AI Agents · บทเรียน

ภาพรวม Llama, Mistral และ Qwen

ทำความรู้จักตระกูลโมเดลน้ำหนักเปิดขนาดใหญ่สามตระกูล ได้แก่ ใบอนุญาต ขนาด และความถนัดของแต่ละตระกูล

ภาพรวม Llama, Mistral และ Qwen เป็นบทเรียน AI Agents ฟรีบน CoddyKit นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน AI Agents และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

บางส่วนของบทเรียนนี้ยังไม่ได้รับการแปล และแสดงเป็นภาษาอังกฤษ

เหตุใดจึงใช้ซอฟต์แวร์โอเพนซอร์ส

โมเดลที่เปิดเผยน้ำหนักให้คุณได้:

ไม่มีค่า API ตามจำนวนโทเค็น
ความเป็นส่วนตัวของข้อมูล เพราะโมเดลทำงานบนฮาร์ดแวร์ของคุณ
การปรับแต่งด้วยการฝึกต่อยอดในทุกขนาด
ไม่มีการผูกติดกับผู้ให้บริการ

ต้นทุนคือชั่วโมงการทำงานของวิศวกร ค่าใช้จ่าย GPU และโดยทั่วไปคุณภาพที่ด้อยกว่าโมเดลระดับแนวหน้า

ตระกูล Llama (Meta)

เปิดตัวระหว่างปี 2023-2025 ในขนาดตั้งแต่ 1B ถึง 405B
Llama 3.x มีความสามารถสูง โดยรุ่น 8B แข่งขันกับโมเดลแบบปิดระดับกลางได้
ใช้ใบอนุญาตสำหรับชุมชน ซึ่งอนุญาตให้ใช้งานเชิงพาณิชย์ภายใต้เงื่อนไข
มีระบบนิเวศขนาดใหญ่มาก โมเดลที่ฝึกต่อยอดส่วนใหญ่พัฒนามาจาก Llama

ตระกูล Mistral (Mistral AI)

Mistral 7B Instruct — โมเดลขนาดเล็กที่มีประสิทธิภาพสูง
Mixtral 8x7B — โมเดลแบบผู้เชี่ยวชาญหลายตัวที่ทำงานได้รวดเร็วและมีความสามารถสูง
Mistral Large / Medium — น้ำหนักโมเดลแบบปิด ให้บริการผ่าน API
รุ่นแบบเปิดใช้ใบอนุญาต Apache 2.0

ตระกูล Qwen (Alibaba)

Qwen 2.5 — โมเดลการให้เหตุผลแบบเปิดเผยน้ำหนักชั้นนำในปี 2024
รองรับหลายภาษาได้ดีเยี่ยม โดยเฉพาะภาษาจีน
มีขนาดตั้งแต่ 0.5B ถึง 72B
ใช้ใบอนุญาต Apache 2.0

รุ่นอื่นที่น่าสนใจ

Gemma (Google) — ขนาดเล็กและขัดเกลามาอย่างดี
Phi (Microsoft) — ขนาดเล็กมากแต่มีความสามารถสูง
DeepSeek — ให้เหตุผลได้ดีด้วยต้นทุนที่ต่ำกว่า
Yi — รองรับหลายภาษาได้ดี

การเลือกขนาด

ขนาด	กรณีใช้งาน
1-3B	อุปกรณ์ปลายทาง อุปกรณ์เคลื่อนที่ การจัดประเภท
7-8B	GPU เดียว เอเจนต์อย่างง่าย
13-30B	GPU ขนาดใหญ่ขึ้น หรือ GPU ขนาดเล็ก 2-4 ตัว เอเจนต์สำหรับใช้งานจริง
70B+	GPU หลายตัว คุณภาพระดับแนวหน้า

การทดสอบประสิทธิภาพที่สำคัญ

MMLU — ความรู้ทั่วไป
GSM8K — คณิตศาสตร์
HumanEval — โค้ด
MT-Bench — คุณภาพการสนทนา
HELM / LMSYS Chatbot Arena — ความชื่นชอบของมนุษย์

เลือกการทดสอบประสิทธิภาพให้สอดคล้องกับงานของ YOUR

ช่องว่างระดับแนวหน้ากำลังลดลง

โมเดลแบบปิดระดับแนวหน้า เช่น GPT-4o และ Claude Sonnet 4.5 ยังคงนำหน้าในการทดสอบที่ยากที่สุด แต่โมเดลแบบเปิดขนาด 70B มีคุณภาพเทียบเท่าโมเดลแบบปิดระดับกลางในงานเอเจนต์ส่วนใหญ่

