Qwen3-Flash-Next: สิ่งที่ได้รับการยืนยันแล้ว สิ่งที่คุณรันได้จริงแทน และสิ่งที่ควรใช้รันแทน

ถ้าคุณกำลังมองหา Qwen3.8-Flash-Next เพราะคาดว่ามันจะเปิดตัว ประโยคที่มีประโยชน์ที่สุดในหน้านี้คือประโยคที่ช่วยให้คุณไม่ต้องเสียเวลาไปหนึ่งเซสชัน: มันเปิดตัวแล้ว น้ำหนักโมเดลดาวน์โหลดได้ตั้งแต่ปลายเดือนสิงหาคม 2026 และโมเดลนี้เป็นพรีวิวแบบ open-weight ที่รองรับภาพและใช้ mixture-of-experts ของสถาปัตยกรรมที่ Alibaba บอกว่าจะเป็นรากฐานของ Qwen4 สิ่งที่ไม่มีอยู่ — และนี่คือส่วนที่การค้นหา "flash next" ส่วนใหญ่มักสันนิษฐานไว้เงียบ ๆ — คือเวอร์ชันถัดไปใด ๆ ที่ประกาศออกมาแล้วและอยู่ถัดจากมัน ไม่มีพรีวิวตัวที่สอง ไม่มีรุ่นสืบทอดที่ระบุวันที่ และไม่มีแถลงการณ์จากผู้ขายที่สัญญาว่าจะมี หน้านี้เป็นคำตอบถาวรสำหรับคำถามที่ผู้คนยังคงพิมพ์กัน: Qwen3.8-Flash-Next คืออะไร มีอะไรยืนยันเกี่ยวกับมันแล้ว มีไฟล์ใดบ้างสำหรับมัน สัญญาอนุญาตของมันอนุญาตให้ทำอะไรได้ และควรรันอะไรวันนี้หากคุณต้องการโมเดลที่เรียกใช้งานได้แทนการดาวน์โหลด — Qwen3.8-Flash ซึ่งเป็นรุ่นสำหรับงานโปรดักชันในตระกูลเดียวกัน หรือ Qwen3.8-27B แบบ dense ภายใต้ Apache-2.0

ยืนยันแล้ว คาดหมาย และอนุมานได้ — แยกสามสิ่งนี้ออกจากกัน

การแยกความต่างนี้สำคัญตรงนี้มากกว่าปกติ เพราะชื่อของโมเดลนี้ชวนให้ผู้คนตีความเป็นโรดแมปจากชื่อนั้น ถ้อยแถลงสามระดับมีดังต่อไปนี้ และแต่ละระดับมีป้ายกำกับไว้

ยืนยันแล้ว จากเอกสารของผู้จำหน่ายเอง Qwen3.8-Flash-Next เป็นโมเดลภาษาประเภท causal ที่มีตัวเข้ารหัสภาพ เผยแพร่เป็นน้ำหนักหลังการฝึกและไฟล์การกำหนดค่าในรูปแบบ Hugging Face Transformers ที่เก็บของมันภายใต้ Qwen องค์กรถูกสร้างขึ้นเมื่อวันที่ 24 สิงหาคม 2026 และแก้ไขล่าสุดเมื่อวันที่ 27 สิงหาคม 2026; การเปิดตัวอย่างเป็นทางการบน ModelScope เกิดขึ้นเมื่อวันที่ 26 สิงหาคม การ์ดของ Alibaba เองเรียกมันว่า "ตัวอย่างทดลองนี้ของสถาปัตยกรรมที่จะเป็นรากฐานให้กับ Qwen4" และระบุว่าการเปิดตัวแบบ open-weight ครั้งแรกภายใต้สถาปัตยกรรมนั้นคือโมเดลนี้ พารามิเตอร์ที่จัดเก็บแบ่งออกเป็นส่วน body แบบ mixture-of-experts ขนาด 125B, ตาราง embedding แบบ n-gram ขนาด 51B แยกต่างหาก, และเลเยอร์ multi-token-prediction ประมาณ 4B โดยเปิดใช้งาน 6B ต่อโทเคน คอนเท็กซ์มีความยาว 262,144 โทเคนแบบเนทีฟ และขยายได้ถึง 1,000,000 โทเคน โหมดคิดเปิดเป็นค่าเริ่มต้น การ์ดรายงานความเข้ากันได้กับ Hugging Face Transformers, vLLM, SGLang และ TokenSpeed และตัวที่เก็บเองมี shard safetensors จำนวน 131 ชิ้นใน BF16

