ZoomGain-9B กับ Qwen 3.8 8B: ไม่มี Qwen3.8-8B อยู่จริง และนั่นคือประเด็นของบทความ
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 119 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0727 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 121 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 230 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 40 tok/s
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 125 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 63 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 406 tok/s
ค้นหา "Qwen 3.8 8B" แล้วคุณจะพบหน้าเปรียบเทียบ ลิงก์ดาวน์โหลด และบทความอีกครึ่งโหลที่ปฏิบัติต่อมันราวกับเป็นโมเดลที่วางจำหน่ายจริง แต่ไม่ใช่ เจเนอเรชัน Qwen3.8 ของ Alibaba มีเช็กพอยต์แบบเปิดสี่ตัว — Qwen3.8-27B, บิลด์ FP8 ของมัน, Qwen3.8-2.4T-A95B และ Qwen3.8-Flash-Next — และไม่มีตัวใดเป็น 8B ช่อง 8B ในไลน์อัป Qwen ถูกครอบครองโดย Qwen3-8B ซึ่งเป็นโมเดลจากเจเนอเรชัน Qwen3 ปี 2025 เป็นสถาปัตยกรรมที่แตกต่าง โทเคไนเซอร์ที่แตกต่าง และยุคที่แตกต่าง ดังนั้นฉบับที่ตรงไปตรงมาของการเปรียบเทียบนี้ คือการจับคู่ระหว่าง ZoomGain-9B ซึ่งเป็นเช็กพอยต์แบบภาพและภาษาขนาด 9B ที่ inclusionAI เผยแพร่เมื่อวันที่ 10 พฤศจิกายน 2026 กับโมเดล Qwen สองตัวที่มีอยู่จริงในขนาดที่เทียบกันได้ ได้แก่ Qwen3.8-27B สมาชิกแบบ dense ที่เล็กที่สุดในเจเนอเรชัน 3.8 ด้วยพารามิเตอร์ 27 พันล้านตัว และ Qwen3.5-9B ซึ่งเป็นแกนหลักที่ ZoomGain-9B ถูกฝึกต่อยอดขึ้นมา
การแก้ไขนั้นไม่ใช่ข้อปลีกย่อยทางเทคนิคที่ต้องเคลียร์ให้พ้นทางก่อนจะไปถึงส่วนที่น่าสนใจ การแก้ไขนี้เปลี่ยนคำตอบ Qwen3.5-9B คือโมเดลฐานที่ ZoomGain ถูกฝึกมา ดังนั้นมันจึงเป็นสิ่งที่ใกล้เคียงที่สุดกับการทดลองแบบควบคุมในการเปิดตัวครั้งนี้ทั้งหมด: น้ำหนักเดียวกัน สถาปัตยกรรมเดียวกัน tokenizer เดียวกัน ต่างกันแค่ตัวอย่าง RL 9,000 ตัวอย่าง Qwen3.8-27B มีขนาดใหญ่กว่าสามเท่าและใหม่กว่าสองรุ่น และเป็นโมเดลที่คุณจะเลือกจริงแทน ZoomGain หากคุณต้องการ endpoint ของ Qwen ในวันนี้ การเปรียบเทียบกับทั้งสองตัวบอกอะไรบางอย่างที่ 8B แบบภาพลวงไม่เคยบอกได้
ทำไมรายการผีจึงมีอยู่จริง
