OpenThai-SystemOne

การตัดสินใจเชิงโครงสร้างบนข้อความภาษาไทยและอังกฤษ ส่ง state พร้อมคำถาม แล้วรับความน่าจะเป็นที่ปรับเทียบแล้วของทุกตัวเลือกในการคำนวณรอบเดียว โดยไม่สร้างข้อความ

POST/v3/store/openthai/systemoneทดลองใช้

• ราคาฟรี
• ให้บริการแล้ว20.9Kครั้ง

• v0.3-20260922
• ใช้งานได้

Input

state

ticket: โดนหักเงินซ้ำสองครั้งเมื่อวานนี้ ขอเงินคืนด่วนนะครับ โทรไปสามรอบแล้วไม่มีใครรับ

questions

department: type: choice instructions: ทีมใดควรรับผิดชอบ criteria: { billing, technical, sales } frustration: type: score instructions: ลูกค้าหงุดหงิดแค่ไหน criteria: ใจเย็น หงุดหงิดแต่สุภาพ โกรธมาก refund: type: noul instructions: ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่

OutputPOST /v3/store/openthai/systemone

model

openthai-systemone

answers

department: type: choice choice: billing probabilities: { billing, technical, sales } confidence: 0.939 abstain: 0.003 frustration: type: score score: 1.974 legend: { 0, 1, 2 } probabilities: { 0, 1, 2 } confidence: 0.895 refund: type: noul noul: 0.989

usage

input_tokens: 175 output_tokens: 0 permutations: 1

วัดเมื่อ 4 ตุลาคม 2569 ปัดความน่าจะเป็นแล้ว คำนวณรอบเดียว 175 input tokens และ 0 output tokens

ฟิลด์ทั้งหมดอยู่ในหัวข้อ Response

Request

curl -X POST 'https://api.iapp.co.th/v3/store/openthai/systemone' \
  -H 'apikey: YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{"state": {"ticket": "โดนหักเงินซ้ำสองครั้งเมื่อวานนี้ ขอเงินคืนด่วนนะครับ โทรไปสามรอบแล้วไม่มีใครรับ"}, "questions": {"department": {"type": "choice", "instructions": "ทีมใดควรรับผิดชอบ", "criteria": {"billing": "การเงิน/คืนเงิน", "technical": "ระบบใช้งานไม่ได้", "sales": "สอบถามสินค้าและราคา"}}, "frustration": {"type": "score", "instructions": "ลูกค้าหงุดหงิดแค่ไหน", "criteria": ["ใจเย็น", "หงุดหงิดแต่สุภาพ", "โกรธมาก"]}, "refund": {"type": "noul", "instructions": "ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่"}}}'

Response

200OK ฟิลด์อธิบายไว้ในหัวข้อ Response

{
  "model": "openthai-systemone",
  "answers": {
    "department": {"type": "choice", "choice": "billing",
      "probabilities": {"billing": 0.989, "technical": 0.005, "sales": 0.006},
      "confidence": 0.939, "abstain": 0.003},
    "frustration": {"type": "score", "score": 1.974,
      "legend": {"0": "ใจเย็น", "1": "หงุดหงิดแต่สุภาพ", "2": "โกรธมาก"},
      "probabilities": {"0": 0.004, "1": 0.018, "2": 0.978},
      "confidence": 0.895},
    "refund": {"type": "noul", "noul": 0.989}
  },
  "usage": {"input_tokens": 175, "output_tokens": 0, "permutations": 1}
}

Request

ส่ง JSON โดย state คือเรื่องที่ต้องการให้ตัดสินใจ และ questions คือคำถามเชิงโครงสร้างที่ตั้งชื่อเองได้ ทุกคำถามตอบพร้อมกันในการคำนวณรอบเดียว คำขอหนึ่งครั้งยาวได้ไม่เกิน 64K tokens

Headers

apikeystringrequired

API key ของคุณ สร้างได้ที่เมนู API Keys ในแผงควบคุม

Body

statestring or objectrequired

เรื่องที่ต้องการให้ตัดสินใจ เป็นข้อความ หรือ JSON ใดก็ได้ เช่น ticket ฝ่ายสนับสนุน คอมเมนต์ เอกสาร หรือ accessibility tree ของหน้าจอ

questionsobjectrequired

ชื่อคำถามและคำถามแต่ละข้อ

questions.typestringrequired

choice เลือกหนึ่งตัวเลือกจากตัวเลือกที่ตั้งชื่อไว้ score ให้ระดับบนสเกลเรียงลำดับ noul ตอบใช่หรือไม่

questions.instructionsstringrequired

สิ่งที่ต้องการให้ตัดสินใจ เป็นภาษาไทยหรืออังกฤษ

questions.criteriaobject or array

choice: ชื่อตัวเลือกไม่เกิน 255 ตัว แต่ละตัวมีคำอธิบายสั้น ๆ score: ป้ายชื่อระดับ 2 ถึง 10 ระดับตามลำดับ noul ไม่ใช้ช่องนี้

order_invariantboolean

เฉลี่ยคำตอบ choice จากการเรียงตัวเลือกหลายแบบ เพื่อไม่ให้ลำดับตัวเลือกมีผลต่อคำตอบ ใช้เวลาราวสองเท่า เปิดให้อัตโนมัติเมื่อ choice มีตัวเลือกเกิน 10 ตัว

permutationsinteger

จำนวนการเรียงตัวเลือกที่นำมาเฉลี่ยเมื่อเปิด order_invariant

ราคา

ใช้ฟรีในช่วงพรีวิว 0 IC ต่อคำขอ ด้วย iApp API key ใดก็ได้ ไม่เกิน 100 คำขอต่อนาทีและ 1,000 การตัดสินใจต่อวันต่อ key จะประกาศราคาต่อการตัดสินใจภายหลัง ระหว่างนี้ยังใช้ช่วงพรีวิวฟรีได้ต่อ

