Qwen3.8-Omni-Flash กับ Qwen2.5-Omni: ผ่านไป 18 เดือน การอัปเกรดกลับสูญเสียเสียงไป

นี่คือข้อเท็จจริงที่ทำให้การเปรียบเทียบนี้ น่าสนใจยิ่งกว่าการอัปเดตข้ามรุ่นธรรมดา โมเดลรุ่นเก่าสามารถพูดได้ แต่รุ่นใหม่ทำไม่ได้ Qwen2.5-Omni ซึ่งเปิดตัวในเดือนมีนาคม 2025 รับข้อความ รูปภาพ เสียง และวิดีโอเป็นอินพุต และตอบกลับด้วยข้อความ หรือด้วยเสียงพูดธรรมชาติแบบสตรีมมิ่ง ในโมเดลแบบ end-to-end เดียวที่คุณดาวน์โหลดได้ Qwen3.8-Omni-Flash ซึ่งเปิดตัวเมื่อวันที่ 18 กันยายน 2026 รับทั้งสี่โมดัลิตี้ในหน้าต่างบริบทที่ใหญ่กว่าสามสิบเท่า ประมวลผลเสียงและวิดีโอต่อเนื่องหนึ่งชั่วโมงในขณะที่รุ่นก่อนรับได้เพียงไม่กี่วินาที และตอบกลับเป็นข้อความเท่านั้น สิบแปดเดือนของการทำงานแลกมาด้วยความสามารถในการรับข้อมูลที่กว้างขึ้นมหาศาล แต่กลับต้องสละช่องทางเอาต์พุต จะเป็นความก้าวหน้าหรือเป็นเพียงการแลกเปลี่ยน ขึ้นอยู่กับว่าคุณใช้โมเดลเก่าทำอะไร — และคำตอบก็แยกออกเป็นสองอย่างชัดเจน

ตัวเลขของ Qwen2.5-Omni เป็นของผู้จำหน่าย มาจากเอกสารเปิดตัวเมื่อเดือนมีนาคม 2025 และการนำไปใช้งานอย่างแพร่หลายเป็นเวลาสิบแปดเดือนก็ยืนยันได้บางส่วน ตัวเลขของ Qwen3.8-Omni-Flash ก็เป็นของอาลีบาบาเช่นกัน มาจากเอกสารเปิดตัวที่เผยแพร่เพียงไม่กี่ชั่วโมงก่อนที่จะเขียนบทความนี้ และไม่มีข้อมูลใดในนั้นที่ได้รับการตรวจสอบซ้ำโดยอิสระ ในกรณีที่ข้อกล่าวอ้างมาจากนักวิจารณ์มากกว่าผู้จำหน่าย ก็จะระบุที่มาไว้ตามนั้น ข้อเท็จจริงเชิงโครงสร้างเพียงหนึ่งเดียวที่ไม่ต้องตรวจสอบยืนยันใด ๆ ก็เป็นสิ่งที่สำคัญที่สุดเช่นกัน Qwen2.5-Omni เป็นแบบเปิดน้ำหนักและดาวน์โหลดได้ ส่วน Qwen3.8-Omni-Flash ไม่ใช่

Qwen2.5-Omni คืออะไร และเหตุใดจึงสำคัญ

เมื่อเปิดตัวในวันที่ 26 มีนาคม 2025 Qwen2.5-Omniถือเป็นโมเดล omni-modal แบบ end-to-end ตัวแรกในตระกูลนี้ — การเปิดตัวครั้งนั้นวางตำแหน่งให้มันเป็นคำตอบของปัญหา "สวนสัตว์ผู้เชี่ยวชาญ" (zoo of specialists) ที่ซึ่งการถอดเสียง การมองเห็น และเสียง ต่างต้องใช้โมเดลแยกกันและชั้นเชื่อมต่อแยกกัน โมเดลขนาด 7B รองรับอินพุตทั้งสี่รูปแบบ และเอาต์พุตทั้งข้อความและเสียง อ้างว่ามีผลลัพธ์ระดับ state-of-the-art บนเบนช์มาร์กการหลอมรวม OmniBench เหนือกว่า Gemini-1.5-Pro และรายงานคะแนนคุณภาพการสร้างเสียงที่ 4.51 ซึ่ง Alibaba ระบุว่าเทียบเท่าระดับมนุษย์ โดยมีตัวแปรขนาด 3B ที่ใช้สถาปัตยกรรมเดียวกันตามมา

