DeepSeek ປ່ອຍ V4-Flash-0731: ຝຶກຊ້ອມໂຄງສ້າງເດີມໃໝ່, ຄວາມສາມາດດ້ານ Agent ເພີ່ມຂຶ້ນສອງເທົ່າ
DeepSeek ໄດ້ອັບເດດ V4-Flash ໃນວັນທີ 31 ກໍລະກົດ ໂດຍທີ່ໂຄງສ້າງ ແລະ ຈຳນວນພາຣາມິເຕີຍັງຄົງເດີມ, ແຕ່ອາໄສການຝຶກຊ້ອມພາຍຫຼັງ (Post-training) ໃໝ່ ເຮັດໃຫ້ຄະແນນ Terminal-Bench 2.1 ເພີ່ມຈາກ 61.8 ຂຶ້ນເປັນ 82.7, ແລະ ຍັງคงປ່ອຍນ້ຳໜັກໂມເດລ (Weights) ລົງເທິງ Hugging Face ດ້ວຍສິດທິບັດແບບ MIT. ນີ້ໝາຍຄວາມວ່າ ມັນມີຄວາມໝາຍແນວໃດຕໍ່ກັບນັກພັດທະນາ ແລະ ບໍລິສັດທີ່ຕ້ອງການສ້າງໂມເດລຂອງຕົນເອງ?
ມື້ສຸດທ້າຍຂອງເດືອນກໍລະກົດ, ແຈ້ງເຕືອນ GitHub ຂອງວິສະວະກອນໄຕ້ຫວັນຫຼາຍໆຄົນໄດ້ປະກາດข้อความດຽວກັນຂຶ້ນມາ: DeepSeek ມີການອັບເດດແລ້ວ.
ບໍ່ມີງານເປີດຕົວ, ບໍ່ມີການແຈ້ງລ່ວງໜ້າ, ພຽງແຕ່ເອົານ້ຳໜັກ (Weights) ຂຶ້ນ Hugging Face ໂດຍກົງ.
ສິ່ງທີ່ໜ້າສົນໃຈແມ່ນຕາຕະລາງສະເປກ — พารามิเตอร์ລວມ 284B, พารามิเตอร์ທີ່ໃຊ້ງານ 13B, ເຊິ່ງຄືກັນກັບເວີຊັນເດືອນເມສາທຸກປະການ. ໂຄງສ້າງບໍ່ໄດ້ປ່ຽນ, ຂະໜາດບໍ່ໄດ້ປ່ຽນ. ແຕ່ຄະແນນໃນການເຮັດວຽກແບບ Agent ຫາກໍ່ເພີ່ມຂຶ້ນເກືອບສອງເທົ່າ.
ພື້ນຫຼັງເຫດການ
ຊຸດ V4 ຂອງ DeepSeek ໄດ້ເປີດຕົວอย่างເປັນທາງການໃນວັນທີ 24 ເມສາ 2026, ເຊິ່ງເອກະສານທາງການໄດ້ລະບຸສອງລຸ້ນ: V4-Pro ແມ່ນพารามิเตอร์ລວມ 1.6T, 49B ທີ່ໃຊ້ງານ ເຊິ່ງທຽບຊັ້ນກັບ ໂມເດວແບບປິດ (Closed-source) ລະດັບແຖວໜ້າ; ສ່ວນ V4-Flash ແມ່ນพารามิเตอร์ລວມ 284B, 13B ທີ່ໃຊ້ງານ ໂດຍເນັ້ນຄວາມໄວ ແລະ ຄວາມຄຸ້ມຄ່າ. ທັງສອງລຸ້ນມາພ້ອມກັບ Context Window 1 ເສັ້ນລ້ານ Token ເປັນມາດຕະຖານ, ຮອງຮັບໂໝດຄິດ (Thinking) ແລະ ບໍ່ຄິດ, ພ້ອມທັງຮອງຮັບຮູບແບບ API ຂອງ OpenAI ChatCompletions ແລະ Anthropic. ໃນປະກາດດຽວກັນຍັງໄດ້ລະບຸວ່າ deepseek-chat ແລະ deepseek-reasoner ລຸ້ນເກົ່າຈະຢຸດໃຫ້ບໍລິການຫຼັງວັນທີ 24 ກໍລະກົດ 2026.