Response

ส่ง JSON กลับมาหนึ่งคำตอบต่อหนึ่งคำถาม ตามชื่อที่คุณตั้ง ดังตัวอย่างในแผงด้านข้าง โมเดลไม่สร้างข้อความ usage.output_tokens จึงเป็น 0 เสมอ คำขอที่รูปแบบไม่ถูกต้อง เช่น score ที่มีน้อยกว่า 2 ระดับ หรือ choice ที่มีตัวเลือกเกิน 255 ตัว จะได้ 422

answersobject

หนึ่งออบเจ็กต์ต่อหนึ่งคำถาม

answers.typestring

ประเภทของคำถาม

answers.choicestring

สำหรับ choice: ตัวเลือกที่มีความน่าจะเป็นสูงสุด

answers.scorefloat

สำหรับ score: ดัชนีระดับถ่วงน้ำหนักด้วยความน่าจะเป็น เป็นทศนิยมได้ และ legend แปลงดัชนีเป็นป้ายชื่อระดับ

answers.noulfloat

สำหรับ noul: ความน่าจะเป็นที่คำตอบคือใช่

answers.probabilitiesobject

ความน่าจะเป็นของแต่ละตัวเลือกหรือระดับ รวมกันได้ 1

answers.confidencefloat

1 ลบด้วยเอนโทรปีที่ทำให้เป็นมาตรฐาน คำตอบที่ความมั่นใจต่ำควรส่งต่อให้โมเดลที่ใหญ่กว่าหรือให้คนตรวจ

answers.abstainfloat

สำหรับ choice: ความน่าจะเป็นที่ไม่มีตัวเลือกใดเหมาะ

usageobject

input_tokens, output_tokens (เป็น 0 เสมอ) และ permutations จำนวนการเรียงตัวเลือกที่นำมาเฉลี่ย

รายละเอียดเพิ่มเติม

ผลการทดสอบ

รายการ	ผล
public benchmark ของ Bespoke Labs สำหรับโมเดล System One 13 ชุด ค่าเฉลี่ย macro	74.3 เทียบกับ 74.8 ของ Bespoke-Nimble-9B และ 76.0 ของ Jev 1.13.0
เจตนาภาษาไทย MASSIVE-th (60 หมวด) ไม่เคยใช้เทรน	ความแม่นยำ 90.0% ค่าความคลาดเคลื่อนการปรับเทียบ 0.043
หัวข้อข่าวภาษาไทย Prachathai67k ไม่เคยใช้เทรน	ความแม่นยำ 98.1% ค่าความคลาดเคลื่อนการปรับเทียบ 0.004
ไป-กลับผ่านเกตเวย์ ticket ภาษาไทย 3 คำถาม	0.23 วินาที
GPU H100 หนึ่งใบ batch 1, 3 คำถาม	40 ถึง 70 มิลลิวินาที
Output tokens	0

ผลแยกรายชุด ชุดทดสอบภาษาไทยอื่น ๆ และตารางการปรับเทียบ อยู่ที่หน้าโมเดลและใน model card

ข้อจำกัด

• ช่วงพรีวิวเรียกได้ 100 คำขอต่อนาทีและ 1,000 การตัดสินใจต่อวันต่อ key ตัวเลือกไม่เกิน 255 ตัวต่อ choice 2 ถึง 10 ระดับต่อ score และไม่เกิน 64K tokens ต่อคำขอ
• เวอร์ชัน 0.3 โมเดลขนาด 0.8B รับข้อความอย่างเดียว ตอบได้เฉพาะตัวเลือกที่ให้แต่ยังเลือกผิดได้ ทำได้อ่อนที่สุดในงานให้คะแนน 5 ระดับ PubMedQA และความรู้สึกในโซเชียลมีเดียไทย

น้ำหนักโมเดลแบบเปิด

API เดียวกันนี้รันบนเครื่องของคุณได้จากน้ำหนักโมเดลแบบเปิด และรับ POST http://localhost:8000/v1/systemone ด้วย body เดียวกัน

pip install "git+https://github.com/iapp-technology/openthai-systemone"
OPENTHAI_SYSTEMONE_MODEL=iapp/OpenThai-SystemOne uvicorn openthai_systemone.server:app --port 8000

บันทึกการเปลี่ยนแปลง

เวอร์ชัน	วันที่	การเปลี่ยนแปลง
v0.3-20260922	22 ก.ย. 2569	เทรนต่ออีก 5,000 สเต็ปด้วยชุดเทรนจริงและชุดสังเคราะห์สำหรับจุดอ่อน แล้วปรับเทียบใหม่ ค่าเฉลี่ย macro บน public benchmark จาก 63.2 เป็น 74.3 API ที่โฮสต์ให้ใช้ v0.3
v0.2-20260921	21 ก.ย. 2569	เทรนด้วยข้อมูลความรู้สึกในโซเชียลมีเดียไทย แล้วปรับเทียบใหม่ เพิ่ม order_invariant และ permutations ค่าเฉลี่ย macro จาก 61.9 เป็น 63.2
v0.1-20260920	20 ก.ย. 2569	เปิดตัว: API ที่โฮสต์ให้แบบพรีวิวฟรี พร้อมน้ำหนักโมเดลและสูตรการเทรนภายใต้ Apache 2.0