น้ำหนักโมเดลขึ้นตั้งแต่ 7 ต.ค. ใช้ไลเซนส์ Apache 2.0 แต่เพิ่งมีคนหยิบมาพูดถึงกันช่วง 11–12 ต.ค.
ทำไมต้องออกมาเป็นโค้ด
- ข้อความ ตัวเลข และกราฟในหน้า แก้ต่อได้ทันที ไม่ต้องทำใหม่ทั้งหน้า
- ตารางเป็นตาราง HTML จริง ส่วนกราฟใช้ ECharts เลยตรวจได้ว่าตัวเลขตรงไหม
- โมเดลวาดภาพจัดหน้าได้สวย แต่ตัวหนังสือกับตัวเลขมักเพี้ยน AesCode พยายามเอาข้อดีของสองฝั่งมารวมกัน
มันทำงานยังไง
- ใส่โจทย์เนื้อหา แล้วจะแนบรูปตัวอย่างที่ได้จากโมเดลวาดภาพด้วยก็ได้
- รูปตัวอย่างใช้ดูแค่การจัดหน้า สี และสไตล์ ส่วนเนื้อหายึดตามโจทย์
- ไม่แนบรูปก็ได้ ในรุ่น 8B คะแนนด้านภาพลดลงแค่ราว 1 คะแนน
- ตัวฐานมาจากโมเดล Qwen3-VL ของ Alibaba
- Microsoft สอนต่อด้วยตัวอย่าง 3,000 ชิ้น แล้วฝึกต่อโดยให้คะแนนแยกกัน 7 ด้าน
ตัวเลขที่ Microsoft บอก
- ทดสอบกับงานอินโฟกราฟิก 300 ชิ้น รุ่น 32B ได้คะแนนรวม 85.89 รุ่น 8B ได้ 82.94
- GPT-5.5 ได้ 81.28 และ Claude Opus 4.8 ได้ 80.39 ตอนที่ได้รูปตัวอย่างเหมือนกัน
- เนื้อหาล้นขอบหน้าแบบหนัก เจอแค่ 4.3% ของงาน ส่วน GPT-5.5 เจอ 34.7%
- ด้านสไตล์ที่ต้องสวยพร้อมส่งงานโดยไม่ต้องแก้ ยังไม่มีโมเดลไหนเกิน 60 คะแนน รวมถึง AesCode เอง
อยากลองต้องมีอะไร
- รุ่น 32B กินหน่วยความจำการ์ดจอราว 65 GB แค่ตัวน้ำหนักอย่างเดียว ตัวอย่างของ Microsoft รันบนการ์ด 4 ใบ
- ใช้ผ่าน Transformers 4.57 ขึ้นไป หรือ vLLM ก็ได้
- โค้ดเทรน ตัวตรวจงาน และเครื่องมือสร้างเกณฑ์ให้คะแนน เปิดไว้บน GitHub ด้วย
ข้อควรระวัง
- คะแนนทั้งหมดมาจากชุดทดสอบของ Microsoft เอง ยังไม่มีคนนอกลองซ้ำ
- คู่เทียบเป็น GPT-5.5 กับ Claude Opus 4.8 ซึ่งไม่ใช่รุ่นล่าสุดแล้ว
- ยังไม่มีโพสต์เปิดตัวบนเว็บของ Microsoft มีแค่หน้าโมเดลกับโค้ด และเปเปอร์ยังรอพิจารณาอยู่
- ยังไม่มีผู้ให้บริการเจ้าไหนเปิดให้เรียกผ่าน API ตอนนี้ต้องรันเอง
สรุป
ใครทำสไลด์หรือแดชบอร์ดจากข้อมูลเป็นประจำ AesCode น่าลองตรงที่ได้ไฟล์ที่แก้ต่อได้จริง ไม่ใช่ภาพนิ่งที่ต้องทำใหม่ทั้งหน้า แต่รุ่นใหญ่ต้องใช้เครื่องแรงพอสมควร และเลขที่ชนะ GPT-5.5 ยังเป็นผลที่ Microsoft วัดเอง
แหล่ง: Microsoft (Hugging Face · GitHub) · 11 ต.ค. 2026