Meta เพิ่งเปิดตัว Llama 4 ซึ่งเป็นโมเดล AI แบบโอเพ่นซอร์สที่ทรงพลังที่สุดในปัจจุบัน โดยได้รับประสิทธิภาพที่ทัดเทียมกับ GPT-5 ของ OpenAI ในเกณฑ์มาตรฐานต่างๆ รวมถึงการใช้เหตุผล คณิตศาสตร์ การเขียนโค้ด และความเข้าใจหลายภาษา ด้วย พารามิเตอร์ 1 ล้านล้าน (หนาแน่น ไม่ใช่ MoE) Llama 4 ได้รับการฝึกฝนเกี่ยวกับโทเค็น 15 ล้านล้านโทเค็นของข้อมูลที่เปิดเผยต่อสาธารณะ โดยใช้ซูเปอร์คลัสเตอร์ AI ภายในใหม่ของ Meta ที่มี 100,000 H100 GPU โมเดลมีสามรสชาติ: Llama 4 Base (1T), Llama 4 Instruct (ปรับแต่งเพื่อการแชทและการติดตามคำแนะนำ) และ Llama 4 Code (พิเศษสำหรับการเขียนโปรแกรม) บน MMLU คะแนนการสอน Llama 4 89.5% (GPT-5: 89.7%) และในการเข้ารหัส HumanEval จะได้คะแนน 91% pass@1 (GPT-5: 92%) ตัวเปลี่ยนเกมที่แท้จริงคือ สิทธิ์การใช้งาน: Llama 4 เป็นโอเพ่นซอร์สโดยสมบูรณ์ ช่วยให้ใช้งานเชิงพาณิชย์และการวิจัยได้โดยไม่มีข้อจำกัด รวมถึงน้ำหนักโมเดล สถาปัตยกรรม และโค้ดการฝึกอบรม สิ่งนี้ทำให้สตาร์ทอัพ นักวิจัย และรัฐบาลทั่วโลกสามารถเข้าถึง AI ระดับแนวหน้าได้ และยุติการครอบงำของ OpenAI และ Google แบบแหล่งปิด Meta ได้ร่วมมือกับ AWS, Azure และ GCP เพื่อเสนอ Llama 4 เป็นบริการที่ได้รับการจัดการ โดยมีราคาต่ำเพียง 2 ดอลลาร์ต่อล้านโทเค็น (เทียบกับ GPT-5 ที่ 15 ดอลลาร์) บริษัทอ้างว่า Llama 4 ได้รับการฝึกฝนเกี่ยวกับนิยายเรื่อง 'Sparse Attention with Adaptive Routing' ซึ่งช่วยลดต้นทุนการอนุมานได้ 40% เมื่อเทียบกับโมเดลหนาแน่นที่มีขนาดใกล้เคียงกัน บทความนี้ครอบคลุมถึงสถาปัตยกรรมโมเดล การวัดประสิทธิภาพ ใบอนุญาต วิธีการเข้าถึง และความหมายสำหรับอุตสาหกรรม AI และการแข่งขันระดับโลก
Architecture Deep Dive: Sparse Attention with Adaptive Routing
กลไก SAAR เป็นรูปแบบความสนใจแบบกระจัดกระจายที่เรียนรู้มา โมเดลจะสร้างเวกเตอร์คิวรีและใช้ MLP ขนาดเล็กเพื่อคาดการณ์ว่าโทเค็นคีย์ใดที่เกี่ยวข้อง มีเพียงโทเค็นเหล่านี้เท่านั้นที่เข้าร่วม ซึ่งจะลดเมทริกซ์ความสนใจจาก 128k×128k เป็น ~1k×1k การกำหนดเส้นทางเป็นแบบปรับเปลี่ยนได้ โดยจะเปลี่ยนไปตามเลเยอร์และต่อส่วนหัว ทำให้โมเดลสามารถจัดสรรการประมวลผลให้กับโทเค็นที่สำคัญแบบไดนามิกได้ ซึ่งส่งผลให้ FLOP อนุมานลดลง 40% เมื่อเทียบกับหม้อแปลงหนาแน่นที่มีขนาดเท่ากัน โดยยังคงความแม่นยำไว้ เวลาการฝึกอบรมยังลดลงจากประมาณ 3 เดือนเป็น 2 เดือนบนคลัสเตอร์ RSC 2.0
