MiniCPM5-2B-DSpark เทียบกับ Gemma 4 12B: สองวิธีในการร่าง สองระดับน้ำหนักของ AI ในเครื่อง

วิธีที่เร็วที่สุดที่จะเห็นว่าเหตุใด MiniCPM5-2B-DSpark และ Gemma 4 12B จึงอยู่ในหน้าเดียวกัน ก็คือการไม่สนใจขนาดของพวกมันสักครู่ แล้วดูว่าแต่ละตัวเขียนประโยคอย่างไร ทั้งคู่หลอกลวง memory bus ด้วย drafter: โมเดลขนาดเล็กเสนอโทเค็นถัดไปหลายตัวพร้อมกัน แล้วโมเดลจริงจะตรวจสอบบล็อกนั้นในรอบเดียว ดังนั้นซิลิคอนจึงจ่ายต้นทุนการโหลดน้ำหนักหนึ่งครั้งต่อบล็อก แทนที่จะจ่ายหนึ่งครั้งต่อโทเค็น MiniCPM5-2B-DSpark คือดราฟต์ที่ OpenBMB โพสต์เงียบ ๆ ไปยัง Hugging Face เมื่อวันที่ 6 กันยายน 2026 — เช็คพอยต์คู่หูขนาด 323.8M พารามิเตอร์ที่เร่งความเร็ว MiniCPM5-2B ซึ่งเป็นโมเดล on-device แบบ dense ขนาด 2.52B ที่ ModelBest ประกาศที่งาน WAIC เมื่อวันที่ 19 กรกฎาคม 2026 Gemma 4 12B คือโมเดลมัลติโมดัลเอนกประสงค์แบบไม่มีเอนโค้ดเดอร์ขนาด 11.95B ของ Google เปิดตัวเมื่อวันที่ 3 มิถุนายน 2026 พร้อม drafter ในตัวและ 256K context ตัวหนึ่งจำหน่าย drafter เป็นเช็คพอยต์ Apache-2.0 แยกต่างหากที่คุณโหลดเอง ส่วนอีกตัวซ่อนกลอุบายคล้ายกันไว้ภายในโมเดลขนาดใหญ่ตัวเดียวที่คุณเรียกใช้เท่านั้น

หมายเหตุที่ตรงไปตรงมาซึ่งกำหนดรูปร่างของบทความนี้: MiniCPM5-2B-DSpark ไม่ใช่โมเดลที่คุณจะสั่งงานด้วย prompt ได้ มันไม่มี tokenizer ไม่มี chat template และไม่มีเอาต์พุตแบบสแตนด์อโลน — เป็นเพียงการ์ดที่ระบุ model.safetensors, config และ README เท่านั้น มันคืออุปกรณ์เสริมในเลเยอร์ serving สำหรับโมเดลเป้าหมายคลาส 2B และการเปรียบเทียบที่แท้จริงที่ผู้อ่านกำลังทำคือระหว่างคลาสน้ำหนักของ AI ในเครื่องสองคลาส: สแตกระดับ 2B ขนาดเท่าโทรศัพท์ที่ร่างโทเคนของตัวเอง เทียบกับโมเดลอเนกประสงค์ระดับ 12B ขนาด 16 กิกะไบต์ที่ร่างโทเคนของตัวเอง ทุกอย่างที่เหลือด้านล่างคือการตัดสินใจนั้นที่ถูกทำให้เป็นรูปธรรม

MiniCPM5-2B-DSpark แท้จริงแล้วคืออะไร

การ์ดโมเดลคือส่วนที่เปิดเผยสู่สาธารณะทั้งหมดของการรีลีสครั้งนี้ ดังนั้นนี่คือทั้งหมดที่สามารถรู้ได้จากมัน MiniCPM5-2B-DSpark เป็นเช็กพอยต์แบบดราฟต์ของ DSpark: มีเลเยอร์ full-attention ห้าชั้น มีพารามิเตอร์ 323,776,001 ตัว ใช้ grouped-query attention ซึ่งมี query heads 16 หัวและ KV heads 2 หัว และมี block size เท่ากับเจ็ด โดยมันจะเสนอโทเคนตัวเลือกได้สูงสุดเจ็ดตัวต่อ forward pass เพื่อให้โมเดลเป้าหมาย MiniCPM5-2B ตรวจสอบ คอนฟิกระบุสถาปัตยกรรม Qwen3DSparkModel พร้อมกับ auto-map ของ DSparkDraftModel และตัวเช็กพอยต์มาพร้อมกับ confidence head และ Markov head จากวิธี DSpark (arXiv 2607.05147 เอกสาร DeepSeek เดือนกรกฎาคม 2026) ที่ยังคงเปิดใช้งานอยู่ — ซึ่งก็คือ load-aware verifier ที่คอยตัดสินใจว่าเมื่อใดที่ suffix ไม่คุ้มค่าที่จะตรวจสอบ โมเดลนี้ถูกฝึกเป็นเวลาหก epochs ด้วยโทเคน 7.05 พันล้านตัวจากคำตอบที่ MiniCPM5-2B สร้างขึ้นจากพรอมพ์ที่ครอบคลุมด้านทั่วไป คณิตศาสตร์ และโค้ด

