ข้ามไปเนื้อหาหลัก

Nace AI เปิดตัว Drex 1.5 โมเดลตัดสินใจขนาด 9B แบบโอเพนซอร์ส

Nace AI ปล่อย Drex 1.5 โมเดลตัดสินใจขนาด 9 พันล้านพารามิเตอร์แบบโอเพนซอร์ส ทำงานรอบเดียวให้ความน่าจะเป็นครบทุกตัวเลือก ทำคะแนน Decision Index 0.3.1 ที่ 58.08

เรียบเรียงโดย AI
Inewgen
10 Oct 2026ที่มา: MarkTechPost2 นาทีอ่าน (0 ครั้ง)
แชร์
Nace AI เปิดตัว Drex 1.5 โมเดลตัดสินใจขนาด 9B แบบโอเพนซอร์ส

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ขนาดตัวอักษร
  • Nace AI เปิดตัว Drex 1.5 โมเดลตัดสินใจขนาด 9B แบบโอเพนซอร์ส
  • ประเมินความน่าจะเป็นของทุกตัวเลือกจบได้ในรอบประมวลผลเดียว
  • ทำคะแนนบน Decision Index 0.3.1 ได้ที่ 58.08 และรองรับบริบทสูงสุด 128K โทเค็น

Nace AI ได้ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์รุ่นล่าสุดอย่างเป็นทางการในชื่อ Drex 1.5 โดยมาพร้อมกับขนาด 9 พันล้านพารามิเตอร์ (9B) และเปิดให้ใช้งานในรูปแบบโอเพนซอร์ส เพื่อให้นักพัฒนาและผู้สนใจสามารถนำไปต่อยอดได้ทันที โมเดลตัวนี้ถูกออกแบบมาเพื่อการตัดสินใจโดยเฉพาะ ต่างจากโมเดลภาษาทั่วไปที่มักจะเน้นการสร้างข้อความยาวๆ เป็นหลัก

ความโดดเด่นสำคัญของ Drex 1.5 คือความสามารถในการคืนค่าความน่าจะเป็น (probability) สำหรับทุกตัวเลือกที่เป็นไปได้ภายในรอบการประมวลผลไปข้างหน้า (forward pass) เพียงครั้งเดียว ซึ่งช่วยเพิ่มประสิทธิภาพและความรวดเร็วในการประมวลผลข้อมูลเชิงซ้อนได้อย่างมีนัยสำคัญ

artificial intelligence algorithm data visualization analytics

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

9Bขนาดพารามิเตอร์ของโมเดล
58.08คะแนน Decision Index 0.3.1
128K
รองรับโทเค็นสูงสุด

ในด้านผลการทดสอบประสิทธิภาพ Drex 1.5 สามารถทำคะแนนบนเกณฑ์มาตรฐาน Decision Index 0.3.1 ได้ที่ 58.08 นอกจากนี้ตัวโมเดลยังมีความสามารถในการรองรับการประมวลผลบริบทขนาดยาวสูงสุดถึง 128,000 โทเค็น (128K tokens) ทำให้มันเหมาะสำหรับการวิเคราะห์ข้อมูลชุดใหญ่และการตัดสินใจที่มีเงื่อนไขซับซ้อนหลายขั้นตอน

การที่ Nace AI เลือกพัฒนาโมเดลเฉพาะทางด้านการตัดสินใจ (Decision Model) แทนที่จะเป็น Large Language Model ทั่วไป สะท้อนให้เห็นถึงเทรนด์การพัฒนา AI ที่เจาะลึกเฉพาะกิจมากขึ้น การที่โมเดลสามารถให้คะแนนความน่าจะเป็นของทุกทางเลือกได้ใน 1 forward pass ช่วยลดขั้นตอนการประมวลผลซ้ำซ้อน ทำให้ระบบเบื้องหลังสามารถเลือกทางออกที่ดีที่สุดได้อย่างรวดเร็ว เหมาะกับงานประเภทระบบแนะนำสินค้า การจัดลำดับความสำคัญ หรือการวางแผนอัตโนมัติ

ที่มา: MarkTechPost

ความคิดเห็น

แสดงความคิดเห็น
0/2000

พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้