หลัง Gemma 4 มีอะไรตามมา โมเดลใหม่ 7 ตัวที่คนรันเองควรรู้ ปี 2026

โดย Nokka (นก-กา) | 23 กันยายน 2026

บทความนี้เขียนโดย AI (โมเดล glm-5.3 ของผู้ให้บริการ ollama-cloud) ผ่าน Hermes Agent จาก Nous Research ตรวจสอบและเรียบเรียงโดย Nokka

ตอนที่แล้วเราคุยเรื่อง Gemma 4 ครอบครัวโมเดลเปิดของ Google ที่ออกปลายเดือนมีนาคม แล้วจบลงด้วยคำถามว่าค่ายอื่นจะตอบโต้อย่างไร คำตอบมาเร็วกว่าที่คิด ภายในหกเดือนถัดมามีโมเดลเปิดน้ำหนักใหม่ออกมารั่วไหลแทบทุกเดือน บางตัวออกมาทีเดียวก็ข้ามหัว Gemma 4 ไปเลย อย่าง Qwen3.8-27B ที่เราจะเห็นกันวันนี้ [1]

ผมรวบรวมจากหน้าเปิดตัวทางการและเอกสารโมเดลบน Hugging Face ทั้งหมด แล้วกรองเหลือเฉพาะตัวที่คนรันเองต้องรู้จริง โดยเกณฑ์สำคัญคือออกหลัง Gemma 4 และมีน้ำหนักเปิดให้ดาวน์โหลดจริง ตัวที่ประกาศแล้วแต่ยังไม่ปล่อยไฟล์จริงอย่าง MiniMax M3 ผมตัดออก ไม่ใช่ข่าวลือแต่ยังใช้ไม่ได้

สนามเดิม มือใหม่ล้วน

โมเดลที่ออกตามหลัง Gemma 4 แบ่งได้สองกลุ่มชัดเจน กลุ่มแรกแข่งตรงกับตัว 31B ของ Google กลุ่มที่สองเล่นเกมราคาถูกจนน่าตกใจ

Muse Glimmer 30B ของ Meta เป็นข่าวใหญ่ที่สุดของกลุ่มแรก ออกเมื่อ 10 สิงหาคม ภายใต้สัญญา Apache 2.0 เต็มตัว ไม่มีเพดานผู้ใช้แบบที่ Llama เคยมี [2] ครั้งนี้เป็นการกลับมาเปิดน้ำหนักครั้งแรกของ Meta หลังหันไปปิดกับสาย Muse Spark พร้อมตอบข้อวิจารณ์เรื่องสัญญาที่ตามมาตั้งแต่ยุค Llama

โมเดล	ค่าย	ออกเมื่อ	ขนาด	สัญญา	Q4 ราว
Qwen3.6-35B-A3B	Alibaba	16 เม.ย.	35B MoE (3B active)	Apache 2.0	18 GB
Qwen3.6-27B	Alibaba	22 เม.ย.	27B dense	Apache 2.0	16 GB
Kimi K3	Moonshot	26 ก.ค.	2.8T MoE	Modified MIT	140 GB
Muse Glimmer 30B	Meta	10 ส.ค.	29.6B dense	Apache 2.0	17 GB
Nemotron 3.5 Lightning	NVIDIA	11 ส.ค.	31.6B MoE (3.6B active)	OpenMDW-1.1	18 GB
Qwen3.8-27B	Alibaba	14 ส.ค.	27B dense	Apache 2.0	16 GB
GLM-5.3-Flash	Z.ai	25 ส.ค.	320B MoE (18B active)	MIT	165 GB (FP8)

ตารางนี้อ่านคู่กับจำนวนเงินในกระเป๋า ตัวสี่อันดับแรกพร้อมสองอันดับถัดมาใส่ได้ในการ์ดจอ 24 GB หนึ่งใบ ซึ่งเป็นเครื่องมาตรฐานของคนรันเองยุคนี้ ส่วน Kimi K3 กับ GLM-5.3-Flash เป็นของคนมีเครื่องแรงหรือเซิร์ฟเวอร์จริงจัง [6][7][8]

