รุ่นนี้ไม่ได้แค่ตอบแชต ทีมทำมาให้ฟังคำสั่งเสียงภาษาอาหรับหรืออังกฤษ แล้วไปทำงานต่อได้เลย เช่น ถอดเสียงประชุม เขียนเอกสาร หรือทำสไลด์
ปล่อยอะไรมาบ้าง
- โมเดลภาษา 6 ขนาด เริ่มจาก 0.9B ที่เล็กพอรันบนมือถือ ไปจนถึงตัวใหญ่ 375B ที่ใช้งานจริงครั้งละ 23B
- ทุกขนาดอ่านข้อความยาวได้ 512,000 โทเคน และเรียกใช้เครื่องมือแบบเอเจนต์ได้เหมือนกัน
- มีโมเดลถอดเสียงชื่อ Jais Speech มาด้วย ฟังสำเนียงอาหรับได้ 19 ประเทศ
- ใช้ไลเซนส์ Apache-2.0 เอาไปใช้เชิงพาณิชย์ได้ แต่ละโมเดลยังแถมจุดบันทึกระหว่างเทรนอีก 5 ชุด
ต่างจากรุ่นก่อนยังไง
- ต่อยอดจาก K2 Horizon โมเดลโอเพนซอร์สของทีม IFM ที่ออกเมื่อเดือนกันยายน ไม่ได้เทรนใหม่จากศูนย์
- เทรนทั้งภาษาอาหรับมาตรฐานและภาษาถิ่น อย่างสำเนียงเอมิเรตส์ อ่าวอาหรับ และแอฟริกาเหนือ
- Jais Speech เจอคนพูดอาหรับแล้วสลับเป็นอังกฤษหรือฝรั่งเศสกลางประโยค ก็เก็บคำนั้นเป็นตัวอักษรเดิมไว้ให้ บอกได้ว่าเป็นสำเนียงไหน และใส่สระอาหรับในบทถอดเสียงได้
- ที่ขนาด 7B คะแนนภาษาอาหรับเฉลี่ยขยับจาก 56.4 ของตัวตั้งต้น ขึ้นมาเป็น 79.6
ผลทดสอบที่ทีมเคลม
- วัดด้วยชุดทดสอบภาษาอาหรับ 24 ชุดที่ผ่านการตรวจคัดข้อสอบแล้ว และเปิดให้คนอื่นเอาไปรันซ้ำได้
- ตัวใหญ่สุดนำโมเดลเปิดตัวอื่นในงานแบบเอเจนต์ ส่วนตัว 3.7B ชนะโมเดลเปิดทุกตัวที่ขนาดไม่เกิน 5B
- Jais Speech ถอดเสียงผิดน้อยที่สุดในกลุ่มที่เทียบ รวมถึงบริการถอดเสียงแบบเสียเงินด้วย
- ตัวเลขทั้งหมดเป็นผลที่ทีมวัดเอง WIRED Middle East ตั้งข้อสังเกตว่ายังไม่ได้บอกว่าใครเป็นคนตรวจชุดทดสอบ
สรุป
Jais เป็นโมเดลภาษาอาหรับที่ยูเออีทำมาตั้งแต่ปี 2023 รุ่นที่ 3 นี้ขยับจากแชตไปสู่งานเสียงและเอเจนต์ และให้เลือกขนาดได้ตั้งแต่มือถือถึงเซิร์ฟเวอร์ใหญ่ ใครทำงานกับลูกค้าตะวันออกกลางลองตัว 7B หรือ 36B ก่อนน่าจะคุ้มสุด ส่วนตัว 375B ชุดตัวอย่างบนหน้าโมเดลใช้การ์ด H100 ถึง 16 ใบ
แหล่ง: MBZUAI และ Inception42 (ประกาศ 15 ต.ค. 2026, Hugging Face) · WIRED Middle East