ການອັບເດດໃນວັນທີ 31 ກໍລະກົດນີ້ແມ່ນສາຍຜະລິດຕະພັນ V4-Flash, ໂດຍມີລະຫັດເວີຊັນແມ່ນ 0731.
ຈຸດສຳຄັນໃນຄັ້ງນີ້
- ໂຄງສ້າງບໍ່ປ່ຽນແປງເລີຍ: ຍັງคงເປັນໂມເດວ MoE (Mixture of Experts) ที่มีพารามิเตอร์ລວມ 284B ແລະ 13B ທີ່ໃຊ້ງານ, ທາງການໄດ້ຊີ້ແຈ້ງວ່າການພັດທະນານີ້ມາจากการຝຶກອົບຮົມຕໍ່ (Post-training) ໃໝ່, ບໍ່ແມ່ນການອອກແບບໃໝ່.
- ຄວາມສາມາດຂອງ Agent ເພີ່ມຂຶ້ນຢ່າງມະຫາສານ: คะแนน Terminal-Bench 2.1 ຢູ່ທີ່ 82.7, ເຊິ່ງໃນເວີຊັນຕົວຢ່າງຂອງເດືອນເມສາແມ່ນ 61.8.
- ວຽກງານຂຽນໂປຣແກຣມພັດທະນາຂຶ້ນພ້ອມກັນ: คะแนน DeepSWE ຢູ່ທີ່ 54.4.
- ເໜືອກວ່າໂມເດວຂະໜາດໃຫຍ່ຂອງຕົນເອງ: ໃນທຸກໆການປະເມີນຜົນ Agent ທີ່ DeepSeek 公布, ເວີຊັນນີ້ສາມາດເອົາຊະນະ V4-Pro ຕົວຢ່າງໄດ້ໝົດ.
- ນ້ຳໜັກ (Weights) ໃຊ້ໃບອະນຸຍາດ MIT: ວາງຂຶ້ນ Hugging Face ໂດຍກົງ, ເຊິ່ງເປັນໜຶ່ງໃນໃບອະນຸຍາດ Open-source ที่ผ່ອນຄາຍທີ່ສຸດໃນປະຈຸບັນ.
- API ຮອງຮັບຮູບແບບ Responses API ໂດຍກົງ ແລະ ໄດ້ມີການປັບແຕ່ງສຳລັບ Codex.
ເປັນຫຍັງ "ການຝຶກໂຄງສ້າງเดิมຊ້ຳ" ຈຶ່ງເປັນເລື່ອງທີ່ໜ້າສົນໃຈກວ່າ
ໃນຊ່ວງສອງປີທີ່ຜ່ານມາ, ເລື່ອງລາວທີ່ເຮັດໃຫ້ໂມເດວເກັ່ງຂຶ້ນແມ່ນ "ພະລາເມີເຕີໃຫຍ່ຂຶ້ນ, ຂໍ້ມູນຫຼາຍຂຶ້ນ, ພະລັງງານຄຳນວນແພງຂຶ້ນ" ຕະຫຼອດ. ແຕ່ຄັ້ງນີ້ບໍ່ແມ່ນແບບນັ້ນ.
ການເຄື່ອນໄຫວນີ້ຂອງ DeepSeek ໄດ້ພິສູດສິ່ງໜຶ່ງ: ການເຮັດ Post-training ໃຫ້ຖືກຕ້ອງໃນໂມເດວທີ່ມີຢູ່ແລ້ວ ໃຫ້ຜົນຕອບແທນທີ່ຄຸ້ມຄ່າກວ່າການເພີ່ມພະລາເມີເຕີ. ຈາກ 61.8 ເຖິງ 82.7, ການກ້າວກະໂດດນີ້ຖືວ່າເປັນຂ່າວໃຫຍ່ໃນທຸກໆການປ່ຽນແປງເວີຊັນ, ແລະ ມັນບໍ່ໄດ້ເສຍເງິນເພີ່ມຈັກກີບໃນການຄົ້ນຄວ້າ ແລະ ພັດທະນາໂຄງສ້າງ.
