Typhoon

Typhoon คือตระกูลโมเดลภาษาไทยที่เปิดไฟล์น้ำหนักให้ดาวน์โหลดไปรันและต่อยอดเองได้ หน้า About ของ opentyphoon.ai นิยามโครงการนี้ไว้ว่าเป็นงานวิจัยขั้นสูงที่มุ่งพัฒนา large language model แบบ open source ซึ่งปรับมาเพื่อภาษาไทยโดยเฉพาะ หน้าเดียวกันอธิบายตัวเองว่าเป็นส่วนหนึ่งของ SCB 10X ซึ่งเป็นแขนงร่วมลงทุนและนวัตกรรมของ SCBX ขณะที่บรรทัดลิขสิทธิ์ท้ายเว็บระบุชื่อบริษัทไว้ว่า SCB DataX Co., Ltd. เหตุผลที่ทีมงานเขียนไว้ตรงๆ คือเชื่อว่าประเทศไทยต้องมีโมเดล AI ของตัวเอง เพื่อให้เอกลักษณ์ทางภาษาและวัฒนธรรมของเราถูกนำเสนอและรักษาไว้อย่างถูกต้องในยุค AI ซึ่งเป็นเหตุผลชุดเดียวกับที่ทำให้หลายประเทศหันมาสนใจเรื่อง sovereign-ai ส่วนสิ่งที่เว็บสัญญาไว้กับคนที่อยากหยิบไปใช้คือการเปิดให้เข้าถึง model weights ชุดข้อมูล และเครื่องมือได้ฟรีผ่าน Hugging Face

กลไกที่ทำให้ตระกูลนี้ออกรุ่นใหม่ได้ต่อเนื่องคือการเทรนต่อยอดบนโมเดลฐานของผู้พัฒนารายอื่นแทนการเริ่มสร้างใหม่ทั้งหมด การ์ดโมเดลของ Typhoon2.5-Qwen3-4B เขียนว่าเป็นโมเดลภาษาไทยแบบ instruct ขนาด 4 พันล้านพารามิเตอร์ มี context length 256k และเรียกใช้เครื่องมือแบบ function calling ได้ พร้อมระบุชัดว่าสร้างอยู่บน Qwen3 4B ส่วนการ์ดของ Llama3.1-Typhoon2-8B-instruct เขียนว่าเป็นโมเดลภาษาไทยแบบ instruct ขนาด 8 พันล้านพารามิเตอร์ที่สร้างอยู่บน Llama3.1-8B โดยมี context length 90k ผลพลอยได้ของการต่อยอดแบบนี้คือสัญญาอนุญาตของโมเดลฐานติดตามมาด้วย การ์ดของรุ่นที่ต่อจาก Qwen3 ระบุ License เป็น Apache 2.0 License และลิงก์ไปที่ไฟล์ LICENSE ของ Qwen3-4B-Instruct-2507 ขณะที่การ์ดของรุ่นที่ต่อจาก Llama ระบุ License เป็น Llama 3.1 Community License และลิงก์ไปที่ไฟล์ LICENSE ของ Meta อีกเรื่องที่ควรรู้ก่อนไปค้นหาคือรายชื่อรุ่นจริงบน Hugging Face อยู่ใต้บัญชีองค์กรชื่อ typhoon-ai และครอบคลุมงานหลายแบบมากกว่างานแชท API ของ Hugging Face คืนรายการที่มีทั้งโมเดลข้อความอย่าง typhoon2.5-qwen3-30b-a3b โมเดลอ่านเอกสารอย่าง typhoon-ocr-3b โมเดลถอดเสียงอย่าง typhoon-asr-realtime โมเดลแปลภาษาอย่าง typhoon-translate1.5-4b และตัวจำแนกความปลอดภัยอย่าง typhoon2-safety-preview รุ่นส่วนใหญ่ในรายการเป็นโมเดลขนาดเล็ก แต่ช่วงขนาดกว้างกว่านั้น เพราะรายการเดียวกันมีตั้งแต่ llama3.2-typhoon2-1b ไปจนถึง typhoon2.5-qwen3-30b-a3b และยังมีรุ่นเก่าในสาย Llama 3 อย่าง llama-3-typhoon-v1.5x-70b-instruct ที่ชื่อรุ่นบอกขนาดระดับ 70 พันล้านพารามิเตอร์ติดอยู่ในรายการด้วย ส่วนรุ่นเก่าที่สุดในรายการคือ typhoon-7b ซึ่ง repo ถูกสร้างไว้ตั้งแต่ 20 ธันวาคม 2023

