เลือกโมเดล Local AI ให้พอดีเครื่องใน 30 นาที: เทียบจริง 4 ตัว แล้วตัวใหญ่สุดกลับเร็วสุด

ติดตั้ง Ollama เสร็จแล้วคำถามถัดมาที่ทุกคนเจอคือ “แล้วควรใช้โมเดลตัวไหน” คำแนะนำส่วนใหญ่บอกแค่ว่าแรมเท่านี้ใช้ตัวขนาดนี้ แต่ไม่ได้บอกว่าบนเครื่องคุณจริง ๆ แต่ละตัวเร็วแค่ไหน กินแรมเท่าไร และตอบภาษาไทยรู้เรื่องหรือเปล่า workshop นี้พาวัดทั้ง 3 เรื่องด้วยคำสั่ง Ollama ล้วน ไม่ต้องเขียนโค้ด แล้วจบด้วยใบคะแนนที่ใช้ตัดสินใจได้จริง

ผลที่โชว์ตลอดทางมาจาก 2 เครื่อง เครื่องหลักคือ MacBook ชิป M5 แรม 32GB เทสครบ 4 ตัว และโน้ตบุ๊ก Windows ทั่วไป (Core i5 รุ่นปี 2020 แรม 16GB ไม่มีการ์ดจอแยก) เทส 2 ตัวเล็ก เพื่อให้เห็นว่าเครื่องแบบที่คนส่วนใหญ่ใช้ได้ตัวเลขแค่ไหน ตัวเลขของคุณจะต่างไปตามสเปก ซึ่งเป็นจุดประสงค์ของ workshop นี้พอดี ถ้ายังไม่ได้ติดตั้ง Ollama เริ่มจากติดตั้งและรัน LLM บนเครื่องตัวเองใน 30 นาทีก่อน และถ้ายังลังเลว่าจะใช้ Ollama หรือเครื่องมืออื่น อ่านเลือก Ollama / LM Studio / llama.cpp ตัวไหนดีประกอบได้

ขั้นที่ 1: ดูว่าเครื่องมีแรมเท่าไร และมีโมเดลอะไรอยู่แล้ว

เช็กแรมก่อน (Mac คลิกโลโก้ Apple มุมซ้ายบน แล้วเลือก “เกี่ยวกับ Mac นี้” / Windows คลิกขวาปุ่ม Start เลือก “ระบบ” แล้วดูบรรทัด “RAM ที่ติดตั้ง”) จากนั้นเปิด Terminal (Mac) หรือ Command Prompt (Windows กดปุ่ม Start พิมพ์ cmd แล้ว Enter) แล้วดูว่าในเครื่องมีโมเดลอะไรบ้าง

ollama list

เครื่องผู้เขียนมี 4 ตัว ขนาดไล่กันตั้งแต่ 3GB ถึง 18GB

NAME                ID              SIZE      MODIFIED    
gemma3:4b           a2af6cc3eb7f    3.3 GB    4 weeks ago    
qwen3-coder:30b     06c1097efce0    18 GB     4 weeks ago    
gpt-oss:20b         17052f91a42e    13 GB     4 weeks ago    
qwen2.5-coder:7b    dae161e27b0e    4.7 GB    4 weeks ago    

เลือกตัวที่จะเอามาแข่งกันอย่างน้อย 2 ตัว ตามแรมของเครื่อง ตัวไหนยังไม่มีก็โหลดเพิ่มด้วย ollama pull ชื่อโมเดล (หน้าตาตอนโหลดเหมือนใน workshop ติดตั้ง)

• RAM 8GB — gemma3:1b เทียบกับ gemma3:4b
• RAM 16GB — gemma3:4b เทียบกับ qwen2.5-coder:7b
• RAM 32GB ขึ้นไป — เทียบได้ทั้ง 4 ตัวแบบในตัวอย่าง

ไม่ต้องเชื่อลิสต์นี้ 100% ขั้นที่ 3 จะมีวิธีเช็กด้วยตัวเลขจริงว่าตัวไหนพอดีเครื่องคุณ

