🎯 Jev ภาษาไทยมาแล้ว! OpenThai-SystemOne

ประกาศเมื่อ 20 กันยายน 2569 (2026)

0.8B พารามิเตอร์v0.374.3 public benchฟรี Apache-2.0ไทย + อังกฤษ

ส่งข้อความ + คำถาม → ได้คำตอบพร้อมค่าความมั่นใจ ในรอบเดียว

5 วันหลัง TypeSafe เปิดตัว Jev ("System One model" ที่ไม่สร้างข้อความ แต่ตอบเป็นการตัดสินใจพร้อมความน่าจะเป็นในรอบเดียว) ทีม OpenThai ทำเวอร์ชันโอเพนซอร์สสำหรับภาษาไทย+อังกฤษออกมาแล้ว ภายใต้ชื่อ OpenThai-SystemOne

• โมเดล 0.8B พารามิเตอร์ รันบนโน้ตบุ๊กได้
• ฐาน Qwen3.5-0.8B เทรนต่อด้วยข้อความไทย ~5 พันล้านโทเคน แล้วเปลี่ยนหัวโมเดลจาก 248k คำ เป็น "หัวตัดสินใจ 256 ช่อง"
• ป้อน state (ข้อความ/JSON) + คำถามแบบ เลือกตัวเลือก / ให้คะแนน / ใช่-ไม่ใช่ → ได้คำตอบทุกข้อพร้อมความมั่นใจในการคำนวณรอบเดียว
• ผลบน public benchmark 13 ชุดเดียวกับ Bespoke-Nimble-9B: เรา 74.3 (v0.3) / Nimble-9B 74.8 / Jev 76.0 (ห่างโมเดล 9B แค่ 0.5 จุด และนำใน 8 จาก 13 ชุด) และงานภาษาไทย: intent 90.0%, หัวข้อข่าว 98.1%, XNLI-th 77.1%
• ใช้ทำ: จัดหมวดหมู่ (Text Classification), คัดกรองข้อความ (Sentiment Analysis), เลือก Action ให้ AI (Agentic Computer Use)
• Apache-2.0 เปิดหมด ทั้งน้ำหนักโมเดล สคริปต์เทรน คอนฟิก และข้อมูลสังเคราะห์

รูปแบบ API เหมือน POST /v1/systemone ของ TypeSafe AI (Jev) จึงชี้โค้ดเดิมมาที่โมเดลนี้ได้ทันที

ลองเล่นในเบราว์เซอร์

ลองเล่น OpenThai-SystemOne ในเบราว์เซอร์ + เอกสาร APIiapp.co.th/docs/llm/openthai-systemone

ดาวน์โหลดและติดตั้ง

OpenThai-SystemOne — น้ำหนักโมเดลและ model card พร้อมตารางผลทดสอบhuggingface.co/iapp/OpenThai-SystemOne

โค้ด คอนฟิก และสคริปต์เทรนทั้งหมด — GitHubgithub.com/iapp-technology/openthai-systemone

pip install openthai-systemone   # หรือ: pip install "git+https://github.com/iapp-technology/openthai-systemone"

ลองใช้งาน

ตัวอย่างจริงจากโมเดล: ticket ลูกค้าหนึ่งข้อความ ถามสองคำถาม ได้คำตอบทั้งหมดในการคำนวณรอบเดียว (91 โทเคนขาเข้า, 0 โทเคนขาออก)

curl -s https://api.iapp.co.th/v3/store/openthai/systemone -H "apikey: $IAPP_API_KEY" -H "content-type: application/json" -d '{
  "state": {"ticket": "โดนหักเงินซ้ำสองครั้ง ขอเงินคืนด่วน"},
  "questions": {
    "department": {"type": "choice", "instructions": "ทีมใดควรรับผิดชอบ",
                   "criteria": {"billing": "การเงิน/คืนเงิน", "technical": "ระบบใช้งานไม่ได้", "sales": null}},
    "refund":     {"type": "noul", "instructions": "ลูกค้าขอเงินคืนหรือไม่"}
  }}'