สำหรับคนทำงานที่กำลังเลือกโมเดล คำถามที่ต้องตอบให้ได้คือโมเดลที่ปรับมาเพื่อภาษาไทยได้อะไรเพิ่มและเสียอะไรไป ตารางในการ์ดของ Llama3.1-Typhoon2-8B-instruct วางผลของ Typhoon2 Llama3 8B Instruct เทียบกับ Llama3.1 8B Instruct ซึ่งเป็นโมเดลฐานที่มันต่อยอดมา ฝั่งที่ได้เพิ่มคือชุดข้อสอบภาษาไทย IFEval-TH ขยับจาก 58.04% เป็น 72.60% GSM8K-TH ขยับจาก 45.18% เป็น 71.72% FunctionCall-TH ขยับจาก 36.92% เป็น 75.12% และช่อง Thai Code-Switching ที่ตารางแยกไว้สองเงื่อนไข คือที่ค่า t เท่ากับ 0.7 ขยับจาก 93% เป็น 98.8% ส่วนที่ค่า t เท่ากับ 1.0 ขยับจาก 11.2% เป็น 98% ส่วนฝั่งที่ถอยลงอยู่ในตารางใบเดียวกันนั้นเอง MT-Bench EN ลดจาก 8.118 เหลือ 7.584 IFEval-EN ลดจาก 77.64% เหลือ 76.43% และชุดเขียนโค้ด MBPP ลดทั้งสองภาษา คือ MBPP-TH จาก 64.6% เหลือ 60.8% และ MBPP-EN จาก 66.9% เหลือ 63.0% ข้อควรระวังข้อแรกคือตัวเลขชุดนี้เป็นผลที่ผู้พัฒนารายงานไว้เองในการ์ดโมเดล ไม่ใช่การวัดโดยคนกลาง และเทียบกับโมเดลฐานของตัวเองเป็นหลัก ไม่ได้เทียบกับโมเดลเชิงพาณิชย์รายใหญ่ในตารางนั้น ข้อควรระวังข้อที่สองคือการ์ดโมเดลทั้งสองใบเขียนข้อจำกัดไว้ด้วยถ้อยคำเดียวกันว่าเป็นโมเดลแบบ instruct ที่ยังอยู่ระหว่างการพัฒนา มี guardrail อยู่ในระดับหนึ่ง แต่ยังอาจให้คำตอบที่ไม่ถูกต้อง มีอคติ หรือไม่เหมาะสมได้ และแนะนำให้นักพัฒนาประเมินความเสี่ยงเหล่านี้ตามบริบทการใช้งานของตัวเอง ข้อควรระวังข้อที่สามคือป้าย license ในตระกูลนี้ไม่ได้เหมือนกันทุกรุ่น รายการจาก API ของ Hugging Face แสดง apache-2.0 กับบางรุ่น llama3 llama3.1 และ llama3.2 กับรุ่นที่ต่อจาก Llama gemma กับรุ่นที่ต่อจาก Gemma 3 mit กับ typhoon2-safety-preview cc-by-4.0 กับ typhoon-asr-realtime และป้าย other กับ typhoon-asr-streaming-nemotron-0.6b ซึ่งเป็นป้ายที่ต้องเปิดไฟล์ในรีโปอ่านเองถึงจะรู้เงื่อนไข แม้แต่ในสายเดียวกันก็ยังเปลี่ยน เพราะ typhoon-translate-4b ติดป้าย gemma ขณะที่ typhoon-translate1.5-4b ติดป้าย apache-2.0 ก่อนเอาเข้างานที่หารายได้จึงต้องเปิดไฟล์สัญญาอนุญาตของรุ่นที่จะใช้จริงอ่านทีละรุ่น และควรดูชื่อรุ่นให้ดีด้วย เพราะบางตัวในรายการมีคำว่า research-preview ต่อท้ายชื่อ เช่น typhoon-s-thaillm-8b-instruct-research-preview

ตัวอย่างจากบทสนทนาจริง

หัวหน้าฝ่ายปฏิบัติการ: ทีม IT เสนอให้ลองเอา Typhoon มารันบนเครื่องของบริษัทเอง แทนที่จะส่งเอกสารลูกค้าออกไปข้างนอก มันตอบไทยได้ดีกว่าโมเดลใหญ่ที่เราจ่ายรายเดือนอยู่จริงหรือเปล่าคะ