การ์ด openbmb/MiniCPM5-2B-DSpark ด้านบนคือทั้งหมดที่ถูกปล่อยออกมา: การ์ดโมเดล คอนฟิก ไฟล์ Safetensors หนึ่งไฟล์ และไม่มีการประกาศใด ๆ ไม่มีบล็อกโพสต์ ไม่มีข่าวประชาสัมพันธ์ — เป็นการปล่อยน้ำหนักโมเดลอย่างเงียบ ๆ ซึ่งมีอายุเพียงหนึ่งวัน ณ เวลาที่เขียนบทความนี้

สิ่งที่ไม่มีการระบุไว้ในการ์ดสำคัญพอ ๆ กับสิ่งที่ระบุไว้ การ์ดรายงานความยาวการยอมรับ — จากการประเมินของ repo เอง มีค่าเฉลี่ยโทเคนที่ยอมรับ 5.52 ต่อขั้นการตรวจสอบที่การถอดรหัสแบบ greedy โดยคณิตศาสตร์ได้ 6.05 และโค้ดได้ 6.11 จากเพดานเจ็ดโทเคน — แต่ไม่มีการเผยแพร่ตัวเลขความเร่งแบบ wall-clock ไม่มีตัวเลขโทเคนต่อวินาที และไม่มีเกณฑ์วัดอิสระ เส้นทางการให้บริการที่ระบุไว้ในเอกสารคือเอ็นจิน DSPARK ของ SGLang โดยโหลด draft ไว้ข้างโมเดลเป้าหมาย MiniCPM5-2B กล่าวอีกนัยหนึ่ง: คุณภาพของ draft ถูกวัดเป็นตัวเลขแล้ว แต่ยังไม่มีการวัดผลตอบแทนของมัน และใครก็ตามที่นำไปใช้ควรวัดผลด้วยตนเองก่อนจะเชื่อถือ

สิ่งที่ Gemma 4 12B นำมาสู่อีกด้านหนึ่ง

Gemma 4 12B คือลูกคนกลางของตระกูล Gemma 4 ของ Google และอยู่ ณ จุดที่แตกต่างออกไปโดยสิ้นเชิงบนเส้นโค้งของ local AI มันคือโมเดลแบบ dense ขนาด 11.95B เพียงตัวเดียวที่รับอินพุตทั้งข้อความ รูปภาพ เสียง และวิดีโอ โดยไม่ต้องมีเอนโค้ดเดอร์แยกต่างหาก รองรับการเรียกใช้ tool calls ได้ทันที และจับคู่คอนเทกซ์ native 256K เข้ากับดราฟเตอร์แบบ multi-token prediction ซึ่งใช้เทคนิค memory-bus แบบเดียวกันภายในตัวเอง — แต่ทำงานจากใน checkpoint เอง จึงไม่มีอะไรให้คุณต้องดาวน์โหลดหรือต่อเชื่อมเพิ่มเติม โมเดลนี้อยู่ภายใต้สัญญาอนุญาต Apache 2.0 ในทางปฏิบัติรันบนแล็ปท็อป 16GB ได้ และมาพร้อมกับกลไกสนับสนุนครบชุดของ Google ไม่ว่าจะเป็นชุดประเมินผลสำหรับการเปิดตัว (launch evals), โมเดลการ์ดสำหรับทั้งเวอร์ชัน base และเวอร์ชัน instruction รวมถึงการรองรับในระบบนิเวศทั้ง Model Garden, LM Studio และ Ollama อีกทั้งยังมีการนำไปใช้งานจริงโดยชุมชนมาหลายเดือนแล้ว ซึ่งดราฟต์ MiniCPM ที่เพิ่งออกมาได้เพียงวันเดียวยังไม่มี

การ์ดโมเดลของ Google สำหรับ Gemma 4 12B ด้านบนคือภาพเปรียบเทียบในเฟรมเดียว: โมเดลอเนกประสงค์แบบมัลติโมดัลที่เติบโตเต็มที่ ซึ่งผู้ร่างเป็นคุณลักษณะหนึ่งของการเผยแพร่ครั้งนี้ ไม่ใช่พื้นที่เก็บข้อมูลแยกต่างหาก