ยืนยันแล้ว และเป็นเรื่องที่มองข้ามได้ง่าย โมเดลโปรดักชันที่ให้บริการอยู่นั้นเป็นอาร์ติแฟกต์คนละชิ้นที่มีชื่อคล้ายกัน Qwen3.8-Flash คือบิลด์ API ที่ได้มาจากเวตเหล่านี้ การ์ดของเช็กพอยต์ FP8 เองอธิบายไว้ว่าเป็น "เวอร์ชันทางการที่อิงจาก Qwen3.8-Flash-Next พร้อมฟีเจอร์สำหรับโปรดักชันมากกว่า" ถ้าคำถามของคุณคือ "ฉันเรียกใช้ตัวนี้จาก API ได้ไหม" นั่นคือชื่อที่คุณต้องการ ไม่ใช่ของพรีวิวตัวนี้

คาดไว้แล้ว จึงไม่ได้ระบุไว้ที่นี่ โมเดลที่ชื่อ "Next" สื่อถึงการวนซ้ำครั้งถัดไป ไม่มีข้อมูลที่เผยแพร่ใดรองรับวันวางจำหน่าย จำนวนพารามิเตอร์ สัญญาอนุญาต หรือความสามารถใด ๆ ของมัน บทความใดที่บอกกรอบเวลาการเปิดตัวของรุ่นสืบทอดล้วนเป็นการคาดเดา และคุณตรวจสอบได้โดยมองหาแหล่งที่มา ซึ่งไม่มีอยู่ในเอกสารของ A​libaba เอง

สองคำถามที่มีความต้องการจริงรองรับอยู่เบื้องหลัง: GGUF และ nvfp4

การค้นหาสำหรับโมเดลนี้กระจุกตัวหนาแน่นอยู่ที่สองเรื่อง — "flash next gguf" และ "flash next nvfp4" — และทั้งสองมีคำตอบที่เป็นรูปธรรมและตรวจสอบได้ มากกว่าคำตอบแบบคาดเดา ทั้งสองไม่ได้ตอบด้วยการเดาตารางขนาด ดังนั้นนี่คือสิ่งที่เผยแพร่จริง

GGUF มีอยู่แล้ว จากตัวแปลงอิสระหลายตัว แหล่งที่มาหลักคือ ggml-org/Qwen3.8-Flash-Next-GGUF, unsloth/Qwen3.8-Flash-Next-GGUF, bartowski/Qwen3.8-Flash-Next-GGUF และ AtomicChat/Qwen3.8-Flash-Next-GGUF พร้อมกับรีโปเล็ก ๆ อีกมากมายที่ตามมาอีกยาวเหยียด พวกมันไม่ใช่ผลิตภัณฑ์เดียวกัน และความแตกต่างนี้สำคัญกว่าปกติที่ขนาดเท่านี้

ที่เก็บ ggml-orgเป็นอันที่มินิมอลที่สุด: บิลด์ IQ4_NL, บิลด์ Q8_0, ไฟล์โปรเจกเตอร์แบบมัลติโมดัลแยกต่างหาก (mmproj-Qwen3.8-Flash-Next-Q8_0.gguf ประมาณ 0.6 GB) ซึ่งคุณจำเป็นต้องมีหากต้องการใช้เส้นทางวิชัน และไฟล์ดราฟต์สำหรับการทำนายหลายโทเคนอีกสามไฟล์ในรูปแบบ BF16, Q4_0 และ Q8_0 หากคุณต้องการรันเฉพาะข้อความเท่านั้น ที่เก็บนี้ก็เพียงพอแล้ว

unsloth รีโพซิทอรีเป็นบันไดกว้าง และเป็นที่ที่คำถามเรื่องขนาดได้คำตอบจริง ๆ ไฟล์ที่เผยแพร่ของมันมีตั้งแต่ 72.5 GB (UD-IQ1_S) และ 74.5 GB (UD-IQ1_M) ที่ระดับล่างสุด ผ่าน 78.9 GB (UD-Q2_K_XL), 82 GB (UD-IQ3_XXS) และ 90 GB (UD-Q3_K_XL) ไปจนถึง 93.7 GB (UD-IQ4_XS), 111 GB (UD-Q4_K_XL), 158 GB (UD-Q5_K_XL), 169 GB (UD-Q6_K_XL), 188 GB (Q8_0) และประมาณ 354 GB ที่ BF16 นอกจากนี้ยังมีไฟล์ MTP draft ของตัวเองและไฟล์ mmproj สองไฟล์