วิศวกรระบบ: ดีกว่าเป็นเรื่องๆ ครับ ตารางในการ์ดโมเดลของเขาเทียบกับโมเดลฐานที่เขาเอามาต่อยอด แล้วคะแนนฝั่งภาษาไทยขึ้นชัดเจนมาก แต่ในตารางเดียวกันก็มีบางชุดที่ลดลงจากตัวฐาน คือ MT-Bench กับ IFEval ฝั่งภาษาอังกฤษ และชุดเขียนโค้ด MBPP ที่ลดทั้งไทยและอังกฤษ ส่วนชุดภาษาอังกฤษที่เหลือในตารางนั้นขึ้นทุกช่อง ถ้างานเราเป็นเอกสารไทยล้วนก็ถือว่าคุ้ม แต่ถ้าจะเอาไปช่วยทีมพัฒนาเขียนโค้ดด้วย ผมว่าควรแยกโมเดลกัน อีกเรื่องคือแต่ละรุ่นในตระกูลนี้ติดป้ายสัญญาอนุญาตไม่เหมือนกัน บางรุ่นเป็น Apache 2.0 บางรุ่นลากสัญญาของโมเดลฐานติดมาด้วย

หัวหน้าฝ่ายปฏิบัติการ: งั้นขอแบบนี้ค่ะ ล็อกให้ชัดก่อนว่าเราจะใช้รุ่นไหน เลขรุ่นอะไร แล้วส่งไฟล์สัญญาของรุ่นนั้นให้ฝ่ายกฎหมายอ่านก่อนเริ่มนำร่อง จะได้ไม่ต้องมารื้อทีหลังตอนลูกค้าถามว่าใช้อะไรอยู่

ระวังสับสนกับ

• open-weights : open weights บอกแค่ว่าเจ้าของยอมปล่อยไฟล์น้ำหนักให้โหลดไปรันเองได้ ไม่ได้แปลว่าโมเดลนั้นเป็น open source ตามนิยามที่วงการใช้กัน กรณีของ Typhoon เห็นได้ชัดจากการ์ดโมเดลเอง เพราะรุ่นที่ต่อยอดจาก Qwen3 ระบุ License เป็น Apache 2.0 License ขณะที่รุ่นที่ต่อยอดจาก Llama3.1-8B ระบุ License เป็น Llama 3.1 Community License ซึ่งเป็นสัญญาที่เจ้าของโมเดลฐานร่างขึ้นเอง คำว่าโหลดได้ฟรีจึงตอบคำถามเรื่องสิทธิ์ในการใช้งานไม่ได้
• model-license : สัญญาอนุญาตของแต่ละรุ่นในตระกูลเดียวกันไม่ได้ผูกกันเป็นชุด รายการรุ่นจาก API ของ Hugging Face แสดงป้าย gemma กับ typhoon-translate-4b แต่แสดงป้าย apache-2.0 กับ typhoon-translate1.5-4b ซึ่งเป็นรุ่นถัดมาในสายงานแปลเหมือนกัน การอ่านสัญญาของรุ่นก่อนแล้วเหมาว่ารุ่นใหม่เหมือนเดิมจึงเสี่ยงพลาด
• โมเดลใหญ่ที่รองรับหลายภาษา : โมเดลที่ปรับมาเพื่อภาษาไทยโดยเฉพาะกับโมเดลใหญ่ที่รองรับหลายภาษาแข็งคนละจุด ตารางในการ์ดของ Llama3.1-Typhoon2-8B-instruct แสดงทั้งสองด้านไว้ในใบเดียว คือ IFEval-TH ขยับขึ้นจาก 58.04% เป็น 72.60% เมื่อเทียบกับโมเดลฐาน แต่ MT-Bench EN ลดจาก 8.118 เหลือ 7.584 การเลือกจึงขึ้นกับว่างานประจำวันของทีมเป็นภาษาไทยสัดส่วนเท่าไร
• machine-translation : ชื่อ Typhoon ในเว็บและใน Hugging Face ครอบโมเดลหลายชนิดที่ทำงานคนละอย่าง รุ่นสายแปลภาษาอย่าง typhoon-translate1.5-4b เป็นคนละตัวกับรุ่นแชททั่วไปอย่าง typhoon2.5-qwen3-4b และคนละตัวกับสายอ่านเอกสารอย่าง typhoon-ocr-3b เวลาสื่อสารในทีมหรือค้นหาข้อมูล ควรระบุชื่อรุ่นเต็มเสมอ และเจาะจงว่าหมายถึงตระกูลโมเดลภาษาไทยที่อยู่บน opentyphoon.ai กับบัญชี typhoon-ai บน Hugging Face โดยเอกสารและงานวิจัยรุ่นก่อนยังอ้างเส้นทางเก่าที่ขึ้นต้นด้วย scb10x ซึ่งเป็นชื่อบัญชีเดิมและยังเปิดได้อยู่เพราะ Hugging Face เด้งมาที่บัญชีใหม่ให้เอง อีกทั้งคำว่า typhoon ยังเป็นคำสามัญที่ถูกนำไปตั้งเป็นชื่อของสิ่งอื่นในวงการเทคด้วย