{"answers": {"department": {"choice": "billing", "probabilities": {"billing": 0.972, "technical": 0.009, "sales": 0.018}, "confidence": 0.87},
             "refund": {"noul": 0.954}}, "usage": {"input_tokens": 91, "output_tokens": 0}}

🔑 API สาธารณะ (พรีวิวฟรี)

endpoint https://api.iapp.co.th/v3/store/openthai/systemone ใช้ iApp API key ใดก็ได้ (สมัครฟรี) ช่วงพรีวิวคิด 0 เครดิต จำกัด 1,000 การตัดสินใจต่อวันต่อ key และ 100 คำขอต่อนาที ราคาต่อการตัดสินใจจะประกาศในเดือนตุลาคม 2569 API ตอนนี้รัน v0.3 (checkpoint เดียวกับน้ำหนักบน Hugging Face) รายละเอียดและ playground อยู่ที่ iapp.co.th/docs/llm/openthai-systemone หรือรันโมเดลบนเครื่องของคุณเองตามตัวอย่างด้านล่าง

รันบนเครื่องคุณเอง (CUDA, Apple MPS หรือ CPU)

from openthai_systemone import SystemOneClient, Choice, Score, Noul

c = SystemOneClient("iapp/OpenThai-SystemOne")
r = c.system_one(
    state={"ticket": "โดนหักเงินซ้ำสองครั้ง ขอเงินคืนด่วน โทรไปสามรอบแล้วไม่มีใครรับ"},
    questions={
        "department": Choice(instructions="ทีมใดควรรับผิดชอบ", criteria={"billing": "การเงิน/คืนเงิน", "technical": "ระบบใช้งานไม่ได้", "sales": None}),
        "frustration": Score(instructions="ลูกค้าหงุดหงิดแค่ไหน", criteria=["ใจเย็น", "หงุดหงิดแต่สุภาพ", "โกรธมาก"]),
        "refund": Noul(instructions="ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่"),
    },
)
print(r.answers["department"].choice, r.answers["department"].probabilities)
print(r.answers["frustration"].score, r.answers["refund"].noul)

เปิดเป็น HTTP server ที่ใช้ contract เดียวกับ POST /v1/systemone

OPENTHAI_SYSTEMONE_MODEL=iapp/OpenThai-SystemOne uvicorn openthai_systemone.server:app --port 8000

หรือโหลดด้วย transformers ตรง ๆ (remote code อยู่ในรีโปโมเดล)

from transformers import AutoModel
model = AutoModel.from_pretrained("iapp/OpenThai-SystemOne", trust_remote_code=True)

🎮 เดโม: เล่น Doom โดยไม่เห็นภาพ ไม่สร้างข้อความ

โมเดลควบคุมตัวละครใน Doom (ViZDoom) แบบเรียลไทม์ ทุก 4 tic ของเกม state เชิงสัญลักษณ์ของเอนจินถูกแปลงเป็นข้อความ เช่น

health 100/100 | ammo 50 | kills 1
crosshair: empty; nearest visible enemy 39deg to the RIGHT
enemies: Zombieman 5m right -39deg VISIBLE; ChaingunGuy 19m right -24deg; Zombieman 19m ahead -12deg
items: GreenArmor 41m right -18deg
depth ahead: 35/255 (obstacle near)
last actions: ATTACK ATTACK ATTACK ATTACK

แล้วโมเดลตอบสองคำถามในการคำนวณรอบเดียว: choice เลือก 1 ใน 7 การกระทำ (ปุ่มที่จะกด) และ noul "มีศัตรูอยู่ในเป้าเล็งหรือไม่" ใช้เวลาราว 41 มิลลิวินาทีต่อการตัดสินใจบน H100 หนึ่งใบ (ราว 24 การตัดสินใจต่อวินาที) 0 โทเคนขาออก และไม่มีข้อมูล Doom ในการเทรนเลย ทุกอย่างมาจากการอ่าน state และคำอธิบายตัวเลือก มันยิงพลาดและตายในด่านยาก ประเด็นคือความเร็วกับความน่าจะเป็นที่ calibrate แล้ว ซึ่งเป็นกลไกเดียวกับที่ใช้จัดเส้นทาง ticket หรือเลือกปุ่มให้ agent