อ่านตารางขั้นบันไดนั้นตามที่มันเป็นเถอะ การควอนไทซ์ที่เล็กที่สุดที่ใคร ๆ เผยแพร่สำหรับโมเดลนี้ยังมีขนาดบนดิสก์มากกว่า 70 GB อยู่ดี ไม่มีบิลด์ใดที่ใส่ในการ์ดสำหรับผู้ใช้ทั่วไปเพียงใบเดียวได้แบบที่โมเดล dense 27B ทำได้ และรีโปก็ไม่ได้ให้คำแนะนำเรื่อง VRAM แยกตามการควอนไทซ์เลยแม้แต่นิดเดียว ส่วนฮาร์ดแวร์ของมันเป็นเพียงข้อความว่าง ๆ ว่า "log in to add your hardware" ดังนั้นคำตอบที่ตรงไปตรงมาต่อคำถามที่ว่า "จะรันบนเครื่องของฉันได้ไหม" ก็คือ คุณควรประเมินขนาดจากขนาดไฟล์ที่เผยแพร่ข้างต้น และจากกลเม็ดของสถาปัตยกรรมเอง นั่นคือตาราง embedding แบบ n-gram ขนาด 51B ถูกเข้าถึงด้วยคีย์ค้นหาที่รู้ล่วงหน้า ซึ่งเป็นสิ่งที่ทำให้เช็คพอยต์ขนาดนี้รันได้โดยมีตาราง embedding พำนักอยู่ในหน่วยความจำของโฮสต์แทนที่จะถูกปักไว้ใน VRAM พอดี นั่นเป็นคุณสมบัติของการออกแบบ ไม่ใช่คำกล่าวอ้างเกี่ยวกับเครื่องเฉพาะของคุณ และเป็นเหตุผลว่าทำไมพื้นขั้นต่ำในทางปฏิบัติตรงนี้จึงเป็นเครื่องที่มี RAM ของระบบจำนวนมากและมีหน่วยความจำของตัวเร่งความเร็วในปริมาณที่น้อยกว่า ไม่ใช่กลับกัน

nvfp4 ก็มีอยู่เช่นกัน และมีสัญญาอนุญาตที่แตกต่างออกไป nvidia/Qwen3.8-Flash-Next-NVFP4ได้รับการเผยแพร่เมื่อวันที่ 2 กันยายน 2026 ผลิตขึ้นด้วยชุดเครื่องมือ Model Optimizer ของ NVIDIA และมีขนาดรวมประมาณ 133 GB กระจายอยู่บนสิบเชิร์ด บวกกับไฟล์ FP8 สำหรับการทำนายหลายโทเคนและ per-layer embedding ขนาด 53.7 GB การ์ดของมันระบุสัญญาอนุญาต NVIDIA Open Model License ไม่ใช่สัญญาอนุญาต Qwen — เป็นประเด็นที่ควรอ่านให้ดีสักสองรอบหากคุณวางแผนจะเผยแพร่ต่อ มีบิลด์ NVFP4 อื่น ๆ จาก Red Hat AI, RadixArk และ local-inference-lab; Intel เผยแพร่บิลด์ W4A16 AutoRound; มีบิลด์ MLX สำหรับ Apple silicon จากผู้เผยแพร่ในชุมชนหลายราย

ยังมีอีกรูปแบบหนึ่งที่ควรค่าแก่การกล่าวถึง เพราะเป็นรูปแบบของผู้ผลิตเอง: Qwen/Qwen3.8-Flash-Next-FP8 เป็นการควอนไทซ์ FP8 แบบละเอียดโดยมีขนาดบล็อก 128 และการ์ดของมันอ้างว่าตัวชี้วัดประสิทธิภาพ "เกือบจะเหมือนกับของโมเดลต้นฉบับ" มันใช้สัญญาอนุญาตชุมชนเดียวกับเวตต์พื้นฐาน และเป็นเช็กพอยต์ที่ไปป์ไลน์การวัดประสิทธิภาพของ Alibaba เองใช้งาน

