSD ภายนอกสี่ลูก ได้ 1.00 tok/s — แต่ตัวเลขที่มีค่ากว่าคือบันได scaling ที่ชี้ว่าคอขวดไม่ใช่แบนด์วิดท์รวม และ prompt 512 โทเคนใช้เวลา 6.3 นาทีกว่าจะได้โทเคนแรก
8 ก.ย. Thesys ปล่อย OUI-1 โมเดล diffusion ตัวแรกที่ทำมาเพื่อสร้าง UI โดยเฉพาะ ไฟน์จูนจาก DiffusionGemma 26B-A4B ดันคะแนน Generative UI Benchmark จาก 13.0% เป็น 71.7% ด้วยพารามิเตอร์แอ็กทีฟแค่ 4B — แต่ไฟล์บน Hugging Face เป็น bf16 ขนาด 51.98 GB คอนเท็กซ์ที่เสิร์ฟจริงคือ 16,384 โทเคน และไลเซนส์เป็น Gemma Terms of Use ไม่ใช่โอเพนซอร์ส
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
31 ส.ค. 2026 repo deepseek-ai/DeepSeek-V4-Flash-Vision-Exp ถูกสร้างขึ้นบน Hugging Face พร้อมน้ำหนักจริงใต้ MIT License แบบไม่มีเงื่อนไขเพิ่ม — 305B พารามิเตอร์ ดาวน์โหลดราว 168 GB, 256 expert เลือกใช้ 6 ตัวต่อโทเคน, คอนเท็กซ์ 1M และ model card เปิดเลขที่ Change Log เดิมไม่เคยบอก
27 ส.ค. 2026 ทีม Pipecat ของ Daily ปล่อย PhoneLLM Alpha 1 น้ำหนักเปิดใต้ BSD 2-Clause — ฟายน์จูนเต็มพารามิเตอร์จาก NVIDIA Nemotron 3 Nano 30B-A3B เฉพาะงานเอเจนต์รับสาย พร้อมเบนช์มาร์กของตัวเองชื่อ PhoneBench v1 ตัวเลขที่สำคัญที่สุดไม่ใช่ 72.3% แต่คือโมเดลฐานตัวเดียวกันได้แค่ 28.6%
รายงานเทคนิค Thomson-1.0 ขึ้น arXiv เมื่อ 27 ส.ค. 2026 พร้อมน้ำหนักบน Hugging Face — MoE 35B กระตุ้น 3B ต่อยอดจาก Qwen3.6-35B-A3B ด้วย Continual Learning ทำคะแนนเฉลี่ยรวม 74.6 แซงทั้งโมเดลฐาน Gemma 4-31B และ Haiku 4.5 ด้วยงบเพียง 35,207 ชั่วโมง B200 แต่จุดที่ต้องอ่านก่อนดาวน์โหลดคือไฟล์ LICENSE ซึ่งเป็น PolyForm Strict 1.0.0 — ห้ามใช้เชิงพาณิชย์ ห้ามดัดแปลง ห้ามแจกจ่ายต่อ
28 ส.ค. 2026 เวลา 15:22 UTC รีโป zai-org/GLM-5.3 บน Hugging Face เปิดสาธารณะ — โมเดลตัวเต็มที่ทำ Terminal-Bench 3.0 28.3 และ CyberGym 84.5 เมื่อกลางเดือนกลายเป็น open weights จริงแล้ว น้ำหนัก FP8 141 ชาร์ด รวม 755.7 GB (BF16 อีกรีโปหนึ่ง 1,506.7 GB) แต่ไฟล์ LICENSE ไม่ใช่ MIT แบบ GLM-5.3-Flash — เป็นใบอนุญาตเฉพาะที่มีเงื่อนไข Model-as-a-Service ผูกไว้
27 ส.ค. 2026 ทีม Hy ของ Tencent อัปโหลด Hy4 preview ขึ้น Hugging Face — MoE 770B ที่กระตุ้น 49B ต่อโทเคน บริบท 1M ใช้ Gated DSA + IndexCache น้ำหนัก BF16 1,560 GB / FP8 813.8 GB ใต้ Apache-2.0 แท้ ๆ ตารางเบนช์ของ Tencent เองบอกว่ามันนำทุกเจ้ารวมถึง Claude Opus 5 บน SWE Atlas Codebase Q&A แต่รั้งท้ายบน Terminal-Bench 2.1 และตามหลัง GLM-5.3 บน GDPval
