ทำความรู้จักกับ inkling-2-mini โมเดล AI ขนาดเล็กน้ำหนักเปิดเผยจาก Thinking Machines 💡

ในยุคที่เทคโนโลยีปัญญาประดิษฐ์พัฒนาไปอย่างรวดเร็ว การรันโมเดลขนาดใหญ่บนคลาวด์อาจไม่ใช่คำตอบเดียวสำหรับทุกคน อีกหนึ่งทางเลือกที่น่าสนใจสำหรับนักพัฒนาและผู้ใช้งานทั่วไปคือการรันโมเดล AI ขนาดเล็กไว้ใช้งานบนเครื่องคอมพิวเตอร์ส่วนตัว โดยหนึ่งในโมเดลที่เพิ่งเปิดตัวและน่าจับตามองคือ inkling-2-mini จาก Thinking Machines 🖥️

จุดเด่นที่น่าสนใจของ inkling-2-mini ✨

inkling-2-mini เป็นโมเดล open-weights ขนาดกะทัดรัดที่ถูกออกแบบมาให้สามารถรันบนเครื่อง Mac ได้ (แนะนำให้มีหน่วยความจำ 32GB ขึ้นไป) หรือบนอุปกรณ์อย่าง DGX Spark ได้อย่างราบรื่น โดยมีสเปกและคุณสมบัติหลักที่โดดเด่นดังนี้:

  • 📊 พารามิเตอร์รวม 26B และ Active 5.4B ต่อโทเค็น ช่วยให้ประหยัดทรัพยากรแต่ยังคงประสิทธิภาพในการประมวลผลสูง
  • 🔄 เทคโนโลยีการวนลูป (Looping Layers) โดยมี 12 จาก 24 เลเยอร์ที่ทำงานซ้ำถึง 3 ครั้งต่อโทเค็น ทำให้โมเดลคิดและคำนวณลึกซึ้งมากขึ้นในแต่ละโทเค็น แทนที่จะเน้นการสร้างประโยคที่ยาวเกินความจำเป็น
  • 💻 รองรับการทำงานหลากหลายรูปแบบ ไม่ว่าจะเป็นการเขียนโค้ด งานเอเจนต์ (Agentic Workflows) การเงิน การสั่งงานคอมพิวเตอร์ (Computer Use) และงานดีไซน์ที่ต้องใช้การคิดวิเคราะห์เชิงภาพ
  • ⚡ ความแม่นยำสูงแบบ Native 4-bit ถูกฝึกฝนในรูปแบบ NVFP4 และปล่อยออกมาในความแม่นยำเดียวกัน ทำให้ไม่มีปัญหาเรื่องการสูญเสียคุณภาพจากการแปลงค่า (Quantization Loss)
  • 🔓 ใช้งานภายใต้สัญญาอนุญาต Apache 2.0 เปิดกว้างให้นำไปพัฒนาต่อยอดได้ตามความเหมาะสม

ประสิทธิภาพในการทำงานจริง 📈

โมเดลตัวนี้ไม่ได้มีดีแค่ขนาดกะทัดรัด แต่ยังมีผลคะแนนการทดสอบในด้านต่างๆ ที่น่าประทับใจ:

  • ด้านการเขียนโค้ด: ทำคะแนนได้ 79.2% บน SWE-Bench Verified และ 48.2% บน DeepSWE
  • ด้านการใช้เครื่องมือสำหรับเอเจนต์: ทำคะแนนได้ 82.7% บน MCP Atlas และด้านการค้นหาเชิงลึกอยู่ที่ 85.3% บน DeepSearchQA
  • ด้านการใช้ภาพและเหตุผล (Visual Reasoning): ทำคะแนนได้ 76.5% บน ScreenSpot Pro สำหรับการค้นหาตำแหน่งบนหน้าจอ และ 92.8% บน OmniDocBench สำหรับการอ่านและทำความเข้าใจเอกสาร

สิ่งที่ควรรู้ก่อนใช้งาน 📌

  • 🖥️ ความต้องการของระบบ: หากต้องการรันในเครื่อง Mac ควรมีหน่วยความจำ (RAM) ตั้งแต่ 32GB ขึ้นไป เพื่อให้ระบบทำงานได้อย่างเต็มประสิทธิภาพ
  • 📦 รองรับ Multimodal: ตัวโมเดลรองรับทั้งข้อมูลประเภทข้อความ (Text) และรูปภาพ (Image) พร้อม Context Window ขนาดใหญ่ถึง 1M
  • 📂 น้ำหนักเปิดเผย: เปิดให้ดาวน์โหลดและใช้งานภายใต้สิทธิ์ Apache 2.0 เหมาะสำหรับนักพัฒนาที่ต้องการนำไปปรับแต่งหรือใช้งานเฉพาะทาง

สรุป 🎯

inkling-2-mini ถือเป็นอีกหนึ่งก้าวสำคัญของโมเดลขนาดเล็กแต้มต่อสูง ที่เปิดโอกาสให้ผู้ใช้งานสามารถรัน AI ประสิทธิภาพสูงได้ด้วยตัวเองบนฮาร์ดแวร์ภายในบ้านหรือสำนักงาน ตอบโจทย์ทั้งงานเขียนโค้ด งานวิเคราะห์ และการทำงานร่วมกับระบบอัตโนมัติได้อย่างคุ้มค่า