เห็นรายชื่อโมเดลอย่างน้อย 2 ตัวใน ollama list = ผ่าน ไปวัดความเร็วกันในขั้นที่ 2

ขั้นที่ 2: ถามข้อแรกแบบ --verbose แล้วอ่านตัวเลขความเร็ว

คำถามแรกเป็นงานสรุปความ ซึ่งเป็นงานที่คนใช้ Local AI บ่อยที่สุด ใส่ --verbose ต่อท้ายชื่อโมเดลเพื่อให้ Ollama บอกสถิติหลังตอบเสร็จ ก๊อปทั้งบรรทัดไปวาง (คำถามอยู่ในเครื่องหมายคำพูดท้ายคำสั่ง)

ollama run gemma3:4b --verbose "สรุปข้อความนี้เป็น 3 ข้อสั้น ๆ เป็นภาษาไทย: บริษัทจะย้ายระบบอีเมลจากเซิร์ฟเวอร์เดิมไปใช้บริการคลาวด์ในวันเสาร์ที่ 10 ตุลาคม ระหว่างเวลา 22.00 ถึง 02.00 น. ช่วงนั้นพนักงานจะส่งและรับอีเมลไม่ได้ อีเมลที่ส่งเข้ามาระหว่างย้ายจะไม่หาย แต่จะเข้ากล่องช้ากว่าปกติ หลังย้ายเสร็จทุกคนต้องตั้งรหัสผ่านใหม่ในการเข้าระบบครั้งแรก และถ้ามีปัญหาให้ติดต่อฝ่ายไอทีที่เบอร์ภายใน 1234"

คำตอบจะไหลออกมาก่อน แล้วตามด้วยก้อนตัวเลข

นี่คือสรุปข้อความเป็น 3 ข้อสั้น ๆ:

1.  บริษัทจะย้ายระบบอีเมลไปใช้คลาวด์ในวันเสาร์ที่ 10 ตุลาคม
2.  ระหว่างเวลา 22.00 - 02.00 น. พนักงานจะไม่สามารถส่ง/รับอีเมลได้
3.  หลังย้ายเสร็จ ผู้ใช้ต้องตั้งรหัสผ่านใหม่ และติดต่อฝ่ายไอทีเบอร์ 1234 หากมีปัญหา

total duration:       3.899118417s
load duration:        1.373498584s
prompt eval count:    141 token(s)
prompt eval duration: 179.202ms
prompt eval rate:     786.82 tokens/s
eval count:           104 token(s)
eval duration:        2.344093s
eval rate:            44.37 tokens/s

ตัวเลขที่ต้องดูมีแค่ 3 บรรทัด

• eval rate — ความเร็วตอนพิมพ์คำตอบ หน่วยเป็น token ต่อวินาที ตัวนี้คือ “ความเร็วของโมเดล” ที่เอาไปเทียบกัน ราว 5 ขึ้นไปยังอ่านตามทัน ต่ำกว่านั้นจะเริ่มรู้สึกว่ารอ
• total duration — เวลาทั้งหมดตั้งแต่กด Enter จนจบ คือเวลาที่คุณรอจริง
• load duration — เวลาโหลดโมเดลเข้าแรม จะนานเฉพาะครั้งแรก ครั้งต่อไปเหลือเกือบศูนย์

คำถามเดียวกัน โมเดลเดียวกัน บนโน้ตบุ๊ก Windows แรม 16GB ได้แบบนี้

นี่คือสรุปข้อความเป็น 3 ข้อสั้น ๆ:

1.  บริษัทจะย้ายระบบอีเมลไปใช้คลาวด์ในวันเสาร์ที่ 10 ตุลาคม ตั้งแต่ 22:00-02:00 น.
2.  ในช่วงการย้าย พนักงานจะไม่สามารถส่งหรือรับอีเมลได้
3.  หลังย้ายเสร็จ ผู้ใช้ต้องเปลี่ยนรหัสผ่านใหม่ และติดต่อฝ่ายไอทีที่ 1234 หากมีปัญหา

total duration:       31.9013321s
load duration:        15.0812696s
prompt eval count:    141 token(s)
prompt eval duration: 3.770902s
prompt eval rate:     37.39 tokens/s
eval count:           106 token(s)
eval duration:        13.00533s
eval rate:            8.15 tokens/s

คำตอบคุณภาพพอ ๆ กัน แต่ช้ากว่าราว 5 เท่า (8 เทียบกับ 44 tokens/s) และรอรวม 32 วินาที ครึ่งหนึ่งเป็นเวลาโหลดโมเดลครั้งแรก 15 วินาที ไม่ได้แปลว่าเครื่องพัง แค่นี่คือความเร็วของเครื่องที่ไม่มีการ์ดจอ ซึ่งยังอ่านตามได้ทัน

จดตัวเลข eval rate ไว้ แล้วรันคำสั่งเดิมโดยเปลี่ยนแค่ชื่อโมเดล (กดลูกศรขึ้นเพื่อเรียกคำสั่งเก่า แล้วแก้ชื่อ) ก่อนเปลี่ยนตัว สั่งปล่อยโมเดลเดิมออกจากแรมก่อน จะได้ไม่มีสองตัวแย่งแรมกัน

ollama stop gemma3:4b

คำสั่งนี้ไม่ตอบอะไรกลับมา กลับมาที่บรรทัดพิมพ์คำสั่งได้ก็คือเรียบร้อย ผลของอีก 3 ตัวบนเครื่องผู้เขียน (ตัดมาเฉพาะคำตอบกับ eval rate)

### qwen2.5-coder:7b
1. บริษัทจะย้ายระบบอีเมลไปใช้บริการคลาวด์ในวันเสาร์ที่ 10 ตุลาคม ระหว่างเวลา 22.00 ถึง 02.00 น.
2. พนักงานไม่สามารถส่งหรือรับอีเมลได้ในช่วงนี้ และอีเมลที่ส่งเข้ามาอาจเข้ากล่องช้ากว่าปกติ.
3. หลังย้ายเสร็จ ต้องตั้งรหัสผ่านใหม่ และหากมีปัญหา ติดต่อฝ่ายไอทีที่เบอร์ภายใน 1234.
...
eval rate:            26.26 tokens/s

### qwen3-coder:30b
1. บริษัทจะย้ายระบบอีเมลไปใช้บริการคลาวด์ในวันเสาร์ที่ 10 ตุลาคม ระหว่างเวลา 22.00 น. ถึง 02.00 น.  
2. ช่วงย้ายระบบพนักงานจะไม่สามารถส่งและรับอีเมลได้ แต่อีเมลที่เข้ามาจะถูกเก็บไว้และส่งเข้ากล่องช้ากว่าปกติ  
3. หลังย้ายเสร็จ ต้องตั้งรหัสผ่านใหม่ในการเข้าระบบครั้งแรก และมีปัญหาติดต่อฝ่ายไอทีที่เบอร์ภายใน 1234
...
eval rate:            51.82 tokens/s

ส่วน gpt-oss:20b เป็นโมเดลแบบคิดก่อนตอบ จะขึ้น Thinking... แล้วร่างความคิดเป็นภาษาอังกฤษก่อน และรอบนี้มันแต่งข้อมูลเพิ่มเอง

Thinking...
We need to rewrite this message into 3 short points in Thai. The original text has errors and is somewhat garbled. We need to produce a clear version: 1) The company will move email system from current server to Google Workspace on 10th Oct between 22:00-02:00; ...
...done thinking.

