Qwen3.8-27B: จีนตอบกลับใน 4 วัน ด้วยโมเดลที่เล็กกว่าแต่คะแนนนำ

สี่วันหลังจาก Meta และ Nvidia ปล่อยโมเดลเปิดขนาด 30B ออกมาชนกันเพื่อทวงคืนสนาม open-weight ให้ฝั่งสหรัฐ ทีม Qwen ของ Alibaba ก็ปล่อย Qwen3.8-27B ตอบกลับเมื่อ 14 สิงหาคม 2026 เป็นโมเดลแบบ dense ขนาด 27.78 พันล้านพารามิเตอร์ ใต้ใบอนุญาต Apache 2.0 ที่มองภาพและวิดีโอได้ในตัว รับ context ได้ 262,144 token และทำคะแนนนำ Muse Glimmer ในทุกสนามที่ทั้งคู่มีตัวเลขวัดตรงกัน

แต่คำว่า “ทุกสนาม” ตรงนี้คือจุดที่ต้องอ่านให้ละเอียด เพราะจากเก้าสนามที่ Alibaba รายงาน มีแค่ สามสนาม เท่านั้นที่ Meta เคยรายงานคะแนนของ Muse Glimmer ไว้ให้เทียบได้ ส่วนที่เหลือคือการเทียบกับที่ว่าง

สรุปสั้น ๆ: Alibaba ปล่อย Qwen3.8-27B เมื่อ 14 ส.ค. 2026 เป็นโมเดล dense 27.78B ใต้ Apache 2.0 รับภาพและวิดีโอได้ในตัว context 262,144 token (ขยายถึง 1 ล้านได้ด้วย YaRN) สนามที่วัดตรงกับ Muse Glimmer มีสามสนามและ Qwen นำทั้งหมด โดยเฉพาะ Terminal-Bench 2.1 ที่ได้ 73.0 ต่อ 51.7 ทิ้งห่างกว่า 20 คะแนน เทียบกับรุ่นก่อนของตัวเองก็ขยับแรง เช่น OSWorld-Verified บวกขึ้น 20.4 คะแนน ข้อควรระวังคือคะแนนทั้งหมดมาจากผู้ผลิตเอง ยังไม่มีใครวัดซ้ำอิสระ และเครื่องที่รันไหวจริงต้องมีหน่วยความจำ 24GB ขึ้นไป

เกิดอะไรขึ้น จังหวะที่เร็วจนน่าตกใจ

ข่าวเมื่อวานที่เราเขียนถึง Meta และ Nvidia จบลงด้วยข้อสังเกตว่าฝั่งสหรัฐกลับเข้าสนามโมเดลเปิดแล้วก็จริง แต่โมเดลเปิดของจีนที่ตัวเล็กกว่ายังทำคะแนนนำอยู่ในงาน agent

สี่วันถัดมา Alibaba ก็ส่งหลักฐานมายืนยันข้อสังเกตนั้นด้วยตัวเอง

ไทม์ไลน์จริงมีรายละเอียดที่น่าสนใจ เพราะ Alibaba ประกาศชื่อรุ่น Qwen3.8 ไปตั้งแต่ 3 สิงหาคม พร้อมกับรุ่นยักษ์ Qwen3.8-Max และสัญญาว่าจะปล่อยน้ำหนักตามมาภายในราวหนึ่งสัปดาห์ แล้วน้ำหนักก็ลงจริงบน Hugging Face ช่วง 13 ถึง 14 สิงหาคม โดยเช็กพอยต์หลักเปิดให้โหลดเวลา 15:00 UTC ของวันที่ 14 ซึ่งเป็นช่วงเดียวกับที่ Z.ai ปล่อย GLM-5.3 ออกมาอีกตัวพอดี

พูดอีกแบบคือ ภายในห้าวันทำการเดียว ตลาดโมเดลเปิดมีของใหม่ลงสนามสี่ตัวจากสี่ค่าย และสองในนั้นมาจากจีน