การตั้งชื่อไม่ใช่เรื่องสุ่ม Qwen เปิดตัว 27B และ 2.4T-A95B เมื่อวันที่ 5 และ 8 สิงหาคม 2026 จากนั้นเปิดตัว Flash-Next ในวันที่ 24 สิงหาคม รุ่นก่อนหน้าอย่าง Qwen3.5 มี 9B และ 4B ส่วน Qwen3.6 มี 27B และ 35B-A3B ทุกรุ่นตั้งแต่ Qwen3 เป็นต้นมามีโมเดลแบบ dense ขนาดเล็กอยู่ด้วย และรุ่น 3.8 เป็นรุ่นแรกที่ข้ามโมเดลดังกล่าวไป หากใครใช้การจับรูปแบบจากการเปิดตัวสามครั้งก่อนหน้า ก็สมเหตุสมผลที่จะคาดการณ์ว่าเป็น Qwen3.8-9B และ Qwen3.8-8B ต่างจากคำคาดการณ์นั้นเพียงหนึ่งหลัก
สิ่งที่เติมเต็มช่องว่างนั้นจริง ๆ คือการกลั่นองค์ความรู้โดยชุมชน เช็กพอยต์ Qwen3.8-9B-Distill ปรากฏบน Hub จากห้องแล็บอิสระภายในหนึ่งสัปดาห์หลังการเปิดตัว 27B และอนุพันธ์ของอนุพันธ์เหล่านั้นก็ตามมา พวกมันคือโมเดลขนาดเล็กที่เทรนบนเอาต์พุตของ Qwen3.8 ไม่ใช่โมเดล Qwen3.8 หากหน้าที่คุณพบกำลังอธิบาย "Qwen 3.8 8B" พร้อมตัวเลข benchmark คำอธิบายที่เป็นไปได้มากที่สุดคือมันกำลังอธิบายหนึ่งในนั้น หรือไม่ก็ไม่ได้กำลังอธิบายอะไรเลย
ผลที่ตามมาในทางปฏิบัติ: หากคุณต้องการโมเดลขนาดเล็กในตระกูล Qwen ตัวเลือกจริงในปัจจุบันคือ Qwen3.5-9B ที่ขนาด 9B และ Qwen3.5-4B ที่ขนาด 4B โดยทั้งสองเปิดตัวในเดือนกุมภาพันธ์ 2026 ทั้งคู่ใช้สัญญาอนุญาต Apache 2.0 และทั้งคู่ยังคงเป็นหนึ่งในโมเดลที่ถูกดาวน์โหลดมากที่สุดบน Hub ส่วน ZoomGain-9B สร้างขึ้นจากตัวแรกในสองตัวนี้
การทดลองแบบควบคุมที่การเปิดตัวครั้งนี้มอบให้โดยบังเอิญ
การกำหนดค่าของ Qwen3.5-9B และของ ZoomGain-9B มีรูปร่างเดียวกัน: 32 เลเยอร์ ขนาด hidden 4,096 ขนาด intermediate 12,288 หัว query 16 หัวเทียบกับหัว KV 4 หัวที่มิติหัว 256 จำนวนตำแหน่งสูงสุด 262,144 และรูปแบบ 3:1 เดียวกันของ linear DeltaNet ต่อ full attention vision tower เป็นของโมเดลฐาน ไม่มีสิ่งใดเกี่ยวกับสถาปัตยกรรมที่เปลี่ยนแปลงไป
สิ่งที่เปลี่ยนไปคือขั้นหลังการฝึก (post-training) ZoomGain นำ GRPO ไปใช้กับคำถาม 9,000 ข้อที่สร้างขึ้นจากการขุดรายละเอียดที่ถูกครอป เป็นเวลาหนึ่ง epoch โดยมี rollout แปดครั้งต่อคำถาม นั่นคือการปรับเปลี่ยนทั้งหมด และผลที่วัดได้บน ZoomGainBench อยู่ที่ 32.13 เป็น 55.48 — เพิ่มขึ้น 23.35 จุดบน benchmark ที่สร้างจากไปป์ไลน์เดียวกับข้อมูลฝึก ซึ่งบทความเรียกอย่างตรงไปตรงมาว่า "Held-in"
