อาลีบาบาเปิดซอร์ส Qwen3-Next โมเดล AI ที่เร็วขึ้น ต้นทุนต่ำลง และใช้งานบนฮาร์ดแวร์ระดับผู้บริโภคได้

โมเดลที่เร็วขึ้นและมีต้นทุนต่ำลง มุ่งเป้านักพัฒนาและองค์กร

อาลีบาบา คลาวด์ เปิดตัวโมเดลภาษาขนาดใหญ่แบบโอเพนซอร์สตระกูลใหม่ ภายใต้สถาปัตยกรรมที่เรียกว่า Qwen3-Next โมเดลหลักอย่าง Qwen3-Next-80B-A3B มีพารามิเตอร์ 80,000 ล้านตัว แต่มาพร้อมการออกแบบที่ช่วยให้ระบบทำงานได้เร็วขึ้นมากและมีต้นทุนต่ำกว่าโมเดล Qwen รุ่นก่อนอย่างมาก อาลีบาบาระบุว่า การฝึกโมเดลพื้นฐานใหม่นี้ใช้กำลังประมวลผลไม่ถึงหนึ่งในสิบของที่ใช้ฝึก Qwen3-32B ซึ่งเป็นโมเดลแบบหนาแน่นรุ่นก่อนที่เปิดตัวในเดือนเมษายน ขณะที่โมเดลตระกูลใหม่ให้คุณภาพใกล้เคียงกับ Qwen3-235B รุ่นใหญ่กว่าของบริษัทในงานหลายประเภท

อาลีบาบาเปิดให้ผู้พัฒนาดาวน์โหลดโมเดลและเข้าถึงผ่าน API ในรูปแบบโอเพนซอร์ส ผ่านแพลตฟอร์มรวมโมเดลรายใหญ่และบริการคลาวด์ของบริษัทเอง บริษัทวางตำแหน่ง Qwen เป็นระบบนิเวศสำหรับนักพัฒนาที่เติบโตอย่างรวดเร็ว กลยุทธ์นี้สอดคล้องกับแนวโน้มที่กลุ่ม AI ของจีนหันมาเผยแพร่โมเดลคุณภาพสูงให้ผู้อื่นตรวจสอบและนำไปพัฒนาต่อยอด ซึ่งช่วยขยายการใช้งานได้โดยไม่ต้องพึ่งโครงสร้างพื้นฐานแบบรวมศูนย์ขนาดมหาศาล

นอกจากประสิทธิภาพในการฝึกแล้ว Qwen3-Next ยังมุ่งเน้นความเร็วและประสิทธิภาพในการประมวลผลบริบทขนาดยาวขณะใช้งานจริง ผลการทดสอบที่อาลีบาบาเผยแพร่ระบุว่า สถาปัตยกรรมนี้ประมวลผลพรอมป์ต์ที่ยาวกว่า 32,000 โทเคนได้เร็วขึ้นกว่า 10 เท่าเมื่อเทียบกับ Qwen รุ่นก่อน หน้าต่างบริบทมีขนาด 256,000 โทเคน และในบางการตั้งค่าสามารถขยายได้ถึง 1 ล้านโทเคน จึงรองรับเอกสารยาวเท่าหนังสือ คลังโค้ดขนาดใหญ่ และข้อมูลนำเข้าปริมาณมากประเภทอื่นได้สะดวกขึ้น

สิ่งที่เปลี่ยนไปภายใน Qwen3-Next

โมเดลรุ่นนี้นำองค์ประกอบหลายอย่างที่กำลังกลายเป็นเครื่องมือมาตรฐานสำหรับ AI ขั้นสูงมาใช้ หัวใจหลักคือ Mixture of Experts (MoE) แบบเบาบาง ซึ่งเป็นการฝึกโครงข่ายผู้เชี่ยวชาญขนาดเล็กจำนวนมาก โดยเลือกใช้เพียงไม่กี่ส่วนต่อโทเคนแต่ละตัว Qwen3-Next ผสานแนวทางนี้เข้ากับกลไก attention แบบไฮบริดเพื่อจัดการลำดับข้อมูลยาว การทำนายหลายโทเคนเพื่อเร่งการสร้างข้อความ และการปรับปรุงการฝึกเพื่อลดความไม่เสถียรในการเรียนรู้แบบเสริมกำลัง (RL) ในโมเดล Qwen3-Next-80B-A3B-Base จะมีพารามิเตอร์ทำงานในแต่ละขั้นเพียงประมาณ 3,000 ล้านตัว แม้โมเดลจะมีพารามิเตอร์รวม 80,000 ล้านตัว