26 ส.ค. 2026 Z.ai ปล่อย GLM-5.3-Flash พร้อมน้ำหนักเต็มบน Hugging Face ใต้ MIT — MoE 320B ที่กระตุ้นแค่ 18B ต่อโทเคน, เป็นตัวแรกในตระกูล GLM-5 ที่ multimodal โดยกำเนิด, ใช้สถาปัตยกรรมผสม linear + sparse attention รองรับบริบท 1 ล้านโทเคน และทำ GDPVal-AA v2 ได้ 1773 นำทั้ง Claude Opus 4.8, GPT-5.6 Terra และ Gemini 3.7 Flash ในตารางของ Z.ai เอง
26 ส.ค. 2026 Qwen ปล่อย Qwen3.8-Flash-Next พร้อมน้ำหนักบน Hugging Face — MoE 125B ที่กระตุ้นแค่ 6B ต่อโทเคน บวกชั้น n-gram embedding 51B ที่ย้ายไปเก็บบน RAM ระบบได้ ใช้ Gated DeltaNet คู่กับ Qwen Sparse Attention ระดับ micro-block เทรนถูกกว่า Qwen3.7-Plus ราว 9 เท่า และ Qwen ประกาศตรง ๆ ว่านี่คือ preview ของสถาปัตยกรรมที่จะเป็น Qwen4
Apodex AI ประกาศ Apodex 1.1 เมื่อ 24 ส.ค. 2026 และอัปโหลดน้ำหนัก Apodex-1.1-mini ขึ้น Hugging Face ตอนเช้าวันที่ 25 ส.ค. — MoE 36B พารามิเตอร์รวมที่เลือกใช้ 8 จาก 256 expert ต่อโทเคน (แอ็กทีฟราว 3B) ต่อยอดจาก Qwen3.5-35B-A3B รับอินพุตภาพได้ คอนเท็กซ์ 262,144 โทเคน ใบอนุญาต Apache-2.0 และมาพร้อม FrontierAgent ที่เป็น harness แบบ ReAct/Agent Team เปิดซอร์สในใบอนุญาตเดียวกัน
เปเปอร์ COLM 2026 จาก Kakao Corp. และ Upstage AI (arXiv 20 ส.ค. 2026 ขึ้นอันดับหนึ่ง Hugging Face Daily Papers เมื่อ 24 ส.ค.) เสนอกรอบสองขั้นสำหรับหา learning rate ที่เหมาะที่สุดของ MoE ขนาดใหญ่ — ใช้ μP ที่ปรับให้เข้ากับ MLA และ Muon ย้ายค่าข้ามความกว้างโมเดล แล้วใช้กฎสเกลในมิติโทเคนลากไปถึง 10T โทเคน ได้ค่า 3.85e-4 ที่ R²=0.95 และเอาไปเทรนโมเดล 155B/17B active จริง
เปเปอร์ FreeToken ขึ้น arXiv เมื่อ 17 ส.ค. 2026 พร้อมโค้ด Apache-2.0 โดยมี Ion Stoica, Matei Zaharia, Song Han และ Kurt Keutzer ร่วมเป็นผู้เขียน — เอ็นจิ้นเสิร์ฟโมเดล MoE ที่วัดแบนด์วิดท์ของเครื่องจริงแล้วแบ่งงานระหว่าง CPU กับ GPU ใหม่ระหว่างรัน ทำให้โน้ตบุ๊ก RTX 4060 8GB รันโมเดล 35B ได้ 39.3 tok/s และเวิร์กสเตชันการ์ดใบเดียวเสิร์ฟ GLM-5.2 753B ได้
ทีม Ornith (DeepReinforce) ปล่อย Ornith-1.5 บน Hugging Face เมื่อ 18 ส.ค. 2026 — ลิขสิทธิ์ MIT ครบสามขนาด 9B / 35B-A3B / 397B พร้อม GGUF, FP8, NVFP4, MLX ในวันเดียว จุดต่างจากรุ่น 1.0 คือลูป self-improvement ขยายจาก "ออกแบบ scaffold เอง" เป็น "คิดโจทย์ฝึกของตัวเองด้วย" เรือธง 397B ทำ Terminal-Bench 2.1 ได้ 86.1 เทียบเท่า Claude Opus 4.8 (85.0)
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 อัปโหลดน้ำหนัก Qwen3.8-2.4T-A95B ขึ้น Hugging Face เมื่อ 12 ส.ค. 2026 ตอบสามคำถามที่ค้างมาตั้งแต่ต้นเดือน: active params 95B, ไลเซนส์เป็นสัญญาเฉพาะของ Qwen ไม่ใช่ Apache-2.0 และมีตาราง benchmark แล้ว แต่รุ่นเปิดเป็นโมเดลข้อความล้วน ไม่ใช่ multimodal เหมือนที่ขายผ่าน API