วิศวกรรมที่ทำให้มันทำงานได้นั้นควรค่าแก่การเอ่ยถึง เพราะโมเดลใหม่ไม่ได้ใช้มัน Thinker-Talker แยกงานออกเป็นสองส่วน: ทรานส์ฟอร์เมอร์ Thinker หลอมรวมเอนโคเดอร์เสียงและภาพเข้าด้วยกัน และสร้างความหมายกับข้อความ ขณะที่ Talker สตรีมโทเคนเสียงพูดจากสถานะซ่อนของ Thinker โดยแชร์ประวัติการสนทนาทั้งหมด RoPE แบบมัลติโมดัลที่จัดแนวตามเวลา (TMRoPE) สอดแทรกตำแหน่งวิดีโอและเสียงสลับกัน เพื่อให้ทั้งสองสตรีมยังคงซิงก์กัน การสตรีมแบบเป็นบล็อกทำให้เอนโคเดอร์ทำงานด้านการรับรู้ ขณะที่โมเดลภาษาจัดการลำดับที่ยาว ซึ่งเป็นสิ่งที่ทำให้การตอบกลับด้วยเสียงที่มีความหน่วงต่ำเป็นไปได้ มีเสียงคงที่สองเสียงที่มาพร้อมกับมัน คือ Chelsie และ Ethan

ข้อจำกัดก็เป็นจริงไม่แพ้กัน บริบทมีขนาด 32,768 โทเคน หน่วยความจำเป็นข้อจำกัดที่ผูกมัดมากกว่าการประมวลผลเสียอีก: ตารางของ Alibaba เองระบุว่า การทำอินเฟอเรนซ์ด้วย BF16 ร่วมกับ FlashAttention-2 ใช้หน่วยความจำ GPU ประมาณ 31GB สำหรับวิดีโอ 15 วินาที, 42GB สำหรับ 30 วินาที และ 60GB สำหรับหนึ่งนาทีเต็ม วิดีโอหนึ่งนาที บนโมเดล 7B บนหนึ่งใน GPU เดี่ยวที่ใหญ่ที่สุดที่คุณเช่าได้ ตัวเลขนั้นคือตัวเลขที่ควรจับตาไว้ เพราะมันคือตัวเลขที่โมเดลปี 2026 ถูกสร้างขึ้นมาเพื่อทำลาย

Qwen3.8-Omni-Flash คืออะไร

โมเดลใหม่นี้เป็นแบบออมนิมอดัลโดยกำเนิด ไม่ใช่แบบนำมาประกอบกัน — สร้างขึ้นบนสายสถาปัตยกรรม Qwen3.8-Flash โดยตรง แทนที่จะเป็น LLM แบบข้อความที่มีตัวเข้ารหัสการรับรู้ต่อพ่วงเข้ามา ซึ่งเป็นความแตกต่างเชิงโครงสร้าง ไม่ใช่แค่ป้ายกำกับรุ่นเท่านั้น รองรับทั้งข้อความ รูปภาพ เสียง และวิดีโอ รวมถึงเสียงสเตอริโอและเสียงเชิงพื้นที่แบบสี่แชนเนล และส่งคืนข้อความภายในบริบทหนึ่งล้านโทเคน โดยมีอินพุตสูงสุดประมาณ 991K เอาต์พุตสูงสุด 131K และงบประมาณการให้เหตุผล 262K รองรับออดิโอ-วิดีโอต่อเนื่องได้สูงสุดหนึ่งชั่วโมงต่อการเรียกหนึ่งครั้ง การรู้จำเสียงพูดครอบคลุม 74 ภาษา ส่วนการสร้างเสียงพูดใน 29 ภาษานั้นจัดการโดยเครื่องมือโดยรอบ ไม่ใช่โดยตัวโมเดล ใช้งานได้บนแพลตฟอร์ม Qianwen AI และ Alibaba Cloud Model Studio ภายใต้รหัส qwen3-8-omni-flash ในราคา $0.15 ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ $0.47 ต่อเอาต์พุตหนึ่งล้านโทเคน โดยอินพุตที่แคชไว้อยู่ที่ $0.016