สเปกจริงของ Qwen3.8-27B

• ขนาดและสถาปัตยกรรม: dense 27.78 พันล้านพารามิเตอร์ (ทางการเรียกสั้น ๆ ว่า 27B) มี 64 ชั้น ใช้โครงสร้างผสมที่วาง Gated DeltaNet ซึ่งเป็น attention แบบเชิงเส้นไว้สามชั้นสลับกับ FFN แล้วคั่นด้วยชั้น attention เต็มรูปแบบหนึ่งชั้น รูปแบบนี้ทำให้ต้นทุนการอ่าน context ยาวถูกลงมากเมื่อเทียบกับ attention เต็มทุกชั้น
• โมดัลลิตี: เป็นโมเดล vision-language ตั้งแต่ต้น คือรับทั้งข้อความ ภาพ และวิดีโอ ไม่ใช่โมเดลข้อความที่เอาตัวอ่านภาพมาแปะทีหลัง
• License: Apache 2.0 ใช้เชิงพาณิชย์ ดัดแปลง และแจกจ่ายต่อได้เต็มที่
• Context: 262,144 token แบบเนทีฟ และขยายไปถึง 1 ล้าน token ได้ด้วยเทคนิค YaRN แต่ต้องตั้งค่าเองและมีผลข้างเคียง (ดูหัวข้อข้อควรระวัง)
• ไฟล์ทางการ: มีสองแบบคือ BF16 และ FP8 ส่วนไฟล์ GGUF ที่คนใช้กันในเครื่องบ้านเป็นของชุมชนแปลงเอง ซึ่งตอนนี้มีขึ้นทะเบียนไว้บน Hugging Face แล้วหลายร้อยชุด
• รันได้ที่ไหน: ทางการรองรับ Transformers, vLLM, SGLang และ TokenSpeed ส่วน llama.cpp และ LM Studio ใช้ผ่านไฟล์ GGUF ของชุมชนได้ จุดที่ควรรู้คือ ตอนเปิดตัวยังไม่มีแท็กทางการบน Ollama ใครคุ้นกับการพิมพ์คำสั่งเดียวจบอาจต้องรออีกพัก
• ฮาร์ดแวร์: AMD ประกาศรองรับตั้งแต่วันแรก ซึ่งเป็นสัญญาณว่าโมเดลเปิดกลายเป็นสนามแข่งของผู้ผลิตชิปไปแล้ว ไม่ใช่แค่ของนักวิจัย

ตัวเลข ชนะจริง แต่ต้องนับให้ครบ

เทียบกับ Muse Glimmer สามสนาม นำทั้งสาม

สนามที่ทั้งสองค่ายรายงานคะแนนตรงกันมีสามสนาม และ Qwen3.8-27B นำทั้งหมด

• Terminal-Bench 2.1 วัดการทำงาน agent บนเทอร์มินัล Qwen ได้ 73.0 ส่วน Muse Glimmer ได้ 51.7 ห่างกันกว่า 20 คะแนน ซึ่งเป็นช่องว่างที่กว้างผิดปกติ
• IFBench วัดความสามารถทำตามคำสั่ง Qwen ได้ 79.5 ส่วน Glimmer ได้ 77.0
• GPQA Diamond วัดการให้เหตุผลเชิงวิทยาศาสตร์ Qwen ได้ 89.2 ส่วน Glimmer ได้ 83.5

ที่ต้องพูดให้ตรงคือ อีกหกสนามที่ Alibaba รายงาน ได้แก่ SWE-bench Pro, DeepSWE 1.1, NL2Repo-Bench, LiveCodeBench v6, CoWorkBench และ JobBench นั้น Meta ไม่ได้รายงานคะแนนของ Glimmer ไว้เลย ดังนั้นพาดหัวที่บอกว่าชนะทุกสนามจึงจริงตามตัวอักษร แต่ขนาดของ “ทุกสนาม” เล็กกว่าที่คนอ่านมักเข้าใจ

เรื่องนี้ไม่ได้แปลว่าใครโกง มันคือธรรมเนียมปกติของวงการที่แต่ละค่ายเลือกชุดเบนช์มาร์กที่ตัวเองถนัดมารายงาน และคนอ่านคือคนที่ต้องนับเอง

เทียบกับ Opus 4.6 Max ชนะบ้างแพ้บ้าง

Alibaba เลือกเทียบกับ Opus 4.6 Max ซึ่งเป็นโมเดลปิดระดับแนวหน้าด้วย ผลออกมาปนกันและนั่นคือส่วนที่ซื่อสัตย์ที่สุดของตารางนี้