Muse Glimmer มือใหม่ที่แข็งที่สุดในสนามเอเจนต์

ตัวเลขที่ต้องพูดถึง

ขอเจาะตัวที่คนรันเองพูดถึงมากที่สุดก่อน ตัวเลขที่ Meta รายงานเองบนงานเอเจนต์สูงกว่าคู่แข่งขามุมอย่างชัดเจน บน MCP Atlas ชุดทดสอบการเรียกใช้เครื่องมือ Glimmer ทำได้ 75.5 ขณะที่ Qwen3.6-27B ได้ 62.5 และ Gemma 4 31B ได้ 54.2 บนงานแก้โค้ดจริงอย่าง SWE-bench Pro ก็ได้ 51.2 แซงหน้าทั้งคู่ [3]

ตัวเลขเหล่านี้มาจากการวัดของ Meta เอง ดังนั้นอ่านเป็นทิศทางได้แต่อย่าเทียบข้ามค่ายแบบเป๊ะ ๆ แม้จะหักความเชื่อมั่นลงครึ่งหนึ่ง ช่องว่างบนงานเอเจนต์ก็ยังกว้างพอให้ Glimmer เป็นตัวเลือกอันดับหนึ่งของสายนี้ในตอนนี้

จุดที่น่าสนใจทางเทคนิคคือสถาปัตยกรรม dense แท้ ๆ 29.6 พันล้านพารามิเตอร์ยิงครบทุกโทเคน ไม่ใช่ MoE แบบคู่แข่งส่วนใหญ่ Meta ส่งชุดควอนไทซ์มาให้พร้อมใช้ ตัวที่ลงการ์ด 24 GB กินพื้นที่ราว 17 GB และแลกคะแนนไปเฉลี่ยราว 1 เปอร์เซ็นต์ บวกกับตัวเร่งความเร็ว DFlash ที่อ้างว่าเร่งได้ถึง 3.1 เท่าบนการ์ดใหม่ [3][4]

Qwen อัปเกรดต่อเนื่องจนเป็นอันตราย

ฝั่งอาลีบาบาเดินหน้าเรื่อย ๆ Qwen3.6-27B ออกเดือนเมษายน แล้ว Qwen3.8-27B มาต่อในสิงหาคมด้วยคะแนนเด่นกว่าเดิมอีก ตัวเลขที่ค่ายรายงานเองชนะ Gemma 4 31B แทบทุกชุดที่เทียบได้ ทั้งงานความรู้ทั่วไป คณิตศาสตร์ และโค้ดแข่งขัน [1][5]

ข้อสังเกตที่สำคัญกว่าชัยชนะรายตัวคือจังหวะการปล่อย อาลีบาบาไม่ได้ปล่อยรุ่นใหญ่ทีเดียวจบ แต่หมั่นส่งรุ่นปรับปรุงเข้ามาเป็นระยะ ทุกสามถึงสี่เดือนก็มีของใหม่ วิธีนี้ทำให้ชุมชนคนรันเองหมุนตัวตามทัน และทำให้โมเดลเดิมอย่าง Gemma 4 ดูเก่งอยู่ไม่กี่เดือนก็มีคนมาแทรกแซง

ส่วนที่ยังเป็นจุดอ่อนของ Qwen คือเอกสารสัญญาที่ซับซ้อนขึ้นเรื่อย ๆ เมื่อไปถึงตัวใหญ่พิเศษอย่าง Qwen3.8-Max ที่ใช้สัญญาแบบแบ่งรายได้ ต่างจากตัว 27B ที่ยังเป็น Apache 2.0 สบาย ๆ

ตัวเล็กที่แอบดี

สองตัวที่ผมคิดว่าคนมองข้ามที่สุดคือ Qwen3.6-35B-A3B และ Nemotron 3.5 Lightning ทั้งคู่เป็น MoE ที่มีพารามิเตอร์รวมสามสิบกว่าพันล้านแต่กระตุ้นจริงแค่สามกว่าพันล้านต่อโทเคน ผลคือความเร็วระดับโมเดลเล็กกับคุณภาพใกล้รุ่นใหญ่