สิบแปดเดือน ทีละมิติ

• บริบท — Qwen2.5-Omni 32,768 โทเคน เทียบกับ Qwen3.8-Omni-Flash ที่หนึ่งล้าน เพิ่มขึ้นราวสามสิบเท่า

• ระยะเวลาสื่อ — วินาทีของวิดีโอ ซึ่งถูกจำกัดด้วยหน่วยความจำ GPU เทียบกับเสียงและวิดีโอต่อเนื่องหนึ่งชั่วโมงในการโทรที่โฮสต์ครั้งเดียว

• เอาต์พุต — ข้อความพร้อมเสียงพูดธรรมชาติแบบสตรีมมิ่งบนโมเดลเก่า; ข้อความเท่านั้นบนโมเดลใหม่

• การนำไปใช้งาน — Qwen2.5-Omni เป็นโมเดลแบบเปิดน้ำหนักภายใต้ Apache-2.0 ซึ่งดาวน์โหลดได้จาก Hugging Face และ ModelScope ส่วน Qwen3.8-Omni-Flash ให้บริการผ่าน API เท่านั้น โดยยังไม่มีการประกาศเผยแพร่น้ำหนักโมเดล

• ฮาร์ดแวร์ — พารามิเตอร์ 7B ที่ต้องใช้หน่วยความจำ GPU มากถึง ~60GB สำหรับวิดีโอความยาวหนึ่งนาที เมื่อเทียบกับ hosted endpoint ที่คุณไม่ต้องจัดเตรียมเองเลย

• ราคา — โมเดลเก่ามีค่าใช้จ่ายเป็น GPU; โมเดลใหม่มีค่าใช้จ่าย $0.15 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ Alibaba อ้างว่าอินพุตเสียงต่อชั่วโมงมีราคาถูกกว่ารุ่น Qwen3.5-Omni-Plus ที่มันมาแทนถึง 98%

• การสร้างเสียงพูด — เสียงคงที่ 2 เสียงในปี 2025 เทียบกับ 29 ภาษา ของการสร้างเสียงพูดในเครื่องมือปี 2026 โดยไม่มีส่วนใดที่สร้างขึ้นโดยตัวโมเดลเอง

การค้าที่ไม่มีใครโฆษณา

อ่านเอกสารสเปกทั้งสองฉบับควบคู่กัน แล้วรูปร่างของสิบแปดเดือนที่ผ่านมาก็จะชัดเจนขึ้น Alibaba ใช้ช่วงเวลานั้นแก้ปัญหาการรับข้อมูล — ว่าโมเดลหนึ่งตัวดูดซับสื่อได้มากแค่ไหน ต้นทุนถูกเพียงใด และตัดสินใจได้เองมากน้อยเพียงใด Qwen3.8-Omni-Flash ถือเป็นชัยชนะในแกนนั้น โหมด Agentic Understanding ซึ่งโมเดลเลือกเองว่าจะสุ่มตัวอย่างอะไรแทนที่จะประมวลผลทุกเฟรม ช่วยลดจำนวนโทเคนต่อการเรียกใช้จาก 145,736 เหลือ 79,117 พร้อมกับยกระดับความแม่นยำบน OmniVideoBench จาก 63.4 เป็น 67.8 และผู้ขายรายงานว่าความคลาดเคลื่อนในการแยกผู้พูดบน AliMeeting ลดลงฮวบจาก 88.11 เหลือ 3.35