อาลีบาบาระบุว่า โมเดลพื้นฐานให้คุณภาพใกล้เคียงหรือบางครั้งดีกว่า Qwen3-32B แบบหนาแน่น ทั้งที่ใช้ชั่วโมงประมวลผล GPU ในการฝึกไม่ถึง 10 เปอร์เซ็นต์ ระหว่างการอนุมาน สถาปัตยกรรมนี้ช่วยลดการประมวลผลที่ต้องใช้โดยยังคงความสามารถของโมเดลไว้ ทีมงานจึงรายงานว่าทำงานได้เร็วขึ้นอย่างชัดเจนเมื่อรับบริบทยาว และมีต้นทุนที่คุ้มค่ากว่าสำหรับทั้งฮาร์ดแวร์คลาวด์และฮาร์ดแวร์ระดับผู้บริโภค

อธิบาย Mixture of Experts แบบเข้าใจง่าย

ในระบบ Mixture of Experts โครงข่ายจะเรียนรู้โมเดลย่อยเฉพาะทางจำนวนมาก ซึ่งเรียกว่า “ผู้เชี่ยวชาญ” โมดูลคัดเลือกขนาดเล็กจะตัดสินใจว่าจะเรียกใช้ผู้เชี่ยวชาญรายใดสำหรับแต่ละโทเคน Qwen3-Next ใช้การตั้งค่าแบบเบาบางสูง หมายความว่ามีผู้เชี่ยวชาญเพียงส่วนน้อยทำงานในแต่ละครั้ง รายงานระบุว่า ในบางเลเยอร์มีผู้เชี่ยวชาญ 512 ราย และเปิดใช้งาน 10 รายต่อโทเคน วิธีนี้ทำให้ภาระด้านการประมวลผลและหน่วยความจำในการส่งข้อมูลผ่านโมเดลแต่ละครั้งใกล้เคียงกับโครงข่ายแบบหนาแน่นที่มีขนาดเล็กกว่ามาก ขณะที่ผู้เชี่ยวชาญทั้งหมดช่วยให้โมเดลมีความสามารถโดยรวมสูง

ข้อแลกเปลี่ยนคือ การฝึกมีความซับซ้อนขึ้นและต้องจัดตารางการทำงานเพื่อให้ผู้เชี่ยวชาญแต่ละรายมีภาระสมดุลกัน อาลีบาบาระบุว่าได้แก้ปัญหาความไม่เสถียรที่มักเกิดขึ้นเมื่อนำ MoE แบบเบาบางมาใช้ร่วมกับการปรับแต่งแบบ RL สำหรับนักพัฒนา ประเด็นสำคัญคือ ต้นทุนขณะใช้งานจะเพิ่มตามจำนวนพารามิเตอร์ที่เปิดใช้งาน ไม่ใช่จำนวนพารามิเตอร์ทั้งหมด