ຄວາມໝາຍຕໍ່ອຸດສາຫະກຳທັງໝົດກໍຄື: ການແຂ່ງຂັນດ້ານຄວາມສາມາດຂອງໂມເດວ ກຳລັງປ່ຽນຈາກ "ໃຜມີໂມເດວໃຫຍ່ກວ່າ" ໄປສູ່ "ໃຜເຂົ້າໃຈວິທີຝຶກ Agent ດີກວ່າ". ມາດຕະຖານຂອງອັນຫຼັງແມ່ນຕໍ່າກວ່າຫຼາຍ, ແລະ ນັ້ນໝາຍຄວາມວ່າພື້ນທີ່ສຳລັບຜູ້ມາທີຫຼັງໃນການໄລ່ຕາມທັນແມ່ນກວ້າງກວ່າທີ່ຄິດ.
ເວົ້າຕາມຈິງແລ້ວ, ຂ້ອຍຄິດວ່າເລື່ອງນີ້ມີຄວາມສຳຄັນຫຼາຍກວ່າການມີໂມເດວທີ່ໃຫຍ່ຂຶ້ນກວ່ານີ້ອີກ.
ວິເຄາະຜົນກະທົບຕໍ່ຕະຫຼາດ
ສຳລັບຜູ້ໃຊ້ງານໃນໄຕ້ຫວັນ
ຜູ້ໃຊ້ງານທົ່ວໄປອາດຈະບໍ່ຮູ້ສຶກເຖິງຄວາມແຕກຕ່າງໂດຍກົງໃນໄລຍະສັ້ນ, ແຕ່ຜ່ານບໍລິການພາກສ່ວນທີສາມຕ່າງໆທີ່ເຊື່ອມຕໍ່ກັບ DeepSeek, ທ່ານຈະຮູ້ສຶກວ່າ "ຜູ້ຊ່ວຍ AI ສາມາດເຮັດວຽກໃຫ້ສຳເລັດດ້ວຍຕนเองໄດ້ດີຂຶ້ນ". ນີ້ຄືຜົນສະທ້ອນໂດຍກົງຈາກຄວາມສາມາດຂອງ Agent ທີ່ເພີ່ມຂຶ້ນ — ຫຼຸດການ "ຂ້ອຍຈະລຳດັບຂັ້ນຕອນໃຫ້ທ່ານ" ແລະ ເພີ່ມການ "ຂ້ອຍເຮັດສຳເລັດແລ້ວ, ຜົນລັບຢູ່ນີ້".
ຜົນກະທົບດ້ານລາຄາກ็น่าສົນໃຈເຊັ່ນກັນ. ໂມເດວ Open-source ທີ່ມີປະສິດທິພາບສູງຈະສືບຕໍ່ກົດລາຄາ API ໃນຕະຫຼາດລົງເລື້ອຍໆ, ເຊິ່ງຖືວ່າເປັນເລື່ອງດີສຳລັບວິສາຫະກິດຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍ (SME) ພ້ອມທັງນັກພັດທະນາທົ່ວໄປໃນໄຕ້ຫວັນ.
ສຳລັບການນຳໃຊ້ໃນລະດັບວິສາຫະກິດ
ໂອກາດທີ່ແທ້ຈິງແມ່ນຢູ່ໃນເລື່ອງ ອະທິປະໄຕຂອງຂໍ້ມູນ (Data Sovereignty).
ໃບອະນຸຍາດ MIT ບວກກັບນ້ຳໜັກໂມເດວທີ່ສາມາດດາວໂຫຼດໄດ້ ໝາຍຄວາມວ່າ ຕາມທິດສະດີແລ້ວ ທ່ານສາມາດເອົາໂມເດວມารันໄວ້ໃນຫ້ອງເຊີບເວີ (Server room) ຂອງທ່ານເອງ, ໂດຍທີ່ຂໍ້ມູນບໍ່ໄດ້ຫຼຸດອອກນອກປະເທດເລີຍ. ສםລັບອຸດສາຫະກຳທີ່ມີການກວດກາຢ່າງເຂັ້ມງວດ ເຊັ່ນ: ການເງິນ, ການແພດ, ກົດໝາຍ, ນີ້ຄືສິ່ງທີ່ API ແບບປິດບໍ່ສາມາດໃຫ້ໄດ້.
