Meta Platforms เปิดตัวโมเดลปัญญาประดิษฐ์แบบ Open-weight รุ่นใหม่ชื่อ **Muse Glimmer** ส่งบริษัทกลับเข้าสู่ศูนย์กลางของการถกเถียงครั้งสำคัญในวงการ AI ว่าโมเดลขั้นสูงควรถูกควบคุมผ่านแพลตฟอร์มปิดของบริษัทเพียงไม่กี่ราย หรือควรเปิดให้นักพัฒนาและองค์กรสามารถนำไปใช้งานและปรับแต่งด้วยตัวเองได้มากขึ้น
- Muse Glimmer เน้น AI Agent ที่ทำงานบนคอมพิวเตอร์ผู้ใช้
- Zuckerberg ยืนยันว่าจะมี Open Model ที่ใหญ่กว่านี้ตามมา
- Open-weight AI แตกต่างจากบริการ AI แบบปิดอย่างไร
- นักพัฒนา AI จากจีนกำลังเพิ่มแรงกดดันต่อสหรัฐฯ
- Distillation กลายเป็นส่วนหนึ่งของการถกเถียงด้านนโยบาย
- Cybersecurity กลายเป็นอีกเหตุผลสนับสนุน Open Model
- Meta เตรียมระบบ Governance สำหรับการเปิดโมเดล
- รัฐบาลสหรัฐฯ จะไม่ทดสอบ Open Model ภายใต้ระบบสมัครใจ
- Meta ยังทุ่มเงินมหาศาลกับ AI Infrastructure
- หุ้น Meta ขยับขึ้นขณะตลาดประเมินยุทธศาสตร์ใหม่
- Muse Glimmer อาจทำให้ Local AI Agent ใช้งานจริงง่ายขึ้น
Muse Glimmer มีขนาดเล็กกว่า Frontier Model ระดับสูงสุดอย่างมาก โดย Meta วางตำแหน่งโมเดลสำหรับงานแบบ Agentic ที่สามารถทำงานบน Hardware ระดับคอมพิวเตอร์ส่วนบุคคลแทนที่จะต้องเรียกใช้ Cluster บน Cloud ขนาดใหญ่ทุกครั้ง Mark Zuckerberg ระบุว่าโมเดลมีประมาณ **30 พันล้านพารามิเตอร์** ขณะที่ Reuters รายงานว่าสามารถทำงานบน Mac หรือ PC ที่มี Graphics Card เพียงหนึ่งตัวได้.
การเปิดตัวเกิดขึ้นพร้อมกับข้อเสนอในภาพใหญ่ของ Zuckerberg ที่ต้องการให้สหรัฐฯ ลดอุปสรรคต่อผู้พัฒนา Open-weight AI และ Meta ยังเตรียมเปิด Weights ของ **Muse Spark 1.2** ซึ่งเป็น Foundation Model ที่มีความสามารถสูงกว่า แสดงให้เห็นว่า Muse Glimmer ไม่ใช่การทดลองเพียงครั้งเดียว แต่เป็นจุดเริ่มต้นของการกลับมาเดินหน้ากลยุทธ์โมเดลแบบเปิดอย่างจริงจัง.