Benchmarks: How Llama 4 Stacks Against GPT‑5, Claude 4, and Gemini Ultra
ใน MMLU มาตรฐาน Llama 4 ทำได้ 89.5% ซึ่งต่ำกว่า GPT-5 เพียง 0.2% สำหรับ MATH (การใช้เหตุผลทางคณิตศาสตร์) ได้คะแนน 84.8% เทียบกับ GPT-5 ที่ 85.2% ใน HumanEval รหัส Llama 4 จะได้รับ 91% เทียบกับ 92% ใน GSM8K (คณิตศาสตร์ระดับประถมศึกษา) ได้คะแนน 95.3% (GPT-5: 96.5%) ในงานหลายภาษา (FLORES) Llama 4 เหนือกว่า GPT-5 ใน 12 จาก 20 ภาษา ในการประเมินความพึงพอใจของมนุษย์ (ระดับ ELO) Llama 4 ได้รับการจัดอันดับต่ำกว่า GPT-5 เล็กน้อย แต่สูงกว่า Claude 4 และ Gemini Ultra ผลลัพธ์เหล่านี้ทำให้เป็นโมเดลโอเพ่นซอร์สที่ดีที่สุดเท่าที่เคยมีมา
Open‑Source License: What Does 'Fully Open' Mean?
Llama 4 ต่างจากรุ่น Llama รุ่นก่อนๆ ไม่มีข้อจำกัดการใช้งานเชิงพาณิชย์ คุณสามารถรวมเข้ากับผลิตภัณฑ์ใดๆ ปรับแต่ง และแม้แต่แจกจ่ายเวอร์ชันที่แก้ไขแล้วอีกครั้ง ใบอนุญาตนี้เป็นใบอนุญาตที่กำหนดเอง (คล้ายกับ MIT) แต่มีข้อกำหนดที่ต้องระบุแหล่งที่มา นี่เป็นการเปลี่ยนแปลงครั้งใหญ่จาก OpenAI และโมเดลปิดของ Google และคาดว่าจะก่อให้เกิดกระแสนวัตกรรมในด้านการดูแลสุขภาพ การศึกษา และภาคส่วนอื่นๆ อีกมากมาย Meta ยังได้เปิดตัวชุดข้อมูลการฝึกอบรม (ไม่ระบุชื่อ) และรหัสการฝึกอบรมทั้งหมด ทำให้สามารถทำซ้ำได้
How to Access Llama 4
คุณสามารถดาวน์โหลดตุ้มน้ำหนักได้จาก Hugging Face (ต้องลงทะเบียน) หรือใช้ API ผ่านพันธมิตรของ Meta: AWS Bedrock, Azure AI Studio และ Google Cloud Vertex AI ราคา API อยู่ที่ 2 ดอลลาร์ต่อโทเค็นอินพุต 1 ล้านโทเค็น และ 6 ดอลลาร์ต่อโทเค็นเอาต์พุต 1 ล้าน ซึ่งถูกกว่า GPT-5 อย่างมาก นอกจากนี้ยังมีอินเทอร์เฟซแชทฟรีที่ llama.meta.com พร้อมจำกัดอัตรา สำหรับการโฮสต์ด้วยตนเองขนาดใหญ่ Meta มีคอนเทนเนอร์การอนุมานที่ได้รับการปรับปรุงพร้อมรองรับ vLLM และ TensorRT‑LLM
Impact on AI Industry: The End of Proprietary Dominance?
