ด้านการทดสอบเกณฑ์มาตรฐาน Qwen3.8-Flash มีผลการประเมินเทียบเคียงกับโมเดลอย่าง DeepSeek-V4-Flash และ Claude-Opus-4.6 ในหลายด้าน เช่น SWE-bench Pro สำหรับการเขียนโค้ดด้วยระบบอัตโนมัติ (agentic coding), CoWorkBench สำหรับการจัดการงานสำนักงานที่มีขั้นตอนต่อเนื่อง, Toolathlon Verified ด้านการเชื่อมต่อเครื่องมือเพื่อแก้ปัญหาหลายขั้นตอน, MathVision ด้านการแก้โจทย์คณิตศาสตร์ผ่านภาพ, AndroidWorld ด้านการควบคุมระบบสมาร์ตโฟน และ ERQA ด้านปัญญาประดิษฐ์เชิงกายภาพ

โมเดลดังกล่าวรองรับบริบท (context) พื้นฐานที่ 262K โทเคน และสามารถขยายได้สูงสุด 1 ล้านโทเคน โดยเปิดให้นักพัฒนาเข้าใช้งานค่าน้ำหนักโมเดลผ่านแพลตฟอร์ม Hugging Face และ ModelScope ขณะเดียวกัน อาลีบาบาได้เปิดให้บริการเชื่อมต่อผ่าน Application Programming Interface (API) บนระบบ Model Studio และ Qwen Cloud โดยกำหนดอัตราค่าบริการอินพุต 1 หยวน (ราว 0.16 ดอลลาร์สหรัฐ) ต่อ 1 ล้านโทเคน และเอาต์พุต 3 หยวน (ราว 0.47 ดอลลาร์สหรัฐ) ต่อ 1 ล้านโทเคน นอกจากนี้ยังนำไปใช้งานบนแพลตฟอร์ม QwenWork ในโหมดมาตรฐาน (standard mode) ซึ่งช่วยลดปริมาณการใช้โทเคนลง 75% และเพิ่มความเร็วในการประมวลผลผลลัพธ์เกือบเท่าตัว

ในเชิงเทคนิค มีการปรับใช้สถาปัตยกรรมแบบ hybrid attention ผสานระหว่าง Gated DeltaNet (GDN) เพื่อช่วยบีบอัดข้อมูลย้อนหลัง และ Qwen Sparse Attention (QSA) ที่ใช้ระบบดัชนีบีบอัดเพื่อเลือกข้อมูลบริบท ช่วยลดภาระการประมวลผลลำดับข้อมูลขนาดยาว เสริมด้วยกลไก Gated Residual (GR) เพื่อควบคุมการไหลเวียนข้อมูลระหว่างเลเยอร์ การนำเทคนิค N-gram Embedding มาช่วยเพิ่มขีดความสามารถของโมเดล และใช้ Muon Optimizer ในกระบวนการเทรน ส่งผลให้ใช้ทรัพยากรการเทรนเพียงประมาณ 1 ใน 9 ของรุ่นก่อนหน้าอย่าง Qwen3.7-Plus แต่ให้ประสิทธิภาพในการประมวลผลงานเขียนโค้ดและงานสำนักงานที่สูงขึ้น

ปัจจุบัน อาลีบาบาได้เผยแพร่โมเดลโอเพนซอร์สสู่ชุมชนนักพัฒนาแล้วมากกว่า 460 โมเดล ซึ่งนำไปสู่การพัฒนาต่อยอดเป็นโมเดลอนุพันธ์ (derivative models) มากกว่า 300,000 โมเดล และมีสถิติการดาวน์โหลดทั่วโลกรวมกว่า 3,000 ล้านครั้ง

The post อาลีบาบาเปิดตัวโมเดล AI มัลติโมดัล Qwen3.8-Flash สถาปัตยกรรม MoE ลดต้นทุนประมวลผล appeared first on Brickinfo News Agency.

โมเดล Wan2.2-S2V มีความสามารถในการสร้างแอนิเมชันตัวละครที่หลากหลาย รองรับการสร้างวิดีโอได้หลายมุมมอง ไม่ว่าจะเป็นแบบพอร์ตเทรต, ครึ่งตัว หรือเต็มตัว อีกทั้งยังสามารถสร้างการเคลื่อนไหวของตัวละครและองค์ประกอบแวดล้อมได้ตามคำสั่งที่กำหนดไว้ ทำให้ผู้สร้างคอนเทนต์สามารถสร้างวิดีโอที่แม่นยำและตรงตามเรื่องราวที่ต้องการ

