Meta เปิดตัว Muse Glimmer AI ขนาด 30 พันล้านพารามิเตอร์ ที่ออกแบบมาให้รันบนโน้ตบุ๊กได้ พร้อมประกาศเปิดค่าน้ำหนัก Muse Spark 1.2

Meta เปิดตัว Muse Glimmer โมเดล AI ตระกูลใหม่ที่ออกแบบมาให้รันบนโน้ตบุ๊กได้ โดยรุ่นแรกที่ปล่อยออกมาแล้วคือขนาด 30 พันล้านพารามิเตอร์ วางไว้บน Hugging Face ให้ดาวน์โหลดไปใช้ได้ฟรีภายใต้สัญญาอนุญาต Apache 2.0 ซึ่งเป็นสัญญาแบบผ่อนปรนที่นำไปใช้เชิงพาณิชย์ได้

แต่ประกาศที่ใหญ่กว่านั้นอยู่ในคลิปที่ Mark Zuckerberg ประธานเจ้าหน้าที่บริหารของ Meta โพสต์ผ่าน Instagram นั่นคือบริษัทจะเปิดค่าน้ำหนัก (Weights) ของ Muse Spark 1.2 ซึ่งเป็นโมเดลที่ทรงพลังที่สุดของบริษัทตามมาด้วย หมายความว่าใครก็ตามจะดาวน์โหลดไปใช้ได้ ค่าน้ำหนักในที่นี้คือชุดค่าการคำนวณและกฎเกณฑ์ที่กำหนดว่าโมเดลจะทำงานและตอบสนองอย่างไร ซึ่งเป็นสิ่งที่โมเดลเรียนรู้มาได้จากการเทรน การเปิดค่าน้ำหนักหรือที่วงการเรียกว่า Open-weight จึงหมายถึงการปล่อยไฟล์โมเดลให้นำไปรันและปรับแต่งบนเครื่องของตัวเองได้ แต่ไม่ได้รวมถึงการเปิดเผยชุดข้อมูลที่ใช้เทรนทั้งหมด

ทั้งสองอย่างนี้เดินสวนทางกับห้องปฏิบัติการ AI แนวหน้าอย่าง OpenAI และ Anthropic ที่เลือกเส้นทางโมเดลปิดเป็นหลัก และตลาดตอบรับทันที ตามรายงานของ CNBC ราคาหุ้น Meta ปรับขึ้น 2.1% ในการซื้อขายก่อนเปิดตลาดวันจันทร์ที่ 10 สิงหาคม 2026 หลังจากที่ราคาปรับลงมาราว 10% นับตั้งแต่ต้นปี ท่ามกลางการจับตาของนักลงทุนต่อแผนการใช้จ่ายของบริษัท

เดิมพันของ Meta คือช่องว่างที่โมเดลจีนกำลังเข้าไปเติม

แรงกดดันที่อยู่เบื้องหลังการตัดสินใจครั้งนี้มาจากสองทาง ทางแรกคือฝั่งคู่แข่งอเมริกันอย่าง Anthropic และ OpenAI ที่โฟกัสไปที่โมเดลปิดเป็นหลัก ส่วนอีกทางคือคู่แข่งจากจีนตั้งแต่ Alibaba, DeepSeek ไปจนถึง Moonshot ที่ปล่อยโมเดล Open-weight ออกมาอย่างดุดัน จนแข่งขันกับเทคโนโลยีชั้นนำจากบริษัทสหรัฐอเมริกาได้ในหลายด้าน