การเปิดตัวแบบเปิดของ Llama 4 ถือเป็นเหตุการณ์แผ่นดินไหว ตอนนี้สตาร์ทอัพสามารถสร้างแอปพลิเคชันบนโมเดลคลาส GPT-5 ได้โดยไม่ต้องจ่ายค่าธรรมเนียม API ที่สูงหรือแชร์ข้อมูลกับเทคโนโลยีขนาดใหญ่ รัฐบาลสามารถนำ AI อธิปไตยมาใช้ได้ นักวิจัยสามารถวิเคราะห์และปรับปรุงแบบจำลองได้ สิ่งนี้สามารถเร่งการวิจัยด้านความปลอดภัยของ AI และทำให้การเข้าถึงเป็นประชาธิปไตย OpenAI และ Google อาจถูกบังคับให้ลดราคาหรือเปิดโมเดลของตน นักวิเคราะห์คาดการณ์ว่าแอปพลิเคชัน AI จะเกิด "การระเบิดแบบ Cambrian" ในปีหน้า เนื่องจาก Llama 4 กลายเป็นโมเดลพื้นฐานเริ่มต้นสำหรับนักพัฒนาทั่วโลก
Energy and Environmental Considerations
การฝึกอบรม Llama 4 ใช้พลังงานไฟฟ้าประมาณ 50 GWh หรือเทียบเท่ากับการใช้ไฟฟ้าของบ้านเรือนในสหรัฐฯ จำนวน 5,000 หลังต่อปี Meta ได้ชดเชยสิ่งนี้ด้วยเครดิตพลังงานหมุนเวียน อย่างไรก็ตาม ค่าใช้จ่ายในการอนุมานต่ำกว่ามากเนื่องจาก SAAR และลักษณะโอเพ่นซอร์สช่วยให้สามารถปรับให้เหมาะสมได้ นักวิจัยได้ย้าย Llama 4 เพื่อทำงานบนอุปกรณ์ Edge (สมาร์ทโฟน) ผ่านการวัดปริมาณแล้ว ซึ่งเปิดประตูสู่ AI บนอุปกรณ์ Meta มุ่งมั่นที่จะลดการปล่อยก๊าซคาร์บอนไดออกไซด์ของรุ่นในอนาคต
What This Means for Developers: Build Anything, Anywhere
สำหรับนักพัฒนา Llama 4 คือความฝัน คุณสามารถสร้างเอเจนต์ AI, แชทบอท, โคไพลอต และเครื่องมือวิเคราะห์แบบกำหนดเองได้โดยไม่มีข้อจำกัดของ API แบบปิด แบบจำลองนี้สามารถปรับแต่งได้อย่างละเอียดโดยใช้ข้อมูลที่เป็นกรรมสิทธิ์ด้วยตัวอย่างเพียง 100 ตัวอย่าง (เพียงไม่กี่ภาพ) บริษัทหลายแห่งได้ประกาศผลิตภัณฑ์ที่ขับเคลื่อนด้วย Llama 4 ภายในไม่กี่ชั่วโมงหลังจากวางจำหน่าย รวมถึงผู้ช่วยวินิจฉัยทางการแพทย์ เครื่องวิเคราะห์สัญญาทางกฎหมาย และครูสอนเขียนโค้ดส่วนตัว อนาคตเปิดอยู่
⚡ Key Highlights
1 Trillion Parameters – Open‑Source and Free
โมเดลหนาแน่นพร้อมประสิทธิภาพทัดเทียมกับ GPT-5 พร้อมใช้งานภายใต้ใบอนุญาตโอเพ่นซอร์สที่อนุญาต (คล้ายกับ Llama 3 แต่ไม่มีข้อจำกัดการใช้งาน) น้ำหนัก รหัสการฝึกอบรม และสถาปัตยกรรมได้รับการเผยแพร่อย่างสมบูรณ์
89.5% on MMLU – Matches GPT‑5 on Reasoning
สอบเทียบ MMLU (87% สำหรับคณิตศาสตร์, 92% สำหรับมนุษยศาสตร์, 86% สำหรับวิทยาศาสตร์) – เกือบจะเหมือนกันกับ GPT-5 (89.7%) และเหนือกว่า Claude 4 (87.1%)
91% on HumanEval – Competitive with GPT‑5 for Coding
Llama 4 Code ได้คะแนน 91% pass@1 ใน HumanEval เทียบกับ GPT‑5 ได้ 92% และ Claude 4 ได้ 88% เก่งในด้าน Python, JavaScript และ Rust