ແຕ່ຕ້ອງເວົ້າໃຫ້ຈະແຈ້ງກ່ຽວກັບຕົ້ນທຶນ. ໂມເດວທີ່ມີพารามิเตอร์ລວມ 284B ເຖິງແມ່ນວ່າຈະໃຊ້ງານພຽງແຕ່ 13B, ແຕ່ການໂຫຼດນ້ຳໜັກໂມເດວຍັງຄົງຕ້ອງການໜ່ວຍຄວາມຈຳກຣາຟິກ (VRAM) ຈຳນວນมาก, ຊຶ່ງໃນກໍລະນີສ່ວນໃຫຍ່ຕ້ອງໃຊ້ເຊີບເວີຫຼາຍກາດຈໍລະດັບວິສາຫະກິດ, ລວມທັງບຸກຄະລາກອນໃນການດູແລຮັກສາ. ສຳລັບ SME ສ່ວນໃຫຍ່ໃນໄຕ້ຫວັນ, การໃຊ້ API ຫຼື ການເຊົ່າ Cloud Hosting ຍังคงຄຸ້ມຄ່າກວ່າຫຼາຍ.
ສະຖານະການດຽວທີ່ຄວນຕິດຕັ້ງດ້ວຍຕົນເອງຢ່າງແທ້ຈິງແມ່ນ: ຂໍ້ມູນຕ້ອງບໍ່ຫຼຸດອອກນອກປະເທດຢ່າງเด็ดขาด, ແລະ ປະລິມານການໃຊ້ງານສູງພໍທີ່ຈະຄຸ້ມຄ່າໃຊ້ຈ່າຍດ້ານຮາດແວ. ເງື່ອນໄຂທັງສອງນີ້ຂາດອັນໃດອັນໜຶ່ງບໍ່ໄດ້.
ນอกจากນີ້ ຍังຕ້ອງແຈ້ງເຕືອນເລື່ອງຄວາມປອດໄພທາງໄຊເບີ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ: ການໃຊ້ໂມເດວຈາກຜູ້ໃຫ້ບໍລິການທີ່ມີພື້ນຫຼັງຈາກຈີນ ອາດມີກົດລະບຽບ ແລະ ຂໍ້จำກັດເພີ່ມເຕີມສຳລັບບາງອຸດສາຫະກຳ ແລະ ການຈັດຊື້ຂອງລັດຖະບານ. ກະລຸນາື່ກວດສອບກົດລະບຽບຂອງອຸດສາຫະກຳຂອງທ່ານກ່ອນນຳມາໃຊ້, ຢ່າລໍຖ້າຈTົນຮອດເວລາຖືກກວດສອບແລ້ວຈຶ່ງພົບວ່າເປັນບັນຫາ.
ສຳລັບນັກພັດທະນາ
ສາມສິ່ງທີ່ສາມາດເຮັດໄດ້ແທ້:
ໜຶ່ງ, ຖ້າທ່ານກຳລັງສ້າງ Agent, ເວີຊັນນີ້ຄວນຖືກນຳມາທົດສອບຄືນໃໝ່. ການເພີ່ມຂຶ້ນຂອງຄວາມສາມາດ Agent ບໍ່ແມ່ນຕົວເລກການຕະຫຼາດ, Terminal-Bench ທົດສອບຄວາມສາມາດໃນການເຮັດວຽກຕົວຈິງໃຫ້ສຳເລັດໃນສະພາບແວດລ້ອມ Terminal, ເຊິ່ງໃກ້ຄຽງກັບສະຖານະການ Agent ໃນໂລກຄວາມເປັນຈິງຫຼາຍ. ລອງນຳເອົາວຽກງານຂອງທ່ານມາທົດສອບເບິ່ງວ່າສາມາດທົດແທນໂມເດວທີ່ມີຢູ່ແລ້ວໄດ້ບໍ.
ສອງ, ຄວາມເຂົ້າກັນໄດ້ຂອງຮູບແບບ API ຊ່ວຍຫຼຸດຕົ້ນທຶນໃນການສະຫຼັບລະບົບ. ການຮອງຮັບ OpenAI ChatCompletions ແລະ Anthropic ປະສົມປະສານກັບການຮອງຮັບ Responses API ໂດຍກົງໃນຄັ້ງນີ້ ໝາຍຄວາມວ່າທ່ານສາມາດປ່ຽນແປງພຽງໜ້ອຍດຽວເພື່ອປຽບທຽບໂມເດວຕ່າງໆ. ຖ້າທ່ານຕ້ອງການປຽບທຶນລາຄາ ແລະ ສະຫຼັບລະບົບຫຼາຍໂມເດວ, ຄູ່ມື OpenRouter ແມ່ນຈຸດເລີ່ມຕົ້ນທີ່ມີປະໂຫຍດ.