Neil Shah ผู้ร่วมก่อตั้ง Counterpoint Research ให้ความเห็นกับ CNBC ว่า "หากยักษ์ใหญ่เทคโนโลยีฝั่งตะวันตกเอาแต่สร้างสวนที่มีกำแพงล้อม นักพัฒนาและผู้สร้างระดับองค์กรก็จะหันไปหาโมเดล Open-weight ของจีนโดยธรรมชาติ" พร้อมเสริมว่า "คู่แข่งส่วนใหญ่ในสหรัฐอเมริกาเป็นโมเดลปิด และมีความต้องการโมเดลกับค่าน้ำหนักแบบเปิดที่ไม่ได้มาจากจีนอย่างไม่รู้จบ ซึ่ง Meta เข้ามาเติมช่องว่างตรงนี้ได้ดี"

อีกโจทย์ที่ Mark ต้องตอบคือความเชื่อมั่นของนักลงทุน หลัง Meta ตั้งหน่วยงาน Meta Superintelligence Labs ขึ้นเมื่อปีที่แล้ว และคาดการณ์รายจ่ายลงทุนปีนี้ไว้สูงถึง 145,000 ล้านดอลลาร์สหรัฐ การแสดงให้เห็นว่าหน่วยงานนี้เดินหน้าได้จริงจึงเป็นส่วนหนึ่งของสมการ

ย้าย AI ลงมาไว้ในเครื่องผู้ใช้ คือจุดต่างที่ Meta เลือกเล่น

Muse Glimmer ที่ออกแบบมาสำหรับโน้ตบุ๊กยังเป็นจุดต่างจากคู่แข่งในอีกมิติหนึ่ง เพราะ AI ส่วนใหญ่ที่ใช้กันทุกวันนี้ประมวลผลอยู่บนคลาวด์ในศูนย์ข้อมูลที่มีต้นทุนสูง การย้ายมาประมวลผลบนอุปกรณ์โดยตรง (On-device AI) จึงช่วยลดต้นทุนและเพิ่มความเร็วของ AI บนเครื่องใช้ไฟฟ้าสำหรับผู้บริโภคได้

Neil อธิบายเพิ่มว่า "การนำโมเดลขนาดเล็กที่ทำงานแบบตัวแทนอัตโนมัติอย่าง Muse Glimmer ลงมาอยู่บนฮาร์ดแวร์พีซีและมือถือโดยตรง เป็นการข้ามต้นทุนการประมวลผลบนคลาวด์ เพื่อเอาชนะ Google, Microsoft และรายอื่นบนเครื่องของผู้ใช้ปลายทาง"

ในทางเทคนิค หัวใจที่ทำให้โมเดลลงเครื่องส่วนตัวได้อยู่ที่การบีบอัดความละเอียดของตัวเลข (Quantization) ข้อมูลจาก Meta AI Research ระบุว่าเมื่อบีบลงมาที่ระดับ 4 บิต ขนาดไฟล์โมเดลจะเหลือต่ำกว่า 20GB ซึ่งพอดีกับหน่วยประมวลผลกราฟิก (Graphics Processing Unit หรือ GPU) ระดับผู้บริโภคที่มีหน่วยความจำการ์ดจอ (VRAM) ราว 24 ถึง 32GB โดยเครื่องที่ Meta ทดสอบแล้วได้แก่ Mac ที่ใช้ชิป M4 Max และ M5 Max รวมถึงเครื่องที่ติดตั้งการ์ดจอ RTX 5090 นอกจากนี้ยังมีเทคนิคการถอดรหัสแบบคาดเดาล่วงหน้า (Speculative Decoding) ที่ Meta เรียกว่า DFlash ซึ่งเร่งความเร็วในการสร้างคำตอบได้ 3.1 เท่าบน RTX 5090, 1.8 เท่าบนชิป M5 Max และ 1.5 เท่าบนชิป M4 Max

Meta เตรียมการเชื่อมต่อกับเครื่องมือรันโมเดลในเครื่องไว้ครบตั้งแต่วันแรก ทั้ง llama.cpp, MLX, ExecuTorch, Ollama, LM Studio, vLLM และ SGLang ส่วนผู้ที่ต้องการเรียกใช้ผ่านระบบคลาวด์แทนการรันเอง สามารถใช้บริการจาก Together AI, Fireworks AI และ OpenRouter ได้ทันที Engadget รายงานว่าโมเดลยังทำงานร่วมกับเฟรมเวิร์กจัดการตัวแทนอัตโนมัติอย่าง OpenClaw ได้ด้วย