Multilingual Support – 200 Languages
ผ่านการฝึกอบรมเกี่ยวกับคลังข้อมูลหลายภาษาที่หลากหลาย มีประสิทธิภาพเหนือกว่า GPT-5 ในภาษาที่ใช้ทรัพยากรต่ำจำนวนมาก (เช่น สวาฮีลี ตากาล็อก ฮินดี)
128k Context Window (Expandable to 1M)
จัดการเอกสารขนาดยาว โค้ดเบส และการสนทนา บริบทการทดลอง 1M ผ่านการให้ความสนใจหน้าต่างบานเลื่อนมีอยู่ในสาขาการวิจัย
Ultra‑Low Inference Cost – $2/M Tokens (Hosted)
เนื่องจาก SAAR และการหาปริมาณ (FP8) การอนุมานแบบโฮสต์จึงมีราคาถูกกว่า GPT-5 ถึง 7 เท่า และการโฮสต์ด้วยตนเองยังต่ำกว่าอีกด้วย (ประมาณ 0.50 เหรียญสหรัฐฯ/ล้านโทเค็นสำหรับฮาร์ดแวร์สินค้าโภคภัณฑ์)
Customizable and Fine‑Tunable
โอเพ่นซอร์สเต็มรูปแบบช่วยให้ทุกคนปรับแต่งข้อมูลของตนเองสำหรับงานเฉพาะโดเมนได้ (การแพทย์ กฎหมาย การเงิน) ซึ่งเป็นความสามารถที่ไม่มีในรุ่นปิด
Partnerships with Major Cloud Providers
AWS, Azure, GCP และ OVH นำเสนอ Llama 4 เป็นบริการที่ได้รับการจัดการพร้อมการเข้าถึง API ได้อย่างง่ายดาย เดือนแรกฟรีสำหรับนักพัฒนา
✓Pros
- ✓ประสิทธิภาพเทียบเท่า GPT-5 ในราคาที่ถูกกว่า
- ✓โอเพ่นซอร์สโดยสมบูรณ์ – ไม่มีข้อจำกัดในการใช้งานหรือการแจกจ่ายซ้ำ
- ✓ต้นทุนการอนุมานต่ำมาก – โฮสต์โทเค็น 2 ดอลลาร์/ล้าน แม้จะโฮสต์เองถูกกว่าก็ตาม
- ✓หลายภาษาและหลายรูปแบบ (เฉพาะข้อความ แต่รองรับโค้ดและข้อมูลที่มีโครงสร้าง)
- ✓หน้าต่างบริบทขนาดใหญ่ (128k) รองรับเอกสารขนาดยาว
- ✓ปรับแต่งและปรับแต่งได้สำหรับงานเฉพาะโดเมน
- ✓พร้อมใช้งานบนผู้ให้บริการคลาวด์รายใหญ่พร้อมการเข้าถึง API ที่ง่ายดาย
- ✓ทำให้ AI ชายแดนเป็นประชาธิปไตย - เปิดใช้งานนวัตกรรมในภูมิภาคที่ด้อยโอกาส
✗Cons
- ✗พารามิเตอร์ 1 ล้านล้านพารามิเตอร์ต้องใช้ฮาร์ดแวร์จำนวนมากสำหรับการโฮสต์ด้วยตนเอง (อย่างน้อย 8 A100 GPU)
- ✗ข้อมูลการฝึกอบรมอาจมีอคติและข้อจำกัด (แม้ว่า Meta ได้ใช้การกรองแล้ว)
- ✗ยังไม่เป็นแบบหลายรูปแบบ (ไม่มีการมองเห็นหรือเสียงแบบเนทีฟ) - แต่ Meta ได้บอกเป็นนัยถึงเวอร์ชันแบบหลายรูปแบบในปี 2570
- ✗การให้สิทธิ์การใช้งานยังคงต้องมีการระบุแหล่งที่มาและห้ามไม่ให้ใช้กับแอปพลิเคชันที่เป็นอันตรายบางอย่าง (ไม่มีผลผูกพัน)
- ✗การสนับสนุนและเอกสารจากชุมชนเพิ่งเริ่มต้น ซึ่งอาจต้องใช้เวลาในการดำเนินการ
- ✗โอเพ่นซอร์สอนุญาตให้ผู้ไม่ประสงค์ดีใช้โมเดลในทางที่ผิด – Meta อาศัยคำมั่นสัญญาการใช้งานอย่างรับผิดชอบ
- ✗ราคา Hosted API แม้ว่าจะมีราคาถูก แต่ก็ยังมีประโยชน์สำหรับการผลิตขนาดใหญ่
- ✗โมเดลอาจไม่จัดแนวความปลอดภัยเท่ากับ GPT‑5 (ไม่มีการตรวจสอบตามรัฐธรรมนูญ)