Qwen3.8-27B เป็นโมเดลเปิด (open-weight คือค่ายผู้พัฒนาปล่อยไฟล์น้ำหนักของโมเดลออกมาให้โหลดไปใช้เองได้) ที่เข้าใจภาพและสั่งงานผ่านหน้าจอได้เอง

ที่ผ่านมา โมเดลเปิดเก่งเรื่องการตอบคำถามและเขียนโค้ดออกมาให้เราอ่าน แต่ในการทำงานจริง เรายังต้องเปิดโปรแกรม คลิกปุ่ม กรอกแบบฟอร์ม และเปิดสไลด์ที่ลูกค้าส่งมาดูเองอยู่ดี เส้นแบ่งเส้นนี้คือจุดที่รุ่นใหม่ขยับ

ในการทดสอบการสั่งงานบนเครื่องคอมพิวเตอร์จริงอย่าง OSWorld-Verified ตัว Qwen3.8-27B ทำคะแนนได้ 84.3 คะแนน เทียบกับรุ่นก่อนหน้าขนาดเท่ากันอย่าง Qwen3.6-27B ที่ทำได้ 63.9 คะแนน โดยทาง Qwen เผยแพร่ผลการทดสอบทั้งหมดไว้บนหน้าโมเดล Qwen3.8-27B

โมเดลรุ่น 27B นี้มีขนาด 27 พันล้านพารามิเตอร์ ซึ่งไม่ใช่รุ่นใหญ่ที่สุด แปลว่าคะแนนที่เพิ่มขึ้นไม่ได้มาจากการขยายขนาดโมเดล แต่เกิดจากการปรับปรุงประสิทธิภาพภายในรุ่นขนาดเดียวกัน

Qwen3.8-27B รองรับภาพและวิดีโอในโมเดลเดียว

หน้าโมเดลระบุว่า Qwen3.8-27B เป็นโมเดลภาษาที่มาพร้อม Vision Encoder สำหรับประมวลผลภาพ

จุดสำคัญคือ โมเดลไม่ได้ใช้โมดูลอ่านภาพแยกจากภายนอก แต่ส่งข้อมูลภาพเข้าไปประมวลผลพร้อมกับข้อความในโมเดลตัวเดียวกันโดยตรง ทำให้ไม่ต้องแปลงภาพเป็นข้อความบรรยายก่อนส่งต่อ

ความสามารถนี้ครอบคลุมทั้งภาพนิ่งและวิดีโอ ตั้งแต่แผนภาพทางวิชาการ เอกสาร ไปจนถึงวิดีโอความยาวระดับชั่วโมง เวลาเรียกใช้งานก็ส่งรูปภาพผ่าน image_url หรือวิดีโอผ่าน video_url ไปพร้อมกับข้อความได้ทันทีโดยไม่ต้องแยกระบบ

สำหรับการประมวลผลวิดีโอยาวระดับชั่วโมง หน้าโมเดลแนะนำให้ตั้งค่า longest_edge ใน video_preprocessor_config เป็น 469,762,048 หรือเทียบเท่ากับ 224,000 โทเคนวิดีโอ ซึ่งเป็นหน่วยย่อยของข้อมูลภาพ เพื่อให้โมเดลจับเฟรมภาพได้ถี่ขึ้นและเข้าใจเนื้อหาได้ละเอียดขึ้น ถ้าไม่ตั้งค่านี้ โมเดลยังทำงานได้ แต่จะประมวลผลเฟรมภาพแบบห่างๆ ทำให้ความแม่นยำลดลง

OSWorld · WebArena · AndroidWorld ชุดทดสอบการคุมหน้าจอจริง

ชุดทดสอบทั้งสามชุดนี้ไม่ได้วัดผลด้วยการตอบคำถามทั่วไป แต่ปล่อยให้โมเดลลงมือทำงานจริงบนหน้าจอตามโจทย์ที่กำหนด แล้ววัดผลว่าทำภารกิจสำเร็จกี่งาน

เมื่อเทียบกับรุ่นก่อนหน้าขนาดเท่ากันอย่าง Qwen3.6-27B คะแนนของ Qwen3.8-27B เพิ่มขึ้นในทุกด้าน โดยเพิ่มขึ้น 20.4 คะแนนบนเครื่องคอมพิวเตอร์ 16.0 คะแนนบนเว็บเบราว์เซอร์ และ 11.6 คะแนนบนมือถือ

