IBM ได้เปิดตัวตระกูลโมเดลภาษาขนาดใหญ่ Granite 4.2 ซึ่งมีรูปแบบที่มีจำนวนพารามิเตอร์ 3 พันล้าน, 8 พันล้าน และ 3 หมื่นล้านพารามิเตอร์ พร้อมหน้าต่างบริบท (context window) สูงสุดถึง 512k โทเคน และความสามารถในการใช้งานเครื่องมือแบบเอเจนต์ (agentic tool use) ในตัว ทั้งหมดนี้อยู่ภายใต้ใบอนุญาต Apache 2.0 การเคลื่อนไหวครั้งนี้ช่วยให้นักพัฒนาสามารถเข้าถึง AI ระดับองค์กรแบบ open-weight ที่หาได้ยาก ซึ่งสามารถใช้เหตุผลผ่านเอกสารจำนวนมหาศาลและทำงานได้อย่างอิสระโดยไม่ต้องพึ่งพา API ที่เป็นกรรมสิทธิ์

ทำไมการผลักดันโมเดลแบบ Open-Weight ของ IBM ถึงสำคัญในตอนนี้

ใบอนุญาตที่ยืดหยุ่นช่วยให้บริษัทต่างๆ สามารถรันโมเดลในพื้นที่ (on-premises), ในคลาวด์ส่วนตัว หรือฝังไว้ในอุปกรณ์ปลายทาง (edge devices) ได้โดยไม่มีค่าธรรมเนียมใบอนุญาต ซึ่งถือเป็นข้อได้เปรียบที่ชัดเจนสำหรับอุตสาหกรรมที่มีกฎระเบียบควบคุมเข้มงวดซึ่งไม่สามารถเปิดเผยข้อมูลให้กับบริการภายนอกได้

ก้าวกระโดดทางเทคนิค

  • ขนาดและข้อมูลที่ใช้ฝึกฝน – IBM ฝึกฝนโมเดลเหล่านี้ตั้งแต่เริ่มต้นด้วยโทเคนประมาณ 15 ล้านล้านโทเคน ซึ่งเป็นขนาดชุดข้อมูลที่เทียบเท่ากับโมเดลพื้นฐานเชิงพาณิชย์ที่ใหญ่ที่สุด
  • หน้าต่างบริบท (Context window) – หน้าต่างบริบทขนาด 512k โทเคน ช่วยให้การประมวลผลเพียงครั้งเดียวสามารถครอบคลุมฐานโค้ดทั้งหมด, เอกสารนโยบายที่มีความยาว หรือหนังสือหลายบท ช่วยลดความจำเป็นในการแบ่งข้อมูลเป็นส่วนย่อย (chunking) และนำกลับมารวมกันใหม่
  • การประมวลผลแบบสองโหมด (Dual-mode compute) – โหมด "คิด" (thinking mode) จะใช้เลเยอร์การใช้เหตุผลที่ลึกซึ้งยิ่งขึ้น ในขณะที่โหมด "ไม่คิด" (non-thinking mode) จะจัดการกับการค้นหาข้อมูลแบบง่ายๆ โดยใช้ทรัพยากร GPU ต่ำกว่า การสลับโหมดนี้ช่วยให้ผู้ใช้สามารถสร้างสมดุลระหว่างความหน่วง (latency) และต้นทุนต่อคำขอได้
  • การเรียนรู้แบบเสริมกำลังเชิงเอเจนต์ (Agentic reinforcement learning) – โมเดลขนาด 8B และ 30B ผ่านขั้นตอน RL แบบพิเศษที่สอนให้พวกมันสามารถเรียกใช้เครื่องมือภายนอก, รันโค้ดในสภาพแวดล้อมจำลอง (sandboxed code) และทำการค้นหาเว็บได้ โมเดลเหล่านี้เปิด endpoint การเรียกใช้เครื่องมือ (tool-calling) ในรูปแบบเดียวกับ OpenAI ดังนั้นไพป์ไลน์การจัดการ (orchestration pipelines) ที่มีอยู่เดิมจึงสามารถนำมาปรับใช้ใหม่ได้โดยไม่ต้องเขียนโค้ดใหม่
  • ความง่ายในการทำ Inference – ความสามารถในการทำงานร่วมกับ vLLM และ SGLang ช่วยให้โมเดลสามารถทำงานด้วยปริมาณงาน (throughput) สูงบนฮาร์ดแวร์ทั่วไป ซึ่งเป็นประโยชน์ในทางปฏิบัติสำหรับองค์กรที่ต้องการขยายการใช้งานเอเจนต์จำนวนมากพร้อมกัน