สิ่งที่ช่วงเวลานี้ไม่ได้ให้ความสำคัญคือเอาต์พุต กลเม็ดที่นิยามรุ่น 2025 — โมเดลเดียวที่ได้ยินคุณและตอบออกเสียงได้ครบวงจรโดยไม่ต้องมีตัวสังเคราะห์เสียงแยกต่างหาก — ไม่มีทายาทในรุ่นนี้ หากคุณสร้าง voice agent, dubbing pipeline หรือเครื่องมือเพื่อการเข้าถึงบน Talker ของ Qwen2.5-Omni โมเดลปี 2026 ไม่ใช่การอัปเกรดสิ่งนั้น แต่เป็นคอมโพเนนต์ที่คุณต้องต่อขั้นตอน text-to-speech ใหม่เข้าไป ซึ่งเพิ่มทั้ง latency และ vendor ให้กับไปป์ไลน์ที่เดิมไม่มีทั้งสองอย่าง เอกสารเปิดตัวซื่อสัตย์ในเรื่องนี้หากคุณอ่านบรรทัดเกี่ยวกับโมดัลลิตีอย่างละเอียด แต่มันไม่ใช่พาดหัวข่าว และใครก็ตามที่ย้ายระบบโดยสมมติว่า "omni" หมายถึงสิ่งเดียวกันในทั้งสองรุ่น จะค้นพบความแตกต่างนั้นในสภาพการใช้งานจริง

ทำไมโมเดลปี 2025 ยังมีงานทำ

สามเหตุผล และไม่มีข้อใดเป็นความโหยหาอดีต ข้อแรกคือเสียง ดังที่กล่าวข้างต้น ข้อที่สองคือ น้ำหนักเปิด: บริบท 32K และขนาด 7B จะรันบนฮาร์ดแวร์ที่คุณควบคุมได้ แบบออฟไลน์ โดยไม่มีข้อมูลออกจากอาคารและไม่มีมาตรวัดต่อโทเคน — เป็นทางเลือกเดียวหากเสียงของคุณอยู่ภายใต้ข้อกำหนดด้านที่ตั้งของข้อมูล หรืองบความหน่วงของคุณไม่อนุญาตให้มีการส่งข้อมูลไปกลับ ข้อที่สามคือค่าใช้จ่ายเมื่อใช้งานในปริมาณต่ำมาก GPU ที่คุณมีอยู่แล้วไม่มีต้นทุนส่วนเพิ่ม ส่วนโมเดลแบบโฮสต์ที่คิด $0.15 ต่อล้านโทเคนนั้นถูกแต่ไม่ใช่ศูนย์ และต้นทุนคงที่ในการจัดเตรียมระบบรองรับถือเป็นเรื่องจริงสำหรับงานที่รันเพียงสัปดาห์ละสองครั้ง

ข้อโต้แย้งก็คือ ข้อจำกัดของโมเดลเก่ากัดกินหนักขึ้นทุกปี วิดีโอหนึ่งนาที คอนเท็กซ์ 32K และไม่มีความสามารถในการเรียกใช้เครื่องมือหรือเอาต์พุตแบบมีโครงสร้าง ในโลกที่เอเจนต์เป็นรูปแบบการดีพลอยโดยปริยาย นับเป็นขอบเขตที่คับแคบ สำหรับไปป์ไลน์ที่ต้องนำเข้าประชุมที่บันทึกไว้ Qwen3.8-Omni-Flashไม่ได้แค่ดีกว่าเท่านั้น — แต่คือความแตกต่างระหว่างความเป็นไปได้กับความเป็นไปไม่ได้ เพราะโมเดลปี 2025 ไม่สามารถรองรับอินพุตนั้นได้ในทางกายภาพ