ສາມ, ຢ່າເບິ່ງແຕ່ຄະແນນທີ່ຜູ້ຜະລິດປະກາດອອກມາ. ນີ້ແມ່ນເລື່ອງທີ່ຄົນມັກເວົ້າກັນເລື້ອຍໆແຕ່ກໍຍັງມີຄົນຕົກຫຼຸມພາງທຸກເທື່ອ. ສະພາບແວດລ້ອມການທົດສອບ, ການອອກແບບ Prompt ແລະ ຍຸດທະສາດການລອງໃໝ່ (Retry) ຂອງຄະແນນການປະເມີນລ້ວນແຕ່ສົ່ງຜົນຕໍ່ຜົນລັບ, ໂມເດວໂຕດຽວກັນແຕ່ຖ້າຄົນລະຄົນເອົາມາທົດສອບຄະແນນກໍອາດຈະຕ່າງກັນຫຼາຍ. ການເອົາວຽກງານຂອງທ່ານມາທົດສອບດ້ວຍຕົນເອງແມ່ນວິທີການປະເມີນຜົນອັນດຽວທີ່ມີຄວາມໝາຍ.
ທ່າອ່ຽງການພັດທະນາໃນອະນາຄົດ
ໜຶ່ງ, ການຝຶກອົບຮົມຕໍ່ (Post-training) ຈະກາຍເປັນສະໜາມຮົບການແຂ່ງຂັນໃໝ່. ເມື່ອຜົນຕອບແທນສ່ວນເພີ່ມຂອງໂມເດວຫຼຸດລົງ, ວິທີການຝຶກອົບຮົມຈະກາຍເປັນແຫຼ່ງຄວາມແຕກຕ່າງ. ນີ້ຍັງໝາຍຄວາມວ່າຄວາມໄວໃນການອອກເວີຊັນໃໝ່ຂອງໂມເດວຈະໄວຂຶ້ນ — ໂດຍບໍ່ຈໍາເປັນຕ້ອງ Pre-train ໃໝ່, ພຽງແຕ່ປ່ຽນສູດ Post-training ກໍສາມາດອອກເວີຊັນໃໝ່ໄດ້ແລ້ວ.
ສອງ, ຊ່ອງຫວ່າງລະຫວ່າງ Open-source ແລະ Closed-source ຈະຖືກລຶບລ້າງລົງໃນບາງວຽກງານສະເພາະ. ຄວາມສາມາດທົ່ວໄປອາດຈະຍັງມີຄວາມແຕກຕ່າງ, ແຕ່ໃນຂົງເຂດທີ່ສາມາດປະເມີນຜົນໄດ້ຢ່າງຊັດເຈນ ເຊັ່ນ: "ການຂຽນໂປຣແກຣມ" ແລະ "ການແລ່ນງານ Agent", ຄວາມໄວໃນການໄລ່ຕາມຂອງໂມເດວ Open-source ແມ່ນໄວຫຼາຍ. ນີ້ຄືຂ່າວດີສຳລັບວິສາຫະກິດທີ່ຕ້ອງການຄວບຄຸມຕົ້ນທຶນ.
ສາມ, ການເລືອກໂມເດວຈະກາຍເປັນການຕັດສິນໃຈທາງວິສະວະກຳ, ບໍ່ແມ່ນການຕັດສິນໃຈດ້ານແບຣນ. ເມື່ອຕົ້ນທຶນໃນການສະຫຼັບລະບົບຫຼຸດລົງຈົນຕໍ່າຫຼາຍ, ການເລືອກໂມເດວໃດຈະກັບຄືນສູ່ຄຳຖາມທີ່ວ່າ "ອັນໃດແລ່ນໃນວຽກງານຂອງຂ້ອຍໄດ້ດີ ແລະ ລາຄາຖືກ". ນີ້ຖືວ່າເປັນເລື່ອງດີສຳລັບວິສາຫະກິດໄຕ້ຫວັນ — ບໍ່ຈໍາເປັນຕ້ອງໄປວາງເດີມພັນກັບຜູ້ໃຫ້ບໍລິການລາຍດຽວອີກຕໍ່ໄປ.