สิ่งที่สัญญาอนุญาตอนุญาตให้ทำได้ — และเหตุใดสิ่งนั้นจึงตอบคำถามเรื่องการไม่เซ็นเซอร์

กลุ่มคำค้นหาที่ใหญ่ที่สุดกลุ่มเดียวเกี่ยวกับโมเดลนี้ไม่เกี่ยวกับเบนช์มาร์ก แต่เกี่ยวกับบิลด์ที่ไม่มีเซ็นเซอร์และบิลด์แบบ abliterated และวิธีตอบที่ถูกต้องคืออ่านสัญญาอนุญาตและดูว่าอะไรถูกเผยแพร่ไปแล้ว เพราะสองสิ่งนี้เป็นตัวกำหนดว่าผู้อ่านจะเข้าถึงอะไรได้จริง

Qwen3.8-Flash-Next เผยแพร่ภายใต้Qwen Community License 1.0 ข้อความในสัญญาอนุญาตให้สิทธิ์โดยไม่มีค่าใช้จ่ายในการใช้ คัดลอก ดัดแปลง รวม เผยแพร่ แจกจ่าย อนุญาตช่วง ขาย ปรับใช้ โฮสต์ ไฟน์จูน และสร้างงานดัดแปลงจากค่าน้ำหนัก พารามิเตอร์ ไฟล์การตั้งค่า และโค้ดสำหรับการอนุมาน โดยกำหนดให้ข้อความแจ้งลิขสิทธิ์และข้อความอนุญาตต้องแนบติดไปกับสำเนาหรือส่วนสำคัญใด ๆ ด้วย มีการกำหนดเกณฑ์การระบุชื่อไว้ว่า หากคุณใช้ซอฟต์แวร์หรืองานดัดแปลงในผลิตภัณฑ์หรือบริการเชิงพาณิชย์ที่มีผู้ใช้งานรายเดือนมากกว่า 100 ล้านคน หรือมีรายได้รายเดือน 20 ล้านดอลลาร์สหรัฐ จะต้องแสดงชื่อโมเดลอย่างเด่นชัดในอินเทอร์เฟซของผลิตภัณฑ์นั้น และยังแยกธุรกิจบริการออกมาต่างหาก — ธุรกิจ "Model as a Service" หรือ "AI Work Assistant" ต้องได้รับสัญญาอนุญาตแยกต่างหากจาก Qwen ก่อนการใช้งานเชิงพาณิชย์ โดยมีข้อยกเว้นสำหรับการใช้งานภายในสำหรับการปรับใช้ที่ไม่เปิดเผยโมเดล ผลลัพธ์ หรือความสามารถของโมเดลต่อบุคคลที่สาม

ผลที่ตามมาสามประการเกิดขึ้นโดยตรง และมันคือคำตอบทั้งหมดสำหรับคำถามที่ไม่ได้ผ่านการเซ็นเซอร์:

• ค่าน้ำหนักเปิดเผย และสัญญาอนุญาตอนุญาตงานดัดแปลงโดยชัดแจ้ง ดังนั้นการทำ abliteration โดยชุมชนจึงถูกกฎหมาย ไม่ใช่ตลาดเทา และมีอยู่เป็นจำนวนมาก — huihui-ai เผยแพร่หลายตัว และตระกูล Qwen3.8-Flash-Next-Uncensored ของ OrcaRouter เองก็เผยแพร่ภายใต้ Apache 2.0 พร้อมบิลด์ GGUF, FP8, NVFP4 และ MLX ที่ดัดแปลงมาจากมัน

• งานดัดแปลงไม่ได้สืบทอดสัญญาอนุญาตต้นฉบับเสมอไป บิลด์ NVIDIA NVFP4 อยู่ภายใต้สัญญาอนุญาต NVIDIA Open Model License; การควอนไทซ์ของ abliteration จากคอมมูนิตี้อาจอยู่ภายใต้ Apache 2.0 หากเงื่อนไขสัญญาอนุญาตเป็นเหตุผลที่คุณเลือกไฟล์หนึ่งแทนอีกไฟล์ ให้อ่านการ์ดของรีโพซิทอรีที่คุณกำลังจะดาวน์โหลดโดยเฉพาะ แทนที่จะอ่านการ์ดของโมเดลฐาน