โมเดล 30B ที่ออกแบบมาให้ทำงานเองได้ตั้งแต่ต้นจนจบ

Muse Glimmer เป็นโมเดลสถาปัตยกรรมแบบ Dense Causal Transformer ที่มาพร้อมตัวเข้ารหัสการรับรู้ (Perception Encoder) แยกต่างหากสำหรับรับข้อมูลภาพ ข้อมูลบน Hugging Face ระบุขนาดจริงไว้ที่ราว 29.6 พันล้านพารามิเตอร์ โดยรวมส่วนประมวลผลภาพขนาดราว 1.8 พันล้านพารามิเตอร์เข้าไปด้วย มีจำนวนชั้น 52 ชั้น รองรับหน้าต่างบริบท (Context Window) ที่ 131,072 โทเคนขึ้นไป และมีข้อมูลความรู้อัปเดตถึงวันที่ 4 มกราคม 2026

ความสามารถที่ Meta ชูเป็นแกนหลักคือการทำงานแบบตัวแทนอัตโนมัติ (AI Agent) ที่รับคำสั่งแล้วทำงานหลายขั้นตอนจนจบได้ด้วยตัวเอง ครอบคลุมการเรียกใช้เครื่องมือ (Tool Calling) อย่างแม่นยำตามโครงสร้างข้อมูลที่กำหนด การให้เหตุผลต่อเนื่องในงานที่กินเวลานาน รวมถึงการวินิจฉัยข้อผิดพลาดและกู้คืนงานเมื่อทำพลาด นอกจากนี้ยังรับข้อมูลได้ทั้งข้อความและภาพ ปรับระดับความเข้มข้นของการคิดวิเคราะห์ได้ และผ่านการเทรนด้วยข้อมูลจากภาษามากกว่า 100 ภาษา โดยกรณีใช้งานที่ Meta วางไว้คืองานที่ต้องเปิดทิ้งไว้ตลอดเวลาบนเครื่องผู้ใช้ ตั้งแต่ตัวแทนอัตโนมัติส่วนตัว การเขียนโค้ดในเครื่อง ไปจนถึงการใช้โมเดลภาษาขนาดใหญ่ทำหน้าที่ผู้ตรวจประเมินผลลัพธ์ (LLM-as-a-judge)

ด้านคะแนนทดสอบมาตรฐาน (Benchmark) ในงานวิศวกรรมซอฟต์แวร์ Muse Glimmer ทำได้ 76.0 คะแนนบน SWE-Bench Verified และ 51.2 คะแนนบน SWE-Bench Pro ด้านการให้เหตุผลเชิงคณิตศาสตร์ทำได้ 94.7 คะแนนบน AIME 2026 ส่วนความรู้ระดับบัณฑิตศึกษาอยู่ที่ 83.5 คะแนนบน GPQA Diamond สำหรับงานที่ต้องเรียกใช้เครื่องมือและค้นข้อมูลเชิงลึก ทำได้ 75.5 คะแนนบน MCP Atlas และ 74.6 คะแนนบน DeepSearch QA ซึ่ง Meta ระบุว่าเหนือกว่าโมเดล Open-weight ขนาดใกล้เคียงกันอย่าง Gemma 4-31B และ Qwen 3.6-27B

Muse Spark 1.2 โมเดลเรือธงที่ Glimmer ถอดความรู้ออกมา

Muse Glimmer ไม่ได้เกิดจากการเทรนใหม่ทั้งหมด แต่ผ่านกระบวนการกลั่นความรู้ (Distillation) จาก Muse Spark ซึ่งเป็นโมเดลขนาดใหญ่ที่ทำหน้าที่เป็นครู โดยใช้เทคนิค Logit Distillation ร่วมกับข้อมูลบริบทยาวที่เน้นงานตัวแทนอัตโนมัติ ก่อนจะปรับจูนเพิ่มด้วย Policy Distillation และการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) ตามรายงานของ Constellation Research