รันบนเครื่องคุณเอง (ใช้ iApp API key หรือน้ำหนักโมเดลในเครื่อง มี HUD ภาษาไทย/อังกฤษ และบันทึกวิดีโอได้): github.com/iapp-technology/openthai-systemone-doom

🇹🇭 ตัวอย่างงานไทย (ผลจริงจาก v0.3 ผ่าน API, 22 ก.ย. 2569)

เจ็ดงานไทยในชีวิตประจำวัน แต่ละข้อตอบในการคำนวณรอบเดียว ความน่าจะเป็นคือผลลัพธ์จริงของโมเดล

งาน	state (ย่อ)	คำถาม	คำตอบ
จัดเส้นทาง ticket	"แอปโอนเงินไม่ได้ตั้งแต่เมื่อคืน ขึ้น error 502 ตลอด … ต้องโอนค่าเทอมลูกพรุ่งนี้"	ทีมใดรับผิดชอบ (4 ทีม) · ความเร่งด่วน (score) · ใช้ถ้อยคำสุภาพหรือไม่	technical 72% (billing 27%) · 2.13 = เร่งด่วน (85%) · สุภาพ 1% (ผิด ดูหมายเหตุ)
หัวข้อข่าว	"ครม. เห็นชอบขึ้นค่าแรงขั้นต่ำเป็น 400 บาททั่วประเทศ … สภาอุตสาหกรรมกังวลกระทบ SME"	หัวข้อ (8 หมวด) · เกี่ยวกับแรงงานหรือไม่	เศรษฐกิจ 62% (แรงงาน 36%) · 98%
intent ผู้ช่วย	"ช่วยตั้งปลุกตอนหกโมงครึ่งพรุ่งนี้ให้หน่อย แล้วก็เปิดเพลงเบาๆ ตอนตื่นด้วย"	intent (10 แบบ)	alarm set 99.5%
คัดกรองคอมเมนต์	คอมเมนต์ด่าหยาบคาย	เป็นพิษหรือไม่ · ความรู้สึก	เป็นพิษ 94% · เชิงลบ 97%
ตอบได้จากเอกสารหรือไม่	ข้อความเรื่องสะพานพระราม 8 (เปิด 7 พ.ค. 2545 ยาว 475 ม.)	"สะพานยาวเท่าไร" ตอบได้หรือไม่ · "ระบุงบประมาณหรือไม่"	98.5% · 0.6%
เลือกเครื่องมือให้ agent	งาน "จองโต๊ะร้านอาหาร 4 คน คืนนี้สองทุ่ม" ประวัติแสดงว่า search_restaurants เจอโต๊ะว่างแล้ว	เครื่องมือถัดไป (5 ตัว)	make_reservation 96.5%
RAG relevance + ดึงค่า	คำถามภาษีหัก ณ ที่จ่ายค่าเช่าอาคาร + ข้อความระบุ 5%	ข้อความเกี่ยวข้องหรือไม่ · อัตรา	98% · 5% (76%)

หมายเหตุข้อแรก: ticket ใช้ "รบกวน…นะครับ" คำตอบที่ถูกคือ สุภาพ แต่โมเดลตอบว่าไม่ที่ 99% การตัดสินความสุภาพของภาษาไทยทางการยังเป็นช่องว่างที่รู้แล้ว และจะได้ชุดข้อมูลเฉพาะใน v0.4 เราคงตัวอย่างที่พลาดไว้ เพราะ showcase ที่มีแต่ข้อที่ถูกไม่มีประโยชน์