Attention แบบไฮบริดและบริบทยาว

เลเยอร์ attention เป็นส่วนของทรานส์ฟอร์เมอร์ที่ช่วยให้โมเดลพิจารณาโทเคนในข้อมูลนำเข้าและตัดสินใจว่าส่วนใดสำคัญ attention แบบมาตรฐานมีต้นทุนสูงขึ้นเมื่อข้อมูลนำเข้ายาวขึ้น เพราะต้นทุนเพิ่มตามกำลังสองของความยาวลำดับ Qwen3-Next ผสมผสาน attention แบบมาตรฐานเข้ากับวิธีที่ประเมินบริบทโดยใช้ทรัพยากรน้อยลง ซึ่งทีมงานอธิบายว่าเป็นการใช้ Gated DeltaNet ร่วมกับ attention แบบดั้งเดิม ผลลัพธ์คือประมวลผลข้อมูลนำเข้าที่ยาวได้มากขึ้นและทำงานช้าลงน้อยลงเมื่อพรอมป์ต์มีขนาดใหญ่ขึ้น อาลีบาบารายงานว่าประมวลผลบริบทที่ยาวกว่า 32,000 โทเคนได้เร็วขึ้นกว่า 10 เท่า มีหน้าต่างบริบทเริ่มต้น 256,000 โทเคน และขยายได้ถึง 1 ล้านโทเคนในบางกรณีพิเศษ ทีมงานยังรายงานว่าประสิทธิภาพเพิ่มขึ้นเกือบเป็นเส้นตรงในบางช่วง โดยขั้นตอน prefill เร็วขึ้นสูงสุดราว 7 เท่า และขั้นตอน decode เร็วขึ้นราว 4 เท่าเมื่อใช้บริบทที่สั้นกว่า

การทำนายหลายโทเคนและการถอดรหัส

การทำนายหลายโทเคนพยายามคาดเดาโทเคนถัดไปหลายตัวพร้อมกัน แล้วแก้ไขหากคาดผิด เมื่อนำมาใช้ร่วมกับการถอดรหัสแบบคาดการณ์ล่วงหน้า วิธีนี้ช่วยลดจำนวนครั้งที่ต้องประมวลผลผ่านโมเดลซึ่งมีต้นทุนสูง เพื่อทยอยส่งคำตอบ Qwen3-Next รองรับแนวทางนี้และทำงานร่วมกับระบบอนุมานยอดนิยม เช่น SGLang และ vLLM ซึ่งช่วยลดความหน่วงของบริการที่ใช้งานจริง ทีมงานยังกล่าวถึง Zero Centered RMSNorm และการปรับแต่งอื่น ๆ ที่ช่วยให้การฝึกมีเสถียรภาพ ผลโดยรวมเมื่อใช้ร่วมกับ MoE แบบเบาบางคือการสร้างข้อความที่เร็วขึ้น โดยไม่ลดทอนคุณภาพอย่างมีนัยสำคัญ

โมเดลสองรุ่นสำหรับทำตามคำสั่งและให้เหตุผล

เมื่อเปิดตัว อาลีบาบาได้เผยแพร่โมเดลที่ผ่านการฝึกต่อจากโครงข่ายพื้นฐานแล้วสองรุ่น Qwen3-Next-80B-A3B-Instruct มุ่งเน้นการทำตามคำสั่งทั่วไป การสนทนา และการใช้เครื่องมือ ในการทดสอบของบริษัท โมเดลนี้ทำผลงานได้ใกล้เคียงกับรุ่นเรือธงที่มีพารามิเตอร์ 235,000 ล้านตัวในงานทั่วไปหลายประเภท และทำได้ดีเมื่อพรอมป์ต์มีบริบทยาวมากถึง 256,000 โทเคน

Qwen3-Next-80B-A3B-Thinking ได้รับการปรับแต่งสำหรับการให้เหตุผลที่ซับซ้อน อาลีบาบาชูผลคะแนนที่สูงกว่าโมเดล Qwen3 ระดับกลางของบริษัทเอง และเหนือกว่า Gemini 2.5 Flash Thinking ซึ่งเป็นโมเดลปิด ในการทดสอบหลายรายการที่เลือกมาประเมิน บริษัทระบุว่าโมเดลทำคะแนนได้ 60.8 เปอร์เซ็นต์ในการทดสอบ SuperGPQA ซึ่งเป็นชุดทดสอบระดับบัณฑิตศึกษาที่มีความยากสูง แม้ผลทดสอบจะเป็นตัวชี้วัดที่มีประโยชน์ แต่ผู้ซื้อควรทดลองกับงานเฉพาะด้านของตนเอง เช่น การเขียนโค้ด การสร้างคำตอบโดยดึงข้อมูลมาเสริม การคำนวณคณิตศาสตร์ และการวางแผนหลายขั้นตอน