ฝั่งที่ Qwen นำ ได้แก่ IFBench ที่ได้ 79.5 ต่อ 62.5, SWE-bench Pro ที่ได้ 61.7 ต่อ 53.4, LiveCodeBench v6 ที่ได้ 90.3 ต่อ 88.8 และ CoWorkBench ที่ได้ 70.7 ต่อ 68.2

ฝั่งที่ Qwen ยังตาม ได้แก่ Terminal-Bench 2.1 ที่ได้ 73.0 ต่อ 78.2 และ NL2Repo-Bench ที่ได้ 42.3 ต่อ 47.6 ซึ่งเป็นสนามที่วัดงานยาวและงานที่ต้องเข้าใจโครงสร้างโค้ดทั้งโปรเจกต์

สรุปภาพรวมคือโมเดลเปิดขนาด 27B ตัวนี้ขึ้นมาอยู่ในระยะที่พูดคุยกับโมเดลปิดระดับบนได้แล้ว แต่ยังไม่ใช่การแซงแบบเบ็ดเสร็จ

เทียบกับรุ่นก่อนของตัวเอง คือจุดที่ขยับแรงที่สุด

ตัวเลขที่บอกทิศทางได้ดีที่สุดอาจไม่ใช่การเทียบกับคู่แข่ง แต่คือการเทียบกับ Qwen3.6-27B ซึ่งเป็นรุ่นก่อนหน้าที่เพิ่งออกไปไม่กี่เดือน

• DeepSWE 1.1 บวกขึ้น 28.9 คะแนน
• OSWorld-Verified ซึ่งวัดการใช้คอมพิวเตอร์แทนคน บวกขึ้น 20.4 คะแนน
• Terminal-Bench 2.1 บวกขึ้น 9.6 คะแนน
• SWE-bench Pro บวกขึ้น 8.2 คะแนน

จะเห็นว่าที่ขยับแรงที่สุดคือกลุ่มงาน agent ทั้งหมด ไม่ใช่ความรู้ทั่วไป ซึ่งตรงกับทิศทางเดียวกับที่ Meta และ Nvidia เดินอยู่ คือทุกค่ายกำลังปรับโมเดลเล็กให้เป็นตัวลงมือทำงาน ไม่ใช่ตัวตอบคำถาม

ข้อควรระวังก่อนเชื่อตัวเลข

หนึ่ง คะแนนทุกตัวมาจากผู้ผลิตเอง ณ เวลาที่เขียน ยังไม่มีผู้วัดอิสระรายไหนรันซ้ำแล้วยืนยัน แม้แต่ Artificial Analysis ที่เราอ้างถึงบ่อยก็ยังไม่มีตัวเลขของทั้ง Qwen3.8-27B และ Muse Glimmer เพราะโมเดลทั้งคู่เพิ่งออกได้ไม่กี่วัน และการรันชุดทดสอบเต็มต้องใช้เวลา

สอง บางสนามเป็นของบ้านตัวเอง ชื่ออย่าง QwenSWEBench และ CoWorkBench เป็นชุดทดสอบที่ Alibaba ทำขึ้นหรือดัดแปลงเอง การได้คะแนนสูงในสนามที่ตัวเองออกแบบย่อมมีน้ำหนักน้อยกว่าสนามกลาง

สาม open-weight ไม่เท่ากับ open source Apache 2.0 ครอบคลุมน้ำหนักโมเดลที่โหลดไปใช้ได้เต็มที่ก็จริง แต่ Alibaba ไม่ได้เปิดเผยชุดข้อมูลที่ใช้เทรน จำนวน token วันที่ตัดความรู้ หรือสูตร post-training ใครจะเอาไปใช้ในงานที่ต้องตรวจสอบย้อนกลับได้ควรรู้ข้อจำกัดนี้ไว้ก่อน

สี่ context 1 ล้าน token ไม่ใช่ของแถมฟรี ตัวเลข 1 ล้านมาจากการตั้งค่า YaRN เพิ่มเอง ไม่ใช่ความสามารถเนทีฟ และการเปิด YaRN แบบคงที่ไว้ตลอดจะทำให้คุณภาพกับ prompt สั้นแย่ลง แปลว่าถ้างานส่วนใหญ่ของเราเป็นงานสั้น การเปิดค้างไว้คือการจ่ายราคาโดยไม่ได้ใช้