ตัวโมเดลต้นทางอย่าง Muse Spark 1.2 เปิดตัวไปก่อนหน้านั้นเมื่อวันที่ 5 สิงหาคม 2026 ข้อมูลจาก บล็อกนักพัฒนาของ Meta ระบุว่าเป็นโมเดลที่ออกแบบมาสำหรับงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อนโดยเฉพาะ รองรับหน้าต่างบริบทถึง 1 ล้านโทเคน เพื่อให้เก็บผังการพึ่งพาของโค้ด โค้ดเก่าที่สืบทอดมา และไฟล์นับพันไฟล์ไว้ในเซสชันเดียวได้ ราคาสำหรับระดับมาตรฐานอยู่ที่ 1.25 ดอลลาร์สหรัฐต่อโทเคนขาเข้า 1 ล้านโทเคน, 4.25 ดอลลาร์สหรัฐต่อโทเคนขาออก 1 ล้านโทเคน และ 0.15 ดอลลาร์สหรัฐสำหรับโทเคนขาเข้าที่แคชไว้แล้ว

โมเดลนี้ปล่อยออกมาพร้อมกับ Muse Code ตัวแทนอัตโนมัติสำหรับเขียนโค้ดที่ทำงานบนหน้าต่างคำสั่ง (Terminal) จุดเด่นคือการกระจายงานย่อยไปยังตัวแทนย่อยหลายตัวพร้อมกัน โดยแต่ละตัวทำงานใน Git Worktree ที่แยกจากกันเพื่อไม่ให้แก้ไฟล์ชนกัน มีระบบวางแผนและตรึงเป้าหมายเพื่อรักษาทิศทางในเซสชันยาว รวมถึงการบีบอัดบริบทเมื่อข้อมูลเริ่มล้น และทุกการเรียกใช้เครื่องมือจะถูกบันทึกไว้ในบันทึกเหตุการณ์ (Event Log) ที่เปิดดูและเล่นซ้ำได้

ด้านการประเมินจากภายนอก Artificial Analysis ให้คะแนน Muse Spark 1.2 ที่ 54 บนดัชนีชี้วัดความฉลาด (Artificial Analysis Intelligence Index) เพิ่มขึ้น 3 คะแนนจากรุ่น 1.1 และเพิ่มขึ้น 11 คะแนนจากรุ่น 1.0 ที่เปิดตัวเมื่อเดือนเมษายน คะแนนระดับนี้ทำให้ Muse Spark 1.2 อยู่ในกลุ่มเดียวกับ Grok 4.5 และ GPT-5.5 แต่ยังตามหลังกลุ่มโมเดลแนวหน้าอย่าง Claude Opus 5 ที่ 61 คะแนน, Claude Fable 5 ที่ 60 คะแนน, GPT-5.6 Sol ที่ 59 คะแนน และ Kimi K3 ที่ 57 คะแนน

ปัจจุบัน Muse Glimmer เปิดให้ดาวน์โหลดค่าน้ำหนักได้แล้วบน Hugging Face ภายใต้สัญญาอนุญาต Apache 2.0 พร้อมเอกสารสำหรับนักพัฒนา ส่วน Muse Spark 1.2 ยังเรียกใช้ได้ผ่าน Muse Code, Meta Model API และ OpenRouter เท่านั้น โดยค่าน้ำหนักจะเปิดตามมาในอีกไม่กี่สัปดาห์ข้างหน้าตามที่บริษัทประกาศไว้

ที่มา: CNBC, Meta AI Research, Meta Developer Blog, Hugging Face, Artificial Analysis, Engadget, Constellation Research