คุ้มค่าที่จะพูดให้เป็นรูปธรรมว่าเวตเก่ายังมีชีวิตเหลืออยู่อีกมากแค่ไหน เพราะคำว่า "legacy" ให้ภาพต่ำกว่าความเป็นจริง Qwen2.5-Omni-7B รีโพซิทอรีบันทึกว่า 343,676 ดาวน์โหลดในเดือนที่ผ่านมา เมื่อเราตรวจสอบในวันที่ 18 กันยายน 2026 โดยมี Spaces ของชุมชนราวหนึ่งร้อยแห่ง และไฟน์จูน อะแดปเตอร์ และควอนไทเซชันหลายสิบรายการที่สร้างต่อยอดขึ้นมา ไม่ว่าโมเดลเรือธงจะทำอะไร ผู้คนจำนวนมากยังคงนำโมเดลปี 2025 ไปใช้งาน — และที่น่าสังเกตคือ Hugging Face ไม่ได้ระบุผู้ให้บริการ inference รายใดที่นำโมเดลนี้ไป deploy ซึ่งหมายความว่าเกือบทั้งหมดของการใช้งานนั้นเป็นแบบโฮสต์เอง

โมเดลใหม่ปรับปรุงรุ่นเก่า

รายละเอียดที่แปลกที่สุดและโน้มน้าวใจที่สุดในการเปิดตัวถูกซ่อนไว้ใกล้ท้ายของเอกสาร ในการทดลองที่ Alibaba อธิบายว่าเป็นโมเดลที่กำลังปรับปรุงโมเดล Qwen3.8-Omni-Flashได้ปรับปรุงโดยอัตโนมัติซึ่งการรู้จำเสียงพูดภาษาถิ่นเสฉวนของQwen2.5-Omni-3B — น้องเล็กของโมเดลที่มันเข้ามาแทนที่ในนาม — ลดอัตราความผิดพลาดระดับตัวอักษรจาก25.79% เหลือ 15.30%ภายในสิบสองชั่วโมง และสร้างตัวอย่างการฝึก 3,413 ตัวอย่างในสี่รอบ

นั่นเป็นข้อโต้แย้งที่สนับสนุนโมเดลใหม่ได้ดีกว่าเบนช์มาร์กใด ๆ ในการเปิดตัวครั้งนี้ และมันจัดกรอบความสัมพันธ์ระหว่างทั้งสองใหม่ โมเดลปี 2026 ไม่ใช่แค่สิ่งทดแทนโมเดลปี 2025 เท่านั้น แต่ยังเป็นเครื่องมือที่ทำให้น้ำหนักของปี 2025 ดีขึ้น หากคุณกำลังรัน Qwen2.5-Omni ในการผลิตสำหรับภาษาหรือถิ่นที่มันจัดการได้ไม่ดี เส้นทางปฏิบัติอาจเป็นการเก็บการติดตั้งใช้งานไว้และใช้โมเดลใหม่สร้างข้อมูลฝึก แทนที่จะย้ายภาระงาน อย่างไรก็ตาม โปรดทราบว่านี่เป็นการสาธิตที่ผู้ขายรายงานเองโดยไม่มีระเบียบวิธีที่เผยแพร่ และควรถือเป็นเกร็ดเล่าที่น่าให้กำลังใจมากกว่าสูตรที่ทำซ้ำได้

หากคุณกำลังย้ายข้อมูล

การตัดสินใจไม่ค่อยขึ้นอยู่กับโมเดลเพียงตัวเดียว ทีมที่กำลังย้ายออกจากโมเดล omni ที่โฮสต์เองกำลังเลือกระหว่างสามรูปแบบ: ใช้โมเดลน้ำหนักแบบเปิดและจัดสรรทรัพยากรต่อไป, ย้ายไปใช้ API ของผู้ให้บริการและยอมสละการควบคุม, หรือแยกปริมาณงานเพื่อให้เฉพาะส่วนที่ต้องรับอินพุตระดับล้านโทเคนไปที่โมเดลแบบโฮสต์ ตัวเลือกที่สามมักเป็นตัวเลือกที่ถูกต้อง และยังเป็นตัวเลือกที่ผู้คนมักข้ามไป เพราะมันฟังดูเหมือนงานมากกว่าที่เป็นจริง — การ fine-tune ภาษาถิ่นที่คุณใช้เวลาหนึ่งเดือนทำ ไม่จำเป็นต้องถูกทิ้งไปเพียงเพราะขั้นตอนการสรุปการประชุมย้ายไป