11 สิงหาคม 2026 Microsoft ปล่อย MAI-Code-1.1-Flash เข้า GitHub Copilot — MoE 138B พารามิเตอร์ active 5B context 256K เพิ่มอินพุตภาพ และลดราคาลิสต์ลง 73% แต่ตัวเลขใน model card บอกว่า SWE-Bench Verified ขยับจาก 71.6 เป็น 72.6 เท่านั้น ที่กระโดดจริงคือ Terminal Bench 2.1
11 ส.ค. 2026 NVIDIA เปิดตัว Nemotron 3.5 Lightning โมเดลเปิดตัวแรกของตระกูล 3.5 — hybrid Mamba-2 + MoE ขนาด 30B แต่ activate แค่ 3B, context 1 ล้านโทเคน, ใบอนุญาต OpenMDW-1.1 และทำความเร็วได้เกือบ 670 โทเคน/วินาที เทียบชั้นความฉลาดกับ gpt-oss-120b ที่ใหญ่กว่าราวสี่เท่า
Ant Group ปล่อยน้ำหนักโมเดล Ling-3.0-flash บน Hugging Face ภายใต้สัญญาอนุญาต MIT — MoE ขนาด 124B ที่ปลุกใช้เพียง 5.1B พารามิเตอร์ต่อโทเคน (~8%) ใช้สถาปัตยกรรม hybrid linear attention สลับ KDA กับ Gated MLA อัตราส่วน 5:1 รองรับ 256K โทเคน และเพิ่งเพิ่มตารางผลทดสอบลงในโมเดลการ์ดเมื่อวานนี้
DeepGrove เปิด Maple-Preview โมเดล reasoning 20B-A1B ที่ไม่ได้ควอนไทซ์ทีหลังแต่เทรนเป็น ternary มาตั้งแต่แรก ใต้ license MIT — แต่ไฟล์บน Hugging Face เป็น bf16 ขนาด 40.4GB และรันไทม์ที่ทำความเร็ว 218 tok/s บน Apple Silicon ยังไม่ถูกปล่อยออกมา
Swiftlet (repo สร้าง 3 ส.ค., Apache 2.0, 336 ดาว) เป็น runtime Swift + Metal ที่รัน Qwen3-Next-80B-A3B บน Mac ด้วย peak RAM แค่ 4.3GB และ Qwen3.6-35B บน iPhone ด้วย ~2.5GB — โดยเก็บเฉพาะแกน dense ไว้ใน RAM แล้ว stream น้ำหนัก MoE จาก SSD ตามที่ router เรียก
Alibaba เปิด Qwen3.8-Max ให้นักพัฒนาทั่วโลกใช้ผ่าน API วันที่ 3 ส.ค. 2026 พร้อมเปิดเบตา QwenWork — โมเดล MoE 2.4 ล้านล้านพารามิเตอร์ คอนเท็กซ์ 1M รับภาพและวิดีโอ ราคา $2/$6 ต่อล้านโทเค็น และประกาศว่าจะปล่อยน้ำหนักเปิดของทั้ง Max และ Qwen3.8-27B ในสัปดาห์หน้า ซึ่งจะเป็นครั้งแรกที่ Qwen ชั้น Max เปิดน้ำหนัก
Thinking Machines Lab เปิดน้ำหนัก Inkling-Small โมเดล MoE ขนาด 276B total / 12B active ที่ทำคะแนน SWEBench Verified 80.2% และ GPQA Diamond 89.5% แซงรุ่นพี่ Inkling ขนาด 975B ที่ปล่อยไปเมื่อสองสัปดาห์ก่อน พร้อม context 1M โทเคนและ license tag apache-2.0
LG AI Research เปิดน้ำหนัก K-EXAONE 2.0 โมเดล MoE 750B total / 37B active ใต้ Apache 2.0 ในฐานะเฟสสองของโครงการ Sovereign AI ของกระทรวงวิทย์ฯ เกาหลี — ชนะทุกตัวในตารางเรื่อง long-context retrieval (OpenAI-MRCR 94.4) และ safety แต่ตามหลัง Qwen3.5 กับ GLM-5.1 ในเกือบทุกหมวดที่เหลือ
เอนจิน inference ภาษา C ที่ไม่มี dependency ใด ๆ รัน Kimi K3 ตัวเต็ม 2.78T พารามิเตอร์บน MacBook Pro 64GB ได้ที่ 0.49–0.54 tok/s โดยเก็บ trunk 27.28GB ไว้ใน RAM แล้วสตรีม expert ที่เหลือจาก NVMe — ช้ามาก แต่พิสูจน์ว่าโมเดลระดับ frontier ไม่จำเป็นต้องอยู่บนเซิร์ฟเวอร์อีกต่อไป