#AI #ThinkingMachines #Inkling2Mini #TechNews #OpenWeights

ขอบคุณ แหล่งข้อมูล
https://ollama.com/library/inkling-2-mini

ทำความรู้จักกับ inkling-2-mini โมเดล AI ขนาดเล็กน้ำหนักเปิดเผยจาก Thinking Machines 💡ในยุคที่เทคโนโลยีปัญญาประดิษฐ์พัฒนาไปอย่างรวดเร็ว การรันโมเดลขนาดใหญ่บนคลาวด์อาจไม่ใช่คำตอบเดียวสำหรับทุกคน อีกหนึ่งทางเลือกที่น่าสนใจสำหรับนักพัฒนาและผู้ใช้งานทั่วไปคือการรันโมเดล AI ขนาดเล็กไว้ใช้งานบนเครื่องคอมพิวเตอร์ส่วนตัว โดยหนึ่งในโมเดลที่เพิ่งเปิดตัวและน่าจับตามองคือ inkling-2-mini จาก Thinking Machines 🖥️จุดเด่นที่น่าสนใจของ inkling-2-mini ✨inkling-2-mini เป็นโมเดล open-weights ขนาดกะทัดรัดที่ถูกออกแบบมาให้สามารถรันบนเครื่อง Mac ได้ (แนะนำให้มีหน่วยความจำ 32GB ขึ้นไป) หรือบนอุปกรณ์อย่าง DGX Spark ได้อย่างราบรื่น โดยมีสเปกและคุณสมบัติหลักที่โดดเด่นดังนี้:📊 พารามิเตอร์รวม 26B และ Active 5.4B ต่อโทเค็น ช่วยให้ประหยัดทรัพยากรแต่ยังคงประสิทธิภาพในการประมวลผลสูง🔄 เทคโนโลยีการวนลูป (Looping Layers) โดยมี 12 จาก 24 เลเยอร์ที่ทำงานซ้ำถึง 3 ครั้งต่อโทเค็น ทำให้โมเดลคิดและคำนวณลึกซึ้งมากขึ้นในแต่ละโทเค็น แทนที่จะเน้นการสร้างประโยคที่ยาวเกินความจำเป็น💻 รองรับการทำงานหลากหลายรูปแบบ ไม่ว่าจะเป็นการเขียนโค้ด งานเอเจนต์ (Agentic Workflows) การเงิน การสั่งงานคอมพิวเตอร์ (Computer Use) และงานดีไซน์ที่ต้องใช้การคิดวิเคราะห์เชิงภาพ⚡ ความแม่นยำสูงแบบ Native 4-bit ถูกฝึกฝนในรูปแบบ NVFP4 และปล่อยออกมาในความแม่นยำเดียวกัน ทำให้ไม่มีปัญหาเรื่องการสูญเสียคุณภาพจากการแปลงค่า (Quantization Loss)🔓 ใช้งานภายใต้สัญญาอนุญาต Apache 2.0 เปิดกว้างให้นำไปพัฒนาต่อยอดได้ตามความเหมาะสมประสิทธิภาพในการทำงานจริง 📈โมเดลตัวนี้ไม่ได้มีดีแค่ขนาดกะทัดรัด แต่ยังมีผลคะแนนการทดสอบในด้านต่างๆ ที่น่าประทับใจ:ด้านการเขียนโค้ด: ทำคะแนนได้ 79.2% บน SWE-Bench Verified และ 48.2% บน DeepSWEด้านการใช้เครื่องมือสำหรับเอเจนต์: ทำคะแนนได้ 82.7% บน MCP Atlas และด้านการค้นหาเชิงลึกอยู่ที่ 85.3% บน DeepSearchQAด้านการใช้ภาพและเหตุผล (Visual Reasoning): ทำคะแนนได้ 76.5% บน ScreenSpot Pro สำหรับการค้นหาตำแหน่งบนหน้าจอ และ 92.8% บน OmniDocBench สำหรับการอ่านและทำความเข้าใจเอกสารสิ่งที่ควรรู้ก่อนใช้งาน 📌🖥️ ความต้องการของระบบ: หากต้องการรันในเครื่อง Mac ควรมีหน่วยความจำ (RAM) ตั้งแต่ 32GB ขึ้นไป เพื่อให้ระบบทำงานได้อย่างเต็มประสิทธิภาพ📦 รองรับ Multimodal: ตัวโมเดลรองรับทั้งข้อมูลประเภทข้อความ (Text) และรูปภาพ (Image) พร้อม Context Window ขนาดใหญ่ถึง 1M📂 น้ำหนักเปิดเผย: เปิดให้ดาวน์โหลดและใช้งานภายใต้สิทธิ์ Apache 2.0 เหมาะสำหรับนักพัฒนาที่ต้องการนำไปปรับแต่งหรือใช้งานเฉพาะทางสรุป 🎯inkling-2-mini ถือเป็นอีกหนึ่งก้าวสำคัญของโมเดลขนาดเล็กแต้มต่อสูง ที่เปิดโอกาสให้ผู้ใช้งานสามารถรัน AI ประสิทธิภาพสูงได้ด้วยตัวเองบนฮาร์ดแวร์ภายในบ้านหรือสำนักงาน ตอบโจทย์ทั้งงานเขียนโค้ด งานวิเคราะห์ และการทำงานร่วมกับระบบอัตโนมัติได้อย่างคุ้มค่า#AI #ThinkingMachines #Inkling2Mini #TechNews #OpenWeightshttps://ollama.com/library/inkling-2-mini
OLLAMA.COM
inkling-2-mini
Thinking Machines' small open-weights model that can run on a Mac: 26B parameters, 5.4B active, with looped layers for more computation per token.
3 Commenti 0 condivisioni 771 Views 0 Anteprima