Meta ปล่อย Muse Glimmer โมเดลเปิด‑weight ขนาด 30 พันล้านพารามิเตอร์ รองรับ Apache 2.0

Meta เปิดตัวโมเดล AI แบบเปิดน้ำหนักครั้งแรกในรอบปี + อ้างสิทธิ์ให้กับนักพัฒนา

เมตา (Meta) ได้ปล่อย Muse Glimmer โมเดลภาษาขนาด 30 พันล้านพารามิเตอร์ ที่เป็นการสืบต่อแนวคิด “open‑weights” หลังจากที่บริษัทเคยแสดงเจตนาถอยออกจากพื้นที่เปิดต้นแบบในช่วงฤดูใบไม้ผลิที่ผ่านมา การกลับมาของโมเดลนี้สำคัญเพราะมันอาจเป็นจุดเริ่มต้นใหม่ของการแข่งขันด้าน AI แบบเปิดระหว่างสหรัฐกับจีน และให้โอกาสธุรกิจระดับกลาง‑ขนาดเข้าถึงเทคโนโลยีที่เคยถูกจำกัดไว้เฉพาะบริษัทใหญ่

Overview

Meta แถลงว่า Muse Glimmer ถูก “distilled” มาจากโมเดลในครอบครัว Muse Spark ที่ยังคงเป็นทรัพย์สินส่วนบุคคลของบริษัท โมเดลใหม่ได้รับการปล่อยภายใต้สัญญาอนุญาตแบบเปิด Apache 2.0 ซึ่งหมายความว่าผู้ใช้สามารถดาวน์โหลด แก้ไข และนำไปใช้งานได้ตามต้องการ การประกาศนี้มาพร้อมกับการย้ำถึงบทบาทของ Meta ที่เคยเป็นผู้นำในโครงการ Llama ตั้งแต่ปี 2023

อย่างไรก็ตาม ความคาดหวังต่อ Muse Glimmer จะถูกวัดโดยความสามารถในการทำงานบน “local inference workloads” เช่น ตัวแทน AI ภายในองค์กร, ผู้ช่วยเขียนโค้ด, หรือแอปพลิเคชันที่ต้องการการเรียกใช้ฟังก์ชั่นและเครื่องมือหลายรูปแบบ การเปิดตัวในวันจันทร์นี้ได้กระตุ้นให้แพลตฟอร์มเช่น Llama.cpp, Ollama และ Unsloth เริ่มรองรับโมเดลดังกล่าวอย่างเร่งด่วน

จากมุมมองของอุตสาหกรรม ผู้สังเกตการณ์หลายรายชี้ว่าแม้การกลับมาสู่ “open‑weights” จะช่วยเติมเต็มช่องว่างที่เกิดขึ้นหลังจาก Llama 4 ล้มเหลวและทีม AI ของ Meta ถูกจัดโครงสร้างใหม่ แต่ความสำเร็จจริงๆ ขึ้นกับการรับมือของคู่แข่งโดยเฉพาะโมเดลจีนที่กำลังครองตลาดอย่างต่อเนื่อง

Technical Details

Muse Glimmer มีขนาด 30 billion parameters ซึ่งถือว่าเป็นขนาดกลางเมื่อเทียบกับโมเดลระดับ “frontier” อย่าง DeepSeek V4 Flash หรือ Qwen 3.8‑Max ของอาลีบาบา ที่มีพารามิเตอร์หลายสิบถึงร้อยพันล้าน โมเดลนี้ถูกออกแบบให้ทำงานได้อย่างเต็มประสิทธิภาพที่ความแม่นยำ BF16

• **Parameters: 30 billion
• **License: Apache 2.0 (เปิดให้ใช้, แก้ไข, แจกจ่าย)
• **Original model source: distilled จาก Muse Spark (แบบ proprietary)
• **Quantization options: 4‑bit ~16 GB, 3‑bit เหมาะกับการ์ด 16 GB

ด้วยขนาดน้ำหนักที่ประมาณ 60 GB ในรูปแบบ BF16 การทำ quantize เป็น 4‑bit จะลดลงเหลือเพียง ≈ 16 GB ทำให้โมเดลสามารถรันบนกราฟิกการ์ดระดับผู้บริโภคเช่น RTX 30/4090 หรือ RX 7900 XT/XTX ได้โดยไม่ต้องใช้คลัสเตอร์ขนาดใหญ่

Competitive Landscape

ตลาดโมเดล AI เปิดน้ำหนักในปัจจุบันถูกครอบงำโดยบริษัทจีนหลายแห่ง เช่น Moonshot AI กับ Kimi K3, อาลีบาบากับ Qwen 3.8‑Max และ DeepSeek ที่เปิดตัว V4 Flash โมเดลเหล่านี้มีพารามิเตอร์ที่สูงกว่าและได้รับการโฆษณาว่าให้ผลลัพธ์ดีกว่าในหลาย ๆ งาน

Meta จึงวางตำแหน่ง Muse Glimmer ให้เป็น “solution for small‑to‑medium enterprises or enthusiasts” โดยอ้างว่าประสิทธิภาพของโมเดลเหนือกว่า Google Gemma 4 31B และเทียบเคียงได้กับ Alibaba Qwen 3.6‑27B แม้จะมีการเตือนว่าเมตริกเหล่านี้ควรรับมือด้วยความระมัดระวัง เนื่องจากอาจถูกลบล้างโดยการเปิดตัวของ Qwen 3.8‑27B ที่คาดว่าจะออกเร็ว ๆ นี้