เครื่องแบบไหนรันไหว ลองคำนวณจริง

นี่คือหัวข้อที่คนอ่านข่าวโมเดลเปิดมักข้ามแล้วผิดหวังทีหลัง ตัวเลขจริงของ Qwen3.8-27B เป็นดังนี้

• BF16 (ความละเอียดเต็ม): ไฟล์น้ำหนักราว 51.8GB และถ้าเปิด context เต็ม 262K ต้องเผื่อรวมเป็นราว 68GB
• FP8: ราว 28.8GB ลงการ์ด 48GB ได้แต่ต้องลด context
• Q4_K_M (บีบ 4 บิต ที่คนใช้กันมากที่สุด): ราว 16GB ซึ่งเป็นจุดที่พอดีกับการ์ด 24GB
• Q6_K: ราว 21GB เหมาะกับเครื่อง 32GB ขึ้นไป หรือแบ่งงานลง CPU บางส่วน

กับดักที่ต้องระวังคือหลายคนเห็นเลข 16GB แล้วสรุปว่าการ์ด 16GB รันได้ ซึ่งไม่จริง เพราะตัวเลขนั้นคือ ขนาดไฟล์น้ำหนักอย่างเดียว ยังไม่รวมพื้นที่เก็บบทสนทนาระหว่างทางหรือ KV cache ที่ถ้าเปิด context เต็ม 262K จะกินเพิ่มอีกราว 16GB ต่างหาก

พูดให้ง่ายคือ ถ้าจะรันจริงแบบไม่หงุดหงิด ให้มองที่ 24GB เป็นพื้นขั้นต่ำ และใช้ context เท่าที่จำเป็นจริง ๆ ไม่ใช่เปิดสุดไว้ก่อน

วิเคราะห์ เรื่องนี้แปลว่าอะไรกับเรา

สำหรับนักพัฒนาและผู้ใช้ทั่วไป

สิ่งที่ข่าวนี้ยืนยันไม่ใช่ว่า “จีนเก่งกว่าสหรัฐ” แต่คือ วงจรการออกของสั้นลงจนการเลือกข้างไม่มีประโยชน์แล้ว ภายในหนึ่งสัปดาห์มีโมเดลเปิดระดับ 30B ลงสนามสี่ตัว และตัวที่ดูดีที่สุดวันจันทร์อาจไม่ใช่ตัวที่ดีที่สุดวันศุกร์

สิ่งที่ควรทำแทนการตามข่าวรายวันคือ ทำชุดทดสอบของตัวเองไว้ เก็บงานจริงที่เราต้องใช้สัก 20 ถึง 30 เคส เขียนคำตอบที่ถือว่าถูกไว้ แล้วพอมีโมเดลใหม่ก็รันชุดนี้ผ่านหนึ่งรอบ ใช้เวลาไม่ถึงชั่วโมงและตอบคำถามได้ตรงกว่าคะแนนเบนช์มาร์กของใครทั้งนั้น

อีกจุดที่เปลี่ยนไปชัดคือ โมเดลเล็กที่มองภาพได้กลายเป็นมาตรฐาน ไม่ใช่ของพิเศษ Qwen3.8-27B รับภาพและวิดีโอมาตั้งแต่ต้น แปลว่างานอย่างอ่านใบเสร็จ อ่านแบบฟอร์มที่สแกนมา หรือดูภาพหน้าจอแล้วบอกว่าควรกดตรงไหน เริ่มทำได้ในเครื่องตัวเองโดยไม่ต้องส่งภาพขึ้นคลาวด์

กระทบคนไทยและองค์กรไทยตรงไหน

เรื่องเอกสารภาษาไทยที่สแกนมา นี่คือจุดที่โมเดลเปิดที่มองภาพได้มีค่ากับงานไทยมากเป็นพิเศษ เพราะเอกสารราชการ ใบกำกับภาษี และแบบฟอร์มจำนวนมากยังอยู่ในรูปไฟล์ภาพหรือ PDF ที่สแกนมา การมีโมเดลที่อ่านภาพได้และรันในเครื่องได้ แปลว่าเอกสารกลุ่มนี้ไม่ต้องเดินทางออกจากองค์กรเพื่อให้ AI อ่าน ซึ่งตอบโจทย์ PDPA ได้ตรงกว่าการส่งขึ้นบริการนอกประเทศมาก แต่ต้องทดสอบกับเอกสารจริงของตัวเองก่อนเสมอ เพราะไม่มีใครรายงานคะแนนงานภาษาไทยไว้