ตัวอย่างเช่น สั่งให้โมเดล "เปิดไฟล์นี้ คัดลอกตัวเลขในคอลัมน์ที่สาม ไปวางในฟอร์มบนหน้าเว็บ แล้วกดส่งข้อมูล" โมเดลที่ตอบได้เฉพาะข้อความทำงานประเภทนี้ไม่ได้ เพราะต้องมองเห็นตำแหน่งปุ่มบนหน้าจอขณะนั้น แล้วคลิก รอหน้าเว็บโหลด และตรวจสอบว่าเปิดหน้าจอถูกที่หรือไม่ เราเคยเล่าการทำงานของโมเดลสายคุมหน้าจอไว้แล้วในบทความ Fara1.5-27B Computer Use Agent จาก Microsoft

เขียนโค้ดได้เองตั้งแต่ต้นจนจบ

กลุ่มความสามารถถัดมาคืองานเขียนและแก้โค้ดแบบอัตโนมัติต่อเนื่องจนเสร็จสิ้น ไม่ใช่แค่สร้างโค้ดตัวอย่างออกมาให้เรานำไปแก้ต่อเอง

• Terminal Bench 2.1 ชุดทดสอบการรันคำสั่งและแก้ปัญหาบนหน้าจอคำสั่ง Terminal: ทำได้ 73.0 คะแนน เทียบกับรุ่นก่อน 63.4 คะแนน
• SWE-bench Pro ชุดทดสอบการแก้บั๊กและพัฒนาซอฟต์แวร์จริง: ทำได้ 61.7 คะแนน เทียบกับรุ่นก่อน 53.5 คะแนน
• NL2Repo-Bench ชุดทดสอบการสร้างโค้ดทั้งโปรเจกต์จากคำสั่งที่เขียนด้วยภาษาทั่วไป: ทำได้ 42.3 คะแนน เทียบกับรุ่นก่อน 36.2 คะแนน
• DeepSWE 1.1 ชุดทดสอบการแก้โจทย์วิศวกรรมซอฟต์แวร์: ทำได้ 42.2 คะแนน เทียบกับรุ่นก่อน 13.3 คะแนน

บนชุดทดสอบ DeepSWE 1.1 คะแนนเพิ่มขึ้นถึง 28.9 คะแนน ซึ่งเป็นส่วนต่างที่กว้างที่สุดในกลุ่มนี้ แม้จะใช้ขนาดพารามิเตอร์เท่าเดิม

นอกจากนี้ยังมีชุดทดสอบภายในอย่าง QwenSWEBench ที่ทำได้ 79.0 คะแนน (จากรุ่นก่อน 49.3 คะแนน) แต่เนื่องจากเป็นชุดทดสอบที่ทาง Qwen จัดทำขึ้นเองและคนภายนอกไม่สามารถทดสอบซ้ำได้ จึงควรใช้อ้างอิงเป็นข้อมูลประกอบเบื้องต้น มากกว่าจะนำไปเทียบกับชุดทดสอบมาตรฐานทั่วไป

สี่บรรทัดที่ใช้ตัดสินใจได้ก่อนโหลด

นอกจากคะแนนทดสอบแล้ว สเปกพื้นฐาน 4 ข้อนี้คือสิ่งที่ช่วยตัดสินใจก่อนนำไปใช้งาน:

• ขนาด 27 พันล้านพารามิเตอร์: เป็นขนาดที่ให้ประสิทธิภาพสูงและสามารถนำไปติดตั้งและรันบนเครื่องเซิร์ฟเวอร์จริงได้
• มี Vision Encoder ในตัว: ประมวลผลทั้งภาพและข้อความได้ในโมเดลเดียวกัน โดยไม่ต้องต่อโมดูลอ่านภาพเพิ่มจากภายนอก
• ความยาวบริบท Context Window ขนาด 262,144 โทเคน: รองรับการอ่านข้อมูลต่อเนื่องได้ทันที และขยายได้สูงสุดถึง 1,000,000 โทเคน ด้วยเทคนิคการขยายบริบทอย่าง YaRN
• สัญญาอนุญาต Apache-2.0: เป็นสัญญาอนุญาตแบบเปิดที่นำไปพัฒนาต่อยอดและใช้งานเชิงพาณิชย์ได้จริง

