Liquid AI เปิดตัว d1 โมเดิร์นตัดสินใจ ไม่สร้างข้อความ
Liquid AI เปิดตัว d1 โมเดิร์นตัดสินใจรุ่นใหม่ผ่าน API ที่ให้ผลลัพธ์แบบความน่าจะเป็นโดยมี output tokens เป็นศูนย์ เหมาะสำหรับงานจำแนกประเภท
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Liquid AI เปิดตัวโมเดิร์นตัดสินใจรุ่นใหม่ในชื่อ d1 ให้บริการผ่าน API
- ทำงานโดยคืนค่าความน่าจะเป็นจากตัวเลือกที่กำหนดไว้ล่วงหน้าโดยไม่มีการสร้างข้อความ (0 output tokens)
- รองรับการส่งคำถามหลายข้อเพื่อประเมินเทียบกับสถานะเดียวกันในรอบเดียว
- เหมาะสำหรับการแทนที่ LLM ในงานจำแนกประเภท การกลั่นกรอง และการจัดเส้นทางคำขอ
บริษัท Liquid AI ได้เปิดตัว d1 โมเดลตัดสินใจรูปแบบใหม่ที่ออกแบบมาเพื่อการประเมินสถานการณ์และให้คำตอบตามตัวเลือกที่กำหนดไว้ล่วงหน้า โดยจุดเด่นสำคัญคือการทำงานแบบไม่สร้างข้อความใหม่ ทำให้ค่า usage.output_tokens ในทุกการตอบกลับเป็น 0 เสมอ
โมเดล d1 เปิดให้ใช้งานแล้วในวันนี้ผ่านรูปแบบโฮสต์ API ภายใต้ชื่อรุ่น d1:free ผ่านทาง Liquid API โดยในไลบรารีระบุว่าเป็นบริการผ่าน API เท่านั้นและไม่สามารถฝึกฝนโมเดลเองได้ ทำให้ไม่มีน้ำหนักโมเดลในรูปแบบ GGUF, MLX หรือ ONNX สำหรับโฮสต์เอง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
โครงสร้างการใช้งานของ d1 ในแต่ละคำขอจะประกอบด้วย 3 ส่วนหลัก ได้แก่ ตัวโมเดล สถานะ (ข้อความปกติหรือออบเจ็กต์ JSON) และชุดคำถาม โดยส่งคำขอไปยัง https://api.liquid.ai/decisions/v1/systemone พร้อมคีย์ที่ขึ้นต้นด้วย liquid_ จาก console.liquid.ai โดยมีไลบรารีรองรับคลังคำสั่งจาก TypeSafe AI ได้แก่ typesafe-sdk สำหรับ Python และ @typesafe-ai/sdk สำหรับ TypeScript
การพัฒนาโมเดลที่ไม่สร้างข้อความ (non-generative decision model) ถือเป็นแนวทางใหม่ที่ช่วยลดต้นทุนการประมวลผลและเพิ่มความแม่นยำในงานเฉพาะทาง เช่น การจำแนกประเภทข้อความ แทนที่จะใช้ Large Language Model ขนาดใหญ่ที่สิ้นเปลืองทรัพยากรไปกับการสร้างข้อความภาษาธรรมชาติที่ไม่ได้ใช้งานจริง
คู่มือการย้ายระบบของ Liquid AI แนะนำกฎง่ายๆ คือ หากคำตอบเป็นหนึ่งในตัวเลือกที่ทราบอยู่แล้ว N ตัวเลือก ให้เลือกใช้โมเดลตัดสินใจ แต่หากโมเดลต้องเรียบเรียงข้อความใหม่ ให้คงการใช้ LLM แบบเดิมไว้ นอกจากนี้ยังสามารถผสมผสานการทำงานทั้ง 3 ประเภทได้ในคำขอเดียวเพื่อประเมินทุกคำถามเทียบกับสถานะเดียวกันในรอบเดียว
"if the answer is one of N known options, use a decision model. If the model must compose a new string, keep your LLM."
Liquid AI Migration Guide
ข้อดีของการเปลี่ยนจากการจำแนกประเภทด้วย LLM มาสู่ d1 ได้แก่:
- ค่าความน่าจะเป็นที่นำไปกำหนดเกณฑ์ได้จริง: เช่น ตัวอย่างการกลั่นกรองเนื้อหาที่บล็อกค่าสูงกว่า 0.8 อนุญาตค่าต่ำกว่า 0.2 และส่งช่วงกลางให้มนุษย์ตรวจสอบ
- การจัดเส้นทางคำขอที่มีประสิทธิภาพ: ระบบจะสำรองไปยังโมเดลระดับสูงเมื่อความมั่นใจของตัวจัดเส้นทางต่ำกว่า 0.5
- ความสม่ำเสมอในการประเมิน: การประเมินอินพุตเดิมซ้ำๆ จะมีความสม่ำเสมอมากกว่า ช่วยลดปัญหาผลลัพธ์พลิกกลับไปมา
อย่างไรก็ตาม ทางบริษัทยังคงแนะนำให้ใช้งาน LLM ต่อไปสำหรับงานสรุปข้อความ การร่างเนื้อหา การสนทนาหลายรอบ การสร้างโค้ด และการใช้เหตุผลหลายขั้นตอนที่ซับซ้อน โดยข้อมูลทั้งหมดได้รับการตรวจสอบเมื่อวันที่ 29 กันยายน พ.ศ. 2569 จากหน้าเว็บหลักของผู้ให้บริการแต่ละราย
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น