ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

โมเดล AI ขนาดเล็กกำลังเปลี่ยนเกม ลดต้นทุน 70% และเขย่าตลาดนักพัฒนา

โมเดล AI ขนาดเล็กกำลังเปลี่ยนเกม ลดต้นทุน 70% และเขย่าตลาดนักพัฒนา
ความสนใจ|สำรวจการใช้งาน AI

โมเดล AI ขนาดเล็กคืออะไร และทำไมการลดต้นทุน 70% ถึงสำคัญ

โมเดล AI ขนาดเล็ก คือโมเดลปัญญาประดิษฐ์ที่ออกแบบให้ใช้พารามิเตอร์และทรัพยากรประมวลผลน้อยลง แต่ยังคงความสามารถด้านการทำความเข้าใจภาษา การวิเคราะห์ข้อมูล และงานมัลติโหมด เพื่อให้รันได้เร็วขึ้น ใช้ฮาร์ดแวร์ราคาย่อมเยา และเหมาะกับการนำไปใช้ในระบบจริงที่ต้องคุมต้นทุนอย่างเข้มงวด หัวใจของการเปลี่ยนเกมรอบนี้คือการที่ผู้พัฒนาเริ่มยอมรับว่าโมเดลที่ใหญ่ที่สุดไม่ใช่คำตอบเสมอไป MiniMax เปิดตัว M3.1 Flash ในฐานะเวอร์ชันอัปเดตของโมเดล M3 โดยมุ่งเป้าชัดเจนไปที่การลดต้นทุนของเอเจนต์ AI ซึ่งมักต้องเรียกโมเดลหลายสิบครั้งกว่างานหนึ่งชิ้นจะเสร็จ MiniMax ระบุว่างานที่ใช้เอเจนต์มีต้นทุนการประมวลผลลดลงถึง 70% เมื่อเทียบกับรุ่นก่อนหน้า พร้อมเพิ่มความเร็วอินเฟอเรนซ์เกือบสามเท่าและทำเอาต์พุตได้มากกว่า 200 โทเคนต่อวินาที ในมุมมองเชิงความคิดเห็น การลดต้นทุนระดับนี้คือสัญญาณเตือนผู้ให้บริการรายใหญ่ ว่ายุคที่คิดค่าบริการสูงจากโมเดลขนาดยักษ์กำลังถูกท้าทายด้วยแนวคิดโมเดลมีประสิทธิภาพที่เน้นสมดุลระหว่างความสามารถและค่าใช้จ่าย

โมเดล AI ขนาดเล็กกำลังเปลี่ยนเกม ลดต้นทุน 70% และเขย่าตลาดนักพัฒนา

M3.1 Flash ตัวอย่างโมเดลมีประสิทธิภาพที่บีบต้นทุนและยังรองรับมัลติโหมด

M3.1 Flash เป็นตัวอย่างชัดเจนของโมเดลมีประสิทธิภาพที่ไม่ได้ลดขนาดจนทิ้งความสามารถ MiniMax อธิบายว่า Flash คือการสำรวจสมดุลระหว่างประสิทธิภาพและความสามารถ โดยยังคงขนาดพารามิเตอร์รวมราว 428 พันล้านพารามิเตอร์ใกล้เคียงรุ่นเดิม แต่ใช้เทคนิค sparsity และสถาปัตยกรรมแบบ Mixture-of-Experts ร่วมกับการเทรนแบบ quantization-aware เพื่อลดภาระการคำนวณในขั้นอินเฟอเรนซ์ จุดที่น่าสนใจคือแม้จะเน้นลดต้นทุน M3.1 Flash ยังรองรับอินพุตทั้งข้อความ รูปภาพ และวิดีโอ พร้อมบริบทยาวสูงสุด 1 ล้านโทเคน ทำให้เหมาะกับงานเอเจนต์ที่ต้องอ่านเอกสารยาวหรือดูข้อมูลภาพจำนวนมาก การตั้งราคาต่อโทเคนในระดับต่ำทำให้โมเดลนี้กลายเป็นคู่แข่งโดยตรงกับโมเดลสาย Flash รายอื่นในตลาด ในเชิงความคิดเห็น การแข่งขันด้านราคาที่เกิดจากโมเดลแบบนี้จะกดดันให้ผู้ให้บริการรายอื่นต้องลดค่าบริการหรือเพิ่มความสามารถ ซึ่งสุดท้ายผู้ได้ประโยชน์คือทีมพัฒนาและองค์กรที่ต้องการลดต้นทุน AI