เรื่องต้นทุนเครื่อง ตัวเลข 24GB ยังเป็นกำแพงเดิมที่เราพูดถึงไปเมื่อวาน การ์ดที่ขายดีในไทยอย่างรุ่น 8GB หรือ 12GB ยังรันตัวนี้ไม่ไหวในระดับที่ใช้งานจริงได้สบาย ทางที่คุ้มกว่าสำหรับคนส่วนใหญ่คือเริ่มจากโมเดล 7B ถึง 14B บนเครื่องที่มีอยู่ แล้วค่อยตัดสินใจลงทุนเมื่อรู้แล้วว่าจะเอาไปทำอะไรจริง ๆ

เรื่องใบอนุญาตที่กลายเป็นเรื่องปกติ ที่น่าสังเกตคือรอบนี้ทั้ง Meta และ Alibaba เลือก Apache 2.0 เหมือนกัน แปลว่าข้อถกเถียงเรื่องใบอนุญาตที่เคยเป็นด่านใหญ่ในการขออนุมัติใช้โมเดลเปิดในองค์กรกำลังจะหมดไป และด่านต่อไปจะย้ายไปอยู่ที่คำถามว่า “โมเดลนี้เทรนมาจากข้อมูลอะไร” ซึ่งยังไม่มีใครตอบ

ควรเตรียมหรือปรับอะไร

• อย่าเพิ่งรีบเปลี่ยนโมเดลตามข่าว ถ้าระบบที่ใช้อยู่ทำงานได้ดีอยู่แล้ว การเปลี่ยนโมเดลทุกครั้งที่มีข่าวคือต้นทุนที่ไม่ได้ผลตอบแทน ให้เปลี่ยนเมื่อมีปัญหาที่แก้ไม่ได้ด้วยของเดิมเท่านั้น
• นับสนามที่วัดตรงกันเสมอ เวลาเห็นพาดหัวว่าชนะทุกสนาม ให้ถามต่อว่ากี่สนาม และอีกฝ่ายรายงานไว้ครบไหม กรณีนี้คำตอบคือสามสนามจากเก้า
• แยกขนาดไฟล์กับหน่วยความจำที่ต้องใช้จริง จำสูตรง่าย ๆ ว่าน้ำหนักโมเดลบวก KV cache คือของจริง แล้วเผื่อไว้อีกอย่างน้อยหนึ่งในสี่
• ถ้าจะใช้กับเอกสารไทย ให้ทดสอบด้วยเอกสารจริงก่อนตัดสิน ทั้งเรื่องอ่านลายมือ ตัวเลขในตาราง และคำเฉพาะทาง อ่านวิธีเตรียมไฟล์ให้โมเดลใช้ได้จริงเพิ่มเติมได้ที่ เตรียมเอกสารสำหรับ RAG
• ยังไม่เคยลองเลยก็เริ่มจากของเบาก่อน ดูภาพรวมที่ Local AI คืออะไร แล้วเลือกเครื่องมือรันจาก คู่มือเลือก Ollama, LM Studio หรือ llama.cpp

สรุป

Qwen3.8-27B เป็นหลักฐานว่าช่องว่างระหว่างโมเดลเปิดกับโมเดลปิดยังแคบลงเรื่อย ๆ และตอนนี้โมเดลขนาด 27B ที่โหลดมารันเองได้ก็ทำคะแนนชนะโมเดลปิดระดับบนได้ในหลายงานแล้ว โดยเฉพาะงานเขียนโค้ดและงาน agent

แต่ข่าวนี้ก็เป็นตัวอย่างที่ดีของการอ่านตัวเลขให้ครบด้วย เพราะคำว่าชนะทุกสนามที่ฟังดูเด็ดขาด พอนับจริงแล้วคือสามสนามจากเก้า และคะแนนทั้งหมดยังเป็นตัวเลขที่ผู้ผลิตรายงานเอง

สิ่งที่ควรเก็บกลับไปจึงไม่ใช่ชื่อโมเดลที่ชนะรอบนี้ เพราะอีกสองสัปดาห์ก็เปลี่ยนอีก แต่คือนิสัยสองอย่าง คือรู้ว่าเครื่องของตัวเองรับไหวแค่ไหน และมีชุดทดสอบของตัวเองไว้ตัดสินแทนพาดหัว