**1.** บริษัทจะย้ายระบบอีเมลไปยัง Google Workspace วันที่ 10 ตุลาคม ระหว่าง 22:00 – 02:00  
**2.** ระหว่างช่วงนั้นอีเมลไม่สามารถส่ง/รับได้ อีเมลที่ส่งเข้ามาขณะย้ายจะไม่หาย แต่จะถึงช้ากว่าเดิม  
**3.** หลังย้ายเสร็จทุกคนต้องล็อกอินด้วยบัญชีใหม่ หากพบปัญหาแจ้งฝ่าย IT ที่ เบอร์ 1234
...
eval rate:            29.79 tokens/s

ข้อความต้นฉบับเขียนแค่ “บริการคลาวด์” ไม่มีคำว่า Google Workspace เลย และ “ตั้งรหัสผ่านใหม่” ก็กลายเป็น “ล็อกอินด้วยบัญชีใหม่” ซึ่งความหมายต่างกัน อ่านส่วน Thinking แล้วจะเห็นว่ามันเดาเอาตั้งแต่ตอนคิด ถ้าเอาไปสรุปประกาศจริงแล้วไม่ได้อ่านทวน พนักงานจะได้ข้อมูลผิด จดไว้ในใบคะแนนด้วย

มีตัวเลข eval rate ของโมเดลทุกตัวที่เลือกมา และเช็กแล้วว่าสรุปของแต่ละตัวตรงกับต้นฉบับไหม = ผ่าน ไปดูเรื่องแรมในขั้นที่ 3

ขั้นที่ 3: ดูว่าแต่ละตัวกินแรมเท่าไร และทำไมตัวใหญ่สุดไม่ได้ช้าสุด

หลังรันเสร็จ โมเดลจะค้างอยู่ในแรมอีก 5 นาที ใช้ช่วงนี้เช็กว่ามันใช้หน่วยความจำจริงเท่าไร (รันก่อนสั่ง ollama stop)

ollama ps

NAME         ID              SIZE      PROCESSOR    CONTEXT    UNTIL              
gemma3:4b    a2af6cc3eb7f    3.9 GB    100% GPU     32768      4 minutes from now    

รวมผลทั้ง 4 ตัวบนเครื่องผู้เขียน เทียบกับความเร็วจากขั้นที่ 2

• gemma3:4b — ใช้แรม 3.9GB, 100% GPU, 44 tokens/s
• qwen2.5-coder:7b — ใช้แรม 6.6GB, 100% GPU, 26 tokens/s
• gpt-oss:20b — ใช้แรม 12GB, 100% GPU, 30 tokens/s
• qwen3-coder:30b — ใช้แรม 21GB, 100% GPU, 52 tokens/s

ส่วนบนโน้ตบุ๊ก Windows หน้าตาเป็นแบบนี้

NAME         ID              SIZE      PROCESSOR    CONTEXT    UNTIL
gemma3:4b    a2af6cc3eb7f    2.9 GB    100% CPU     4096       4 minutes from now

• gemma3:4b — ใช้แรม 2.9GB, 100% CPU, 8 tokens/s
• qwen2.5-coder:7b — ใช้แรม 5.1GB, 100% CPU, 7 tokens/s

สังเกต 3 อย่าง อย่างแรก ตัวเลข SIZE ใน ollama ps ไม่เท่ากับขนาดไฟล์ใน ollama list เพราะต้องกันที่ไว้จำบทสนทนาด้วย ช่องนี้คือช่อง CONTEXT Ollama ตั้งให้เองตามหน่วยความจำของเครื่อง บน Mac ได้ 32768 (gemma3:4b ไฟล์ 3.3GB เลยใช้จริง 3.9GB) บน Windows ได้แค่ 4096 (เลยใช้แค่ 2.9GB) ให้ใช้ตัวเลขจาก ollama ps ของเครื่องตัวเองตัดสินว่าพอดีไหม เกณฑ์ง่าย ๆ จากตัวเลขชุดนี้คือ SIZE ไม่ควรเกินราว 2/3 ของแรมเครื่อง (21GB บนเครื่อง 32GB ยังรันได้ 100% GPU)