จุดเด่นเรื่องสัญญาอนุญาตแบบเปิดนี้ ช่วยให้องค์กรที่มีข้อกำหนดเรื่องความปลอดภัยของข้อมูล และไม่สามารถส่งข้อมูลออกนอกระบบ มีทางเลือกติดตั้งและใช้งานโมเดลได้เอง

โหมดคิดเปิดไว้ให้แล้ว แต่ปรับให้ตื้นลงไม่ได้แปลว่าเร็วขึ้น

Qwen3.8-27B เปิดโหมดการคิดหรือ Thinking Mode มาเป็นค่าเริ่มต้น โดยโมเดลจะไล่เรียงเหตุผลก่อนตอบ และถ้างานไหนไม่ต้องการใช้กระบวนการคิด ก็เลือกปิดเป็นรายคำขอได้โดยไม่ต้องปิดทั้งระบบ

ระดับความลึกของการคิดปรับได้ผ่านพารามิเตอร์ reasoning_effort 3 ระดับ:

• xhigh (ค่าเริ่มต้น): สำหรับงานซับซ้อนที่ต้องวิเคราะห์อย่างละเอียด
• medium: สำหรับงานที่ต้องการความสมดุลระหว่างความแม่นยำและความเร็ว
• low: สำหรับงานทั่วไปที่เน้นความรวดเร็วและประหยัดต้นทุน

นอกจากนี้ยังมีพารามิเตอร์ preserve_thinking ซึ่งเปิดไว้เป็นค่าเริ่มต้นเช่นกัน ทำหน้าที่เก็บกระบวนการคิดจากข้อความก่อนหน้าไว้ในประวัติบทสนทนาต่อเนื่อง และปิดได้ถ้าไม่ต้องการ

ข้อควรระวังสำคัญคือ ตามปกติการลดระดับการคิดจะช่วยให้โมเดลตอบแต่ละรอบได้เร็วขึ้นและประหยัดขึ้น แต่หน้าโมเดลเตือนไว้ชัดเจนว่า สำหรับงานประเภท AI Agent ที่ต้องทำงานต่อเนื่องหลายขั้นตอน การลดระดับการคิดไม่ได้แปลว่างานจะเสร็จเร็วขึ้นเสมอไป เพราะการวิเคราะห์ที่ตื้นเกินไปอาจทำให้วางแผนผิดพลาดจนต้องทำใหม่ซ้ำๆ และอาจใช้เวลารวมกับปริมาณโทเคนมากกว่าเดิม

การปรับระดับความลึกของการคิดกำลังกลายเป็นฟังก์ชันมาตรฐานของโมเดลรุ่นใหม่ ตัวอย่างหนึ่งคือ Gemini 3.7 Flash ที่ปรับความลึกการคิดได้ด้วย thinking_level ซึ่งเราเคยเล่าไว้แล้ว

สามทางที่เอาไปใช้ได้จริง แล้วทางไหนของใคร

1. เรียกใช้งานผ่าน API หน้าโมเดลระบุว่ารองรับการเรียกใช้งานผ่านช่องทาง Chat Completions API ในรูปแบบที่เข้ากันได้กับ OpenAI และใช้ร่วมกับเฟรมเวิร์กสำหรับรันโมเดลส่วนใหญ่ได้ หรือรอใช้บริการอย่างเป็นทางการผ่าน Qwen Cloud ที่กำลังจะเปิดให้บริการ ทางเลือกนี้เหมาะกับผู้ที่ไม่อยากดูแลระบบเซิร์ฟเวอร์เอง

2. ติดตั้งและรันบนเซิร์ฟเวอร์ของตัวเอง สามารถรันผ่านเอนจินที่ระบุไว้บนหน้าโมเดลอย่าง vLLM, SGLang หรือ TokenSpeed หน้าโมเดลแนะนำเอนจินเหล่านี้สำหรับระบบงานจริงหรือระบบที่ต้องรองรับคำขอพร้อมกันจำนวนมาก แนวทางนี้เหมาะกับทีมที่มีเซิร์ฟเวอร์ของตัวเองและต้องการควบคุมทั้งประสิทธิภาพและความเป็นส่วนตัวของข้อมูล