คำถาม 3 แบบ

ประเภท	คุณให้	คุณได้
choice	คำสั่ง + ตัวเลือกได้ถึง 255 ตัว (ชื่อ → คำอธิบาย หรือ null)	choice, probabilities ของทุกตัวเลือก, confidence
score	คำสั่ง + ระดับเรียงลำดับ 2–10 ระดับ	score (ถ่วงน้ำหนักด้วยความน่าจะเป็น มีทศนิยมได้), probabilities, confidence
noul	คำถามใช่/ไม่ใช่	noul = ความน่าจะเป็นที่คำตอบคือ "ใช่"

ทุกคำถามในหนึ่งคำขอถูกตอบพร้อมกันในการคำนวณรอบเดียว confidence คือ 1 − เอนโทรปีที่ normalise แล้ว และมีค่า abstain = ความน่าจะเป็นที่ไม่มีตัวเลือกใดเหมาะเลย

📊 ตัวเลข (v0.3, 22 ก.ย. 2569)

ทุกตัวเลขเป็น zero-shot โมเดลเห็นเพียง state คำสั่ง และชื่อ/คำอธิบายตัวเลือก และเป็นผลของ v0.3 ที่ผ่านขั้น calibration แล้ว (ตัวเลขของเวอร์ชันก่อนหน้าอยู่ในตารางเวอร์ชันด้านล่าง)

Public benchmark 13 ชุดของ Bespoke Labs (แหล่งข้อมูล split คำสั่ง และตัวสุ่มตัวอย่างชุดเดียวกับที่ใช้เทียบ Jev) choice/noul รายงานความแม่นยำ score รายงานการตรงระดับพอดี ตัวหนาคือชุดที่โมเดล 0.8B นำ Nimble-9B

ชุดทดสอบ	ประเภท	n	OpenThai-SystemOne 0.8B	Nimble-9B	Jev 1.13.0	ECE ของเรา
aegis2	noul	250	83.2	81.2	80.4	0.065
boolq	noul	300	79.7	86.0	89.7	0.049
civil_comments	noul	300	79.0	70.3	81.0	0.087
helpsteer2	score	250	41.6	39.0	34.1	0.371
massive-de-DE	choice	350	88.3	83.4	86.9	0.057
massive-en-US	choice	350	88.3	86.9	87.4	0.070
multinli	choice	299	89.0	85.3	82.9	0.053
paws	noul	250	94.0	82.8	89.2	0.035
pubmedqa	choice	250	64.0	75.6	77.2	0.259
squad2	noul	299	89.3	80.6	82.9	0.041
summeval-consistency	score	144	75.0	75.7	81.2	0.076
summeval-relevance	score	240	21.7	49.2	35.0	0.356
vitaminc-dev	choice	599	72.5	76.6	80.1	0.118
ค่าเฉลี่ย macro			74.3	74.8	76.0

อ่านตรง ๆ: โมเดล 0.8B ทำค่าเฉลี่ย 74.3 ห่างจาก Nimble-9B (74.8) เพียง 0.5 จุด และนำใน 8 จาก 13 ชุด (aegis2, civil_comments, helpsteer2, massive-de, massive-en, multinli, paws, squad2) ที่ยังตามหลังชัดคือ pubmedqa (64.0) กับการให้คะแนนบทสรุปทั้งสองแบบ (relevance 21.7, consistency 75.0 ซึ่งถดถอยจาก 84.0 ใน v0.2) ECE ดีขึ้นใน 11 จาก 13 ชุด ตัวเลขของ Nimble-9B และ Jev ตามที่ Bespoke Labs เผยแพร่ (18 ก.ย. 2569) ส่วนของเราวัดด้วย scripts/06_eval.py บนชุดข้อมูลที่ scripts/06b_public_benchmarks.py สร้างขึ้นใหม่จากแหล่งเดียวกัน หมายเหตุ: ตั้งแต่ v0.3 ชุด train ของ SQuAD2, BoolQ, PAWS, Aegis2 และ MASSIVE-de อยู่ในข้อมูลเทรนแล้ว ส่วน benchmark ยังใช้เฉพาะ split validation/test เพื่อเทียบสเกล Bespoke รายงาน Qwen3.5-0.8B ดิบที่ 45.4 บนชุดทดสอบส่วนตัว 324 ข้อของพวกเขา (Nimble-9B 90.1, Jev 93.2) ไม่ใช่บน benchmark นี้

