หัวข้อ
- ขนาดราว 30,000 ล้านพารามิเตอร์ พารามิเตอร์คือชิ้นส่วนความรู้เล็ก ๆ ในตัวโมเดล ตัวเลขนี้บริษัทระบุเองว่าประมาณ 29.6 พันล้าน รวมตัวอ่านภาพไว้ด้วย
- กลั่นความรู้มาจากโมเดลครูตัวใหญ่ชื่อ Muse Spark ด้วยวิธี logit distillation พูดง่าย ๆ คือให้ตัวใหญ่สอนตัวเล็ก ได้ความรู้ใกล้เคียงกันแต่เบากว่ามาก
- Meta บีบโมเดลเหลือราว 4 บิต คือย่อให้เล็กจนหิ้วไหว ตัวภาษาเล็กกว่า 20 จิกะไบต์ ถ้ารวมแคช ตัวอ่านภาพ และตัวช่วยร่างคำ ตั้งเป้าให้จบในเครื่องหน่วยความจำ 24 หรือ 32 จิกะไบต์ ซึ่งเป็นแมคหรือพีซีการ์ดจอที่คนทั่วไปมีกันอยู่แล้ว เครื่องเดียวจบ
- ตัวอ่านภาพแยกมาอีกส่วนราว 1.8 พันล้านพารามิเตอร์ ส่งรูปกับข้อความเข้าไปพร้อมกันได้ คำตอบออกมาเป็นข้อความ
- จำบริบทได้ยาวอย่างน้อย 131,072 โทเคน โทเคนคือหน่วยคำ ยิ่งเยอะยิ่งอ่านเอกสารยาว ๆ ได้ทีเดียวจบ ความรู้ในตัวหยุดอัปเดตที่วันที่ 4 ม.ค. 2026
- เทรนข้อมูลมากกว่า 100 ภาษา
- โหลดมาลงเครื่องเองได้แล้ววันนี้ผ่าน Hugging Face
- Meta บอกอีกไม่กี่วันจะเพิ่มรองรับกับ llama.cpp, MLX, ExecuTorch และเพื่อนร่วมทางอย่าง Ollama, LM Studio, Unsloth, vLLM, SGLang, Together AI, Fireworks, OpenRouter
- มีโมเดลตัวเล็กคอยช่วยร่างคำชื่อ DFlash ทำให้ปล่อยคำเร็วขึ้นจาก 74.9 เป็น 233.4 โทเคนต่อวินาที คิดเป็นราว 3.1 เท่า วัดบนการ์ดจอ RTX 5090 ตัวเลขชุดนี้มาจากบริษัท
- เรื่องคะแนนทดสอบต้องบอกก่อนว่า Meta วัดเองทั้งหมด ยังไม่มีฝ่ายอื่นมาวัดซ้ำ เทียบกับ Gemma4-31B และ Qwen3.6-27B โหมดคิด ตัวอย่างผลคือ MCP Atlas ได้ 75.5 / 54.2 / 62.5 ส่วน SWE-Bench Verified ได้ 76.0 / 66.6 / 77.2 ดูตรง ๆ แล้วบางวิชายังแพ้ Qwen อยู่นะ
สรุป
Meta เอาโมเดลตัวใหญ่มาแจกฟรีให้รันในเครื่องที่บ้านได้เลย ข้อมูลไม่ต้องส่งออกไปไหน ใครมีแมคหรือพีซีการ์ดจอแรง ๆ เครื่องเดียว ก็ลองเล่นได้เหมือนกัน
แหล่ง: Meta Superintelligence Labs (Meta AI Research และ Hugging Face) · 10 ส.ค. 2026