สเปกที่ระบุไว้อย่างตรงไปตรงมา

อ่านข้อมูลเหล่านี้โดยคำนึงถึงแหล่งที่มา: ตัวเลขของ MiniCPM5-2B เป็นคำกล่าวอ้างจากการ์ดของ ModelBest ที่ยังไม่ถูกทำซ้ำ/พิสูจน์ซ้ำ ส่วนตัวเลขของ Gemma 4 12B เป็นของ Google เอง ซึ่งเผยแพร่ให้ชุมชนใช้งานมานานแล้ว

• สิ่งที่คุณรัน — MiniCPM5-2B-DSpark: draft ขนาด 324M ที่ทำงานเฉพาะคู่กับ MiniCPM5-2B เท่านั้น (2.52B dense, 42 เลเยอร์) ส่วน Gemma 4 12B: โมเดล dense แบบสแตนด์อโลนขนาด 11.95B

• บริบท — MiniCPM5-2B เป้าหมาย: 128K ดั้งเดิม. Gemma 4 12B: 256K ดั้งเดิม.

• โมดาลิตี้ — MiniCPM5-2B สแตก: รองรับเฉพาะข้อความ. Gemma 4 12B: รองรับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต โดยไม่ต้องใช้เอ็นโค้ดเดอร์.

• การร่าง — **MiniCPM5-2B-DSpark**: ใช้ DSpark ภายนอกเป็นตัวร่าง 7 โทเค็นต่อรอบ บนเอ็นจิน SGLang DSPARK ส่วน **Gemma 4 12B**: มีตัวร่างแบบทำนายหลายโทเค็นภายในตัว ไม่ต้องติดตั้งอะไรเพิ่มเติม

• ขนาดหน่วยความจำ: MiniCPM5-2B ใช้ประมาณ 5GB ในรูปแบบ BF16 บวกไฟล์ดราฟต์อีก ~650MB; ส่วน Gemma 4 12B ใช้ประมาณ 18GB ในรูปแบบ BF16 ซึ่งใช้งานได้จริงบนฮาร์ดแวร์ระดับ 16GB เมื่อทำการ quantize แล้ว

• หลักฐาน — MiniCPM5-2B-DSpark: มีเพียงตัวเลขความยาวที่ยอมรับได้ (acceptance-length) จาก repo ซึ่งเพิ่งเกิดขึ้นหนึ่งวัน ส่วน Gemma 4 12B: มีการประเมินผลตอนเปิดตัวรวมถึงการใช้งานในชุมชนมาหลายเดือน

กระดานคะแนนด้านบนเป็นภาพเหมือนเดียวกันในหกแถว: สองคอลัมน์ไม่ตรงกันเกือบทุกอย่าง ยกเว้นกลยุทธ์ที่ทั้งคู่ใช้ในการเขียนอย่างรวดเร็ว

ซิลิคอนที่คุณมีจริงควรอยู่ในคลาสน้ำหนักใด

เนื่องจาก MiniCPM5-2B-DSpark ไม่ใช่โมเดล จุดแบ่งแยกที่มีความหมายจึงอยู่ที่คลาสขนาดพารามิเตอร์ของโมเดลเป้าหมาย เทียบกับของ Gemma 4 12B — และจุดแบ่งนั้นก็เป็นเรื่องฮาร์ดแวร์เป็นหลัก โทรศัพท์ บอร์ดสมาร์ทค็อกพิท หรือกล่องเอดจ์ขนาดเล็กที่มี DRAM ไม่กี่กิกะไบต์ ไม่สามารถรันโมเดล 11.95B พารามิเตอร์ให้เร็วพอใช้งานได้ เพราะบัสหน่วยความจำเป็นคอขวดที่ทำให้มันสำลักพอดี นี่คือโลกที่ชุดโมเดล MiniCPM5-2B ถูกสร้างมาเพื่อมัน — โมเดล dense ขนาด 2B ที่มีน้ำหนักพารามิเตอร์พอดีกับหน่วยความจำในอุปกรณ์ โดยมีดราฟต์โมเดลเสริมเข้ามา เพื่อเรียกคืนโทเคนต่อวินาทีบางส่วนที่โมเดล dense ขนาดเล็กจำต้องสละไป การถอดรหัสแบบคาดการณ์ล่วงหน้า (speculative decoding) มีประสิทธิภาพสูงสุดในสภาวะแบบ dense ที่หน่วยความจำเป็นคอขวดนี้ ซึ่งทำให้ดราฟต์เป็นส่วนที่น่าสนใจที่สุดของการเปิดตัวครั้งนี้ ไม่ใช่แค่ลูกเล่น