TheAI學院 ບົດສະຫຼຸບ ແລະ ຄວາມເຫັນ
ການອັບເດດໃນຄັ້ງນີ້ບໍ່ມີງານເປີດຕົວທີ່ຍິ່ງໃຫຍ່, ແຕ່ມັນໄດ້ບອກເລື່ອງລາວທີ່ສຳຄັນຫຼາຍ: ຄວາມກ້າວໜ້າຂອງ AI ບໍ່ຈໍາເປັນຕ້ອງເພິ່ງພາດຮາດແວທີ່ມີລາຄາแพงສະເໝີໄປ.
ໂຄງສ້າງເດີມ, ຈຳນວນພະລາເມີເຕີທໍ່ເດີມ, ເອົາມາຝຶກ Post-training ໃໝ່ເທື່ອໜຶ່ງ, ຄວາມສາມາດຂອງ Agent ກໍໂດດຈາກ 61.8 ໄປສູ່ 82.7. ນີ້ຖືວ່າເປັນຂ່າວທີ່ສ້າງແຮງບັນດານໃຈຫຼາຍສຳລັບທີມງານທີ່ບໍ່ມີພະລັງງານຄຳນວນແບບບໍ່ຈຳກັດ.
ຄວາມເຫັນ: ເມື່ອມູນຄ່າຂອງການ "ເຮັດການຝຶກອົບຮົມໃຫ້ຖືກຕ້ອງ" เริ่มຫຼາຍກວ່າການ "ເຮັດໃຫ້ໂມເດວໃຫຍ່ຂຶ້ນ", ການແຂ່ງຂັນນີ້ກໍໄດ້ປ່ຽນຈາກເກມທຶນຮອນກັບຄືນມາເປັນບັນຫາທາງວິສະວະກຳ. ແລະ ສຳລັບບັນຫາທາງວິສະວະກຳແລ້ວ, ທີມງານໄຕ້ຫວັນບໍ່ເຄີຍຢ້ານເລີຍ.
ຄຳແນະນຳສະເພາະສຳລັບຜູ້ອ່ານชาวໄຕ້ຫວັນ: ຖ້າທ່ານກຳລັງພັດທະນາແອັບພລິເຄຊັນ AI, ອາທິດນີ້ໃຫ້ໃຊ້ເວລາໜຶ່ງຊົ່ວໂມງເຮັດສິ່ງໜຶ່ງ — ປ່ຽນໂມເດວທີ່ທ່ານກຳລັງໃຊ้อยู่ໃນປະຈຸບັນມາເປັນເວີຊັນນີ້ແລ້ວລັນວຽກງານຫຼັກຂອງທ່ານເອງເບິ່ງເທື່ອໜຶ່ງ, ບັນທຶກຕົ້ນທຶນ ແລະ ອັດຕາຄວາມສຳເລັດໄວ້. ບໍ່ຕ້ອງໄປເຊື່ອຄະແນນການປະເມີນໃດໆ, ຕົວເລກທີ່ໄດ້ຈາກການລັນວຽກງານຂອງທ່ານເອງແມ່ນຂອງແທ້. ສ່ວນສຳລັບການນຳເອົາໄປໃຊ້ໃນລະດັບວິສາຫະກິດ, ໃຫ້ກວດສອບຂໍ້ກຳນົດການປະຕິບັດຕາມກົດລະບຽບຂອງອຸດສາຫະກຳກ່ຽວກັບແຫຼ່ງທີ່ມາຂອງໂມເດວກ່ອນ, ແລ
ຄຳຖາມທີ່ພົບເລື້ອຍ
DeepSeek V4-Flash-0731 ແຕກຕ່າງຈາກເວີຊັນເດືອນເມສາແນວໃດ?
架構與參數量完全沒變，都是 284B 總參數、13B 啟用的 MoE 模型。差別在於針對代理任務重新做了後訓練（post-training），Terminal-Bench 2.1 從四月預覽版的 61.8 提升到 82.7。換句話說，這次的進步來自訓練方法而非模型設計。
ສິດທິບັດແບບ MIT ໝາຍຄວາມວ່າຂ້ອຍສາມາດນຳໃຊ້ໃນທາງການຄ້າໄດ້ບໍ?