• เกณฑ์เชิงพาณิชย์จะปรับเปลี่ยนไปตามธุรกิจของคุณ ไม่ใช่ตามตัวโมเดล สำหรับทีมที่สร้างเครื่องมือภายใน ข้อจำกัดในทางปฏิบัติคือข้อกำหนดเรื่องการแจ้ง สำหรับทีมที่ขายการเข้าถึงโมเดล ข้อสัญญาอนุญาตแบบแยกต่างหากสำหรับธุรกิจ Model-as-a-Service ถือเป็นรายการที่ต้องกำหนดราคาก่อนที่คุณจะสร้างบนน้ำหนักโมเดลเหล่านี้ และ Apache-2.0 Qwen3.8-27B ช่วยหลีกเลี่ยงการพูดคุยเรื่องนั้นไปได้ทั้งหมด

สิ่งที่หน้านี้จะไม่ทำ คือการอธิบายลักษณะว่าบริการโฮสต์ใด ๆ หรือบิลด์ใดบิลด์หนึ่งโดยเฉพาะตอบสนองต่อพรอมป์ต์ใดพรอมป์ต์หนึ่งอย่างไร นั่นไม่ใช่สิ่งที่สัญญาอนุญาตกำกับดูแล และไม่ใช่สิ่งที่เราวัด สัญญาอนุญาตและไฟล์น้ำหนักที่เผยแพร่ต่างหากที่เป็นตัวกำหนดความพร้อมใช้งาน และทั้งสองอย่างเป็นสิ่งที่คุณตรวจสอบได้ด้วยตัวเองในไม่กี่คลิก

วันนี้วิ่งอะไรดี

นี่คือส่วนที่หน้าเพจถาวรพึงมีให้แก่ผู้อ่านที่เข้ามาโดยอยากสร้างอะไรบางอย่างในบ่ายวันนี้ มากกว่าจะดาวน์โหลด 90 GB

Qwen3.8-Flash-Next ไม่ใช่โมเดลที่เราให้บริการผ่านระบบของเรา และต่อให้ตั้งความหวังไว้มากแค่ไหนก็ไม่ทำให้มันกลายเป็นเช่นนั้น — วันนี้ไม่มี model id ใดในแค็ตตาล็อกของเราที่ตรงกับ qwen3.8-flash-next และหน้านี้ก็จะไม่บอกใบ้ว่าอนาคตจะมี

เส้นทาง What we do route คือบิลด์โปรดักชันของสถาปัตยกรรมเดียวกัน Qwen3.8-Flash พร้อมใช้งานแล้วในชื่อ qwen/qwen3.8-flashในราคา $0.15 ต่อล้านโทเคนอินพุต และ $0.47 ต่อล้านโทเคนเอาต์พุต โดยอินพุตที่แคชไว้อยู่ที่ประมาณ $0.018 ต่อล้าน และบริบทขนาด 1M โทเคนที่รับข้อความ รูปภาพ และวิดีโอเข้า แล้วส่งคืนข้อความ ราคานี้เป็นรายการที่ผู้ให้บริการเผยแพร่ ส่งผ่านมาโดยไม่บวกเพิ่ม ดังนั้นการเปลี่ยนแปลงฝั่ง A​libaba จะมาถึงเอนด์พอยต์ของคุณภายในวันเดียวกัน ไม่ใช่รอบการเรียกเก็บเงินถัดไป หากสิ่งที่คุณต้องการจากพรีวิวคือสถาปัตยกรรมในโปรดักชัน ไม่ใช่เช็กพอยต์บนดิสก์ นี่คือสิ่งที่เรียกใช้ได้ใกล้เคียงที่สุดกับสิ่งนั้น และอีกเพียงคีย์เดียวก็ใช้งานได้

