บทความโดยทีม AIServer.in.th — 12 กันยายน 2026
สัปดาห์นี้ OpenBMB ปล่อย MiniCPM5-2B ตามหลัง MiniCPM5-1B ที่ออกเมื่อเดือนพฤษภาคม พร้อมคำโฆษณาที่แรงมากสำหรับโมเดลขนาดนี้: Artificial Analysis จัดให้ 2B มีคะแนนดัชนีเท่ากับ Qwen3.5-9B ทั้งที่เล็กกว่า 4 เท่า และใช้โทเคนต่อโจทย์น้อยที่สุดในกลุ่ม เรามีคำถามสองข้อที่ลูกค้าจะถามแน่: มันเอาไปใช้ทำอะไรได้บนเครื่องของเรา และมันรู้ภาษาไทยไหม เราเลยโหลดทั้งตระกูลมารันบน DGX Spark แล้ววัดทุกอย่างที่วัดได้ ตั้งแต่ความเร็ว การรับหลายสาย ตัวร่าง speculative decoding ชุดทดสอบภาษาไทย 170 ข้อ ไปจนถึงการเอา checkpoint ทั้ง 4 ขั้นของการเทรนมาตอบคำถามเดียวกัน
คำตอบสั้น: ใช้ได้ดีมากในงานที่ไม่ใช่ภาษาไทย และเป็นวัสดุสอนเรื่อง post-training ที่ดีที่สุดชิ้นหนึ่งที่เคยมี แต่สำหรับผู้ใช้ไทย มันยังไม่ใช่โมเดลที่จะเอาไปคุยด้วยได้
MiniCPM5 คือใคร มาจากไหน
OpenBMB เป็นกลุ่มโอเพนซอร์สของ ModelBest ร่วมกับห้องแล็บ THUNLP มหาวิทยาลัยชิงหัว ทำโมเดลตระกูล MiniCPM มาตั้งแต่ปี 2024 (รุ่น 1B และ 2B แรก) ต่อด้วย MiniCPM4 กลางปี 2025 ที่ใช้ sparse attention และ MiniCPM4.1 ปลายปี 2025 นอกจากโมเดลภาษายังมี MiniCPM-V สำหรับภาพ, BitCPM แบบ 3 บิต และ VoxCPM สำหรับเสียง จุดยืนของพวกเขาชัดมาตลอด: โมเดลที่ต้องรันบนอุปกรณ์ปลายทางได้จริง ไม่ใช่โมเดลใหญ่ที่อยู่บนเซิร์ฟเวอร์
MiniCPM5 คือรุ่นปี 2026 ทั้งสองตัวเป็น dense Transformer แบบ Llama มาตรฐาน (จึงรันได้ทุกที่ที่รัน Llama ได้) ใบอนุญาต Apache-2.0
| MiniCPM5-1B | MiniCPM5-2B | |
|---|---|---|
| ออก | 26 พฤษภาคม 2026 | 6 กันยายน 2026 |
| พารามิเตอร์ | 1.08B (24 ชั้น) | 2.6B |
| context | 131K | 131K |
| โหมด | think / no-think ในไฟล์เดียว (enable_thinking) |
เหมือนกัน |
| จุดขาย | อันดับ 1 ดัชนี AA กลุ่มโมเดลเล็ก (17.9) ชนะ Qwen3.5-2B ด้วยโทเคนน้อยกว่า 30 เท่า | ดัชนี AA 15 เท่า Qwen3.5-9B · เฉลี่ย 53.9 จาก 34 เบนช์มาร์ก · ใช้โทเคน 19K ต่อโจทย์ น้อยสุดในกลุ่ม |
| ของแถม | Base + SFT checkpoint | Base + Midtrain + SFT checkpoint และ DSpark drafter 0.32B |
| ภาษาที่ระบุ | อังกฤษ จีน | อังกฤษ จีน |
