โมเดลตัดสินใจแบบ System One ทางเลือกใหม่ที่ไม่ต้องเสียเวลารอเจนข้อความ
ทีมงาน vLLM Semantic Router (vllm-sr) ได้ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์ตระกูล Decision 3.0 อย่างเป็นทางการภายใต้สัญญาอนุญาตแบบโอเพนซอร์ส Apache-2.0 โดยโมเดลตระกูลนี้ถูกออกแบบมาเพื่อทำหน้าที่เป็นโมเดลตัดสินใจ (Decision Model) หรือการประมวลผลเชิงสัญชาตญาณแบบ System One ซึ่งแตกต่างจากโมเดลภาษาขนาดใหญ่ (LLMs) ทั่วไปที่ต้องเสียเวลาและต้นทุนคำนวณไปกับการสร้างข้อความออกมาทีละโทเคน (Autoregressive Generation)
สถาปัตยกรรมของ Decision 3.0 ทำงานโดยการรับข้อมูลนำเข้า ซึ่งอาจเป็นข้อความ โครงสร้าง JSON รวมถึงไฟล์มัลติโมดอลอย่างรูปภาพความละเอียดสูงสุด 1.6 ล้านพิกเซล (MP) หรือคลิปวิดีโอ (สุ่มตัวอย่างที่อัตรา 2 เฟรมต่อวินาที สูงสุด 32 เฟรม) จากนั้นจะส่งผลลัพธ์ออกมาเป็นค่าความน่าจะเป็นที่ผ่านการปรับเทียบแล้ว (Calibrated Probabilities) ผ่านการประมวลผลไปข้างหน้าเพียงรอบเดียว (Single Forward Pass) สำหรับคำถามประเภทตัวเลือก (Choice) ใช่/ไม่ใช่ (Yes/No) หรือการให้คะแนน (Score) โดยตรง
โครงสร้างโมเดล 6 ขนาด จากอุปกรณ์ปลายทางสู่งานศูนย์ข้อมูลระดับเรือธง
ตระกูล Decision 3.0 ถูกพัฒนาขึ้นโดยใช้โมเดลพื้นฐานจากซีรีส์ Qwen3.5 และ Qwen3.8 โดยแบ่งออกเป็น 6 ขนาดเพื่อรองรับความต้องการใช้งานที่หลากหลาย ได้แก่ d3-edge (0.59B), d3-lite (0.85B), d3-nano (2.2B), d3-mini (4.5B), d3-flash (8.4B) และโมเดลเรือธงขนาดใหญ่ที่สุดคือ d3 (26.1B หรือระดับ 27B) พร้อมด้วยโมดูล Vision Encoders ที่มีขนาดพารามิเตอร์ตั้งแต่ 0.10B ถึง 0.46B พารามิเตอร์
ในแง่ของประสิทธิภาพการทำงาน ผู้พัฒนาเปิดเผยผลการทดสอบบนตัววัดผล Jev Decision Index 0.3.1 โดยระบุว่าโมเดลเรือธง d3 ทำคะแนนได้ 64.7 บนกระดานข้อความ (นำหน้า Perplexity Decider v1.1 ที่ได้ 62.8 และ TypeSafe Jev ที่ได้ 60.1) และทำคะแนนได้ 71.6 บนกระดานการมองเห็น (Vision Board) ซึ่งสูงกว่า Decider v1.1 ที่ทำได้ 70.6 ทั้งนี้ในการทดสอบความเร็วบนฮาร์ดแวร์ประมวลผล AMD Instinct MI325X เพียงตัวเดียว (Batch Size เท่ากับ 1) โมเดลเรือธง d3 มีค่ามัธยฐานความหน่วง (Median Latency) สำหรับข้อความเพียง 55 มิลลิวินาที สำหรับรูปภาพ 273 มิลลิวินาที และสำหรับวิดีโอความยาว 10 วินาทีอยู่ที่ 553 มิลลิวินาที
ข้อจำกัดเชิงสถาปัตยกรรมและผลการทดสอบจากภายนอก
แม้ว่า Decision 3.0 จะอนุญาตให้นักพัฒนาส่งคำถามหลายข้อเข้ามาประเมินพร้อมกันในการเรียกใช้งาน API เพียงครั้งเดียว แต่นักพัฒนาจำเป็นต้องเข้าใจข้อจำกัดเชิงเทคนิคว่า ระบบไม่ได้ใช้ผลการคำนวณขั้นกลาง (Intermediate Forward Passes) ร่วมกัน โดยแต่ละคำถามที่ถูกส่งเข้ามาจะยังคงแยกการประมวลผลรอบส่งผ่านไปข้างหน้าของตนเอง และต้องทำการอ่านข้อมูลภาพหรือวิดีโอซ้ำใหม่ ส่งผลให้ภาระการประมวลผลยังคงแปรผันตามจำนวนคำถาม