ชุดทดสอบภาษาไทยที่กันออกจากการเทรน (ชุด eval เต็ม ชุดที่มี * กันออกทั้งชุดข้อมูล ECE ยิ่งต่ำยิ่ง confidence เชื่อถือได้)

ชุดทดสอบ	งาน	ความแม่นยำ	ECE	หมายเหตุ
Prachathai67k	หัวข้อข่าว (choice)	98.1	0.004	v0.2: 97.6
Prachathai67k	หัวข้อข่าว แบบใช่/ไม่ใช่ (noul)	94.2	0.008
MASSIVE-th	จับ intent 60 แบบ (choice)	90.0	0.043	v0.2: 88.6
XNLI-th	อนุมานความหมาย NLI (choice)	77.1	0.045
XNLI-th	entailment แบบใช่/ไม่ใช่ (noul)	84.3	0.049
SIB-200 Thai*	หัวข้อ 7 แบบ (choice)	77.9	0.084	กลับมาจาก 74.0 ใน v0.2
คู่ประโยคไทยเปลี่ยนข้อเท็จจริงเดียว	choice / noul / score	80.7 / 83.5 / 78.6	0.098 / 0.109 / 0.156
Wongnai	ดาวรีวิว 1–5 (score)	63.5 ตรงเป๊ะ (MAE 0.44)	0.039
xLAM tool selection (อังกฤษ)	เลือกเครื่องมือ (choice)	99.4	0.006
Wisesight*	ความรู้สึกโซเชียล 4 แบบ (choice)	51.6	0.353	ยังเป็นชุดไทยที่อ่อนที่สุด ใช้ order-invariant mode
banking77* (อังกฤษ)	intent 77 แบบ (choice)	45.4	0.236	v0.2: 37.8 (61.7 ด้วย order-invariant mode บน v0.2)

ค่า confidence เชื่อถือได้บนชุดภาษาไทยและงาน NLI/หัวข้อ (ECE ไม่เกิน 0.05) ส่วนงานให้คะแนนหลายระดับภาษาอังกฤษ (helpsteer2, summeval-relevance) ECE ยังสูง ควรส่งเคสที่ confidence ต่ำไปโมเดลใหญ่หรือคน

โหมดไม่ขึ้นกับลำดับตัวเลือก — การคำนวณรอบเดียวไวต่อลำดับของตัวเลือกเช่นเดียวกับ Jev (วัดบน v0.2: คำตอบ argmax เปลี่ยน 5–12% เมื่อสุ่มสลับลำดับที่ ≤ 10 ตัวเลือก และ 72% บน banking77 ที่มี 77 ตัวเลือก) client และ API จึงมี order-invariant mode ที่เฉลี่ยคำตอบจากการหมุนลำดับตัวเลือกหลายแบบใน batch เดียว (order_invariant: true / permutations: n เปิดอัตโนมัติสำหรับ choice ที่มีมากกว่า 10 ตัวเลือก) บนคำถามภาษาไทยที่กันออก 360 ข้อ: คำตอบเปลี่ยน 18.9% → 3.3%, ความน่าจะเป็นเลื่อนเฉลี่ย 0.19 → 0.08, ความแม่นยำ 68.6 → 73.6, banking77 41.7 → 63.3 ต้นทุนคือ latency ราว 2 เท่า (batched) โดย usage.input_tokens ไม่เพิ่ม