3. รันบนเครื่องคอมพิวเตอร์ทั่วไปด้วยไฟล์ GGUF สำหรับผู้ที่ต้องการทดสอบหรือรันโมเดลบนเครื่องของตัวเอง สามารถดาวน์โหลดโมเดลที่ Unsloth แปลงเป็นไฟล์ GGUF แบบบีบอัดสำหรับรันบนคอมพิวเตอร์ทั่วไปได้ที่ unsloth/Qwen3.8-27B-GGUF แล้วรันผ่าน llama.cpp, Ollama, LM Studio, Jan หรือ Unsloth Desktop แนวทางนี้เหมาะกับผู้ที่ต้องการทดลองใช้งานเบื้องต้นหรือมีข้อมูลที่ไม่สามารถส่งออกจากเครื่องได้ เราเคยอธิบายแนวทางการรันโมเดลลักษณะนี้ไว้ในบทความ Laguna XS.2 จาก Poolside ที่รันด้วย Ollama คำสั่งเดียว

อีกส่วนที่ต้องตั้งค่าคือพารามิเตอร์ควบคุมการสุ่มคำหรือ Sampling Parameters ที่หน้าโมเดลแนะนำไว้ เท่าที่เฟรมเวิร์กที่ใช้อยู่รองรับ เพราะโหมดคิดกับโหมดปกติใช้ค่าต่างกันชัดเจน

ตารางนี้ใครวัด แล้วอ่านยังไงไม่ให้หลงทาง

ผลคะแนนทั้งหมดข้างต้นเป็นตัวเลขที่ทาง Qwen ทดสอบและเผยแพร่เองบนหน้าโมเดล ไม่ใช่ผลการประเมินจากหน่วยงานกลาง

การทดสอบหลายรายการเป็นชุดทดสอบภายในที่ทางค่ายสร้างขึ้นเอง เช่น QwenSWEBench, CoWorkBench และ RecreationBench ซึ่งบุคคลภายนอกไม่สามารถทดสอบซ้ำได้ ส่วนการทดสอบฝั่งโค้ดหลายชุดยังรันผ่าน Harness ของ Claude Code ชุดควบคุมนี้ทำหน้าที่ควบคุมวงจรการทำงานเป็นรอบๆ คะแนนที่ได้จึงสะท้อนถึงประสิทธิภาพของทั้งตัวโมเดลและระบบควบคุมไปพร้อมกัน

ขณะเดียวกัน ตารางผลการทดสอบก็แสดงให้เห็นว่า โมเดลปิดอย่าง Opus4.6 Max ยังคงทำคะแนนได้สูงกว่าในหลายชุดทดสอบ เช่น Terminal Bench 2.1 (78.2 เทียบกับ 73.0), NL2Repo-Bench (47.6 เทียบกับ 42.3), GPQA Diamond (91.3 เทียบกับ 89.2) และ HLE (40.0 เทียบกับ 30.8) ตารางนี้จึงไม่ได้แปลว่า Qwen3.8-27B ขึ้นเป็นอันดับหนึ่งในทุกด้าน

วิธีการอ่านผลทดสอบที่ตรงไปตรงมาที่สุด คือการดูพัฒนาการเปรียบเทียบกับรุ่นก่อนหน้าขนาดเดียวกันอย่าง Qwen3.6-27B ซึ่งสะท้อนให้เห็นว่าโมเดลในพิกัดขนาดเท่าเดิมปรับปรุงจนมีประสิทธิภาพสูงขึ้นมากเพียงใด

ลองไล่ดูงานที่คุณทำอยู่ทุกวัน แล้วนับว่ามีกี่ชั่วโมงหมดไปกับการมองหน้าจอแล้วกด นั่นคืองานแบบเดียวกับที่ OSWorld-Verified, WebArena-Verified และ AndroidWorld เอามาวัดกัน

---

ที่มา:

• Qwen/Qwen3.8-27B · Hugging Face จาก Qwen
• unsloth/Qwen3.8-27B-GGUF · Hugging Face จาก Unsloth