Muse Glimmer เน้น AI Agent ที่ทำงานบนคอมพิวเตอร์ผู้ใช้
Muse Glimmer ถูกออกแบบด้วยเป้าหมายที่แตกต่างจากโมเดล AI ขนาดใหญ่ที่สุดในตลาด
แทนที่จะเน้นเพิ่มจำนวนพารามิเตอร์ให้มากที่สุดและต้องใช้ Infrastructure ราคาแพงสำหรับทุกคำสั่ง Meta มุ่งให้โมเดลทำงาน Agentic ขนาดเล็กและกลางได้โดยตรงบนคอมพิวเตอร์ของผู้ใช้
Agentic AI แตกต่างจาก Chatbot ที่ตอบ Prompt ครั้งเดียว เพราะสามารถแบ่งเป้าหมายออกเป็นหลายขั้นตอน ใช้ Software Tool วิเคราะห์ข้อมูล สร้าง Content เขียนหรือตรวจสอบ Code และดำเนิน Action ต่อเนื่องจนงานสำเร็จ
อ่านเพิ่มเติม
การรัน AI ลักษณะนี้ในเครื่องมีประโยชน์เป็นพิเศษ เพราะ Agent หนึ่งตัวอาจต้องเรียกโมเดลหลายครั้งระหว่าง Workflow เดียว
Local Model สามารถลดความจำเป็นในการส่งทุกคำขอย่อยกลับไปยัง Data Center ช่วยลด Latency และค่าใช้จ่าย Cloud พร้อมเปิดโอกาสให้องค์กรเก็บข้อมูลจำนวนมากไว้ภายในระบบของตัวเอง
Reuters ระบุว่า Muse Glimmer สามารถทำงานบน Mac หรือ PC ด้วย Graphics Card เพียงตัวเดียว ทำให้โมเดลเหมาะกับนักพัฒนาและองค์กรที่ต้องการนำ AI Agent เข้าใกล้ Hardware ของผู้ใช้มากขึ้น.
Zuckerberg ยืนยันว่าจะมี Open Model ที่ใหญ่กว่านี้ตามมา
Muse Glimmer จะไม่ใช่ Open-weight Model ตัวใหม่เพียงตัวเดียวของ Meta
Zuckerberg ระบุว่าบริษัทมีโมเดลที่ใหญ่กว่ากำลังตามมา และยืนยันว่า Meta เตรียมเปิด Weights ของ **Muse Spark 1.2** ซึ่งเป็น Foundation Model รุ่นล่าสุดของบริษัท
Muse Spark 1.2 ยังเป็นโมเดลที่อยู่เบื้องหลัง **Muse Code** เครื่องมือ Coding AI ที่ Meta เพิ่งเปิดตัว โดยถูกออกแบบให้ช่วย Developer เขียนและ Debug Software รองรับโครงการเขียน Code ระยะยาว และสามารถรัน Sub-agent หลายตัวพร้อมกันได้.
การตัดสินใจเตรียมเปิด Weights ของ Muse Spark 1.2 มีความสำคัญในเชิงยุทธศาสตร์ เพราะ Meta เคยเป็นหนึ่งในบริษัทเทคโนโลยีสหรัฐฯ ที่สนับสนุนโมเดล AI แบบเปิดมากที่สุด
ทิศทางดังกล่าวเริ่มไม่แน่นอนหลัง Llama 4 ได้รับการตอบรับต่ำกว่าที่บริษัทคาด และนำไปสู่การปรับยุทธศาสตร์ด้าน AI
หลังจากนั้น Meta จัดตั้งทีม Superintelligence ที่มีต้นทุนสูง เพื่อพยายามกลับมาเร่งการแข่งขันในตลาด AI ที่รุนแรงขึ้นอย่างรวดเร็ว.
Open-weight AI แตกต่างจากบริการ AI แบบปิดอย่างไร
Open-weight Model เปิดให้บุคคลหรือองค์กรอื่นสามารถดาวน์โหลด Weights ที่ผ่านการฝึกแล้วไปใช้งานภายใต้เงื่อนไข License ที่กำหนด
อย่างไรก็ตาม ไม่ได้หมายความว่าทุกส่วนของ Training Process, Dataset หรือ Development Pipeline จะเปิดทั้งหมด จึงทำให้คำว่า “Open-weight” มีความแม่นยำกว่าการเรียกโมเดลเหล่านี้ว่า Open Source แบบสมบูรณ์
สำหรับ Developer และธุรกิจ การเข้าถึง Model Weights มีข้อได้เปรียบสำคัญหลายประการ
องค์กรสามารถ Deploy โมเดลบน Infrastructure ของตัวเอง ปรับแต่งให้เหมาะกับงานเฉพาะ เชื่อมกับระบบภายใน และลดการพึ่งพาผู้ให้บริการ Cloud AI เพียงรายเดียว
ในทางกลับกัน โมเดลระดับสูงจากบริษัทอย่าง OpenAI, Anthropic และระบบ Commercial AI ขั้นสูงของ Google ส่วนใหญ่ยังเป็นบริการแบบปิดที่ไม่ได้แจกจ่าย Core Weights สู่สาธารณะ
Reuters ระบุว่า Open-weight Model มักมีต้นทุนการใช้งานต่ำกว่า Frontier Model ระดับสูง และสามารถปรับแต่งได้ง่ายกว่า.