ตัวเลขที่รอดพ้นจากข้อแม้นั้นคือค่าเฉลี่ยแบบ held-out จากสิบสามเบนช์มาร์กที่การฝึกไม่เคยเห็น: 59.75 สำหรับ Qwen3.5-9B, 66.10 สำหรับ ZoomGain-9B การเพิ่มขึ้น 6.35 คะแนนจากตัวอย่าง 9,000 ตัวอย่าง บนน้ำหนักชุดเดียวกัน ในกลุ่มเฉพาะที่การเปิดตัวนี้มุ่งเป้าไปที่ ส่วนต่างมีขนาดใหญ่กว่า: HR-Bench 4K 82.13 เป็น 90.25, V*Bench 86.91 เป็น 93.19, VisualProbe 44.66 เป็น 56.31
• ผลลัพธ์เชิงลบที่น่าสนใจ — MMStar ขยับจาก 71.73 เป็น 73.87 และ BabyVision จาก 15.98 เป็น 17.53 ความสามารถแบบมัลติโมดัลทั่วไปแทบไม่เปลี่ยนแปลง การฝึกครั้งนี้ได้รายละเอียดปลีกย่อยและแทบไม่มีสิ่งอื่น ซึ่งเป็นสิ่งที่การรัน RL แบบเจาะจงด้วยตัวอย่าง 9,000 ตัวอย่างควรทำ
• ข้อควรระวังอย่างตรงไปตรงมา — ทั้งหมดข้างต้นเป็นการรายงานโดยผู้เขียนบนฮาร์เนสของผู้เขียนเอง ยังไม่มีใครนอก Ant Group ที่ทำซ้ำผลนี้ได้ ตัวประเมินและเบนช์มาร์กเป็นสาธารณะ จึงตรวจสอบได้ แต่ยังไม่ได้รับการตรวจสอบ
Qwen3.8-27B และแถวที่ทำให้มันอยู่ในตารางเดียวกัน
ตรงนี้การเปรียบเทียบเริ่มชัดเจนขึ้น เพราะงานวิจัย ZoomGain ได้ประเมิน Qwen3.8-27B บนbenchmark ของตัวเองจริง ๆ โดยรุ่น 27B ได้คะแนนรวม 44.81 บน ZoomGainBench — ตามหลัง Kimi-K3 ที่ 48.65 ตามหลัง Qwen3.8-Flash-Next ที่ 55.05 และตามหลังโมเดล frontier แบบ closed-source ทุกตัวในตาราง เมื่อวัดด้วยเกณฑ์นี้ มันเป็นตัวรับรู้รายละเอียดปลีกย่อยที่ทำได้ดีในระดับหนึ่งแต่ไม่โดดเด่น
เมื่อนำไปเทียบกับ 55.48 ของ ZoomGain-9B ในการทดสอบเดียวกัน ตัวเลขที่ออกมาดูสะดุดตา: โมเดล 9B ได้คะแนนสูงกว่าโมเดล 27B ในตระกูลเดียวกันถึง 10.7 คะแนน บนเบนช์มาร์กที่ฝ่ายการตลาดของผู้ขายทั้งสองรายคงไม่เลือกใช้ แต่การเปรียบเทียบนี้คือกรณีที่ต้องติดป้าย held-in กำกับไว้พอดี และงานวิจัยก็ติดป้ายนั้นไว้ ZoomGainBench ถูกสร้างโดยไปป์ไลน์เดียวกับที่สร้างข้อมูลฝึกของ ZoomGain โมเดลที่ฝึกด้วยคำถามจากไปป์ไลน์นั้นย่อมเคยเห็นการกระจายตัวนี้ ส่วนโมเดลที่ถูกประเมินบนชุดนั้นไม่เคยเห็น ช่องว่าง 10.7 คะแนนจึงเป็นข้อความเกี่ยวกับความเข้ากันของการกระจายตัว ไม่ใช่เกี่ยวกับความสามารถ