ข้อควรพิจารณาด้านใบอนุญาต

ตรวจสอบใบอนุญาตของโมเดลทุกตัว:

Apache 2.0 — อนุญาตให้ใช้งานได้อย่างกว้างขวาง
Llama Community License — มีข้อจำกัดเกี่ยวกับบริการขนาดใหญ่มากและกรณีใช้งานบางประเภท
ใบอนุญาตบางประเภทระบุว่า "เพื่อการวิจัยเท่านั้น" จึงไม่สามารถนำไปใช้งานเชิงพาณิชย์ได้

ให้บริการบนโฮสต์เทียบกับโฮสต์เอง

คุณสามารถใช้โมเดลแบบเปิดผ่าน API ที่ให้บริการบนโฮสต์ เช่น Together AI, Anyscale, Groq และ Fireworks โดยไม่ต้องดูแลโครงสร้างพื้นฐานเอง ซึ่งมักมีราคาถูกกว่า OpenAI เมื่อมีคุณภาพเท่ากัน

Hosted Open Models on Groq

from openai import OpenAI
client = OpenAI(
    base_url='https://api.groq.com/openai/v1',
    api_key=GROQ_KEY
)
response = client.chat.completions.create(
    model='llama-3.1-70b-versatile',
    messages=[{'role': 'user', 'content': 'Hello'}]
)

เมื่อ OSS เหนือกว่า

ต้องการความเป็นส่วนตัวอย่างเข้มงวด เช่น งานทางการแพทย์ กฎหมาย และการป้องกันประเทศ
มีปริมาณการใช้งานสูงมาก เพราะค่าใช้จ่ายต่อการเรียกใช้มีความสำคัญ
ต้องการปรับแต่งอย่างมาก เช่น ฝึกต่อยอดสำหรับโดเมนเฉพาะ
ต้องการรองรับหลายภาษาในกรณีที่ผู้ให้บริการแบบปิดทำได้ไม่ดี

เมื่อโมเดลแบบปิดเหนือกว่า

การให้เหตุผลระดับแนวหน้า
งานหลายรูปแบบ เช่น การมองเห็นและเสียง
บริบทขนาดยาว เพราะ Claude และ Gemini ยังคงเป็นผู้นำ
การสร้างต้นแบบอย่างรวดเร็ว

โมเดลขนาดเล็กที่สุดที่มีความสามารถเพียงพอ

สำหรับเอเจนต์ภายในที่เรียบง่ายและทำงานบน GPU เดียว โดยทั่วไปควรใช้โมเดลในช่วงขนาดใด

ทบทวน

Llama, Mistral และ Qwen คือสามตระกูลหลัก เลือกขนาดที่เล็กที่สุดซึ่งมีคุณภาพตรงตามต้องการ ผู้ให้บริการบนโฮสต์ เช่น Groq และ Together ช่วยให้คุณไม่ต้องดูแลโครงสร้างพื้นฐานเอง

คำถามที่พบบ่อย

บทเรียน “ภาพรวม Llama, Mistral และ Qwen” ฟรีหรือไม่

ใช่ — ข้อความเต็มของ “ภาพรวม Llama, Mistral และ Qwen” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส AI Agents ให้อัปเกรดเป็น CoddyKit PRO คอร์ส AI Agents มีบทเรียนทั้งหมด 4 บทเรียน

คุณจะเรียนรู้อะไรในบทเรียน “ภาพรวม Llama, Mistral และ Qwen”

ทำความรู้จักตระกูลโมเดลน้ำหนักเปิดขนาดใหญ่สามตระกูล ได้แก่ ใบอนุญาต ขนาด และความถนัดของแต่ละตระกูล คุณปฏิบัติ AI Agents ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน

คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน AI Agents หรือไม่

ไม่จำเป็นต้องมีประสบการณ์มาก่อน AI Agents บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 1 จากทั้งหมด 4 บทเรียน

บทเรียน “ภาพรวม Llama, Mistral และ Qwen” ใช้เวลานานแค่ไหน

บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย

ฉันเขียนและรันโค้ดในบทเรียน AI Agents นี้ได้ไหม

ได้ บทเรียน AI Agents ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ

บทเรียนทั้งหมดในหลักสูตรนี้

← กลับไปที่ AI Agents