นักพัฒนา AI จากจีนกำลังเพิ่มแรงกดดันต่อสหรัฐฯ
การผลักดันนโยบาย Open AI ของ Zuckerberg เกิดขึ้นในช่วงที่นักพัฒนา AI จากจีนแข่งขันในตลาด Open-weight ได้รุนแรงขึ้นอย่างชัดเจน
Reuters ยกตัวอย่าง **Kimi K3 ของ Moonshot, Qwen3.8-Max ของ Alibaba และ V4-Flash ของ DeepSeek** ซึ่งสามารถแข่งขันด้านประสิทธิภาพกับระบบระดับสูงจากสหรัฐฯ ได้
การแข่งขันนี้ทำให้ความสำคัญเชิงยุทธศาสตร์ของ Open Model เปลี่ยนไป
หากโมเดลจีนที่มีความสามารถสูงสามารถ Download ได้อย่างกว้างขวาง ขณะที่ระบบ AI ชั้นนำของสหรัฐฯ ส่วนใหญ่ให้บริการผ่านแพลตฟอร์มปิด Developer ทั่วโลกก็อาจสร้าง Product และ Ecosystem รอบโมเดลจีนเพิ่มขึ้น
Zuckerberg จึงมองว่าบริษัทสหรัฐฯ ไม่ควรต้องเผชิญข้อเสียที่ไม่จำเป็นในการพัฒนาและเผยแพร่ Open Model
เขาระบุว่า AI Lab ของอเมริกาต้องปฏิบัติตามข้อจำกัดเพิ่มเติมเกี่ยวกับ Training Data และเสนอว่านโยบายสหรัฐฯ ควรลดแรงเสียดทานดังกล่าว หากต้องการให้ Open-source AI จากสหรัฐฯ รักษาความสามารถในการแข่งขันระยะยาว.
Distillation กลายเป็นส่วนหนึ่งของการถกเถียงด้านนโยบาย
อีกประเด็นที่ Zuckerberg ให้ความสำคัญคือ **Model Distillation**
Distillation เป็นกระบวนการที่ใช้ Output หรือความสามารถของโมเดลขนาดใหญ่เพื่อช่วยฝึกโมเดลขนาดเล็ก ให้สามารถทำงานบางประเภทใกล้เคียงกันได้โดยใช้ Compute ต่ำกว่ามาก
แนวทางนี้เกี่ยวข้องโดยตรงกับโมเดลอย่าง Muse Glimmer เพราะอุตสาหกรรม AI กำลังต้องการระบบขนาดเล็กที่สามารถทำงานเฉพาะด้านได้โดยไม่ต้องใช้ Infrastructure ระดับ Frontier Model
Meta ต้องการให้นโยบายสหรัฐฯ เปิดพื้นที่เพียงพอในเรื่อง Training Data และ Distillation เพื่อให้นักพัฒนาในประเทศสามารถแข่งขันกับ AI Lab ต่างประเทศได้
ประเด็นนี้จะยิ่งมีความสำคัญเมื่ออุตสาหกรรม AI แบ่งออกเป็นสองทิศทาง ทั้ง Frontier Model ขนาดมหาศาล และโมเดลขนาดเล็กที่ Optimize สำหรับ Device, Enterprise และ Specialized Agent.