ในกรณีที่สามารถเปรียบเทียบทั้งสองได้โดยไม่มีความคลาดเคลื่อนนั้น ภาพกลับตาลปัตร การ์ดของ Qwen3.8-27B เองรายงานว่า Terminal Bench 2.1 อยู่ที่ 73.0, SWE-bench Pro อยู่ที่ 61.7, LiveCodeBench v6 อยู่ที่ 90.3, GPQA Diamond 89.2 และ HLE 30.8 ส่วน ZoomGain-9B ไม่ได้รับการประเมินบนชุดทดสอบเหล่านี้เลย และก็ไม่น่าจะทำได้ดี เนื่องจากการฝึกของมันไม่เคยแตะโค้ด งานเทอร์มินัล หรือวิทยาศาสตร์ระดับบัณฑิตศึกษา Qwen3.8-27B ยังรองรับภาพและวิดีโอโดยตรง ให้บริบท 262,144 โทเคนที่ขยายได้ถึงหนึ่งล้าน และรองรับการควบคุมการคิดด้วย `reasoning_effort` ซึ่งเป็นความสามารถที่ ZoomGain-9B ไม่มีเลย เนื่องจากการประเมินของมันทำงานโดยปิดการคิด
• ขนาดและรูปร่าง — Qwen3.8-27B เป็นโมเดล dense ขนาด 27B ที่มี 64 เลเยอร์, hidden 5,120, intermediate 17,408 และหัวทำนายหลายโทเคน (multi-token-prediction) จำนวน 1 เลเยอร์ ส่วน ZoomGain-9B มีขนาดประมาณ 9.4B โดยมี 32 เลเยอร์ที่ hidden 4,096
• ความพร้อมใช้งาน — Qwen3.8-27B มีดาวน์โหลด 7.4 ล้านครั้ง ใช้สัญญาอนุญาต Apache 2.0 มีบิลด์ FP8 และ GGUF รวมถึง endpoint แบบโฮสต์ ส่วน ZoomGain-9B ไม่มี endpoint แบบโฮสต์ มีการแมปผู้ให้บริการว่างเปล่าบน Hub สัญญาอนุญาตถูกเลื่อนไปยังการ์ดที่ไม่มีแท็กสัญญาอนุญาต และมีบิลด์ GGUF วันที่ 11 พฤศจิกายนเป็นเพียงช่องทางเผยแพร่เดียว นอกเหนือจาก BF16
• วันที่เปิดตัว — Qwen3.8-27B: 5 สิงหาคม 2026 การเปิดตัวเต็มรูปแบบพร้อมโพสต์บล็อกและรายงานทางเทคนิค ZoomGain-9B: 10 พฤศจิกายน 2026 มีเพียงบทความวิชาการและรีโพซิทอรีเท่านั้น ช่องว่างสามเดือนนั้นสำคัญน้อยกว่าข้อเท็จจริงที่ว่าหนึ่งในนั้นอยู่ในมือของทีมใช้งานจริงมาตั้งแต่เดือนสิงหาคม
ราคาของแต่ละเส้นทาง และเส้นทางที่เราขายให้คุณได้จริง
Qwen3.8-27B อยู่ในแค็ตตาล็อกของ OrcaRouter ในราคา 0.33 ดอลลาร์ต่อล้านโทเค็นอินพุต และ 2.40 ดอลลาร์ต่อล้านโทเค็นเอาต์พุต รองรับคอนเท็กซ์ 262K อินพุตรองรับข้อความ รูปภาพ และวิดีโอ โดยไม่มีการบวกราคาเพิ่มจากราคาที่ผู้ให้บริการระบุไว้ — ตัวเลขที่แสดงบนหน้าโมเดลของเราคือตัวเลขที่ Qwen เรียกเก็บ ส่งผ่านมาตรง ๆ ดังนั้นหากผู้ให้บริการเปลี่ยนราคา ที่นี่จะอัปเดตทันทีในวันเดียวกัน แทนที่จะต้องรอรอบการปรับราคา คีย์เดียวกันนี้ยังใช้เข้าถึง Qwen3.8-Flash และ Qwen3.8-Max ได้ด้วย หากปรากฏว่า 27B มีขนาดไม่เหมาะกับงานของคุณ และ ระบบ failover จะลองใหม่กับผู้ให้บริการรายอื่นก่อนที่การตอบสนองจะเริ่มต้น แทนที่จะรอให้คำขอของคุณหมดเวลาก่อน