ความเร็ว — คำขอ 3 คำถามใช้เวลาราว 40 มิลลิวินาทีบน H100 และ 154 มิลลิวินาทีบน MacBook M3 Max (Apple GPU ผ่าน MPS) ไป-กลับผ่าน API จากโน้ตบุ๊กราว 170–220 มิลลิวินาทีรวมเครือข่าย คำถามที่มี 255 ตัวเลือกใช้ 44 มิลลิวินาทีบน H100 และ 1.5 วินาทีบน MacBook ส่วน CPU ล้วนยังช้า (ราว 4.6 วินาที) แนะนำให้ใช้ GPU หรือ MPS

⚙️ ทำงานอย่างไร

• แกนโมเดล — text tower ของ Qwen3.5-0.8B-Base (24 ชั้น ผสม Gated-DeltaNet กับ attention บริบท 262k) ตัด vision encoder ออก แล้ว เทรนต่อด้วยข้อความไทยราว 5 พันล้านโทเคน (เว็บ Wikipedia คู่แปลไทย-อังกฤษ และข้อความสถานะเครื่อง เช่น accessibility tree และ JSON)
• หัวตัดสินใจ — หัว LM ขนาด 248k คำถูกแทนด้วยหัว 256 ช่อง ตัวเลือกแต่ละตัวถูกแนะนำด้วย control token <|ts_opt_0|> … <|ts_opt_254|> hidden state ที่ตำแหน่ง <|ts_answer|> ของแต่ละคำถามถูกฉายเป็น logit 256 ค่า ช่องที่เกินจำนวนตัวเลือกถูก mask ออก แล้ว softmax ให้การแจกแจง ช่อง 255 คือ abstain (ไม่มีตัวเลือกใดเหมาะ)
• การอ่านผล — choice = ตัวเลือกที่ความน่าจะเป็นสูงสุด, score = Σ pᵢ·i บนระดับที่เรียงลำดับ, noul = p(ใช่)
• ไม่มี position bias — ลำดับตัวเลือกถูกสลับระหว่างเทรน และมีตัวอย่าง abstain ปนอยู่ด้วย จึงไม่ใช่ trick อ่าน logprob ของตัวอักษร A/B/C

🔬 สูตรการเทรน

ทุกขั้นตอนอยู่ใน รีโป GitHub หนึ่งสคริปต์ต่อหนึ่งขั้น ทำซ้ำได้บน H100 ใบเดียว

1. scripts/00_prepare_base.py — ตัด vision encoder ของ Qwen3.5-0.8B ออก เหลือ text tower (752M พารามิเตอร์)
2. scripts/01_cpt_data.py + scripts/02_cpt_train.py — CPT เน้นภาษาไทย (FineWeb-2 ไทยที่กรองแล้ว, Thai Wikipedia, ข้อความคำสั่ง/สรุปภาษาไทย, OPUS ไทย↔อังกฤษ, FineWeb-Edu replay, accessibility tree และ JSON สังเคราะห์) H100 1 ใบ ราว 40 ชั่วโมง perplexity บนชุดกันออก 31.4 → 5.38
3. scripts/03_decision_data.py — 1.81 ล้านตัวอย่างการตัดสินใจ แปลงจากชุดข้อมูลสาธารณะ 21 ชุด (ไทย: wisesight*, wongnai, prachathai, XNLI-th, MASSIVE-th, SIB-200*, ThaiExam, iapp_wiki_qa, Thai toxicity; อังกฤษ: MNLI, MMLU, ARC, HelpSteer2, AG News, DBpedia, CLINC, banking77*, Mind2Web, xLAM tools) ชุดที่มี * กันออกทั้งชุดเพื่อใช้ทดสอบเท่านั้น
4. scripts/03b_synth_generate.py — งานตัดสินใจไทย/อังกฤษสังเคราะห์ราว 100k ชุด สร้างด้วย Qwen3.6-35B-A3B ติดป้ายซ้ำแบบ blind และกรองการรั่วของคำตอบ (ชุดข้อมูล iapp/openthai2.0-systemone-synth)
5. scripts/04_decision_train.py — เปลี่ยนหัวโมเดล + SFT 12k step แล้วต่อด้วยขั้น calibration (Brier loss + temperature แยกตามประเภทคำถาม) เพื่อให้ confidence สูง ⇒ ความแม่นยำสูงจริง v0.2 เทรนต่อจาก v0.1 อีก 3,000 step ด้วยชุดความรู้สึกโซเชียลไทยสังเคราะห์ 22k รายการ (4 คลาสรวม "คำถาม", แบบ 3/5 คลาส, ใช่/ไม่ใช่, score 5 ระดับ) แล้ว calibrate ใหม่ v0.3 เทรนต่อจาก v0.2 อีก 5,000 step ด้วยชุด train จริง 177k รายการ (SQuAD2, BoolQ, PubMedQA-artificial, PAWS, Aegis2, ToxicChat, XQuAD-th, MASSIVE-de) และชุดสังเคราะห์เฉพาะจุดอ่อน 78k รายการ (QA ใช่/ไม่ใช่แบบอิงเอกสาร, ให้คะแนนบทสรุป, intent ละเอียด 40–120 แบบ, safety, paraphrase) ลดน้ำหนักชุดความรู้สึกจาก 4× เป็น 2× แล้ว calibrate ใหม่
6. scripts/06b_public_benchmarks.py — สร้าง public benchmark 13 ชุดของ Bespoke Nimble ขึ้นใหม่ เพื่อเทียบแบบ like-for-like