การแข่งขันด้านราคาและประสิทธิภาพต่อโทเคน (cost‑per‑token) จะเป็นปัจจัยสำคัญที่ทำให้โมเดลแบบเปิดน้ำหนักเช่น Glimmer มีเส้นทางการเติบโตในตลาดสหรัฐอเมริกา หาก Meta สามารถนำเสนอ “performance per dollar” ที่ดีกว่าคู่แข่งจีน โมเดลนี้อาจกลายเป็นมาตรฐานใหม่สำหรับองค์กรที่ไม่มีงบประมาณระดับมหภาคมากนัก

Performance & Hardware Requirements

Meta ระบุว่าเมื่อรันบนกราฟิกการ์ด Nvidia RTX 5090 (memory bandwidth 1.8 TB/s) ผู้ใช้สามารถคาดหวังอัตราการสร้างโทเคนได้ระหว่าง 75‑233 tok/s โดยค่าบนสุดมาจากเทคนิค “speculative decoding” ซึ่งใช้โมเดลร่างขนาดเล็กแบบ DeepSeek DSpark เพื่อช่วยเร่งการพยากรณ์ผลลัพธ์ของโมเดลหลัก

บนเครื่อง Apple M5 Max MacBook Pro ที่มี bandwidth ถึง 614 GB/s การประเมินของ Meta อยู่ที่ 26.2‑57.8 tok/s ซึ่งสูงกว่าโน๊ตบุ๊ก Windows ปกติหลายเท่า อย่างไรก็ตาม หากไม่มีการ์ดกราฟิกแยกที่มีหน่วยความจำเพียงพอ ประสิทธิภาพจริงอาจตกอยู่ในช่วง 6‑14 tok/s

การทดสอบบนระบบ DGX Spark ผ่าน Unsloth Studio ให้ผลลัพธ์ประมาณ 12.2 tok/s แม้ว่าการสนับสนุน DSpark ยังไม่ได้เปิดใช้งานเต็มที่ การใช้ 4‑bit quantization ทำให้โมเดลพอดีในกราฟิกการ์ดระดับผู้บริโภค แต่ถ้าต้องการความแม่นยำสูงสุดหรือทำงานบนเซิร์ฟเวอร์หลาย GPU จะต้องอาศัยหน่วยความจำและแบนด์วิดท์ที่มากกว่า

Future Outlook

หลังจากเปิดตัว Muse Glimmer, Meta ยังประกาศว่าจะปล่อย Muse Spark 1.2 ในรูปแบบ open‑weights “เร็ว ๆ นี้” ผ่านการทักทายของหัวหน้าฝ่าย Superintelligence Alexandr Wang โมเดล Spark ถือเป็นรุ่นที่มีศักยภาพสูงสุดของ Meta จนถึงขณะนี้และอาจเป็นคู่แข่งที่แท้จริงต่อ OpenAI, Anthropic และ Google

อย่างไรก็ตาม ตามดัชนีความฉลาดของ Artificial Analysis ทั้ง Kimi K3 และ Qwen 3.8‑Max ยังคงทำคะแนนเหนือ Spark อยู่ หาก Spark มีขนาดพารามิเตอร์ที่ยังไม่เปิดเผยและให้ประสิทธิภาพเทียบกับ Glimmer โดยใช้พารามิเตอร์น้อยกว่า อาจส่งผลให้ต้นทุนต่อโทเคนของ Meta ลดลงอย่างมีนัยสำคัญ

สำหรับนักพัฒนาและผู้สนใจ AI เปิดน้ำหนัก การดาวน์โหลดน้ำหนักของ Muse Glimmer ปัจจุบันพร้อมใช้งานบน Hugging Face รวมถึงแพลตฟอร์มเช่น Ollama และ LM Studio ทำให้การทดลองและประยุกต์ใช้เป็นเรื่องที่เข้าถึงได้ง่ายขึ้น การเปิดตัวครั้งนี้อาจเป็นสัญญาณบ่งชี้ว่า Meta กำลังเร่งรีบทบทวนยุทธศาสตร์ของตนในสนาม AI เปิดน้ำหนักเพื่อรักษาความเป็นผู้นำด้านเทคโนโลยี

Summary

Meta กลับเข้าสู่การแข่งขันโมเดล AI แบบเปิดน้ำหนักด้วย Muse Glimmer ขนาด 30 billion parameters ที่มุ่งเน้นการใช้งานบนอุปกรณ์ระดับกลาง‑ขนาดและได้รับการปล่อยภายใต้สัญญาอนุญาต Apache 2.0 ความสามารถด้านฮาร์ดแวร์และประสิทธิภาพยังอยู่ในระดับที่แข่งขันได้กับโมเดลของ Google แต่ต้องเผชิญการแข่งขันจากโมเดลจีนที่ใหญ่กว่า ในระยะยาวการเปิดตัว Muse Spark 1.2 จะเป็นตัวบ่งชี้ว่ามีแนวโน้ม Meta จะคงเสถียรภาพและขยายฐานผู้ใช้ในตลาด AI เปิดน้ำหนักต่อไป.