สิ่งที่น่าสนใจกว่าตัวเลขคือวิธีเทรนที่พวกเขาเปิดหมด: pretrain → mid-training (ยืด context ปรับสัดส่วนข้อมูล) → SFT ด้วยข้อมูล “คิดยาว” 400B โทเคน → RL ด้วยครูเฉพาะทาง 16 ตัว (คณิต โค้ด เอเจนต์ การเขียน) → On-Policy Distillation ที่ใช้ reverse KL ระหว่าง logits ของนักเรียนกับครูเป็นสัญญาณรางวัล พวกเขารายงานว่าขั้น RL+OPD เพิ่มคะแนน reasoning เฉลี่ย 11 แต้ม และงานเอเจนต์ 7 แต้ม และที่พิเศษคือ ปล่อย checkpoint ของทุกขั้นให้โหลด ซึ่งเราจะใช้ประโยชน์ในหัวข้อถัดไป
เปิดกล่องดำ post-training: โมเดลเดียวกัน 4 ขั้น ตอบคำถามเดียวกัน
เราโหลด Base, Midtrain, SFT และตัวปล่อยจริงของ 2B ทั้งสี่ตัว (ตัวละ 4.7 GB) มาตอบ prompt ชุดเดียวกัน 7 ข้อบน Spark แบบ greedy สิ่งที่เห็นคือบทเรียน post-training ทั้งบทในตารางเดียว
- Base และ Midtrain ไม่รู้จัก “การหยุด” ได้ prompt แล้วก็พูดต่อจนครบโควตา และวนซ้ำประโยคเดิม (“ท้องฟ้าเป็นสีฟ้าเพราะ…” ซ้ำสี่รอบ) เพราะมันคือเครื่องทำนายคำถัดไป ยังไม่มีแนวคิดว่าคำถามกับคำตอบต่างกันอย่างไร ถาม tool call ก็ได้ข้อความว่างเปล่า
- Midtrain ต่างจาก Base แค่เนื้อสัมผัส ต่อข้อความไทยได้ลื่นขึ้นเหมือนบทความเว็บ แต่พฤติกรรมยังเป็น base ทุกประการ
- SFT คือจุดที่กลายเป็นผู้ช่วย ตอบแล้วหยุดเองทุกข้อ ทำโจทย์เงินทอนถูก (45×7=315, 500−315=185) แปลไทยเป็นอังกฤษถูก แต่ยังมีอาการ “ผู้ช่วยที่ท่องบท”: พอให้ต่อประโยคภาษาอังกฤษ มันตอบว่า “ขอโทษ ฉันไม่สามารถคำนวณเรียลไทม์ได้” และ tool call ได้แค่ก้อน arguments ไม่มีชื่อฟังก์ชัน
- Final (RL + OPD) แก้สิ่งที่ SFT ยังหลวม tool call ครบรูปแบบ (
tool_calls→function_call→ ชื่อ + arguments) คำอธิบายสำหรับเด็กสิบขวบมีน้ำเสียงเล่าให้เด็กฟังจริง ขณะที่ SFT ตอบเชิงวิชาการ นี่คือผลของครู RL ที่ดันเรื่องรูปแบบและการทำตามคำสั่ง - ภาษาไทยไม่ดีขึ้นตามขั้น ทั้งสี่ขั้นอธิบาย “ทำไมท้องฟ้าสีฟ้า” ผิดเหมือนกัน (เมฆสะท้อน, ก้อนน้ำ) เพราะความรู้ไทยไม่มีตั้งแต่ pretrain และ post-training ไม่เพิ่มความรู้ที่ base ไม่มี
ตารางเต็มอยู่ในแล็บของคอร์ส Post-Training ของเรา (courses/post-training/labs/minicpm5-stages) ใครกำลังเรียนเรื่อง SFT/RL ควรเปิดดูคู่กับบทที่ 1 และ 3
ใช้ทำอะไรได้ (ที่เราลองแล้วบน Spark)
1. ฝูงเอเจนต์ตัวเล็กบนเครื่องเดียว 2B แบบ Q8 ใช้แรมแค่ 2.7 GB llama.cpp บน Spark สายเดียวได้ 85 โทเคนต่อวินาที และเมื่อเปิด 16 สายพร้อมกันได้รวม 706 โทเคนต่อวินาที (47 ต่อสาย) โดยที่แรมยังเหลือให้โมเดลใหญ่รันคู่กัน เหมาะกับงานที่เอเจนต์หลักส่งงานย่อยที่ต้องใช้ tool call จำนวนมากไปให้ตัวเล็กทำ (มีคนรายงาน 32 สายบน Spark ได้ 931 โทเคนต่อวินาที)