Cybersecurity กลายเป็นอีกเหตุผลสนับสนุน Open Model
Open-weight AI ยังได้รับความสนใจเพิ่มขึ้นจากประเด็น Cybersecurity
Reuters รายงานว่าองค์กรต่าง ๆ เริ่มกังวลมากขึ้นจากเหตุการณ์ล่าสุดที่เกี่ยวข้องกับ Autonomous AI หรือโมเดลความสามารถสูงจาก AI Lab หลายแห่ง
หนึ่งในตัวอย่างคือ Hugging Face ซึ่งระบุว่าต้องใช้ Open-weight Model จากจีนระหว่างรับมือการโจมตี เนื่องจาก Closed Model บางรายมีข้อจำกัดการใช้งานด้าน Cybersecurity.
เรื่องนี้สะท้อน Trade-off ของนโยบาย AI Safety
ข้อจำกัดจากผู้ให้บริการ Closed Model สามารถช่วยป้องกันการนำโมเดลไปใช้ในทางอันตราย แต่ในอีกด้านหนึ่งอาจจำกัดนักวิจัย Security ที่ต้องใช้ความสามารถของ AI สำหรับงานป้องกันระบบอย่างถูกต้อง
องค์กรที่รัน Open-weight Model ของตัวเองจะมีอิสระมากกว่าในการกำหนดวิธีใช้งาน แต่ก็ต้องรับผิดชอบด้าน Security และ Safety ของโมเดลมากขึ้นด้วย
Meta เตรียมระบบ Governance สำหรับการเปิดโมเดล
Zuckerberg ระบุว่า Meta จะสร้าง Governance Structure ที่ให้อำนาจกรรมการอิสระในการอนุมัติเกณฑ์ Safety ก่อนปล่อยโมเดล
แนวทางนี้พยายามตอบโจทย์ความขัดแย้งระหว่างการทำให้ AI ขั้นสูงเข้าถึงได้กว้างขึ้นกับการบริหารความเสี่ยงของโมเดลที่มีความสามารถเพิ่มขึ้นอย่างรวดเร็ว
ประเด็น Safety ซับซ้อนขึ้นเมื่อโมเดล AI เริ่มมีความสามารถด้าน Coding, Autonomous Tool Use และ Cybersecurity
Meta มองว่า Open Availability และ Safety Oversight ไม่จำเป็นต้องเป็นสิ่งที่เลือกได้เพียงอย่างใดอย่างหนึ่ง
บริษัทจึงเสนอให้มี Governance ภายในสำหรับกำหนด Release Criteria และยังคงเปิด Weights เมื่อโมเดลผ่านเกณฑ์ที่กำหนด.
รัฐบาลสหรัฐฯ จะไม่ทดสอบ Open Model ภายใต้ระบบสมัครใจ
สภาพแวดล้อมด้านนโยบายในวอชิงตันกำลังเปลี่ยนแปลงเช่นกัน
Reuters รายงานว่า ฝ่ายบริหารสหรัฐฯ แจ้งกับผู้พัฒนา AI เมื่อต้นเดือนสิงหาคมว่าจะไม่นำ Open-weight Model เข้าสู่กระบวนการทดสอบ Safety โดยสมัครใจของรัฐบาล
การตัดสินใจนี้มีความสำคัญ เพราะหากมีข้อกำหนดให้ต้องผ่านการทดสอบจากรัฐบาลก่อนเปิด Weights ก็อาจเพิ่มทั้งระยะเวลาและ Compliance Cost
ในเวลาเดียวกัน Zuckerberg กำลังเรียกร้องให้ลดข้อจำกัดที่กระทบการพัฒนา Open Model ในสหรัฐฯ ทั้งเรื่อง Training Data และ Infrastructure
เขายังไม่เห็นด้วยกับแนวคิดการจำกัดการเข้าถึง Open-source Model จากต่างประเทศ โดยมองว่าไม่ใช่วิธีแก้การแข่งขันระดับโลกที่มีประสิทธิภาพ.