นอกจากนี้ โมเดลยังสามารถสร้างตัวละครที่แสดงได้อย่างสมจริง ตั้งแต่บทสนทนาที่เป็นธรรมชาติไปจนถึงการแสดงดนตรี ซึ่งอาศัยเทคโนโลยีแอนิเมชันที่ขับเคลื่อนด้วยเสียงที่มีประสิทธิภาพสูง อีกทั้งยังสามารถจัดการตัวละครหลายตัวภายในฉากได้อย่างราบรื่น และรองรับอวาตาร์ที่หลากหลาย ตั้งแต่การ์ตูน, สัตว์ ไปจนถึงตัวละครที่มีสไตล์เฉพาะตัว

สำหรับรายละเอียดเชิงเทคนิค Wan2.2-S2V มีประสิทธิภาพเหนือกว่าแอนิเมชันแบบ talking-head ทั่วไป ด้วยการผสมผสานการควบคุมการเคลื่อนไหวหลักด้วยข้อความ และการเคลื่อนไหวเฉพาะจุดที่ละเอียดด้วยข้อมูลจากเสียง ทำให้ตัวละครเคลื่อนไหวได้อย่างเป็นธรรมชาติและสื่ออารมณ์ได้ลึกซึ้ง ทีมวิจัยของอาลีบาบาได้สร้างชุดข้อมูลภาพและเสียงขนาดใหญ่เพื่อฝึกฝนโมเดลนี้โดยเฉพาะ ซึ่งครอบคลุมการใช้งานสำหรับภาพยนตร์และรายการโทรทัศน์ และสามารถรองรับการสร้างวิดีโอได้หลายรูปแบบ ไม่ว่าจะเป็นวิดีโอสั้นแนวตั้ง หรือวิดีโอแนวนอนสำหรับงานโปรดักชันขนาดใหญ่

ปัจจุบันโมเดล Wan2.2-S2V พร้อมให้ดาวน์โหลดแล้วบน Hugging Face, GitHub และ ModelScope ซึ่งเป็นคอมมูนิตี้โอเพนซอร์สของอาลีบาบา คลาวด์ ทั้งนี้ อาลิบาบาได้เปิดโอเพนซอร์สโมเดล Wan2.1 ไปเมื่อเดือนกุมภาพันธ์ 2568 และโมเดล Wan2.2 ในเดือนกรกฎาคมที่ผ่านมา ซึ่งโมเดลในซีรีส์ Wan มียอดดาวน์โหลดรวมกว่า 6.9 ล้านครั้งแล้วบนแพลตฟอร์มต่าง ๆ

The post อาลีบาบาเปิดตัว Wan2.2-S2V โมเดลสร้างวิดีโอดิจิทัลฮิวแมน จากภาพนิ่งและไฟล์เสียง appeared first on Brickinfo News Agency.

Wan2.2 เป็นไฮบริดโมเดลที่รองรับการสร้างวิดีโอทั้งจากข้อความ (text-to-video) และจากภาพ (image-to-video) ภายใต้เฟรมเวิร์กเดียวกัน ประกอบด้วยโมเดลย่อยสามตัว ได้แก่ Wan2.2-T2V-A14B สำหรับแปลงข้อความเป็นวิดีโอ และ Wan2.2-I2V-A14B รวมถึง Wan2.2-TI2V-5B สำหรับแปลงภาพเป็นวิดีโอ โดยเฉพาะ Wan2.2-T2V-A14B และ Wan2.2-I2V-A14B ที่สร้างขึ้นบนสถาปัตยกรรม MoE (Mixture-of-Experts) ได้รับการฝึกฝนด้วยข้อมูลภาพที่คัดสรรมาอย่างพิถีพิถัน ทำให้สามารถผลิตวิดีโอที่มีคุณภาพระดับภาพยนตร์ได้ และยังช่วยให้ผู้ใช้งานสามารถควบคุมองค์ประกอบสำคัญ เช่น แสง สี มุมกล้อง และองค์ประกอบอื่น ๆ ได้อย่างละเอียด

สถาปัตยกรรม MoE ที่ใช้ในโมเดลนี้ยังช่วยแก้ปัญหาด้านการใช้ทรัพยากรการประมวลผลสูง โดยใช้การออกแบบแบบ two-expert ในกระบวนการลดเสียงรบกวน (diffusion model) ประกอบด้วย high-noise expert ที่เน้นโครงสร้างภาพรวมของฉาก และ low-noise expert ที่เน้นการปรับแต่งรายละเอียดและพื้นผิว แม้ว่าโมเดลจะมีพารามิเตอร์รวม 27 พันล้านพารามิเตอร์ แต่ในแต่ละขั้นตอนจะมีการเปิดใช้งานเพียง 14 พันล้านพารามิเตอร์เท่านั้น ทำให้สามารถลดการใช้ทรัพยากรการประมวลผลลงได้ถึง 50% นอกจากนี้ Wan2.2 ยังรองรับการปรับแต่งผ่านระบบพรอมต์ (prompt) ที่ได้รับแรงบันดาลใจจากงานภาพยนตร์ ซึ่งช่วยให้โมเดลสามารถตีความและสร้างสรรค์ผลงานตามความต้องการของผู้ใช้งานได้อย่างแม่นยำ