2. สมองในอุปกรณ์ปลายทาง 1B แบบ Q8 ใช้แรม 1.2 GB ได้ 198 โทเคนต่อวินาทีบน Spark และมี build สำหรับ Jetson, Arm SME2, Intel, Rockchip, MLX บน Mac และ LiteRT บนมือถือ OpenBMB โชว์ตัวอย่างบน MacBook 16 GB ที่โมเดลเรียกค้นเว็บแล้วสรุปได้ทั้งหมดในเครื่อง จุดแข็งที่สุดของมันคือ agentic tool use ซึ่งตรงกับงานหุ่นยนต์และอุปกรณ์ที่ต้องเข้าใจคำสั่งแล้วเรียกฟังก์ชัน (อ่านเพิ่มเรื่อง Jetson Thor ในบทความก่อนหน้า)
3. โมเดลรองใน AI Server ใช้เป็นตัวช่วยงานเล็กที่เร็วมาก: จัดหมวดคำขอก่อน route ไปโมเดลใหญ่ เขียน query ใหม่ก่อนค้น RAG ตรวจรูปแบบ tool call ทำความสะอาดข้อความจาก ASR งานเหล่านี้ส่วนใหญ่เป็นภาษาอังกฤษหรือรูปแบบข้อมูล ซึ่งเป็นจุดที่มันเก่ง
4. Speculative decoding แบบ DSpark 2B มาพร้อม drafter 0.32B ที่ใช้เทคนิค DSpark แบบเดียวกับ DeepSeek V4 บนการ์ดโมเดลรายงานว่ารับโทเคนได้ 4–6 ต่อรอบในงานคณิต/โค้ด เราลองบน Spark ด้วย prompt ไทย/อังกฤษผสม: อัตรารับแค่ 22% (เฉลี่ย 2.6 โทเคน) ความเร็วรวม 84 → 83 โทเคนต่อวินาที ไม่ได้ประโยชน์ เพราะโมเดลเล็กอยู่แล้ว ต้นทุนของการร่างกินกำไรหมด นี่เป็นเคสสอนที่ดีว่า speculative decoding ได้ผลเมื่อโมเดลหลักใหญ่และงานคาดเดาง่าย
5. วัสดุสอนเทรน ด้วย checkpoint ครบ 4 ขั้นและ cookbook สำหรับ TRL, LLaMA-Factory, ms-swift และ Unsloth ขนาด 1–2.6B เทรน LoRA บน Spark เครื่องเดียวจบในชั่วโมง มันคือโมเดลตัวอย่างที่เราจะใช้ในคอร์ส Post-Training ต่อจากนี้
แล้วภาษาไทยล่ะ
นี่คือส่วนที่ต้องพูดตรงๆ เราวัดสามระดับ
ระดับ 1 คุยเล่น 5 คำถาม 1B ตอบเป็นภาษาไทยที่อ่านออกเป็นคำแต่ไม่มีความหมาย (“คานานนานสีน้ำตาลส้มม้าได้บินขึ้นเหนืออูฐที่ลื่น”) ส่วน 2B ตอบอ่านรู้เรื่อง ทำโจทย์เงินทอนถูก แต่ไวยากรณ์เพี้ยน (“ครับ/ครับ”) และคำเฉพาะพลาด
ระดับ 2 เข้าใจไทยไหม (แปลไทย → อังกฤษ 6 ประโยค)
| ประโยค | 1B | 2B |
|---|---|---|
| ฝนตกหนัก เลยทำงานที่บ้าน | ✓ | ✓ |
| ลูกสุดท้ายไม่ขาย…ช่วยพายเรือ…แบ่งครึ่งลูก | ✗ “The last child didn’t sell” | ◐ จับใจความได้ |
| ติดตั้งเซิร์ฟเวอร์ AI ข้อมูลไม่ออกนอกองค์กร | ◐ | ✓ |
| บอกว่าจะมาบ่ายสาม รถติด มาเกือบห้าโมง | ✗ | ✓ |
| อย่าเปิดประตูระหว่างเครื่องทำงาน | ✗ แปลกลับด้านเป็น “Please open” | ✓ |
| ป้าขายข้าวเหนียวมะม่วง มะม่วงแพงเกือบเท่าตัว | ✗ “black beans” | ✗ “purple grape juice” |
2B เข้าใจ ประโยคชีวิตประจำวันได้ราว 4 ใน 6 แต่ 1B แปลคำสั่งห้ามกลับด้าน ซึ่งอันตรายถ้าเอาไปคุมอุปกรณ์