Meta ยังทุ่มเงินมหาศาลกับ AI Infrastructure
การสนับสนุน Local AI ไม่ได้หมายความว่า Meta จะลดการลงทุนใน Data Center ขนาดยักษ์
Zuckerberg ระบุว่า Meta อาจใช้เงินสูงถึง **145 พันล้านดอลลาร์ในปีนี้สำหรับ AI Infrastructure** แสดงให้เห็นถึงเงินลงทุนมหาศาลที่ต้องใช้กับการฝึกและให้บริการระบบ AI ขั้นสูง.
บริษัทยังประกาศกองทุน **1 พันล้านดอลลาร์** เพื่อสนับสนุนชุมชนที่ได้รับผลกระทบจากการขยาย Data Center ของ Meta
การต่อต้าน Data Center จากชุมชนท้องถิ่นกำลังกลายเป็นประเด็นสำคัญในสหรัฐฯ เพราะศูนย์ข้อมูลขนาดใหญ่อาจต้องใช้ไฟฟ้า ที่ดิน น้ำ และ Infrastructure ระบบส่งพลังงานจำนวนมาก
Zuckerberg มองว่าสหรัฐฯ เสียเปรียบประเทศอย่างจีน เพราะการสร้าง Infrastructure ในอเมริกามีความยากมากกว่า
ประเด็นนี้ทำให้การแข่งขัน Open Model เชื่อมโยงโดยตรงกับการแข่งขันสร้าง Infrastructure ทางกายภาพสำหรับ AI
หุ้น Meta ขยับขึ้นขณะตลาดประเมินยุทธศาสตร์ใหม่
ก่อนการประกาศ หุ้น Meta ลดลงประมาณ **10% ตั้งแต่ต้นปี**
Reuters รายงานในช่วงแรกว่าหุ้นขยับขึ้นในการซื้อขายก่อนเปิดตลาด ขณะที่นักลงทุนประเมินทั้งโมเดลใหม่และยุทธศาสตร์ AI ของบริษัท.
ความเคลื่อนไหวของตลาดเกิดขึ้นในช่วงที่นักลงทุนกำลังจับตาเงินจำนวนมหาศาลที่ Meta และบริษัทเทคโนโลยีรายอื่นใช้สร้าง AI Infrastructure
ความท้าทายของ Meta จึงไม่ใช่เพียงการสร้างโมเดลที่แข่งขันด้านเทคนิคได้
บริษัทต้องแสดงให้เห็นด้วยว่าเงินหลายหมื่นล้านดอลลาร์ที่ใช้กับ Infrastructure นักวิจัย และ Superintelligence สามารถสร้าง Product ที่มีประโยชน์และสร้างมูลค่าทางเศรษฐกิจได้อย่างยั่งยืน
Muse Glimmer อาจทำให้ Local AI Agent ใช้งานจริงง่ายขึ้น
ความสำคัญของ Muse Glimmer ไม่ได้อยู่ที่การเป็นโมเดลที่ใหญ่ที่สุด แต่คือการสะท้อนแนวโน้มของ AI ขนาดเล็กที่สามารถทำงานจริงใกล้กับผู้ใช้
โมเดล 30 พันล้านพารามิเตอร์ที่ทำงานบน Personal Hardware ที่เหมาะสม เปิดทางให้เกิด Coding Agent, Business Automation, Research System, Private Document Processing และ Workflow อื่นที่องค์กรอาจไม่ต้องการพึ่ง Remote API สำหรับทุก Action
นั่นไม่ได้หมายความว่า Cloud AI จะหายไป
Architecture ที่มีแนวโน้มใช้งานจริงมากกว่าคือระบบ Hybrid ให้ Local Model ขนาดเล็กดูแลงานทั่วไป และเรียก Frontier Model ขนาดใหญ่เมื่อ Task ต้องใช้ Reasoning หรือความสามารถระดับสูง
การเปิด Muse Glimmer และเตรียมปล่อย Muse Spark 1.2 แบบ Open-weight ทำให้ Meta กลับมาอยู่ในสนามการแข่งขันอย่างเต็มตัวว่าใครจะเป็นผู้ควบคุม Software Layer ซึ่งจะกลายเป็นพื้นฐานของ Ecosystem AI Agent ในอนาคต