จุดที่ routing เข้ามาช่วยได้คือตรงรอยต่อคีย์เดียวใช้ได้กับมากกว่า 200 โมเดล โดยบวกเพิ่ม 0% จากราคาที่ผู้ให้บริการประกาศไว้ พร้อมระบบ failover อัตโนมัติหาก endpoint ใดมีประสิทธิภาพลดลง ซึ่งหมายความว่าครึ่งที่โฮสต์ไว้ของไปป์ไลน์แบบแยกส่วนไม่จำเป็นต้องมีสัญญาของตัวเอง มีโค้ดไคลเอนต์ของตัวเอง และมีระบบมอนิเตอร์ของตัวเอง ก่อนที่คุณจะรู้ว่างานนี้คุ้มค่ากับทั้งหมดนั้นหรือไม่ พูดให้ชัดถึงสิ่งที่เราไม่ได้ทำ: ไม่มีโมเดล omni ตัวใดอยู่ในแคตตาล็อกของเรา — ทั้งสองตัวรันบนแพลตฟอร์มของ Alibaba หรือบนฮาร์ดแวร์ของคุณเอง — ดังนั้นนี่คือการตัดสินใจเรื่อง routing ที่คุณทำโดยคำนึงถึงโมเดลเหล่านั้น ไม่ใช่ทำผ่านเรา

ใครควรย้าย และใครไม่ควรย้าย

ย้ายไปใช้สิ่งนี้ถ้างานของคุณเป็นเสียงหรือวิดีโอแบบความยาวมาก ถ้าคอนเท็กซ์ 32K คือสิ่งที่ทำให้ไปป์ไลน์เกิดขึ้นไม่ได้ ถ้าคุณต้องการพฤติกรรมแบบเอเจนต์กับสื่อ หรือถ้าการแยกผู้พูดในระดับสเกลคือปัญหาที่คุณมี อยู่ต่อไปถ้าคุณต้องการให้โมเดลพูดได้ ถ้าเสียงของคุณออกจากโครงสร้างพื้นฐานของคุณไม่ได้ ถ้าคุณต้องพึ่งพาน้ำหนัก Qwen2.5-Omni เฉพาะที่คุณปรับแต่งไว้แล้ว หรือถ้าปริมาณการเรียกใช้งานของคุณต่ำพอที่ GPU ที่คุณเป็นเจ้าของจะคุ้มกว่าการจ่ายตามมิเตอร์

สรุปที่ชวนไม่สบายใจก็คือ สิ่งนี้ไม่ใช่สิ่งทดแทนเสียทีเดียว แต่เป็นการแยกสายผลิตภัณฑ์มากกว่า Alibaba ใช้เวลาสิบแปดเดือนสร้างโมเดลรับข้อมูลที่ดีที่สุดเท่าที่จะทำได้ และไม่ได้สร้างรุ่นสืบทอดสำหรับครึ่งฝั่งเอาต์พุตเลย หากงานของคุณอยู่ฝั่งรับข้อมูล การอัปเกรดแทบจะเป็นภาคบังคับ หากงานของคุณอยู่ฝั่งเอาต์พุต โมเดลปี 2025 ยังคงเป็นสิ่งใหม่ที่สุดที่ทำในสิ่งที่คุณต้องการได้ — และนั่นเป็นสิ่งที่ควรรู้ก่อนที่คุณจะวางแผนโยกย้ายซึ่งจะลบความสามารถที่คุณพึ่งพาอยู่อย่างเงียบ ๆ