อย่างที่สอง ช่อง PROCESSOR บน Windows ขึ้น 100% CPU เพราะเครื่องไม่มีการ์ดจอที่ Ollama ใช้ได้ งานทั้งหมดเลยตกไปที่ CPU ซึ่งเป็นเหตุที่ช้ากว่า Mac หลายเท่า ถ้าเครื่องคุณมีการ์ดจอแต่เห็นแบ่งเป็น CPU/GPU แปลว่าโมเดลเริ่มใหญ่เกินหน่วยความจำการ์ดจอ ยังทำงานได้แต่ช้าลงมาก

อย่างที่สามแปลกที่สุด บน Mac ตัวที่ใหญ่ที่สุด (30B กินแรม 21GB) กลับเร็วที่สุด เร็วกว่าตัว 4B ด้วย ส่วนตัว 7B ที่เล็กกว่ามากกลับช้าสุด ดูเบื้องหลังด้วยคำสั่งนี้

ollama show qwen3-coder:30b

  Model
    architecture        qwen3moe    
    parameters          30.5B       
    context length      262144      
    embedding length    2048        
    quantization        Q4_K_M      
...

คำว่า moe ในบรรทัด architecture คือคำตอบ ย่อมาจาก Mixture of Experts คือโมเดลที่แบ่งสมองเป็นผู้เชี่ยวชาญย่อยหลายกลุ่ม แล้วเรียกใช้แค่ไม่กี่กลุ่มต่อคำ ใส่ --verbose จะเห็นตัวเลขชัดขึ้น

ollama show qwen3-coder:30b --verbose

    qwen3moe.expert_count                         128                                                                           
    qwen3moe.expert_used_count                    8                                                                             

มี 128 กลุ่ม แต่ใช้จริงแค่ 8 กลุ่มต่อคำ ต้องโหลดทั้งตัวเข้าแรม (เลยกินแรม 21GB) แต่ตอนคำนวณใช้แค่ส่วนเล็ก ๆ (เลยเร็ว) gpt-oss:20b ก็เป็นแบบเดียวกัน (32 กลุ่ม ใช้ 4) ส่วน gemma3:4b กับ qwen2.5-coder:7b เป็นแบบธรรมดาที่ใช้ทั้งตัวทุกคำ บทเรียนคือ แรมบอกว่าโหลดได้ไหม แต่ขนาดไม่ได้บอกความเร็ว ต้องวัดเองอย่างที่ทำในขั้นที่ 2

รู้ตัวเลข SIZE และ PROCESSOR ของทุกตัวที่เทส และรู้แล้วว่าตัวไหนเป็นแบบ moe = ผ่าน ต่อไปวัดความแม่นในขั้นที่ 4

ขั้นที่ 4: ข้อคิดเลข ถามซ้ำ 3 รอบ

ความเร็วไม่มีประโยชน์ถ้าตอบผิด ข้อนี้เป็นโจทย์ที่ต้องใช้เหตุผลนิดหน่อย คำตอบที่ถูกคือ 96 บาท (ซื้อ 3 แถม 1 สองรอบได้ 8 ด้าม จ่าย 6 ด้าม แล้วซื้อเพิ่มอีก 2 ด้าม รวมจ่าย 8 ด้าม) รันกับทุกตัว ตัวละ 3 รอบ (กดลูกศรขึ้นแล้ว Enter ซ้ำได้เลย)

ollama run gemma3:4b --verbose "ร้านขายปากกาด้ามละ 12 บาท มีโปรซื้อ 3 ด้ามแถม 1 ด้าม ถ้าต้องการปากกา 10 ด้ามพอดี ต้องจ่ายน้อยที่สุดกี่บาท อธิบายวิธีคิดสั้น ๆ"

รอบแรกของ gemma3:4b คิดโครงถูก (2 ชุดบวก 2 ด้าม) แต่ไปคิดเงินด้ามที่แถมด้วย

วิธีคิด:

1. **ซื้อแบบคุ้มค่า:** เราจะซื้อแบบที่ได้กำไรสูงสุดคือซื้อ 3 ด้ามแล้วได้เพิ่ม 1 ด้าม ทำให้ได้ 4 ด้ามในราคา 3 x 12 + 12 = 48 บาท
2. **ทำซ้ำ:** เราทำซ้ำขั้นตอนที่ 1 อีก 2 ครั้ง จะได้ 4 ด้าม + 4 ด้าม = 8 ด้ามในราคา 48 บาท x 2 = 96 บาท
3. **ด้ามที่เหลือ:** เหลืออีก 2 ด้ามสุดท้าย เราซื้อแยกกัน ราคาด้ามละ 12 บาท = 2 x 12 = 24 บาท
4. **รวมทั้งหมด:** ราคาปากกาทั้งหมด = 96 + 24 = 120 บาท

ดังนั้น ต้องจ่ายน้อยที่สุด 120 บาท

ส่วน qwen3-coder:30b ตอบแบบนี้ภายใน 6 วินาที (มีคำอังกฤษ “when” หลุดมาในบรรทัดแรก เป็นอาการปกติของโมเดลที่ไม่ได้ฝึกภาษาไทยมาเป็นหลัก)

เพื่อหาค่าใช้จ่ายน้อยที่สุด when ต้องการปากกา 10 ด้าม โดยมีโปรโมชัน "ซื้อ 3 ด้าม แถม 1 ด้าม"

### วิธีคิด:

1. **คำนวณจำนวนชุดโปรโมชันที่ได้**  
   - หนึ่งชุด = ซื้อ 3 ด้าม + ได้แถม 1 ด้าม = รวม 4 ด้าม  
   - ต้องการ 10 ด้าม → แบ่งชุดได้ 2 ชุด (2 × 4 = 8 ด้าม)  
   - เหลือ 2 ด้าม ที่ต้องซื้อเพิ่ม (ไม่มีโปรโมชัน)

2. **คำนวณค่าใช้จ่าย**  
   - ซื้อ 3 ด้าม × 2 ชุด = 6 ด้าม → คิดราคา 6 × 12 = 72 บาท  
   - ซื้อเพิ่ม 2 ด้าม = 2 × 12 = 24 บาท  
   - **รวม = 72 + 24 = 96 บาท**

### ✅ คำตอบ: **96 บาท**

ผลครบ 3 รอบของทั้ง 4 ตัวบน Mac

• gemma3:4b — ถูก 0 จาก 3 (ตอบ 120, 120, 72)
• qwen2.5-coder:7b — ถูก 1 จาก 3 (ตอบ 72, 96, 120) รอบแรกพิมพ์ “ด้าม” เป็น “ด้าน” ทั้งคำตอบด้วย
• gpt-oss:20b — ถูก 3 จาก 3
• qwen3-coder:30b — ถูก 3 จาก 3

gemma3:4b บนโน้ตบุ๊ก Windows ก็ตอบ 120 บาทครบทั้ง 3 รอบ รวมสองเครื่องเป็นผิด 6 จาก 6 ความเร็วเครื่องไม่ได้ช่วยให้ตัวเล็กคิดเลขถูกขึ้น รอบสุดท้ายยังเจออีกเรื่องหนึ่ง

**ดังนั้น ราคาที่จ่ายน้อยที่สุดคือ 120 บาท** (วิธีที่สองคำนวณง่ายกว่า)

total duration:       1m26.9440637s
load duration:        25.1113003s
prompt eval count:    59 token(s)
prompt eval duration: 1.631363s
prompt eval rate:     36.17 tokens/s
eval count:           585 token(s)
eval duration:        1m0.085753s
eval rate:            9.74 tokens/s

load duration กลับมาเป็น 25 วินาที เพราะเว้นช่วงก่อนรันรอบนี้นานเกิน 5 นาที Ollama เลยปล่อยโมเดลออกจากแรมไปแล้วต้องโหลดใหม่ บนเครื่องช้า ๆ ให้ถามต่อเนื่องกันไป อย่าเว้นนาน