หากข้อจำกัดของคุณคือเรื่องสัญญาอนุญาต ไม่ใช่ความหน่วง คำตอบอีกทางหนึ่งคือ Qwen3.8-27B เป็นโมเดล dense ที่มีพารามิเตอร์ 2.7 หมื่นล้านภายใต้ Apache 2.0 — ไม่มีเกณฑ์การตั้งชื่อ ไม่มีข้อตกลงแยกสำหรับธุรกิจบริการ — และถูกกำหนดเส้นทางเป็น qwen/qwen3.8-27b ดังนั้นคุณจึงสามารถทดสอบทั้งสองรูปแบบกับทราฟฟิกของคุณเองก่อนตัดสินใจเลือกอันใดอันหนึ่ง ทั้งสองอยู่เบื้องหลังคีย์เดียวกันและ เอนด์พอยต์ที่เข้ากันได้กับ OpenAI เดียวกัน ซึ่งหมายความว่าการลองอันหนึ่งแล้วลองอีกอันมีค่าใช้จ่ายเป็นเพียงการเปลี่ยน model-id ไม่ใช่การอินทิเกรต นั่นคือวิธีที่ประหยัดในการตอบคำถามว่า "ฉันจำเป็นต้องใช้สถาปัตยกรรมแบบ active 6B เลยหรือไม่" เพราะมันวัดปริมาณงานของคุณเองแทนที่จะเป็นเบนช์มาร์กของคนอื่น

อะไรที่ยังไม่ได้ข้อยุติ

การที่ “Next” ในชื่อรุ่นนี้จะเป็นพรีวิวแบบครั้งเดียวหรือเป็นรุ่นแรกของไลน์ที่มีการกำหนดหมายเลข ยังไม่ได้รับการคลี่คลาย และไม่มีสิ่งใดที่เผยแพร่ออกมาทำให้คุณตอบคำถามนี้ได้ สิ่งเดียวที่ผู้อ่านพึ่งพาได้คือ รุ่นที่ผลิตจริงซึ่งเป็นคู่กันของพรีวิวนี้มีอยู่แล้วและมีราคาเปิดตัวแล้ว ซึ่งเป็นเรื่องผิดปกติ — พรีวิวสถาปัตยกรรมส่วนใหญ่ไม่ได้วางจำหน่ายพร้อมคู่เทียบเชิงพาณิชย์ในวันเดียวกัน ให้มองรุ่นนี้เป็นพรีวิวของตระกูลที่มาถึงบางส่วนแล้ว ไม่ใช่การรั่วไหลของสิ่งที่ยังไม่มีอยู่

ประเด็นเปิดอีกข้อหนึ่งคือเรื่องเครื่องมือมากกว่าตัวโมเดล llama.cpp, vLLM และ SGLang เข้าถึงได้ทั้งหมด บิลด์ FP8 เป็นเช็กพอยต์การประเมินของผู้ขายเอง และระบบนิเวศ GGUF ก็ผลิตทุกอย่างตั้งแต่บิลด์ 1 บิตไปจนถึงบิลด์ความแม่นยำเต็มรูปแบบแล้ว — แต่คุณภาพการควอนไทซ์ที่ 1 ถึง 3 บิตบนโมเดล mixture-of-experts ที่จัดเก็บขนาด 176B ยังไม่ใช่เรื่องที่ยุติ และยังไม่มีใครเผยแพร่การเปรียบเทียบแบบควบคุมของบิลด์บิตต่ำบนฮาร์ดแวร์ที่จับคู่กัน หากคุณกำลังเลือกระหว่าง UD-IQ1_S กับ UD-Q2_K_XL เพื่อประหยัด 6 GB คุณกำลังตัดสินใจโดยอาศัยการประเมินของคุณเอง ซึ่งเป็นวิธีที่ถูกต้องในการตัดสินใจ และยังเป็นเหตุผลว่าทำไมตารางขนาดเชิงคาดเดาบนหน้าแบบนี้จึงแย่กว่าไม่มีเสียอีก

หน้าพี่น้องสองหน้ามีมุมมองที่หน้านี้จงใจไม่มี: การรายงานข่าวการรั่วไหล ซึ่งบอกว่าสัญญาณก่อนเปิดตัวสื่ออะไร และลงวันที่ไว้ ณ ขณะนั้น กับการเปรียบเทียบแบบตัวต่อตัวกับโมเดล dense แบบ Apache-2.0 ซึ่งเป็นเจ้าของการเปรียบเทียบนั้น อ่านทั้งสองหน้านั้นหากคุณต้องการเรื่องราวว่าโมเดลนี้ปรากฏขึ้นได้อย่างไร หรือข้อโต้แย้งว่าควรเลือกอันใดจากสองอันนี้ หน้านี้จะยังอยู่ที่นี่โดยไม่เปลี่ยนแปลง เมื่อทั้งสองหน้านั้นล้าสมัยไปแล้ว