ความเร็ว ต้นทุน และข้อกำหนดด้านฮาร์ดแวร์

จุดเด่นหลักคือทั้งเรื่องเงินและเวลา อาลีบาบาระบุว่าการฝึกโมเดลพื้นฐานใช้กำลังประมวลผลไม่ถึง 10 เปอร์เซ็นต์ของที่ใช้กับ Qwen3-32B ขณะอนุมานจะเปิดใช้งานพารามิเตอร์ต่อโทเคนเพียงประมาณ 3,000 ล้านตัว ทำให้โมเดลตอบสนองได้โดยใช้หน่วยความจำ GPU และพลังงานน้อยลง ส่งผลให้ใช้ฮาร์ดแวร์น้อยลงสำหรับบริการในระดับเดิม หรือรองรับคำขอได้มากขึ้นบนระบบชุดเดิม

สถาปัตยกรรมนี้โดดเด่นเมื่อรับพรอมป์ต์ยาว อาลีบาบารายงานว่าประมวลผลข้อมูลนำเข้าที่ยาวกว่า 32,000 โทเคนได้เร็วขึ้นในระดับหนึ่งขั้น และยังทำได้ดีขึ้นอย่างชัดเจนกับลำดับที่สั้นกว่า โดยการทดสอบบางรายการพบว่าขั้นตอน prefill เร็วขึ้นราว 7 เท่า และขั้นตอน decode เร็วขึ้นราว 4 เท่า ด้วยหน้าต่างบริบท 256,000 โทเคน นักวิเคราะห์สามารถป้อนสัญญาทั้งฉบับ บทถอดเสียง หรือไฟล์โค้ดขนาดใหญ่ในคำขอเดียว แล้วให้โมเดลสรุป เปรียบเทียบ หรือสร้างการแก้ไขได้ บริษัทเน้นย้ำว่าโมเดลตระกูลใหม่นี้ได้รับการปรับแต่งให้ทำงานได้ดีบนฮาร์ดแวร์ระดับผู้บริโภค ทำให้การพัฒนาต้นแบบขั้นสูงไม่จำเป็นต้องใช้คลัสเตอร์ขนาดใหญ่อีกต่อไป

การเปิดให้ใช้งานและช่องทางเข้าถึง

โมเดล Qwen3-Next เปิดให้เข้าถึงได้อย่างกว้างขวาง โดยมีรายชื่ออยู่บนแพลตฟอร์มรวมโมเดลทั่วไป เช่น Hugging Face และ ModelScope และยังใช้ได้ผ่าน Alibaba Cloud Model Studio สำหรับการติดตั้งใช้งานแบบมีบริการจัดการ ผู้ใช้สามารถเรียกใช้งานปลายทางที่โฮสต์ไว้ หรือดาวน์โหลดน้ำหนักโมเดลเพื่ออนุมานบนเครื่องของตนเอง โมเดลตระกูลนี้ยังเข้าถึงได้ผ่าน NVIDIA API Catalog และมีบางรุ่นเผยแพร่ซ้ำบน Kaggle เพื่อให้ทดลองใช้งานได้สะดวกขึ้น

การเปิดตัวครั้งนี้มาพร้อมเครื่องมืออย่าง Qwen3-ASR-Flash ซึ่งเป็นส่วนประกอบสำหรับถอดเสียงที่รองรับภาษาหลัก 11 ภาษา ตามข้อมูลของทีมงาน อาลีบาบาแนะนำให้นักพัฒนาตรวจสอบเงื่อนไขใบอนุญาตของโมเดลแต่ละรุ่น โดยเฉพาะกรณีใช้งานเชิงพาณิชย์หรือมีปริมาณการใช้งานสูง จากนั้นจึงทดสอบกับชุดข้อมูลและงานของตนเอง การรองรับเฟรมเวิร์กอนุมานอย่าง SGLang และ vLLM รวมถึงรูปแบบการเปิดใช้งานที่เป็นมิตรกับฮาร์ดแวร์ น่าจะช่วยย่นระยะเวลาจากการสาธิตไปสู่บริการที่เชื่อถือได้