31 กรกฎาคม 2026 DeepSeek ประกาศปล่อย API ของ DeepSeek-V4-Flash เวอร์ชันทางการเข้าสู่ public beta โดยไม่เปลี่ยนสถาปัตยกรรมหรือขนาดจาก preview แต่ re-post-train ใหม่ทั้งตัว ผลคือคะแนน agent กระโดดขึ้น เช่น Terminal Bench 2.1 ที่ 82.7 พร้อมรองรับ Responses API แบบ native และปรับมาให้เสียบกับ Codex ได้โดยตรง
รันไทม์โอเพนซอร์ส Apache-2.0 เขียนด้วย Swift + Metal สตรีม expert ของ Gemma 4 26B-A4B จาก SSD ทีละโทเคน ทำให้โมเดล 26B รันได้บน Mac RAM 8 GB โดยใช้หน่วยความจำราว 2 GB วัดได้ 5.1–6.3 tok/s บน M2 MacBook Air และ 31–35 tok/s บน M5 Pro
ทีม KwaiKAT ปล่อยน้ำหนัก KAT-Coder-V2.5-Dev บน Hugging Face ภายใต้ Apache-2.0 — MoE 35B พารามิเตอร์รวม active แค่ 3B ต่อยอดจาก Qwen3.6-35B-A3B คอนเท็กซ์ 262K ทำ SWE-bench Verified 69.40 และ Terminal-Bench 2.1 41.02 เหนือกว่าโมเดลโอเพนขนาดใกล้เคียงทุกตัวในตารางเทียบของตัวเอง
Induction Labs เผยผลวิจัย Photon-1 โมเดล MoE 106B (active 5B) ที่เทรนล่วงหน้าด้วยวิดีโอหน้าจอคอมพิวเตอร์ 575 ล้านเฟรม (ราว 18 ปี) โดยไม่มี action label เลย ใช้ FLOPs น้อยกว่า Gemini 3.1 Flash-Lite ราว 27 เท่า แต่รายงานว่าทำคะแนนดีกว่าบน benchmark computer use ภายใน และเสิร์ฟถูกกว่า 3 เท่า
vLLM เปิดปลั๊กอินทดลอง AFD (Attention-FFN Disaggregation) แยกส่วน attention กับ expert/FFN ออกไปรันเป็นบริการคนละก้อน สเกลอิสระต่อกัน — บน DeepSeek-V3.2 ทำ throughput เพิ่ม ~9–11% และลด TTFT จาก 15.1 เหลือ 8.0 วินาที รองรับทั้ง NVIDIA GPU และ Ascend NPU
Upstage บริษัท AI เกาหลีปล่อย Solar Open 2 โมเดลเปิดน้ำหนักระดับ frontier ขนาด 250B พารามิเตอร์ (active 15B) สถาปัตยกรรม MoE + hybrid attention คอนเท็กซ์ 1 ล้านโทเคน มาพร้อม quant INT4/NVFP4 ตั้งแต่วันเปิดตัว รันบน H200 สองใบได้ ออกใบอนุญาตให้ใช้เชิงพาณิชย์ เน้นงาน agent/tool-use และภาษาเกาหลี
Axolotl ออกเวอร์ชัน 0.18.0 (17 ก.ค. 2026) รวมกว่า 90 commit ตั้งแต่ v0.17.0 จุดหลักคือ expert LoRA แบบ 4-bit NVFP4 ที่รันเร็วบนทั้งสอง MoE backend, เส้นทาง W4A4 ผ่าน SonicMoE ที่ชนะ Marlin W4A16 ทุกความยาว sequence บน B200, รองรับไฟน์จูน GLM-5.2 แบบหลาย GPU และรองรับ Blackwell ระดับผู้บริโภค (RTX 50xx / sm120)
Thinking Machines Lab ของ Mira Murati ปล่อยโมเดลแรก Inkling — MoE 975B พารามิเตอร์ (active 41B) มัลติโมดัลข้อความ/ภาพ/เสียง/วิดีโอ คอนเท็กซ์ 1M โทเคน ปรับ "ความคิดหนัก-เบา" ได้ และเปิดน้ำหนักเต็มใต้ Apache 2.0
กลุ่มพันธมิตร AI เยอรมนีปล่อย Soofi S 30B-A3B โมเดลเปิดสถาปัตยกรรมไฮบริด Mamba-Transformer ที่ทำคะแนนสูงสุดทั้งภาษาเยอรมันและอังกฤษในกลุ่ม fully-open พร้อมเปิดทั้งน้ำหนัก โค้ด และบัญชีข้อมูลฝึกแทบทั้งหมด