MIT ເປັນສິດທິບັດແບບໂອເພນຊອດ (Open-source) ທີ່ຂ້ອນຂ້າງ ຍືດຫຍຸ່ນ, ໂດຍທົ່ວໄປແລ້ວອະນຸຍາດໃຫ້ນຳໃຊ້ໃນທາງການຄ້າ, ດັດແປງ ແລະ ເຜີຍແຜ່ຕໍ່ໄດ້, ໂດຍປົກກະຕິຈະຮຽກຮ້ອງພຽງແຕ່ໃຫ້ຮັກສາແຈ້ງການສິດທິບັດໄວ້ເທົ່ານັ້ນ. ແຕ່ກ່ອນນຳໃຊ້ຕົວຈິງ ຄວນອ່ານຂໍ້ກຳນົດ ແລະ ນະໂຍບາຍການນຳໃຊ້ທີ່ມາພ້ອມກັບໜ້າໂມເດລໃຫ້ລະອຽດ, ເພາະບາງຄັ້ງສິດທິບັດຂອງນ້ຳໜັກໂມເດລອາດມີຂໍ້ຈຳກັດເພີ່ມເຕີມ. ສຳລັບການນຳໃຊ້ໃນທາງການຄ້າ ແນະນຳໃຫ້ປຶກສາທີມງານກົດໝາຍ.
ການທີ່ບໍລິສັດຕ່າງໆ ຈະສ້າງໂມເດລນີ້ໃຊ້เอง ມັນເປັນໄປໄດ້ຕົວຈິງບໍ?
ໂມເດລທີ່ມີພາຣາມິເຕີລວມ 284B ເຖິງແມ່ນວ່າຈະເປີດໃຊ້ງານພຽງ 13B ໍ່ຕາມ, ແຕ່ເວລາໂຫຼດນ້ຳໜັກໂມເດລແມ່ນຍັງຕ້ອງການໜ່ວຍຄວາມຈຳກຣາບຟິກ (VRAM) ຈຳນວນຫຼາຍ, ເຊິ່ງປົກກະຕິແລ້ວແມ່ນຕ້ອງການຮາດແວລະດັບເຊີບເວີທີ່ມີຫຼາຍກາດຈໍ. ສຳລັບວິສາຫະກິດຂະໜາດນ້ອຍ ແລະ ກາງສ່ວນໃຫຍ່, ການໃຊ້ API ຫຼື ລະບົບ Cloud ຖືວ່າຄຸ້ມຄ່າກວ່າການສ້າງໃຊ້ເອງ. ສະຖານະການທີ່ຈຳເປັນຕ້ອງສ້າງໃຊ້ເອງແທ້ໆ ແມ່ນອຸດສາຫະກຳທີ່ຂໍ້ມູນຫ້າມຫຼຸດອອກນອກເດັດຂາດ ເຊັ່ນ: ທຸລະກິດດ້ານການເງິນ ແລະ ການແພດບາງປະເພດ.
ເປັນຫຍັງ "ຄວາມສາມາດດ້ານ Agent" ຈຶ່ງກາຍເປັນຈຸດສຸມໃນການແຂ່ງຂັນ?
ເພາະວ່າສະຖານະການການນຳໃຊ້ກຳລັງປ່ຽນແປງໄປ. ໃນອະດີດເຮົາແຂ່ງກັນທີ່ຄຸນນະພາບໃນການຕອບຄຳຖາມ, ແຕ່ປັດຈຸບັນເຮົາແຂ່ງກັນວ່າສາມາດປະຕິບັດຫຼາຍຂັ້ນຕອນຕິດຕໍ່ກັນໄດ້ບໍ, ໂທຫາເຄື່ອງມື (Tools) ໄດ້ຢ່າງຖືກຕ້ອງບໍ, ແລະ ກວດສອບຜົນລັບດ້ວຍຕົນເອງໄດ້ບໍ. ການທົດສອບເຊັ່ນ Terminal-Bench ແມ່ນການສອບເສັງຄວາມສາມາດໃນການປະຕິບັດວຽກງານຕົວຈິງພາຍໃນສະພາບແວດລ້ອມ Terminal, ເຊິ່ງໃກ້ຄຽງກັບຄວາມຕ້ອງການຂອງສະພາບແວດລ້ອມການຜະລິດຈິງຫຼາຍກວ່າການຖາມ-ຕອບແບບທຳມະດາ.