👨‍👩‍👧 ตระกูล OpenThai 2.0

โมเดล	ทำอะไร	ขนาด	สถานะ
OpenThai 2.0	LLM สนทนา/ให้เหตุผลภาษาไทย อ่านภาพได้	27B	เปิดตัวแล้ว
OpenThai 2.0 Legal	โมเดลกฎหมายไทยสำหรับ RAG	30B-A3B	เปิดตัวแล้ว
OpenThai-SystemOne	โมเดลตัดสินใจไทย+อังกฤษ (ไม่สร้างข้อความ)	0.8B	เปิดตัวแล้ว
OpenThai-SystemOne CPT	โมเดลฐานที่เทรนต่อด้วยภาษาไทย (สำหรับงานวิจัย)	0.8B	ยังไม่เปิด

⚠️ ข้อจำกัด

• เวอร์ชัน 0.3 — โมเดล 0.8B ไม่ใช่โมเดลคิดวิเคราะห์ ไม่ทำการตรวจสอบหลายขั้นหรือคำนวณเลข
• ตอบได้เฉพาะตัวเลือกที่ให้ แต่ยังผิดได้ — โมเดลปล่อยตัวเลือกที่ไม่มีอยู่ไม่ได้ แต่เลือกผิดได้ ใช้ค่า confidence แล้วส่งเคสที่ไม่มั่นใจไปโมเดลใหญ่หรือคน
• ข้อความอย่างเดียว — ไม่รับรูปภาพ สูงสุด 255 ตัวเลือกต่อคำถาม (มากกว่านั้นให้แบ่งเป็นกลุ่ม) และ 64k โทเคนต่อคำขอ
• CPU ล้วนยังช้า — ใช้ GPU หรือ Apple MPS
• จุดอ่อนของ v0.3 ที่รู้แล้ว — งานให้คะแนน 5 ระดับทั้งสองแบบ (relevance ของบทสรุป 22, helpfulness 42), intent ภาษาอังกฤษแบบละเอียด 77 แบบ (banking77 45 แบบลำดับเดียว), ความรู้สึกในโซเชียลไทย (Wisesight 52), PubMedQA 3 ทาง (64) และการตัดสินความสุภาพของภาษาไทยทางการ (ชุดข้อมูลเฉพาะใน v0.4)
• ไวต่อลำดับตัวเลือก — เช่นเดียวกับ Jev คำตอบจากรอบเดียวอาจเปลี่ยนเมื่อสลับลำดับตัวเลือก ใช้ order_invariant: true (เปิดอัตโนมัติเมื่อมีมากกว่า 10 ตัวเลือก) แลกกับ latency ราว 2 เท่า
• calibration ภาษาอังกฤษอ่อนกว่าไทย — ECE มัธยฐาน 0.15 เทียบกับไม่เกิน 0.05 เพราะชุดเทรนเน้นภาษาไทยโดยตั้งใจ

