แท็ก

#Multimodal

8 บทความ

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
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
Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม
โมเดลใหม่

Google ปล่อย EmbeddingGemma 2: โมเดล embedding 740M ไลเซนส์ Apache 2.0 รวมข้อความ ภาพ เสียง และวิดีโอไว้ในเวกเตอร์ 768 มิติชุดเดียว โหลดเฉพาะ encoder ที่ใช้ได้ — งานโค้ดดีขึ้นชัด แต่ข้อความหลายภาษาแทบเท่าเดิม

6 ต.ค. 2026 Google DeepMind ปล่อย EmbeddingGemma 2 โมเดล embedding แบบเปิดขนาด 740M ที่แปลงข้อความ โค้ด ภาพ เสียง และวิดีโอลงพื้นที่เวกเตอร์ 768 มิติเดียวกัน ใช้ Apache 2.0 รองรับ Matryoshka ตัดเหลือ 128–512 มิติ และแยกโหลด encoder ภาพ/เสียงได้ คะแนน MTEB code ขึ้นจาก 68.76 เป็น 78.68 แต่ MTEB หลายภาษาแทบไม่ขยับ (61.15 → 61.36)

· อ่าน 4 นาที
Mistral Large 4 "le Chonk": MoE 1 ล้านล้านพารามิเตอร์ เปิด preview API แล้ว (context 1M, $1.36/$4.18 ต่อล้านโทเคน) น้ำหนักตามมาปลายเดือนนี้ แต่ตารางในเอกสารยังเขียนไลเซนส์แค่ว่า "Open" ไม่ใช่ Apache 2.0
โมเดลใหม่

Mistral Large 4 "le Chonk": MoE 1 ล้านล้านพารามิเตอร์ เปิด preview API แล้ว (context 1M, $1.36/$4.18 ต่อล้านโทเคน) น้ำหนักตามมาปลายเดือนนี้ แต่ตารางในเอกสารยังเขียนไลเซนส์แค่ว่า "Open" ไม่ใช่ Apache 2.0

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

· อ่าน 5 นาที
Reka เปิด research preview ของ Rho-1 โมเดล omni 19B ที่ฝึกเองตั้งแต่ศูนย์ — เข้าใจและสร้างข้อความ ภาพ วิดีโอ และสั่งแขนกลได้ในเครือข่ายเดียวโดยไม่เรียก tool ใช้ H100 แค่ 320 ตัว แต่ยังไม่ปล่อยน้ำหนักหรือ API
งานวิจัย

Reka เปิด research preview ของ Rho-1 โมเดล omni 19B ที่ฝึกเองตั้งแต่ศูนย์ — เข้าใจและสร้างข้อความ ภาพ วิดีโอ และสั่งแขนกลได้ในเครือข่ายเดียวโดยไม่เรียก tool ใช้ H100 แค่ 320 ตัว แต่ยังไม่ปล่อยน้ำหนักหรือ API

5 ต.ค. 2026 Reka AI เปิดตัว research preview ของ Rho-1 โมเดล omni ขนาด 19B ที่ใช้ KV cache ร่วมกันระหว่าง stream ฝั่งเข้าใจ (next-token) กับ stream ฝั่งสร้าง (flow matching) ทำให้สร้างภาพและวิดีโอแบบสตรีมใกล้ real-time และส่ง action ให้หุ่นยนต์ได้จากเครือข่ายเดียว ฝึกบน H100 320 ตัวราว 3 เดือน ยังไม่มีน้ำหนักหรือ API ให้ใช้ แต่ Reka ปล่อย Inverse Dynamics Model ที่ใช้ทำข้อมูลฝึกเป็น Apache-2.0 แล้ว

· อ่าน 4 นาที
Xiaomi ปล่อยน้ำหนัก MiMo-V2.6 Pro (1.02T) และ Flash (309B) แล้ว — omni 1M context ลงวันเดียวกับที่ dashboard RL ปิดฉาก พร้อมป้าย MIT ที่ยังไม่มีไฟล์ LICENSE
โมเดลใหม่

Xiaomi ปล่อยน้ำหนัก MiMo-V2.6 Pro (1.02T) และ Flash (309B) แล้ว — omni 1M context ลงวันเดียวกับที่ dashboard RL ปิดฉาก พร้อมป้าย MIT ที่ยังไม่มีไฟล์ LICENSE

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

· อ่าน 6 นาที
Qwen3.8-Omni-Flash ขึ้น Model Studio: คอนเท็กซ์ 1M โทเคน เข้าได้ทั้งเสียง-วิดีโอ-ภาพ รองรับ 113 ภาษา — แต่ยังไม่มีน้ำหนักเปิด
โมเดลใหม่

Qwen3.8-Omni-Flash ขึ้น Model Studio: คอนเท็กซ์ 1M โทเคน เข้าได้ทั้งเสียง-วิดีโอ-ภาพ รองรับ 113 ภาษา — แต่ยังไม่มีน้ำหนักเปิด

Alibaba เปิด qwen3.8-omni-flash บน Model Studio — โมเดล omni ที่รับข้อความ ภาพ เสียง และวิดีโอ ออกเป็นข้อความอย่างเดียว คอนเท็กซ์ 1 ล้านโทเคน รองรับเสียงเข้า 113 ภาษาและสำเนียง มีโหมดคิด function calling และเว็บเสิร์ช เปิดให้เรียกใน 6 ภูมิภาครวมสิงคโปร์ แต่ ณ 18 ก.ย. ยังไม่มีรีโปน้ำหนักเปิดบน Hugging Face

· อ่าน 5 นาที
DeepSeek-V4.1-Flash เปิดน้ำหนัก MIT ขนาด 552B ที่ใช้พารามิเตอร์แค่ 8B ตอนอ่านอินพุต — KV cache เหลือ 1/4 ราคา API ลด และ deepseek-v4-pro จะถูกส่งมาหาโมเดลนี้แทนตั้งแต่ 14 ก.ย.
โมเดลใหม่

DeepSeek-V4.1-Flash เปิดน้ำหนัก MIT ขนาด 552B ที่ใช้พารามิเตอร์แค่ 8B ตอนอ่านอินพุต — KV cache เหลือ 1/4 ราคา API ลด และ deepseek-v4-pro จะถูกส่งมาหาโมเดลนี้แทนตั้งแต่ 14 ก.ย.

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.

· อ่าน 8 นาที