Wan2.2 ยังมาพร้อมกับ Wan2.2-TI2V-5B ซึ่งเป็นโมเดลขนาดกะทัดรัด (dense model) ที่ใช้สถาปัตยกรรม 3D VAE เพื่อเพิ่มประสิทธิภาพในการบีบอัดข้อมูล ทำให้สามารถสร้างวิดีโอความยาว 5 วินาที ที่ความละเอียด 720P ได้ในเวลาไม่กี่นาทีบน GPU ระดับผู้ใช้งานทั่วไปเพียงตัวเดียว เป็นการเปิดโอกาสให้ครีเอเตอร์และนักพัฒนาสามารถสร้างสรรค์วิดีโอได้อย่างมีประสิทธิภาพและสามารถปรับขนาดได้ตามความต้องการ

ปัจจุบัน โมเดล Wan2.2 พร้อมให้ดาวน์โหลดแล้วบน Hugging Face และ GitHub รวมถึงบน ModelScope ซึ่งเป็นแพลตฟอร์มโอเพนซอร์สของ Alibaba Cloud (อาลีบาบา คลาวด์) ทั้งนี้ อาลีบาบาเป็นหนึ่งในผู้มีส่วนร่วมสำคัญในชุมชนโอเพนซอร์สระดับโลก โดยก่อนหน้านี้ได้มีการเปิดตัวโมเดล Wan2.1 และ Wan 2.1-VACE ไปแล้ว ซึ่งมียอดดาวน์โหลดรวมกันมากกว่า 5.4 ล้านครั้ง

The post อาลีบาบาเปิดตัว Wan2.2 โมเดลสร้างวิดีโอแบบโอเพนซอร์ส ชูจุดเด่นสถาปัตยกรรม MoE ยกระดับคุณภาพระดับภาพยนตร์ appeared first on Brickinfo News Agency.

Wan2.1-VACE ถือเป็นโมเดลโอเพ่นซอร์สแรกในอุตสาหกรรมที่นำเสนอโซลูชันที่ครอบคลุมทั้งการสร้างสรรค์และตัดต่อวิดีโอ โดยเป็นส่วนหนึ่งของ Wan2.1 series ซึ่งเป็นโมเดลขนาดใหญ่สำหรับการสร้างวิดีโอของอาลีบาบา (Alibaba) โมเดลนี้รองรับการสร้างวิดีโอจากอินพุตหลากหลายรูปแบบ ไม่ว่าจะเป็นข้อความ รูปภาพ หรือวิดีโอ นอกจากนี้ ยังมีฟีเจอร์การตัดต่อที่หลากหลาย เช่น การอ้างอิงภาพหรือเฟรม การปรับวิดีโอใหม่ การแก้ไขเฉพาะส่วน และการขยายพื้นที่และเวลา ทำให้ผู้สร้างสรรค์สามารถผสมผสานการทำงานต่าง ๆ ได้อย่างยืดหยุ่นและสร้างสรรค์มากยิ่งขึ้น

ด้วยเทคโนโลยีล้ำสมัยนี้ ผู้ใช้งานสามารถสร้างวิดีโอที่มีการโต้ตอบตามตัวอย่างภาพ และทำให้ภาพนิ่งมีชีวิตชีวาด้วยเอฟเฟกต์การเคลื่อนไหวที่เป็นธรรมชาติ รวมถึงฟังก์ชัน video repainting ที่ช่วยให้สามารถสร้างภาพตามท่าทางที่ต้องการจากภาพอื่น การควบคุมการเคลื่อนไหว ระยะชัดลึก และการปรับสี นอกจากนี้ โมเดลยังรองรับการเพิ่ม แก้ไข หรือลบเนื้อหาส่วนที่เลือกโดยไม่กระทบต่อส่วนอื่น ๆ และยังสามารถขยายขอบเขตวิดีโอพร้อมใส่เนื้อหาเพิ่มเติมได้อย่างชาญฉลาด