🗓 เวอร์ชัน

เวอร์ชัน	วันที่	สิ่งที่เปลี่ยน	public macro	Wisesight
v0.3	22 ก.ย. 2569	เทรนต่อจาก v0.2 อีก 5,000 SFT step ด้วยชุด train จริง 177k + ชุดสังเคราะห์เฉพาะจุดอ่อน 78k รายการ (QA อิงเอกสาร, ให้คะแนนบทสรุป, intent ละเอียด, safety, paraphrase) แล้ว calibrate ใหม่	74.3	51.6
v0.2	21 ก.ย. 2569	เทรนต่อจาก v0.1 อีก 3,000 SFT step ด้วยชุดความรู้สึกโซเชียลไทยสังเคราะห์ 22k รายการ แล้ว calibrate ใหม่ เพิ่ม order-invariant mode ใน client และ API	63.2	51.5
v0.1	20 ก.ย. 2569	เปิดตัวครั้งแรก: Thai CPT 4.47B โทเคน, SFT 12k step, calibration	61.9	38.7

v0.3 ขยับ SQuAD2 50.2 → 89.3, PAWS 68.0 → 94.0, Aegis2 61.6 → 83.2, MASSIVE-de 67.4 → 88.3, BoolQ 64.7 → 79.7, MASSIVE-en 79.1 → 88.3, PubMedQA 56.4 → 64.0, SummEval-relevance 14.2 → 21.7, VitaminC 68.6 → 72.5, MultiNLI 87.3 → 89.0 และ ECE ดีขึ้นใน 11 จาก 13 ชุด ที่ถดถอยคือ SummEval-consistency 84.0 → 75.0 (ชุดสังเคราะห์ครอบคลุมเฉพาะระดับ 1/3/5 จะเพิ่มระดับ 2/4) ชุดไทยที่กันออกทั้งหมดเท่าเดิมหรือดีขึ้น (SIB-200 74.0 → 77.9, banking77 37.8 → 45.4) รายละเอียดเต็มอยู่ใน changelog ของ model card

🤝 ร่วมพัฒนา

• ชุดทดสอบภาษาไทยเพิ่ม — โดยเฉพาะงานที่มีตัวเลือกเยอะ ๆ และงาน UI/agent ส่งมาเป็น issue ใน GitHub ได้เลย
• GGUF / ONNX / MLX — หัวโมเดลเป็น Linear ธรรมดา ใครถนัดช่วยแปลงได้
• LoRA adapter เฉพาะ domain — ส่งมาแชร์กันตามแผน "1 base, N adapters"
• พูดคุยกันได้ที่ Discord OpenThaiGPT และ กลุ่ม Facebook

📄 สัญญาอนุญาตและเครดิต

Apache-2.0 พัฒนาโดย iApp Technology / OpenThaiGPT บน Qwen3.5-0.8B-Base (Apache-2.0) ได้แรงบันดาลใจจากโมเดล System One ของ TypeSafe AI (Jev) โดยเป็นการสร้างขึ้นใหม่แบบเปิดอย่างอิสระ ไม่มีส่วนเกี่ยวข้องกับ TypeSafe AI

🙏 ขอบคุณ Siam AI

การเทรนต่อด้วยข้อความไทย การ SFT และการประเมินผลทั้งหมดรันบน GPU NVIDIA H100 ที่ได้รับการสนับสนุนจาก บริษัท สยาม เอไอ คอร์เปอเรชั่น จำกัด ขอขอบคุณเป็นอย่างยิ่งที่ร่วมสนับสนุน AI ไทยแบบเปิดมาอย่างต่อเนื่อง