Gemma 4 12B คือคำตอบที่ขยับขึ้นไปอีกหนึ่งระดับน้ำหนัก หากเครื่องของคุณมีแรม 16GB ขึ้นไป ไม่ว่าจะเป็นแล็ปท็อป เวิร์กสเตชัน หรือเซิร์ฟเวอร์เอจสุดแกร่ง คุณก็สามารถรองรับโมเดลมัลติโมดัลเอนกประสงค์ตัวนี้ได้ และจะได้สามสิ่งที่โมเดลตระกูล 2B ไม่มีทางให้ได้ นั่นคือ การรับข้อมูลภาพ เสียง และวิดีโอโดยไม่ต้องใช้เอนโค้ดเดอร์หรือไปป์ไลน์ที่สอง, หน้าต่างบริบท 256K สำหรับงานระดับรีโพซิทอรีหรือระดับเอกสาร และความสมบูรณ์แบบที่เช็คพอยต์ฉบับร่างซึ่งเพิ่งเกิดมาได้วันเดียวไม่มีทางมี สิ่งที่คุณต้องแลกคือการสละความสามารถในการรันบนอุปกรณ์ที่เล็กที่สุด และต้องจ่ายด้วยพื้นที่หน่วยความจำที่มากขึ้นประมาณสามเท่า

ความเป็นจริงของการกำหนดเส้นทางสำหรับทั้งสอง

ทั้งสองฝั่งของการจับคู่นี้ไม่ได้อยู่ในแคตตาล็อกแบบโฮสต์ในปัจจุบันนี้ รวมถึง OrcaRouter ด้วย MiniCPM5-2B-DSpark เป็นอุปกรณ์เสริมสำหรับการให้บริการแบบโฮสต์เองโดยนิยาม — คุณต้องรัน SGLang stack ขึ้นมาเอง และดราฟต์โมเดลจะอยู่เฉพาะในการติดตั้งภายในเครื่องของคุณเท่านั้น ส่วน Gemma 4 12B เป็นโมเดลแบบ open-weight คุณจึงให้บริการมันเองหรือใช้งานในที่ที่เข้าถึงได้อยู่แล้ว นี่คือสถานการณ์ที่เลเยอร์การจัดเส้นทาง (routing layer) แสดงคุณค่าในฐานะตาข่ายนิรภัย มากกว่ากลไกการส่งมอบ: เมื่อคุณทดลองบิลด์ดราฟต์ใหม่เอี่ยมกับเวิร์กโหลดที่คุณให้บริการอยู่แล้ว การชี้เส้นทางทดสอบผ่าน API เดียวที่มีการเฟลโอเวอร์อัตโนมัติหมายความว่าสแตกที่ยังไม่ผ่านการพิสูจน์อาจหยุดชะงักได้โดยไม่ทำให้ระบบโปรดักชันล่ม และราคาที่ผู้ให้บริการระบุไว้จะถูกส่งผ่านที่มาร์กอัป 0% ดังนั้นการเปลี่ยนแปลงราคาของโมเดลโฮสต์ใดก็ตามที่คุณเทียบด้วยจะสะท้อนขึ้นในวันเดียวกัน อย่างไรก็ตาม สำหรับการเปรียบเทียบตัวมันเอง แผนที่ตรงไปตรงมาสำหรับทั้งสองโมเดลเหมือนกัน: คุณกำลังโฮสต์เอง ดังนั้น benchmark ที่สำคัญคือตัวที่คุณรันบนฮาร์ดแวร์ของคุณเอง

คำตัดสิน

MiniCPM5-2B-DSpark และ Gemma 4 12B ไม่ใช่คู่แข่งในแง่ของการเปรียบเทียบตัวต่อตัว — พวกมันคือสองรุ่นน้ำหนักของ AI ในเครื่องที่บังเอิญมีเคล็ดลับร่วมกัน เลือกสแตก MiniCPM5-2B ที่มีดราฟต์ DSpark เมื่ออุปกรณ์ของคุณไม่สามารถรองรับโมเดล 12B และคุณต้องการโมเดลที่รองรับข้อความ, ใช้สัญญาอนุญาต Apache-2.0, และเน้นเอเจนต์ ซึ่งพอดีกับหน่วยความจำบนเครื่อง; ดราฟต์เป็นตัวเร่งความเร็วฟรีที่น่าจะมีประโยชน์ แต่ควรวัดผลด้วย SGLang build ของคุณเองก่อนจะเชื่อถือ เพราะผลตอบแทนของมันยังไม่ถูกวัดปริมาณ เลือก Gemma 4 12B เมื่อฮาร์ดแวร์ของคุณมีพื้นที่เพียงพอ และคุณต้องการโมเดลมัลติโมดัลหนึ่งตัวที่มีหน้าต่าง 256K และระบบนิเวศรองรับ คำถามไม่ใช่โมเดลไหนฉลาดกว่า — แต่คือชิปซิลิคอนของคุณสามารถป้อนข้อมูลให้ตัวไหนได้จริง