เรื่องเสริม: Granite Speech 5.0 Turbo CTC

นอกเหนือจากไลน์ของ LLM แล้ว IBM ยังได้เปิดตัวโมเดลแปลงเสียงเป็นข้อความ (speech-to-text) ขนาด 470 ล้านพารามิเตอร์ที่ชื่อว่า Granite Speech 5.0 Turbo CTC โดย IBM ระบุว่ามันสามารถถอดความเสียงยาวสามชั่วโมงได้ภายในหนึ่งวินาที ซึ่งเร็วกว่าผู้นำเดิมในตารางอันดับ Open ASR ถึงสองเท่า ด้วยขนาดที่เล็กมากและปริมาณงานที่สูงมาก ทำให้มันเป็นตัวเลือกที่เหมาะสมสำหรับการทำคำบรรยายแบบเรียลไทม์, การวิเคราะห์คอลเซ็นเตอร์ และไพป์ไลน์การนำเข้าข้อมูลเสียงขนาดใหญ่

เดิมพันสำหรับระบบนิเวศ AI

ใครคือผู้ชนะ:

  • องค์กรต่างๆ จะมีทางเลือกที่คุ้มค่ากว่าการใช้ API ราคาแพง โดยสามารถติดตั้งใช้งานเองได้ (self-hosted)
  • นักพัฒนา จะได้รับสแต็กเอเจนต์ (agentic stack) ที่พร้อมใช้งานและสามารถปรับแต่งได้โดยไม่ต้องเจรจาใบอนุญาตเชิงพาณิชย์
  • IBM กลับมาตอกย้ำความสำคัญในการแข่งขันด้าน AI ด้วยการนำเสนอโมเดล open-source ระดับเรือธงที่แสดงให้เห็นถึงความสามารถในการวิจัยของบริษัท

ใครคือผู้ที่ถูกคุกคาม:

  • ผู้ให้บริการแบบ closed-source ที่พึ่งพาการผูกขาด (lock-in) ผ่านโมเดลที่เป็นกรรมสิทธิ์ อาจเห็นยอดใช้จ่ายจากองค์กรลดลงหากลูกค้าเปลี่ยนไปใช้ granite agents ที่ติดตั้งในพื้นที่แทน
  • โปรเจกต์ open-source ขนาดเล็กอาจถูกบดบัง เนื่องจากขนาดและการสนับสนุนด้านเครื่องมือของ Granite ได้สร้างมาตรฐานที่สูงมากสำหรับความพยายามที่ขับเคลื่อนโดยชุมชน

ต้นทุนและข้อแลกเปลี่ยน: การรันโมเดลขนาด 30B พร้อมหน้าต่างบริบทครึ่งล้านโทเคนยังคงต้องใช้ GPU ระดับสูงหรือคลัสเตอร์ ดังนั้นองค์กรต้องชั่งน้ำหนักระหว่างการลงทุนด้านฮาร์ดแวร์กับเงินที่ประหยัดได้จากการไม่ต้องจ่ายค่า API

บทสรุป

Granite 4.2 นำ AI แบบ open-weight ระดับองค์กรที่แท้จริงเข้าสู่สาธารณะ โดยการรวมหน้าต่างบริบทขนาดใหญ่เข้ากับการใช้งานเครื่องมือที่พร้อมใช้งานทันที ใบอนุญาต Apache 2.0 ช่วยลดอุปสรรคทางกฎหมาย แต่ความท้าทายด้านฮาร์ดแวร์และความปลอดภัยหมายความว่าโมเดลนี้จะพบที่ทางในองค์กรที่มีทรัพยากรพร้อม ซึ่งสามารถจ่ายค่าประมวลผลและลงทุนในระบบ sandboxing ที่แข็งแกร่งได้ก่อน หากชุมชนให้การสนับสนุน Granite อาจกลายเป็นกระดูกสันหลังสำหรับเอเจนต์อัตโนมัติยุคถัดไป ซึ่งจะบีบให้ตลาด AI ในวงกว้างต้องเผชิญหน้ากับทางเลือกแบบ open-source ที่ไม่ลดละเรื่องขนาดหรือความสามารถอีกต่อไป