Wan2.1-VACE ขับเคลื่อนด้วยเทคโนโลยีใหม่ ๆ ที่ออกแบบมาเพื่อตอบสนองความต้องการที่หลากหลายของการตัดต่อวิดีโอ โดยมีอินเทอร์เฟซครบวงจรที่เรียกว่า Video Condition Unit (VCU) ซึ่งรองรับการประมวลผลอินพุตหลายรูปแบบ เช่น ข้อความ ภาพ วิดีโอ และมาสก์ ผ่านอินเทอร์เฟซเดียว นอกจากนี้ ยังใช้โครงสร้าง Context Adapter ที่ช่วยให้โมเดลสามารถจัดการงานสังเคราะห์วิดีโอที่หลากหลายได้อย่างยืดหยุ่น ความก้าวหน้าทางสถาปัตยกรรมของโมเดลนี้ทำให้สามารถนำไปประยุกต์ใช้ได้อย่างกว้างขวาง เช่น การผลิตวิดีโอสั้นสำหรับโซเชียลมีเดีย การสร้างคอนเทนต์โฆษณาและการตลาด งาน post-production และการสร้างเอฟเฟกต์พิเศษสำหรับภาพยนตร์และโทรทัศน์ รวมถึงการสร้างวิดีโอเพื่อการฝึกอบรมทางการศึกษา

อาลีบาบา (Alibaba) ได้เปิดให้ใช้งานโมเดล Wan2.1-VACE สองเวอร์ชัน คือ ขนาด 14 พันล้านพารามิเตอร์ และ 1.3 พันล้านพารามิเตอร์ โดยเปิดให้ดาวน์โหลดฟรีบน Hugging Face, GitHub และ ModelScope ซึ่งเป็นคอมมิวนิตี้โอเพ่นซอร์สของ อาลีบาบา คลาวด์ (Alibaba Cloud) การเปิดให้เข้าถึงโมเดล AI ขนาดใหญ่ที่พัฒนาขึ้นเองนี้ ช่วยลดอุปสรรคในการนำ AI ไปใช้ประโยชน์สำหรับธุรกิจต่าง ๆ ทำให้สามารถสร้างสรรค์คอนเทนต์ภาพและวิดีโอคุณภาพสูงที่ปรับให้เข้ากับความต้องการเฉพาะได้อย่างรวดเร็วและคุ้มค่า

The post อาลีบาบาเปิดตัวโมเดลโอเพ่นซอร์ส AI สร้างและตัดต่อวิดีโอ Wan2.1-VACE appeared first on Brickinfo News Agency.

โมเดลดังกล่าวอยู่ในซีรีส์ Wan2.1 ซึ่งเป็นรุ่นล่าสุดของ Tongyi Wanxiang (Wan) โมเดลวิดีโอพื้นฐานของอาลีบาบา คลาวด์ ประกอบด้วย 4 โมเดล ได้แก่ T2V-14B, T2V-1.3B, I2V-14B-720P และ I2V-14B-480P ออกแบบมาเพื่อสร้างภาพและวิดีโอคุณภาพสูงจากข้อความและรูปภาพ โดยโมเดลเหล่านี้สามารถดาวน์โหลดได้จาก ModelScope และ Hugging Face

Wan2.1 เป็นโมเดลสร้างวิดีโอรุ่นแรกที่รองรับการป้อนข้อมูลทั้งภาษาจีนและภาษาอังกฤษ สามารถสร้างภาพที่สมจริงและจัดการการเคลื่อนไหวที่ซับซ้อนได้อย่างแม่นยำ นอกจากนี้ ยังได้รับคะแนนสูงถึง 86.22% บน VBench leaderboard ซึ่งเป็นชุดเกณฑ์มาตรฐานสำหรับโมเดลสร้างวิดีโอ

“การเปิดให้เข้าถึงโมเดลเหล่านี้โดยไม่มีค่าใช้จ่าย จะช่วยลดอุปสรรคและทำให้ธุรกิจต่าง ๆ สามารถใช้ประโยชน์จาก AI ได้มากขึ้น” อาลีบาบา คลาวด์ กล่าว

โมเดล T2V-14B เหมาะสำหรับการสร้างภาพคุณภาพสูงที่มีการเคลื่อนไหวสูง ในขณะที่ T2V-1.3B เหมาะสำหรับการพัฒนาต่อยอดและการวิจัยทางวิชาการ ส่วนโมเดล I2V-14B-720P และ I2V-14B-480P สามารถแปลงภาพเป็นวิดีโอได้

อาลีบาบา คลาวด์ เป็นหนึ่งในบริษัทเทคโนโลยีรายแรก ๆ ที่เปิดโอเพ่นซอร์สโมเดล AI ขนาดใหญ่ โดยก่อนหน้านี้ได้เปิดตัวโมเดล Qwen (Qwen-7B) ซึ่งได้รับการจัดอันดับอยู่ในระดับสูงบน Hugging Face Open LLM Leaderboards

The post อาลีบาบา คลาวด์ เปิดโอเพ่นซอร์สโมเดล AI สร้างวิดีโอ หวังกระตุ้นการเข้าถึงเทคโนโลยี appeared first on Brickinfo News Agency.