ระดับ 3 ThaiEval-2026 v3 ของเรา (170 ข้อ 7 หมวด ตรวจด้วย judge เดี่ยว ปิด thinking บังคับตอบไทย คะแนน 0–1)
| หมวด | MiniCPM5-1B | MiniCPM5-2B | Qwen3.8-Flash-Next UD-Q2 (อ้างอิง) |
|---|---|---|---|
| ภาษา (LANG) | 0.04 | 0.22 | 0.86 |
| ร้อยแก้ว (PROS) | 0.00 | 0.01 | 0.88 |
| เอกสารยาว (LONG) | 0.25 | 0.82 | 0.96 |
| ความรู้ไทย (KNOW) | 0.00 | 0.12 | 0.88 |
| เหตุผล (REAS) | 0.22 | 0.84 | 1.00 |
| ทำตามคำสั่ง (INST) | 0.10 | 0.57 | 0.99 |
| ความปลอดภัย (SAFE) | 0.06 | 0.61 | 0.99 |
| เฉลี่ย | 0.10 | 0.46 | 0.94 |
อ่านตารางนี้ให้ถูก: 2B ทำ เหตุผล และ เอกสารยาว ได้ดี (0.84 / 0.82) แปลว่าสมองมี แต่ ภาษา ร้อยแก้ว และความรู้ไทย เกือบศูนย์ แปลว่าไม่มีข้อมูลไทยตอน pretrain ผลคือมันคิดได้แต่พูดไทยไม่ได้และไม่รู้เรื่องเมืองไทย ส่วน 1B ไม่มีอะไรเลยในภาษาไทย
ข้อสรุปของเรา
- ไม่เข้ารายการโมเดลของ AI Server Suite สำหรับผู้ใช้ทั่วไป เพราะภาษาไทยไม่ผ่านเกณฑ์ คนไทยยังควรใช้ Qwen3.8 หรือ Flash-Next ที่เราจัดให้
- เอาเข้าเครื่องได้ในฐานะโมเดลรอง สำหรับงานภาษาอังกฤษ งานรูปแบบข้อมูล และฝูงเอเจนต์ที่ต้อง throughput สูงบนแรมน้อย
- เป็นฐานเทรนที่ดี 2B มีพื้นเข้าใจไทยอยู่แล้วราว 70% แล็บถัดไปของเราคือ SFT ภาษาไทยจาก checkpoint SFT ของมัน แล้ววัดด้วย ThaiEval ชุดเดียวกันว่าจะดัน LANG/PROS ขึ้นได้แค่ไหน ในขณะที่ KNOW น่าจะขยับน้อย (เพราะความรู้ต้องมาจาก pretrain) ถ้าผลออกมา เราจะเขียนเล่าอีกครั้ง
ทุกการวัดทำบน DGX Spark เครื่องเดียว วันที่ 12 กันยายน 2026 ด้วย llama.cpp (GGUF Q8 ของ OpenBMB) และ transformers สำหรับ checkpoint 4 ขั้น ถ้าอยากเห็นโมเดลเหล่านี้รันจริงหรือคุยเรื่องเอเจนต์บนอุปกรณ์ ติดต่อเราได้ที่นี่ และคอร์ส Post-Training ที่ใช้แล็บนี้อยู่ที่ หน้าคอร์ส
อ้างอิง
– OpenBMB/MiniCPM บน GitHub และการ์ดโมเดล openbmb/MiniCPM5-1B, MiniCPM5-2B, MiniCPM5-2B-Base/Midtrain/SFT, MiniCPM5-2B-DSpark (Hugging Face)
– Artificial Analysis: “MiniCPM5-1B: The leading 1B open weights model” (26 พฤษภาคม 2026) และ “OpenBMB releases MiniCPM5-2B” (7 กันยายน 2026)
– MarkTechPost: “OpenBMB Releases MiniCPM5-2B: A 2.52B Dense Model Averaging 53.9 Across 34 Benchmarks” (7 กันยายน 2026)
– MindStudio: “MiniCPM5-2B: Running OpenBMB’s 2B On-Device Model Locally” (รายงาน 32 สายบน DGX Spark)