ผลต่อการแข่งขันในวงการ AI

ความเคลื่อนไหวนี้สะท้อนการแข่งขันในวงกว้างระหว่างห้องปฏิบัติการทั่วโลก เพื่อทำให้โมเดลทรงพลังใช้งานได้อย่างแพร่หลายในต้นทุนที่ต่ำลง บริษัทจีนกำลังผลักดัน AI แบบโอเพนซอร์สอย่างจริงจัง เพื่อขยายการใช้งานและไล่ตามคู่แข่งตะวันตกในด้านความสามารถ อาลีบาบาระบุว่าระบบนิเวศ Qwen กลายเป็นหนึ่งในชุมชนโอเพนซอร์สสำหรับนักพัฒนาที่ใหญ่ที่สุด บริษัทยังเผยตัวอย่าง Qwen3-Max โมเดลที่มีพารามิเตอร์มากกว่า 1 ล้านล้านตัว ซึ่งเพิ่งติดอันดับ 6 บนตารางจัดอันดับแชตบอต LMArena ที่จัดทำโดยนักวิจัย นอกจากอาลีบาบาแล้ว บริษัทอย่าง DeepSeek และ Meituan ก็ทยอยเปิดตัวโมเดลและบริการที่แข่งขันได้เช่นกัน

โมเดลพื้นฐานที่มีราคาถูกลงและทำงานเร็วขึ้นมีความสำคัญ เพราะกำลังประมวลผลมีจำกัดและมีราคาแพง ข้อจำกัดการส่งออกชิปขั้นสูงยิ่งเพิ่มแรงกดดันในจีน ขณะที่หลายทีมในสหรัฐฯ และยุโรปก็เผชิญปัญหาขาดแคลน GPU เช่นกัน สถาปัตยกรรมที่ปล่อยให้พารามิเตอร์ส่วนใหญ่ไม่ทำงานระหว่างอนุมาน ช่วยให้ห้องปฏิบัติการขนาดเล็ก สตาร์ทอัพ และมหาวิทยาลัยสามารถใช้โมเดลคุณภาพสูงบนเซิร์ฟเวอร์ที่ไม่ต้องมีขนาดใหญ่ นักลงทุนกำลังจับตาความเคลื่อนไหวนี้ โดยราคาหุ้นอาลีบาบาปรับตัวดีขึ้นในปีนี้ ขณะที่บริษัทหันมาให้ความสำคัญกับธุรกิจคลาวด์และ AI มากขึ้น ผลต่อการแข่งขันจะขยายวงกว้างเมื่อองค์กรต่าง ๆ นำ AI โอเพนซอร์สไปใช้ในกระบวนการทำงานประจำวันมากขึ้น

การทดสอบ ความโปร่งใส และการประเมินอย่างรอบคอบ

ตารางจัดอันดับโมเดลมีประโยชน์ แต่ก็อาจปกปิดข้อแลกเปลี่ยนบางประการ ตัวเลขความเร็วแตกต่างกันตามขนาดแบตช์ เฟรมเวิร์ก การควอนไทซ์ และฮาร์ดแวร์ ความแม่นยำก็แตกต่างตามสาขา รูปแบบพรอมป์ต์ และการมีเครื่องมืออย่างตัวแปลโค้ดหรือระบบค้นคืนข้อมูล การทดสอบของผู้ให้บริการยังเลือกชุดทดสอบของตนเองด้วย การทดสอบโดยอิสระจากกลุ่มชุมชนและลูกค้ามักให้ภาพจุดแข็งและข้อจำกัดได้ครบถ้วนกว่า

ทีมที่ประเมิน Qwen3-Next ควรตรวจสอบมากกว่าคะแนนจากการทดสอบรายการเดียว โดยวัดความแม่นยำเมื่อใช้บริบทยาว ความสามารถในการใช้เครื่องมือ ความน่าเชื่อถือด้านคณิตศาสตร์และโค้ด ตลอดจนพฤติกรรมของโมเดลภายใต้ข้อกำหนดด้านความปลอดภัย ควรติดตามการใช้หน่วยความจำและอัตราการประมวลผลที่ความยาวบริบทซึ่งองค์กรต้องการ หากแอปพลิเคชันต้องอาศัยคำตอบที่มีหลักฐานรองรับ ควรใช้โมเดลร่วมกับระบบค้นคืนข้อมูลและตรวจสอบแหล่งที่มาของหลักฐาน หากต้องการให้กระบวนการให้เหตุผลเป็นไปอย่างสม่ำเสมอ ควรเปรียบเทียบรุ่น Thinking กับระบบที่ใช้อยู่ในปัจจุบัน