ตัวที่ถูก 1 จาก 3 อันตรายกว่าตัวที่ผิดทุกรอบ เพราะถ้าบังเอิญลองแค่ครั้งเดียวแล้วเจอรอบที่ถูก จะนึกว่ามันเก่งเลขไปเลย อีกเรื่องที่ต้องดูคือ gpt-oss:20b ตอบถูกทุกรอบ แต่ดูตัวเลขท้ายคำตอบรอบแรก

total duration:       51.490376125s
load duration:        1.846583ms
prompt eval count:    140 token(s)
prompt eval duration: 290.04ms
prompt eval rate:     482.69 tokens/s
eval count:           1562 token(s)
eval duration:        51.18739s
eval rate:            30.52 tokens/s

ความเร็ว 30 tokens/s ไม่ได้ช้า แต่มันพิมพ์ไป 1,562 token (ส่วนใหญ่คือช่วง Thinking) เลยรอ 51 วินาที ขณะที่ qwen3-coder:30b ตอบถูกใน 6 วินาที โมเดลคิดก่อนตอบต้องดู total duration ไม่ใช่แค่ eval rate

ได้คะแนนถูกกี่รอบจาก 3 ของทุกตัว และจด total duration ของข้อนี้ไว้ = ผ่าน เหลืองานเขียนอีกข้อในขั้นที่ 5

ขั้นที่ 5: ข้องานเขียน แล้วรวมเป็นใบคะแนน

ข้อสุดท้ายวัดว่าเขียนภาษาไทยได้เป็นธรรมชาติแค่ไหน และทำตามคำสั่งครบไหม (3 ประโยค ขอโทษ บอกเรื่องเลขพัสดุ)

ollama run gemma3:4b --verbose "เขียนข้อความ LINE ถึงลูกค้า 3 ประโยค แจ้งว่าสินค้าจะส่งช้า 2 วันเพราะน้ำท่วมโกดัง ขอโทษอย่างสุภาพ และบอกว่าจะแจ้งเลขพัสดุทันทีที่ส่ง"

ผลของทั้ง 4 ตัว (ตัดตัวเลขสถิติออก)

### gemma3:4b
สวัสดีค่ะ ทางเราขอแจ้งให้ทราบว่าเนื่องจากสถานการณ์น้ำท่วมในขณะนี้ ทำให้การจัดส่งสินค้าล่าช้าไป 2 วันนะคะ ทางเราต้องขออภัยอย่างสูงสำหรับความไม่สะดวกที่เกิดขึ้น และจะแจ้งเลขพัสดุให้ทราบทันทีที่สินค้าถูกส่งออกจากโกดังค่ะ ขอบคุณค่ะ 🙏😊

### qwen2.5-coder:7b
เรียนลูกค้า,

ขออภัยที่รบกวนค่ะ/ครับ ขอแจ้งว่าสินค้าของคุณอาจจะส่งช้า 2 วันนี้ เนื่องจากเกิดเหตุการณ์น้ำท่วมโกดังที่ทำให้เกิดปัญหาในการขนส่งสินค้า กรุณาอย่ากังวลค่ะ/ครับ ทางเราจะทำการแจ้งเลขพัสดุให้คุณทราบทันทีที่ส่งแล้วค่ะ/ครับ

ขอบคุณสำหรับความร่วมมือและความอดทนของคุณค่ะ/ครับ

ด้วยความเคารพ
[ชื่อผู้บริการ/ชื่อบริษัท]

### gpt-oss:20b
ขออภัยเป็นอย่างสูง  
เนื่องจากน้ำท่วมโกดังสินค้าจะส่งช้าประมาณ 2 วัน  
จะส่งเลขพัสดุให้ท่านทันทีเมื่อจัดส่งเสร็จแล้ว

### qwen3-coder:30b
ร้านเราขออภัยมากค่ะ สงสัยสินค้าจะส่งช้า 2 วันเนื่องจากน้ำท่วมโกดัง ทางร้านจะแจ้งเลขพัสดุให้ทันทีเมื่อสินค้าออกส่งค่ะ