นอกจากนี้ คะแนนการทดสอบที่นำเสนอเป็นตัวเลขที่ผู้พัฒนาทำการรันภายในเพื่อเปรียบเทียบกับเกณฑ์มาตรฐานสาธารณะ ซึ่งจากการสังเกตการณ์ชุดทดสอบสาธารณะอิสระบางชุด โมเดลคู่แข่งขนาด 27B เช่น Torchcast Decision 27B ยังคงสามารถทำคะแนนนำได้เล็กน้อยที่ 65.1 เมื่อเทียบกับ 64.9 ของตระกูล d3 ซึ่งสะท้อนว่าประสิทธิภาพของโมเดลอาจแตกต่างกันไปตามประเภทของชุดข้อมูลทดสอบจริง
เสียงสะท้อนจากกลุ่มนักพัฒนา: ความคุ้มค่าทางเศรษฐกิจและการชนกับโซลูชันปิด
ในหมู่นักพัฒนาซอฟต์แวร์และวิศวกรเอไอ มีการหยิบยกประเด็นเรื่องแรงกดดันต่อสตาร์ทอัพเชิงพาณิชย์ขึ้นมาวิเคราะห์อย่างกว้างขวาง โดยชี้ว่าโมเดลตัดสินใจแบบปิด เช่น บริการจากผู้พัฒนาเชิงพาณิชย์ที่มีการระดมทุนสูงและได้รับมูลค่าประเมินบริษัทหลายพันล้านดอลลาร์สหรัฐ กำลังเผชิญหน้ากับภาวะสินค้าโภคภัณฑ์ (Commoditization) อย่างรวดเร็ว เมื่อโมเดลสถาปัตยกรรมเดียวกันที่มีสัญญาอนุญาตระดับ Apache-2.0 เปิดให้ดาวน์โหลดไปติดตั้งได้ฟรี
อย่างไรก็ตาม วิศวกรในระบบองค์กรขนาดใหญ่ได้ชี้ให้เห็นถึงความจริงในเชิงปฏิบัติว่า ความสะดวกสบายในการผ่านเกณฑ์กำกับดูแล (Compliance) ยังเป็นกำแพงสำคัญ แม้โมเดลโอเพนเวทจะเปิดให้โฮสต์เองโดยไม่มีการส่งข้อมูลออกไปภายนอก แต่บริการเชิงพาณิชย์แบบปิดมักได้รับการอนุมัติให้ใช้งานบนคลาวด์ส่วนตัว (VPC) ขององค์กรเรียบร้อยแล้ว ในขณะที่การตั้งค่าเซิร์ฟเวอร์เพื่อรันโมเดลโอเพนเวทด้วยตนเองยังต้องผ่านขั้นตอนการอนุมัติฝ่ายกฎหมายและฝ่ายจัดซื้อฮาร์ดแวร์ที่ซับซ้อน
นัยสำคัญต่อภาคธุรกิจและโครงสร้างพื้นฐานไอทีในประเทศไทย
สำหรับองค์กรธุรกิจและสตาร์ทอัพในประเทศไทย การมาถึงของโมเดลตระกูล Decision 3.0 เปิดโอกาสสำคัญในการลดต้นทุนระบบเอไออย่างเป็นรูปธรรม โดยเฉพาะอย่างยิ่งในกระบวนการคัดกรองเนื้อหาที่ไม่เหมาะสม (Content Moderation) การตรวจสอบธุรกรรม หรือการส่งต่องานในระบบ Multi-agent Routing ซึ่งเดิมทีต้องอาศัยการยิง API ไปยังโมเดลภาษาขนาดใหญ่ในต่างประเทศที่มีค่าใช้จ่ายตามจำนวนโทเคนและมีความเสี่ยงด้านข้อกำหนด PDPA
ธุรกิจในไทยสามารถนำโมเดลขนาดเล็ก เช่น d3-edge หรือ d3-nano ไปรันบนเซิร์ฟเวอร์ขนาดเล็กภายในประเทศ หรือใช้อุปกรณ์ Edge ภายในสาขา เพื่อประมวลผลข้อความและภาพได้โดยไม่ต้องเชื่อมต่ออินเทอร์เน็ตออกนอกองค์กร ส่วนองค์กรที่ต้องการความแม่นยำสูงสุดสามารถนำโมเดล d3 ขนาด 26.1B ไปติดตั้งบนโครงสร้างพื้นฐานคลาวด์ส่วนตัว ซึ่งจะช่วยลดทั้งความหน่วงในการตอบสนองและแก้ปัญหาเรื่องอธิปไตยของข้อมูล (Data Sovereignty) ได้อย่างเบ็ดเสร็จ
การตัดสินใจคัดแยกข้อมูล ป้องกันความปลอดภัย และกำหนดเส้นทางงานเอเจนต์ (Routing) ไม่จำเป็นต้องพึ่งพาการสร้างข้อความจาก LLM ขนาดใหญ่ที่มีค่าใช้จ่ายสูงและมีความหน่วง โมเดลตระกูล Decision 3.0 ช่วยให้องค์กรสามารถรันกระบวนการตัดสินใจมัลติโมดอลบนฮาร์ดแวร์ของตนเองได้ด้วยความเร็วระดับมิลลิวินาที