กรณีใช้งานและภาคส่วนที่น่าจะได้รับประโยชน์

Qwen3-Next ดูเหมาะกับแอปพลิเคชันที่ต้องรองรับบริบทยาว ตอบสนองเร็ว และควบคุมต้นทุนอย่างเข้มงวด ทีมกฎหมายและการเงินสามารถวิเคราะห์เอกสารจำนวนมากและจัดทำสรุปเฉพาะด้านที่ยังคงการอ้างอิงไว้ได้ ฝ่ายบริการลูกค้าสามารถรวบรวมฐานความรู้และคู่มือแก้ปัญหาขนาดยาวไว้ในผู้ช่วยตัวเดียว ซึ่งให้เหตุผลเชื่อมโยงข้อมูลจากเอกสารหลายพันหน้า ทีมซอฟต์แวร์สามารถป้อนคลังโค้ดและบันทึกระบบ เพื่อช่วยตรวจสอบโค้ด ปรับโครงสร้าง และสร้างชุดทดสอบ

นักวิจัยสามารถอัปโหลดบทความและชุดข้อมูลขนาดยาวเพื่อเปรียบเทียบวิธีการและผลลัพธ์ ผู้ให้บริการสื่อและการศึกษาสามารถถอดเสียงและแปลเสียงด้วย Qwen3-ASR-Flash แล้วใช้โมเดลภาษาเพื่อสร้างคู่มือการเรียนหรือโครงร่างเนื้อหาได้ ขณะที่หน่วยงานภาครัฐและอุตสาหกรรมที่อยู่ภายใต้การกำกับดูแลและต้องติดตั้งระบบภายในองค์กร จะได้ประโยชน์จากความสามารถในการใช้งานโมเดลที่มีประสิทธิภาพบนเซิร์ฟเวอร์ระดับผู้บริโภค พร้อมใช้การตรวจสอบ การบันทึกเพื่อการตรวจสอบย้อนหลัง และตัวกรองเนื้อหาอย่างรอบคอบ

สรุปประเด็นสำคัญ

• อาลีบาบาเปิดตัว Qwen3-Next และเผยแพร่โมเดลตระกูล Qwen3-Next-80B-A3B ในรูปแบบโอเพนซอร์ส
• การฝึกใช้กำลังประมวลผลไม่ถึง 10 เปอร์เซ็นต์ของ Qwen3-32B แต่ให้ผลทดสอบเทียบเท่าหรือดีกว่า
• มีพารามิเตอร์เพียงประมาณ 3,000 ล้านตัวจากทั้งหมด 80,000 ล้านตัวที่ทำงานต่อโทเคน ด้วยเทคนิค Mixture of Experts แบบเบาบาง
• ประมวลผลพรอมป์ต์ที่ยาวกว่า 32,000 โทเคนได้เร็วขึ้นกว่า 10 เท่า และมีหน้าต่างบริบท 256,000 โทเคน
• บางการตั้งค่าขยายบริบทได้ถึง 1 ล้านโทเคน พร้อมรายงานการเพิ่มความเร็วในขั้นตอน prefill และ decode เมื่อใช้บริบทที่สั้นกว่า
• มีโมเดลที่ผ่านการฝึกต่อสองรุ่นสำหรับการทำตามคำสั่งและการให้เหตุผลที่ซับซ้อน โดยผลทดสอบของบริษัทดีกว่าคู่แข่งแบบปิดบางราย
• โมเดลพร้อมใช้งานบน Hugging Face, ModelScope, Alibaba Cloud Model Studio และ NVIDIA API Catalog
• การเข้าถึงแบบโอเพนซอร์สและความต้องการฮาร์ดแวร์ที่ลดลงช่วยขยายการใช้งานในกลุ่มสตาร์ทอัพ องค์กร และหน่วยงานวิจัย