ZoomGain-9B ไม่อยู่ในแคตตาล็อกและไม่สามารถเรียกผ่านเราได้ มีขนาด 18.82 GB ในรูปแบบ BF16 หรือ 5.63 GB ที่ Q4_K_M บวกโปรเจกเตอร์ mmproj ขนาด 0.52 GB โดยให้บริการภายใต้ vLLM 0.19.1 ร่วมกับ transformers 5.7.0 หรือภายใต้บิลด์ llama.cpp ที่รองรับ multimodal ของ Qwen3.5 ทั้ง Qwen3.5-9B เองก็ไม่อยู่ในแคตตาล็อกเช่นกัน ซึ่งควรพูดตรง ๆ ว่า เวอร์ชันโฮสต์ราคาถูกของการเปรียบเทียบนี้ก็ไม่มีอยู่ในฝั่งเราเช่นกัน
หากคำถามจริงของคุณคือ "ฉันควรเรียกใช้ ZoomGain-9B แทนการจ่ายเงินสำหรับ endpoint ของ Qwen หรือไม่" การเปรียบเทียบต้นทุนไม่ได้ใกล้เคียงกันในทั้งสองทิศทาง และไม่จำเป็นต้องใกล้เคียง โมเดล dense ขนาด 27B ที่ราคา $0.33 ต่อหนึ่งล้านโทเคนอินพุตถูกกว่าการมี GPU เป็นของตัวเองสำหรับแทบทุกปริมาณการใช้งานที่คุณจะเรียกว่าใช้งานเป็นครั้งคราว การโฮสต์โมเดล 9B ด้วยตัวเองจะได้เปรียบก็ต่อเมื่อปริมาณการใช้งานสูง ข้อมูลไม่สามารถออกจากเครือข่ายของคุณได้ หรืองานนั้นเป็นงานเฉพาะแคบ ๆ อย่างเดียวที่โมเดล 9B ถูกฝึกมาเพื่อทำ
เมื่อโมเดลแฟนทอมจะมีความสำคัญขึ้นมา
มีช่องว่างที่แท้จริงอยู่ในไลน์อัปของ Qwen และควรพูดถึงให้ชัด เพราะมันอธิบายว่าทำไมผู้คนจำนวนมากจึงค้นหาการเปรียบเทียบคู่นี้ โมเดล dense ขนาด 9B ที่มีหน้าต่างบริบท 262K และชุดคำศัพท์ระดับเจนเนอเรชัน Qwen3.8 ซึ่งวางขายในราคาใกล้เคียงกับ Qwen3.5-9B จะเป็นตัวเลือกงบประมาณที่ชัดเจนสำหรับไปป์ไลน์ที่เน้นภาพเป็นหลัก — ถูกกว่า 27B ความสามารถสูงกว่า 4B และเล็กพอที่จะโฮสต์เองบนการ์ดเดียว Qwen ไม่ได้เปิดตัวรุ่นดังกล่าว ดังนั้นช่องนี้ในปัจจุบันจึงถูกเติมเต็มด้วย Qwen3.5-9B รุ่นเก่า หรือดิสทิลเลชันจากคอมมูนิตี้ที่ไม่มีผู้ผลิตหนุนหลัง
ZoomGain-9B ก็ไม่ใช่โมเดลนั้นเช่นกัน และความแตกต่างนี้สำคัญ มันเป็นผู้เชี่ยวชาญด้านการรับรู้ที่มีคำถามเรื่องใบอนุญาตวิจัยและไม่มีช่องทางโฮสต์ ไม่ใช่ Qwen ขนาดเล็กเอนกประสงค์ หากสิ่งที่คุณต้องการจาก "Qwen 3.8 8B" คือโมเดลเอนกประสงค์ราคาถูก ZoomGain-9B จะทำให้คุณผิดหวังในทุกอย่างยกเว้นรายละเอียดปลีกย่อย หากสิ่งที่คุณต้องการคือโมเดลที่สามารถหาเลขซีเรียลในภาพถ่าย 4K ได้ มันเป็นหนึ่งในเช็กพอยต์ขนาดเล็กไม่กี่ตัวที่สร้างขึ้นมาเพื่อสิ่งนั้นโดยเฉพาะ