NVIDIA เปิดน้ำหนัก Nemotron-Labs-3-Puzzle-75B-A9B ใต้ไลเซนส์ OpenMDW-1.1 — บีบโมเดลแม่ 120.7B/12.8B active ลงเหลือ 75.3B/9.3B active ได้ server throughput ราว 2 เท่าบน 8×B200 โดยยอมแลกความแม่นยำไปไม่กี่จุด
Tencent เปิดน้ำหนัก Hy3 เมื่อ 6 ก.ค. 2026 — MoE 295B ที่ active เพียง 21B ต่อโทเคน context 256K ใต้ Apache 2.0 ไร้ข้อจำกัดเชิงพื้นที่ ทำ SWE-bench Verified 78.0 และ GPQA Diamond 90.4
Transformers v5.13.0 เพิ่ม HfExporters — ท่อ export รวมศูนย์ที่ส่งโมเดลออกไปยัง PyTorch ExportedProgram, ONNX และ ExecuTorch (สำหรับมือถือ/edge) ด้วย API รูปแบบเดียวกัน พร้อมรองรับสถาปัตยกรรมโอเพนใหม่ยกชุด เช่น Kimi K2.7, Xiaomi MiMo-V2-Flash, Zyphra ZAYA และ Google VideoPrism
Mistral ปล่อย Leanstral 1.5 (2 ก.ค. 2026) โมเดล MoE เปิดใบอนุญาต Apache-2.0 ขนาด 119B total / 6B active สำหรับพิสูจน์ทฤษฎีบทเชิงรูปนัยบน Lean 4 และตรวจสอบโค้ด — ทำ miniF2F เต็ม 100% ทั้ง val/test, ปิด PutnamBench 587/672 ข้อที่ราว $4/ข้อ (เทียบ Seed-Prover 1.5 ที่ $300+), ครอง SOTA FATE-H 87% และในการทดสอบพบบั๊กที่ไม่เคยรู้มาก่อน 5 ตัวใน 57 repo รวมถึงช่อง overflow วิกฤต.
Meituan ประกาศ LongCat-2.0 โมเดล MoE ขนาด 1.6 ล้านล้านพารามิเตอร์ (active ~48B/token), context 1M token, ใบอนุญาต MIT — เป็นโมเดลที่เคยครองอันดับ coding บน OpenRouter แบบไม่เปิดตัวในชื่อ 'Owl Alpha' และฝึกบนคลัสเตอร์ ASIC ในประเทศจีนล้วนโดยไม่ใช้ Nvidia (weights ยังขึ้นว่า 'coming soon').
InternScience ปล่อย Agents-A1 โมเดล agentic แบบ open-weight ขนาด 35B MoE บริบท 256K ใบอนุญาต Apache 2.0 ฝึกด้วย multi-teacher on-policy distillation — กลั่นโมเดลผู้เชี่ยวชาญหลายโดเมนมารวมในนักเรียนตัวเดียว ทำคะแนน SOTA ในกลุ่ม 35B บนงาน long-horizon search และงานวิจัยเชิงวิทยาศาสตร์
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
ทีม Qwen ของ Alibaba ปล่อย Qwen-AgentWorld — โมเดลภาษาที่ทำหน้าที่เป็น "world model" ของเอเจนต์ คือทำนายว่าสภาพแวดล้อม (terminal, เบราว์เซอร์, Android, OS) จะตอบอะไรกลับเมื่อเอเจนต์ลงมือ แทนที่จะเป็นตัวเอเจนต์เอง เปิดเวต Apache 2.0 ขนาด 35B-A3B รันบนเครื่องตัวเองได้ พร้อมเบนช์มาร์ก AgentWorldBench
Google DeepMind ปล่อย DiffusionGemma โมเดลภาษาแบบ text-diffusion โอเพนเวตตัวแรกที่ขึ้น mainstream — MoE 26B (active 3.8B) สร้างข้อความทีละบล็อก 256 โทเคนพร้อมกันแทนการไล่ทีละโทเคน เร็วกว่าโมเดล autoregressive ได้ถึง 4 เท่า ภายใต้ Apache 2.0 และรันบน RTX 4090/5090 24GB ได้เมื่อ quantize