โมเดล AI ขนาดเล็กกำลังเปลี่ยนเกม ลดต้นทุน 70% และเขย่าตลาดนักพัฒนา

Raon-1 mini เมื่อโมเดล AI ขนาดเล็กวิ่งบนการ์ดจอผู้ใช้ทั่วไปได้

ฝั่งโมเดลเปิด Raon-1 mini แสดงให้เห็นว่าการออกแบบโมเดล AI ขนาดเล็กในเชิงใช้งานจริงไม่ใช่แค่เรื่องจำนวนพารามิเตอร์ แต่คือการจัดสถาปัตยกรรมให้ฉลาดพอจะใช้ทรัพยากรเท่าที่จำเป็น โมเดลนี้เป็น Mixture-of-Experts ขนาด 28.8 พันล้านพารามิเตอร์ แต่ใช้งานจริงเพียง 4.3 พันล้านพารามิเตอร์ต่อโทเคน ทำให้ภาระการคำนวณต่อคำต่ำกว่าที่ตัวเลขรวมบอกไว้มาก สถาปัตยกรรมของ Raon-1 mini ผสม linear attention 18 ชั้นกับ Gated MLA 7 ชั้น โดยเก็บ KV cache แค่ในชั้น MLA ส่งผลให้บริบทยาวกินหน่วยความจำน้อยกว่า transformer ปกติอย่างชัดเจน ที่สำคัญคือทีมพัฒนาเตรียมคอนฟิกสำหรับการ์ดจอ RTX 5090 ตัวเดียวทั้งในรูปแบบ NVFP4 และไฟล์ GGUF รวมถึงไฟล์สำหรับ Apple silicon ทำให้การรันโมเดลระดับนี้บนเครื่องผู้ใช้ทั่วไปเป็นเรื่องเป็นไปได้จริง อย่างไรก็ตาม Raon-1 mini ยังอยู่ในสถานะ preview และต้องใช้ fork ของ vLLM หรือ llama.cpp ในการรัน ทีมผู้พัฒนาจึงแนะนำให้รอจนโค้ดถูก merge เข้า upstream ก่อนจะนำไปใช้ในระบบ production

สถาปัตยกรรมใหม่และ quantization ทำไมถึงสำคัญต่อการลดต้นทุน AI

ทั้ง M3.1 Flash และ Raon-1 mini แสดงให้เห็นว่าการลดต้นทุน AI ไม่ได้มาจากการลดขนาดโมเดลอย่างเดียว แต่เกิดจากการออกแบบสถาปัตยกรรมและการ quantize อย่างมีแผน ในฝั่ง M3.1 Flash ทีมพัฒนาเปลี่ยน attention ทุกชั้นให้เป็นแบบ sparse และเทรน expert พร้อมเส้นทาง attention ด้วยวิธี quantization-aware ก่อนปล่อยน้ำหนักในรูปแบบ NVFP4 และ MXFP8 ซึ่งช่วยลดขนาดไฟล์ลงเหลือราว 252 กิกะไบต์สำหรับโมเดล 428 พันล้านพารามิเตอร์ ฝั่ง Raon-1 mini ใช้ linear attention ผสม MLA พร้อม MoE 128 experts ที่เลือกใช้เพียง 6 ตัวต่อโทเคนร่วมกับ shared expert อีก 1 ตัว ทำให้ภาระการคำนวณต่อโทเคนลดลงอย่างมากโดยยังรักษาความสามารถในงานทำตามคำสั่งและการแก้บั๊กซอฟต์แวร์ได้ดีในหลาย benchmark ในเชิงความคิดเห็น นี่คือทิศทางใหม่ของโมเดลมีประสิทธิภาพ ที่เน้นออกแบบให้ใช้ทรัพยากรอย่างประหยัดตั้งแต่ระดับสถาปัตยกรรม แทนที่จะพึ่งแต่ฮาร์ดแวร์รุ่นล่าสุดราคาแพง

ผลกระทบต่อผู้ใช้ นักพัฒนา และก้าวต่อไปของโมเดล AI ขนาดเล็ก

สำหรับผู้ใช้ทั่วไป ผลลัพธ์ที่จับต้องได้คือบริการที่ใช้เอเจนต์ AI มีโอกาสถูกลง ตอบสนองเร็วขึ้น และรองรับงานซับซ้อนมากขึ้นโดยไม่ต้องรอคิวเซิร์ฟเวอร์ยาว เพราะงานที่ต้องเรียกโมเดลหลายสิบครั้งสามารถลดต้นทุนการประมวลผลลงอย่างมีนัยสำคัญด้วยโมเดลอย่าง M3.1 Flash ส่วนฝั่งนักพัฒนา การที่โมเดลอย่าง Raon-1 mini รันบนการ์ดจอผู้ใช้ทั่วไปได้ ทำให้ทีมขนาดเล็กสามารถทดลองและปรับแต่งโมเดลเองได้มากขึ้นโดยไม่ต้องลงทุนโครงสร้างพื้นฐานระดับศูนย์ข้อมูล อย่างไรก็ดี ทั้งสองสายยังมีข้อจำกัด M3.1 Flash แม้จะเปิดน้ำหนักแล้ว แต่ยังต้องการฮาร์ดแวร์ระดับสูงและใช้ไลเซนส์เฉพาะของผู้พัฒนา ขณะที่ Raon-1 mini ยังเป็น preview ที่สเปกและผลลัพธ์อาจเปลี่ยนก่อนออกรุ่นจริง และต้องพึ่ง fork ของเฟรมเวิร์กยอดนิยม ในมุมมองเชิงสรุป โมเดล AI ขนาดเล็กและโมเดลมีประสิทธิภาพกำลังบังคับให้ตลาด AI ขยับจากการแข่งขันว่าใครใหญ่ที่สุด ไปสู่การแข่งขันว่าใครให้สมดุลดีที่สุดระหว่างความสามารถ ต้นทุน และความยืดหยุ่นในการนำไปใช้

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!