ตัวอย่างที่เป็นรูปธรรม ไฟล์ Q4 ของ Nemotron 3.5 Lightning อยู่ราว 18 GB ใส่ได้สบายในการ์ด 24 GB ที่เหลือพอสำหรับบริบทยาว ขณะที่ความเร็วต่อโทเคนใกล้เคียงโมเดล 4B เพราะจ่ายแค่พารามิเตอร์ที่ตื่นจริง ใครเคยชอบแนวคิด 26B A4B ของ Gemma 4 ต้องลองสองตัวนี้เป็นอย่างแรกเลย [6]

ทางฝั่ง MiMo-V2.6 ของ Xiaomi ที่เพิ่งออกเมื่อวานนี้เองก็เป็นอีกหนึ่งที่น่าจับตา เพราะออกมาไม่ถึงสองวัน ข้อมูลการวัดที่เปิดเผยยังไม่ครบ ผมขอไม่รีบสรุปจนกว่าจะมีตัวเลขจากหน่วยวัดอิสระ

โต๊ะตัดสินสำหรับคนรันเอง

ถ้าถามผมตอนนี้ว่าเลือกตัวไหน คำตอบแบ่งตามงาน งานเอเจนต์และการเรียกเครื่องมือถือว่า Muse Glimmer นำอยู่ รองลงมาคือ Qwen3.6 สายรุ่นล่าสุด ส่วนงานทั่วไปที่ต้องความสมดุลภาษาไทยกับความเร็ว Qwen ยังเป็นทางที่ปลอดภัยกว่า และถ้าเครื่องมีแรมจำกัดสองตัว MoE ที่กระตุ้นสามพันล้านคือคำตอบสำหรับเครื่องระดับแล็ปท็อป

ข้อสังเกตสุดท้ายก่อนจากกัน ครั้งนี้ไม่ได้มีแค่ตัวเลข benchmark ที่แตกต่าง แต่สัญญาอนุญาตเริ่มกลายเป็นสมรภูมิจริงจัง Meta ใช้ Apache 2.0 เต็มตัวเป็นครั้งแรก อาลีบาบาคุม Apache ไว้ที่ตัวเล็กแต่ใช้สัญญาพิเศษกับตัวใหญ่ Moonshot อยู่กับ Modified MIT ถ้างานของคุณเป็นผลิตภัณฑ์เชิงพาณิชย์ การอ่านสัญญาให้จบก่อนโหลดน้ำหนักจึงสำคัญไม่แพ้การอ่านตารางคะแนนเลย

อ้างอิง:

[1] QwenLM. "Qwen3.8 Model Card." huggingface.co, 14 สิงหาคม 2026. https://huggingface.co/Qwen/Qwen3.8-27B

[2] Meta Models. "Muse-Glimmer-30B Model Card." huggingface.co, 10 สิงหาคม 2026. https://huggingface.co/meta-models/Muse-Glimmer-30B

[3] The AI Ranklings. "Muse Glimmer." theairankings.com, 12 สิงหาคม 2026. https://theairankings.com/meta/muse-glimmer

[4] Babelwire. "Meta Returns to Open Source With Muse Glimmer, a 30B Agentic Model." babelwire.ai, 10 สิงหาคม 2026. https://babelwire.ai/en/story/meta-muse-glimmer-30b-open-source

[5] QwenLM. "Qwen3.6-27B Model Card." huggingface.co, 22 เมษายน 2026. https://huggingface.co/Qwen/Qwen3.6-27B

[6] NVIDIA. "NVIDIA-Nemotron-3.5-Lightning-30B-A3B Model Card." huggingface.co, 11 สิงหาคม 2026. https://huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-BF16

[7] Moonshot AI. "Kimi-K3 Model Card." huggingface.co, 26 กรกฎาคม 2026. https://huggingface.co/MoonshotAI/Kimi-K3

[8] Z.ai. "GLM-5.3-Flash Model Card." huggingface.co, 25 สิงหาคม 2026. https://huggingface.co/zai-org/GLM-5.3-Flash