แท็ก

#edge-AI

7 บทความ

Artificial Analysis เปิดกระดานวัดโมเดลบนมือถือจริง ร่วมกับ Liquid AI — LFM2.5-2.6B ได้คะแนนเท่า Nanbeige4.2-3B ที่ 63 แต่เร็วกว่า 2.7 เท่าและกินแรม 2.3 GB
เครื่องมือนักพัฒนา

Artificial Analysis เปิดกระดานวัดโมเดลบนมือถือจริง ร่วมกับ Liquid AI — LFM2.5-2.6B ได้คะแนนเท่า Nanbeige4.2-3B ที่ 63 แต่เร็วกว่า 2.7 เท่าและกินแรม 2.3 GB

Artificial Analysis เปิดหมวดเบนช์มาร์กใหม่เมื่อ 24 ส.ค. 2026 สำหรับโมเดลที่รันบนมือถือได้จริง วัดทั้งความฉลาดและความเร็วบน iPhone 17 Pro และ Galaxy S26 Ultra ด้วยบิลด์ควอนไทซ์ 4-bit ตัวเดียวกัน — และผลออกมาว่าคะแนนความฉลาดอย่างเดียวเลือกโมเดลลงมือถือไม่ได้ ต้องดูคู่กับเวลาและแรม

· อ่าน 5 นาที
IBM ปล่อย Granite Speech 5.0 Turbo CTC — โมเดลถอดเสียง 470M ใต้ Apache-2.0 ที่ถอดเสียงพูด 3.5 ชั่วโมงจบในหนึ่งวินาที
โมเดลใหม่

IBM ปล่อย Granite Speech 5.0 Turbo CTC — โมเดลถอดเสียง 470M ใต้ Apache-2.0 ที่ถอดเสียงพูด 3.5 ชั่วโมงจบในหนึ่งวินาที

25 ส.ค. 2026 IBM ปล่อย Granite Speech 5.0 Turbo CTC — โมเดลถอดเสียงภาษาอังกฤษขนาด 470M พารามิเตอร์ สองรุ่น รุ่น Apache-2.0 ทำ WER 5.00% และรุ่นห้ามใช้เชิงพาณิชย์ทำได้ 4.85% ทั้งคู่วิ่งเกิน 12,600 RTFx บน H200 คือถอดเสียงพูดกว่า 3.5 ชั่วโมงจบในหนึ่งวินาที — แต่รองรับภาษาอังกฤษภาษาเดียว

· อ่าน 6 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
Meta เปิดน้ำหนัก MobileMoE — MoE สำหรับมือถือที่ใช้ 272M พารามิเตอร์ต่อโทเคน แต่ทำ MMLU 43.7 ทิ้ง Gemma 3 270M ที่ได้ 26.7
โมเดลใหม่

Meta เปิดน้ำหนัก MobileMoE — MoE สำหรับมือถือที่ใช้ 272M พารามิเตอร์ต่อโทเคน แต่ทำ MMLU 43.7 ทิ้ง Gemma 3 270M ที่ได้ 26.7

คืนวันที่ 25 ส.ค. 2026 Meta เปิดน้ำหนัก MobileMoE สามขนาดบน Hugging Face — MoE แบบ fine-grained ที่มี expert 60 ตัว เลือกใช้ 4 ตัวต่อโทเคน ทำให้รุ่นเล็ก 1.3B ใช้จริงแค่ 272M ต่อโทเคน กินพื้นที่ 0.68GB ที่ INT4 และทำ MMLU 43.7 เทียบกับ 26.7 ของ Gemma 3 270M แต่ติดใบอนุญาต FAIR แบบ non-commercial และเป็นเช็กพอยต์ base ล้วน

· อ่าน 7 นาที
VisionPsy-Nano: VLM 460M พารามิเตอร์จาก Tether AI ที่ชนะรุ่นใหญ่กว่าตัวเอง และให้ token แรกเร็วกว่าเดิม 19-23 เท่าบนมือถือจริง
โมเดลใหม่

VisionPsy-Nano: VLM 460M พารามิเตอร์จาก Tether AI ที่ชนะรุ่นใหญ่กว่าตัวเอง และให้ token แรกเร็วกว่าเดิม 19-23 เท่าบนมือถือจริง

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

· อ่าน 6 นาที
Inflect-Micro-v2: ระบบสังเคราะห์เสียงครบวงจรใน 9.36 ล้านพารามิเตอร์ — 37 MB รันบน CPU เร็วกว่าเรียลไทม์ 6.28 เท่า
โมเดลใหม่

Inflect-Micro-v2: ระบบสังเคราะห์เสียงครบวงจรใน 9.36 ล้านพารามิเตอร์ — 37 MB รันบน CPU เร็วกว่าเรียลไทม์ 6.28 เท่า

โมเดล TTS ภาษาอังกฤษที่ทำงานครบตั้งแต่ข้อความถึงคลื่นเสียงด้วยพารามิเตอร์เพียง 9.36 ล้านตัว ขนาดไฟล์ 37.53 MB ไลเซนส์ Apache-2.0 สังเคราะห์เสียงบน CPU ได้เร็วกว่าเรียลไทม์ 6.28 เท่า และชนะการทดสอบ blind test ของชุมชนที่ 66.2% — ขึ้นหน้าแรก Hacker News เมื่อ 26 ก.ค.

· อ่าน 5 นาที
รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s
เครื่องมือนักพัฒนา

รัน LLM 28.9 ล้านพารามิเตอร์บนไมโครคอนโทรลเลอร์ราคา 8 ดอลลาร์ — เทคนิค Per-Layer Embeddings ของ Gemma ย่อโมเดลลง ESP32-S3 ได้ 9.5 tok/s

โปรเจกต์โอเพนซอร์สบน GitHub รันโมเดลภาษา 28.9 ล้านพารามิเตอร์บน ESP32-S3 ราคาราว 8 ดอลลาร์ ได้ราว 9.5 tok/s โดยยืมเทคนิค Per-Layer Embeddings จาก Gemma 3n/Gemma 4 มาเก็บตารางเอ็มเบดดิง 25 ล้านพารามิเตอร์ไว้ในแฟลชแทน RAM — อ่านแค่ราว 450 ไบต์ต่อโทเคน ใหญ่กว่าสถิติเดิมบนชิประดับเดียวกันราว 100 เท่า

· อ่าน 6 นาที