จากโมเดลสารพัดงาน สู่เครื่องมือที่เลือกโจทย์เป็น
โมเดลเปิดน้ำหนักคือโมเดล AI ที่เปิดให้นักพัฒนาเข้าถึงน้ำหนักของระบบ เพื่อนำไปโฮสต์ ปรับแต่ง หรือใช้ในสภาพแวดล้อมของตน แทนการพึ่งบริการจากระยะไกลเพียงอย่างเดียว โดยความเปิดกว้างนี้ไม่ได้รับประกันคุณภาพ แต่เปิดทางให้เลือกโมเดลตามงานและข้อจำกัดจริงได้มากขึ้น การเปิดตัวโมเดลรุ่นใหม่จาก Abacus.AI, Valory และ Mistral สะท้อนการแข่งขันที่น่าสนใจกว่าการไล่ตามคะแนนรวมเพียงอย่างเดียว แต่ละรายพยายามชนะในงานเฉพาะ ตั้งแต่ AI agent ที่ต้องทำหลายขั้นตอน ไปจนถึงการพยากรณ์เหตุการณ์และการเขียนโค้ดในองค์กร จุดเปลี่ยนนี้มีเหตุผลชัดเจน: โมเดลทั่วไปอาจหลุดจากเป้าหมายเมื่อเรียกใช้เครื่องมือซ้ำในงานยาว ทำให้ผลไม่น่าเชื่อถือและเพิ่มต้นทุนด้านการทำงาน การปรับตัวโมเดลให้ตรงงานจึงอาจมีค่ากว่าการเพิ่มขนาดเพียงอย่างเดียว
Smaug เน้นให้ AI agent ทำงานต่อเนื่องได้
Abacus.AI เปิดตัว Smaug เป็นตระกูลโมเดลเปิดน้ำหนักสามรุ่นที่ผ่านการปรับแต่งเพิ่มเติม โดยมุ่งแก้ปัญหาการทำงานแบบตัวแทนอัจฉริยะ ซึ่งต้องวางแผน วิเคราะห์ และเรียกใช้เครื่องมือหลายครั้งโดยไม่หลุดจากเป้าหมาย ผู้พัฒนามองว่าความท้าทายอยู่ที่การฝึกโมเดล ไม่ใช่การแก้ด้วยคำสั่งป้อนเพียงอย่างเดียว ผลทดสอบที่บริษัทเปิดเผยชี้ว่า Smaug Flash ทำคะแนนด้านการเขียนโค้ดแบบตัวแทนเพิ่มจาก 46.8 เป็น 61.1 หรือเพิ่ม 14.3 คะแนน ส่วน Smaug Mini ขนาด 28 พันล้านพารามิเตอร์เน้นความกะทัดรัดและงานหลายสื่อ ขณะที่ Smaug Agentic โดดเด่นเรื่องความต่อเนื่อง โดยมีรายงานว่าทำงาน 113 งานนานกว่า 7 ชั่วโมงโดยไม่มีข้อผิดพลาดเชิงโครงสร้างพื้นฐาน ตัวเลขเหล่านี้เป็นผลที่ผู้พัฒนาเผยแพร่ ไม่ใช่หลักประกันว่าจะได้ผลเท่ากันทุกระบบ องค์กรควรทดสอบกับงานจริงทั้งความเสถียรและต้นทุนก่อนเลือกใช้
Olas Predict วัดฝีมือการประเมินความน่าจะเป็น
Valory เปิดตัว Olas-Predict-Qwen3.8-27B เป็นโมเดลพยากรณ์เหตุการณ์แบบเปิดน้ำหนัก ขนาด 27 พันล้านพารามิเตอร์ บริษัทระบุว่าทำความแม่นยำแบบสมดุลได้ 67.3% เทียบกับ 68.5% ของ GPT-5.6 ในการประเมินภายใน โดยทั้งสองระบบได้รับพรอมต์และหลักฐานชุดเดียวกัน และตั้งค่าอุณหภูมิไว้ที่ศูนย์ ความใกล้เคียงของคะแนนน่าสนใจ แต่ไม่ควรตีความว่าโมเดลเทียบเท่ากันทั่วไป เพราะการทดสอบใช้ตลาดพยากรณ์ที่คัดเลือกและข้อมูลที่จัดเตรียมไว้ ไม่ได้วัดความสามารถค้นคว้าข้อมูลด้วยตัวเอง อีกทั้ง Qwen3.8-27B ก่อนฝึกเฉพาะทางทำได้ 66.4% อยู่แล้ว จึงเห็นได้ว่าฐานโมเดลมีส่วนสำคัญ ส่วนการฝึกเฉพาะด้านช่วยเพิ่มคะแนนอีก 0.9 จุดเปอร์เซ็นต์ และปรับการประเมินความไม่แน่นอนให้ดีขึ้น ประโยชน์เชิงปฏิบัติคือผู้พัฒนามีทางเลือกโฮสต์และปรับโมเดลเอง แต่การพิสูจน์คุณค่าระยะยาวยังต้องอาศัยผลจากเหตุการณ์ใหม่ที่ทยอยตัดสินผล
Mistral Large 4 เดิมพันกับโค้ดและการใช้งานในองค์กร
Mistral เปิดตัว Mistral Large 4 หรือ Le Chonk โดยชูความสามารถด้านการเขียนโค้ดและความปลอดภัยไซเบอร์ เป็นโมเดลหลายสื่อขนาด 1 ล้านล้านพารามิเตอร์ พร้อมระดับการคิดให้เลือกตามงาน บริษัทระบุว่าโมเดลค้นหาช่องโหว่และเสนอการแก้ไขได้ ขณะเดียวกันมีอัตราปฏิเสธคำสั่งไซเบอร์ที่เป็นอันตราย 96.6% ตัวเลขนี้เป็นคำกล่าวอ้างจากข้อมูลที่เผยแพร่ จึงควรตรวจสอบกับสภาพแวดล้อมและข้อกำหนดความปลอดภัยขององค์กรก่อนนำไปใช้จริง จุดขายด้านการติดตั้งภายในองค์กรอาจสำคัญกว่าคะแนนทดสอบสำหรับผู้ที่ต้องควบคุมข้อมูลและปรับแต่งระบบเอง โดยผู้ใช้สามารถนำโมเดลไปปรับแต่งและใช้ภายในองค์กรได้โดยไม่มีค่าใช้จ่ายตามข้อมูลที่รายงาน อย่างไรก็ดี การให้บริการแก่ลูกค้าภายนอกมีเงื่อนไขค่าบริการ และคำว่าเปิดไม่ได้แปลว่าไร้ข้อจำกัดทุกด้าน โมเดลนี้เปิดให้เข้าถึงแล้ว แต่การเลือกใช้ควรพิจารณาทั้งความสามารถจริง เงื่อนไขการใช้งาน และภาระการดูแลระบบ
เลือกตามงาน ไม่ใช่ตามคำว่าเปิด
ทั้งสามกรณีแสดงให้เห็นว่าคำว่าโมเดลเปิดน้ำหนักครอบคลุมเป้าหมายต่างกัน Smaug มุ่งทำให้ AI agent ใช้เครื่องมือและทำงานหลายขั้นตอนได้มั่นคงขึ้น Olas Predict เจาะการคาดการณ์และการวัดความน่าจะเป็น ส่วน Mistral Large 4 วางตำแหน่งด้านการเขียนโค้ด ความปลอดภัยไซเบอร์ และการติดตั้งในองค์กร การเปรียบเทียบคะแนนข้ามงานจึงไม่ตอบว่าใครเก่งที่สุด หากยังไม่รู้ว่าระบบจะถูกใช้ทำอะไร ข้อสรุปที่ควรยึดคือแยกผลทดสอบที่ผู้พัฒนารายงานออกจากผลใช้งานจริงเสมอ คะแนนช่วยคัดรายชื่อ แต่ไม่ได้บอกต้นทุนการดูแล ความเสถียรเมื่อเจอข้อมูลแปลก หรือความเหมาะสมกับนโยบายองค์กร ขั้นต่อไปของผู้ใช้จึงไม่ใช่เชื่ออันดับ แต่เป็นการทดลองกับภาระงานจริง วัดความผิดพลาดและความสม่ำเสมอ แล้วค่อยตัดสินใจ โมเดลที่เหมาะที่สุดอาจไม่ใช่รุ่นใหญ่หรือคะแนนสูงสุด แต่เป็นรุ่นที่ทำงานเฉพาะของเราได้ไว้ใจได้