ข้อนี้ไม่มีตัวไหนสมบูรณ์ gemma3:4b อ่านลื่นสุดแต่ทำ “น้ำท่วมโกดัง” หายไปเหลือ “น้ำท่วมในขณะนี้” qwen2.5-coder:7b เขียนเป็นจดหมายราชการ ไม่ใช่ข้อความ LINE แถมมี “ค่ะ/ครับ” กับช่องว่างให้เติมชื่อ gpt-oss:20b ครบเนื้อหาแต่ห้วนเหมือนโทรเลข qwen3-coder:30b ใกล้สุดแต่ใช้คำว่า “สงสัย” แปลก ๆ ทั้งหมดนี้คือเหตุผลที่ข้อความถึงลูกค้าจาก AI ต้องอ่านทวนก่อนส่งเสมอ ไม่ว่าจะใช้ตัวไหน

ถึงตรงนี้รวมเป็นใบคะแนนของคุณเอง นี่คือของเครื่องผู้เขียน

• gemma3:4b — เร็ว 44 tokens/s, แรม 3.9GB, สรุปดี, เลข 0/3, เขียนลื่นแต่ตกรายละเอียด
• qwen2.5-coder:7b — เร็ว 26 tokens/s, แรม 6.6GB, สรุปดี, เลข 1/3, เขียนไม่เป็นสไตล์ LINE
• gpt-oss:20b — เร็ว 30 tokens/s แต่คิดนาน, แรม 12GB, สรุปแต่งข้อมูลเพิ่ม, เลข 3/3, เขียนห้วน
• qwen3-coder:30b — เร็ว 52 tokens/s, แรม 21GB, สรุปดี, เลข 3/3, เขียนใกล้เคียงสุด

ข้อสรุปของเครื่องนี้คือ qwen3-coder:30b เป็นตัวประจำเครื่อง ทั้งที่ชื่อบอกว่าเป็นโมเดลสายเขียนโค้ด (อีกบทเรียนที่ได้ฟรี คือชื่อโมเดลไม่ได้จำกัดงานเสมอไป) แต่ถ้าเครื่องคุณแรม 16GB ตัวนี้โหลดไม่ไหวอยู่แล้ว บนโน้ตบุ๊ก Windows ที่เทส ตัวเลือกจริงคือ gemma3:4b (8 tokens/s) กับ qwen2.5-coder:7b (7 tokens/s) ซึ่งเร็วพอ ๆ กัน และสรุปความได้ถูกทั้งคู่ gemma3:4b เขียนภาษาไทยลื่นกว่า เหมาะกับงานสรุปและร่างข้อความ แต่ไม่ควรให้คิดเลขที่ต้องแม่น ใบคะแนนของคุณจะบอกเองว่าเครื่องคุณลงเอยตรงไหน

มีใบคะแนนครบ 4 ช่อง (ความเร็ว แรม ความแม่นเลข ความเป็นธรรมชาติของงานเขียน) และเลือกโมเดลประจำเครื่องได้ 1 ตัว = ผ่าน จบ workshop

ไปต่อจากตรงนี้

วันนี้คุณได้วิธีวัดโมเดลที่ใช้ซ้ำได้ตลอด ทุกครั้งที่มีโมเดลใหม่ออกมา แค่ pull มาแล้วยิงคำถาม 3 ข้อชุดเดิม ใช้เวลาไม่ถึง 10 นาทีก็รู้ว่าควรเปลี่ยนตัวประจำเครื่องหรือยัง ไม่ต้องรอรีวิวจากเครื่องคนอื่นที่สเปกไม่เหมือนเรา ถ้าอยากเห็นภาพว่าเอาโมเดลที่เลือกได้ไปทำงานอะไรต่อ อ่านLocal AI เอาไปทำอะไรได้บ้างต่อได้เลย