แท็ก
23 บทความ
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
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
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
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
25 ส.ค. 2026 Perplexity เปิด Portable Computer เวอร์ชันโลคอลเต็มรูปแบบของ Perplexity Computer ที่ย้าย orchestrator LLM, subagent LLM และ agent harness ทั้งหมดมารันบน NVIDIA DGX Spark — ทำ Terminal Bench 2.1 ได้ 59.6% โดยไม่เสียค่าโทเคนเลย และ 73.0% ที่ราว $0.415 ต่องานเมื่อยอมให้ยกระดับขึ้นคลาวด์
20 ส.ค. 2026 Liquid AI ปล่อยโมเดล draft สำหรับ speculative decoding ของ LFM2.5 สามขนาด แต่ละตัวราว 300M พารามิเตอร์ — ทำ throughput บน H100 ขึ้นได้ถึง 2.67 เท่า (323→864 tok/s) บน MacBook M4 Max 2.27 เท่า และลด latency การเรียกฟังก์ชันลง 57% โดยเอาต์พุตไม่เปลี่ยนเลย
20 ส.ค. 2026 Simon Edwardsson เผยแพร่รายละเอียดการเทรนโมเดล transformer 125M พารามิเตอร์ที่เล่นเปียโนต่อจากผู้ใช้แบบเรียลไทม์บน iPhone ผ่าน Core ML แบบ INT8 ที่ราว 108 โน้ตต่อวินาที — พร้อมบทเรียนที่ใช้ได้กับโมเดลเล็กทุกตัว ตั้งแต่การออกแบบ tokenization ไปจนถึง DPO ที่ดันคะแนน preference จาก 24.55% เป็น 69.05%
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
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%
11 ส.ค. 2026 Google ร่วมกับ Raspberry Pi Ltd และ Igalia เผยแพร่คู่มือรัน Gemma บน Raspberry Pi 5 ด้วย LiteRT พร้อมตัวเลขวัดจริง — Gemma 4 E2B ทำ prefill 99 โทเคน/วินาที decode 9 โทเคน/วินาที ใช้แรมสูงสุด 1,432 MB และติดตั้งได้ด้วยคำสั่งเดียวจาก Hugging Face
Cactus Compute ปล่อย Needle 2 เมื่อ 10 ส.ค. 2026 — โมเดล 45M พารามิเตอร์ที่บีบเป็นไบนารีเดียวขนาด 14MB ใช้ RAM ตอนทำงาน 28MB และรันได้ถึงระดับ ESP32 น้ำหนัก Apache-2.0 โค้ด MIT แต่ตารางเบนช์มาร์กในโมเดลการ์ดเองแสดงว่ามันแพ้ LFM2.5 230M และ Apple FM บน BFCL v4 ชัดเจน
Liquid AI เปิดตัว LFM2.5-2.6B (4 ส.ค. 2026) โมเดลบนเครื่องที่ post-train ด้วย agentic RL ใน harness จริงอย่าง OpenClaw — กินแรมต่ำกว่า 2.5GB คอนเท็กซ์ 128K และรันได้ทั้ง llama.cpp/MLX/ONNX/vLLM แต่ต้องอ่าน LFM Open License ให้จบก่อนใช้เชิงพาณิชย์
Google DeepMind เปิดตัว Gemini Robotics 2 เป็นชุดสามโมเดล — VLA คุมการเคลื่อนไหวทั้งตัว, ER 2 เป็นชั้นวางแผนที่คุยกับ Google AI Studio ได้แล้ว และ On-Device 2 ที่รันออฟไลน์และปรับเข้ากับหุ่นยนต์รูปร่างใหม่ด้วยตัวอย่างไม่ถึง 200 ชิ้น พร้อมเบนช์มาร์กความปลอดภัยตัวใหม่ ASIMOV-Agentic
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
Liquid AI เปิดตัว LFM2.5-Encoder ขนาด 230M และ 350M พารามิเตอร์ — encoder แบบ bidirectional สำหรับงานจัดหมวดหมู่และค้นหา รองรับ 8,192 โทเคน 15 ภาษา และเร็วกว่า ModernBERT-base บน CPU ราว 3.7 เท่า แต่มาพร้อมสัญญาอนุญาตที่จำกัดการใช้เชิงพาณิชย์ที่รายได้ 10 ล้านดอลลาร์
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.
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
Google ปล่อย LiteRT.js เมื่อ 9 ก.ค. 2026 — JavaScript binding ของ LiteRT ที่รันโมเดล .tflite ในเบราว์เซอร์ผ่าน XNNPACK, WebGPU และ WebNN อ้างว่าเร็วกว่า runtime เว็บอื่นได้ถึง 3 เท่า และเร็วกว่าการรันบน CPU ล้วน 5–60 เท่าเมื่อใช้ GPU/NPU
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
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