One post tagged with "Thai Language AI"

วันนี้ เราร่วมกับสมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย (AIEAT) เปิดตัว OpenThai 2.0 — โมเดล vision-language ภาษาไทยแบบโอเพนซอร์ส ขนาด 27B พารามิเตอร์ สัญญาอนุญาต Apache 2.0 ดาวน์โหลดน้ำหนักโมเดลได้ฟรีบน Hugging Face

เมื่อหนึ่งเดือนก่อนเราเปิดตัว OpenThai 2.0 Legal โมเดลเฉพาะทางที่จำตัวบทกฎหมายไทยได้ขึ้นใจ OpenThai 2.0 คือพี่น้องสายงานทั่วไปของมัน และเป็นการเปิดตัวที่ใหญ่กว่า: โมเดลเดียวที่อ่านเอกสารและลายมือไทยได้ระดับโมเดลเฉพาะทาง ตอบคำถามความรู้ไทยเป็นภาษาไทยธรรมชาติ และเรียกใช้เครื่องมือได้เสถียรพอที่จะรันเป็นเอเจนต์ — โดยยังคงความฉลาดทั่วไปของโมเดลฐานไว้ครบ

หน้าโมเดล: iapp.co.th/th/openmodels/openthai2p0 · น้ำหนักโมเดล: huggingface.co/iapp/openthai2.0-qwen3.8-27b · ทดลองฟรี ไม่ต้องติดตั้ง: chinda3.iapp.co.th

ต่อไปนี้คือข่าวประชาสัมพันธ์ฉบับทางการ เผยแพร่เมื่อวันที่ 26 สิงหาคม 2569

กรุงเทพฯ, 26 สิงหาคม 2569 — วันนี้ iApp Technology ได้เปิดตัว OpenThai 2.0 Legal โมเดลภาษาขนาดใหญ่แบบ open-weight ที่สร้างขึ้นโดยเฉพาะสำหรับกฎหมายไทย พร้อมเปิดให้ดาวน์โหลดน้ำหนักโมเดล (weights) ฉบับเต็มได้ฟรีบน Hugging Face โมเดลนี้สร้างโดยคนไทยเพื่อประเทศไทย ออกแบบมาสำหรับทนายความ นักกฎหมายประจำองค์กร ทีมกำกับดูแลการปฏิบัติตามกฎหมาย (compliance) นักพัฒนา legal-tech และหน่วยงานภาครัฐ ที่ต้องการคำตอบเกี่ยวกับตัวบทกฎหมายและคำพิพากษาของไทยที่เชื่อถือได้และอ้างอิงแหล่งที่มาได้จริง

iApp Any Documents OCR สามารถอ่านเอกสารไทยได้อีก 6 ประเภทแล้ว และพร้อมใช้งานจริงแล้ววันนี้ ทุกประเภทจะส่งคืนข้อมูลในรูปแบบ JSON ที่มีคะแนนความมั่นใจของแต่ละฟิลด์ ในราคา 1 IC ต่อหน้า

เอกสาร: Thai Document OCR · ราคา: iapp.co.th/pricing

วันนี้เราขอเปิดตัว OpenThai 2.0 Legal โมเดลภาษาขนาดใหญ่แบบเปิด (open-weight) ที่พัฒนาขึ้นเพื่องานกฎหมายไทยโดยเฉพาะ พร้อมเปิดให้ดาวน์โหลดน้ำหนักโมเดลได้ฟรีบน Hugging Face โมเดลนี้สร้างโดยคนไทย เพื่อคนไทย สำหรับทนายความ ที่ปรึกษากฎหมายภายในองค์กร ทีมกำกับดูแล ผู้พัฒนาเทคโนโลยีทางกฎหมาย และหน่วยงานภาครัฐ ที่ต้องการคำตอบด้านกฎหมายและคำพิพากษาไทยที่เชื่อถือได้และอ้างอิงแหล่งที่มาได้

หน้าโมเดล: iapp.co.th/openmodels/openthai2p0-legal · ดาวน์โหลด: huggingface.co/iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b

โดย ดร.กอบกฤตย์ วิริยะยุทธกร, CEO & Founder, iApp Technology

หนึ่งในคำถามที่พบบ่อยที่สุดที่เราได้ยินจากวิศวกร AI และทีมเทคนิคของไทยคือ: "ฉันควรใช้ RAG หรือ fine-tuning สำหรับแอปพลิเคชันภาษาไทยของฉัน?" นี่เป็นคำถามสำคัญที่ส่งผลโดยตรงต่อต้นทุนการพัฒนา ประสิทธิภาพ ความซับซ้อนในการบำรุงรักษา และความสามารถในการขยายขนาดในระยะยาว

คำตอบเช่นเดียวกับการตัดสินใจด้านวิศวกรรมส่วนใหญ่คือ: ขึ้นอยู่กับสถานการณ์ แต่การเข้าใจว่าเมื่อไหร่ควรใช้แต่ละวิธี และที่สำคัญกว่านั้นคือวิธีการรวมวิธีทั้งสองเข้าด้วยกัน สามารถหมายถึงความแตกต่างระหว่างการปรับใช้ AI ที่ประสบความสำเร็จและความล้มเหลวที่มีค่าใช้จ่ายสูง

บทความนี้นำเสนอการเปรียบเทียบทางเทคนิคที่ครอบคลุมของ Retrieval-Augmented Generation (RAG) และ fine-tuning โดยเฉพาะสำหรับแอปพลิเคชันภาษาไทย โดยอาศัยประสบการณ์ของเราที่ iApp Technology ในการปรับใช้ทั้งสองวิธีในองค์กรไทยหลายร้อยแห่ง