สำหรับกรณีงานทั่วไป ตัวแทนที่สมจริงคือไลน์ Qwen3.5 แบบโฮสต์ — 35B-A3B ในราคา $0.057 ต่อหนึ่งล้านโทเค็นอินพุต และ 27B ในราคา $0.086 — ซึ่งเข้ามาอยู่ในช่องงบประมาณที่ 8B ที่หายไปจะเคยเติมเต็ม โดยมีฟุตพริ้นต์ที่ใหญ่กว่าและมีเอนด์พอยต์จริง สำหรับกรณีการรับรู้ เราไม่มีตัวแทนแบบโฮสต์ให้เสนอได้: Qwen3-VL-8B-Instruct ในราคาอินพุต $0.18 และเอาต์พุต $0.70 ต่อหนึ่งล้านโทเค็นสามารถรับภาพได้และใช้เป็นตัวแทนเพื่อทดสอบว่าข้อผิดพลาดของคุณเป็นข้อผิดพลาดระดับรายละเอียดหรือไม่ แต่โมเดลนี้ไม่ได้ถูกฝึกมาแบบเดียวกับ ZoomGain และจะไม่เทียบเท่าในการครอปภาพ
จะทำอย่างไรกับสิ่งนี้ อย่างเป็นรูปธรรม
หากคุณมาที่นี่เพื่อหาคำตัดสินระหว่าง ZoomGain-9B กับ Qwen3.8-8B คำตัดสินก็คือคู่ต่อสู้รายนั้นไม่มีอยู่จริง และหน้าเว็บใดก็ตามที่ให้คำตัดสินเช่นนั้นแก่คุณได้แต่งครึ่งหนึ่งของการเปรียบเทียบขึ้นมา คำถามจริงมีสองข้อที่แคบกว่า และทั้งสองข้อก็ตอบได้ในวันนี้
คำถามข้อหนึ่ง: โมเดล 9B ที่ไฟน์ทูนจาก Qwen3.5-9B ดีกว่า Qwen3.5-9B ในการรับรู้ระดับละเอียดหรือไม่? จากตัวเลขของผู้เขียน คำตอบคือใช่ โดยดีกว่าอยู่ 6.35 คะแนนบนชุด held-out และดีกว่ามากขึ้นบนเบนช์มาร์กที่การฝึกมุ่งเป้าไว้ นั่นเป็นผลลัพธ์ที่แข็งแกร่งสำหรับตัวอย่าง 9,000 รายการ และเป็นสิ่งที่น่าสนใจที่สุดในการเปิดตัวครั้งนี้
คำถามข้อสอง: ZoomGain-9B ดีกว่า Qwen3.8-27B ในเรื่องใดก็ตามที่สำคัญกับคุณหรือไม่ ในด้านความสามารถทั่วไป ไม่ — ตัว 27B ใหม่กว่า ใหญ่กว่า มีเอกสารประกอบดีกว่า มีสัญญาอนุญาตชัดเจนกว่า มีการโฮสต์ให้ใช้งาน และได้รับการประเมินในมิติที่มากกว่าอย่างมาก บนเบนช์มาร์กที่สร้างจากการกระจายข้อมูลฝึกของ ZoomGain เอง มันทำคะแนนได้สูงกว่า 10.7 คะแนน ซึ่งบอกว่าการฝึกได้ผล และไม่ได้บอกอะไรเลยว่าคุณควรซื้อโมเดลไหน
การตัดสินใจที่ตามมาถือว่าไม่หรูหรานัก ใช้โมเดล Qwen แบบโฮสต์สำหรับงานทั่วไป เพราะมีค่าใช้จ่าย $0.33 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และเรียกใช้ได้ด้วยการเรียก API เพียงครั้งเดียว ดาวน์โหลด ZoomGain-9B เฉพาะเมื่อคุณมีงานเฉพาะที่ต้องใส่ใจรายละเอียดปลีกย่อย มี GPU และมีทนายความที่ได้อ่านไฟล์ใบอนุญาตซึ่งผู้จำหน่ายยังไม่ได้เผยแพร่
การเปรียบเทียบในบทความนี้1
ตรวจพบจากบทความนี้ · เบนช์มาร์ก: Artificial Analysis · อัปเดตทุกวัน
