OpenThai-SystemOne ใหม่

ฟรี (ช่วงพรีวิว)

ตอนนี้: 0 IC ด้วย iApp API key ใดก็ได้ (สมัครฟรี) วันละ 1,000 การตัดสินใจต่อ keyต่อไป: ประกาศราคาต่อการตัดสินใจในเดือนตุลาคม 2569

v0.1-20260920 Active ไป-กลับ 0.23 วินาที, 0 โทเคนขาออก 61.9 macro บน public bench (Nimble-9B 74.8, Jev 76.0) POST /v3/store/openthai/systemone

OpenThai-SystemOne คือโมเดลตัดสินใจแบบ System One ภาษาไทย-อังกฤษ โอเพนซอร์ส (Apache 2.0) จาก iApp Technology และ OpenThaiGPT โมเดลนี้ไม่สร้างข้อความ คุณส่ง state (ข้อความหรือ JSON อะไรก็ได้: ticket ฝ่ายสนับสนุน คอมเมนต์ เอกสาร หรือ accessibility tree ของหน้าจอ) พร้อม คำถาม เชิงโครงสร้างหนึ่งข้อขึ้นไป แล้วได้ความน่าจะเป็นที่ผ่านการปรับเทียบแล้วของทุกตัวเลือกในทุกคำถาม ในการคำนวณรอบเดียว รูปแบบ HTTP เหมือนกับ POST /v1/systemone ของ Jev จาก TypeSafe AI ดังนั้นโค้ด SDK ที่เขียนไว้สำหรับ API นั้นชี้มาที่ endpoint นี้ได้โดยไม่ต้องแก้

ประเภทคำถาม	คุณให้	คุณได้
`choice`	คำสั่งและตัวเลือกที่ตั้งชื่อไว้สูงสุด 255 ตัวเลือก (ใส่คำอธิบายได้)	ตัวเลือกที่ดีที่สุด ความน่าจะเป็นต่อตัวเลือก `confidence` และ `abstain`
`score`	คำสั่งและระดับเรียงลำดับ 2 ถึง 10 ระดับ	คะแนนถ่วงน้ำหนักด้วยความน่าจะเป็น (เป็นทศนิยมได้) และความน่าจะเป็นต่อระดับ
`noul`	คำถามใช่/ไม่ใช่	`noul` = P(ใช่)

หน้าโมเดล: OpenThai-SystemOne
น้ำหนักโมเดล: huggingface.co/iapp/OpenThai-SystemOne
โค้ดและสูตรการเทรน: github.com/iapp-technology/openthai-systemone

เริ่มต้นใช้งาน

สิ่งที่ต้องมี
- iApp API key ฟรี: สมัคร แล้วไปที่ API Keys และ Create New API Key
- state ที่ต้องการให้ตัดสินใจ และคำถามที่ต้องการคำตอบ

Endpoint


Endpoint	`POST https://api.iapp.co.th/v3/store/openthai/systemone`
การยืนยันตัวตน	header `apikey: <key>`
Body	JSON: `state` (ข้อความหรือ JSON) และ `questions` (แผนที่ของคำถามแต่ละประเภท)
ข้อจำกัด	100 คำขอต่อนาที และ 1,000 การตัดสินใจต่อวันต่อ key ในช่วงพรีวิวฟรี; 255 ตัวเลือกต่อ `choice`, 2 ถึง 10 ระดับต่อ `score`, 64K โทเคนต่อคำขอ
ผลลัพธ์	JSON หนึ่งคำตอบต่อหนึ่งคำถาม `usage.output_tokens` เป็น 0 เสมอ

วิธีขอ API Key

ไปที่หน้า จัดการ API Key เพื่อดู API key ที่มีอยู่หรือขอ key ใหม่

ทดลองใช้

ตัวอย่างสี่แบบ: จัดเส้นทาง ticket ภาษาไทย คัดกรองคอมเมนต์ภาษาไทย เลือกองค์ประกอบหน้าจอให้ agent และตรวจความเกี่ยวข้องของ RAG ภาษาอังกฤษ แก้ state หรือคำถามได้ตามต้องการแล้วกดถาม เมื่อเข้าสู่ระบบ API key จะถูกใส่ให้อัตโนมัติ

ลองใช้ OpenThai-SystemOne

ส่งคำขอครั้งเดียว ได้คำตอบทุกข้อพร้อมความน่าจะเป็น ไม่มีการสร้างข้อความ

พรีวิวฟรี

State (ข้อความหรือ JSON)

คำถาม (JSON)

ประเภท: choice (สูงสุด 255 ตัวเลือก), score (ระดับเรียงลำดับ 2 ถึง 10 ระดับ), noul (ใช่/ไม่ใช่)

API Key

เวอร์ชัน 0.1 โมเดลขนาด 0.8B ตอบได้เฉพาะตัวเลือกที่ให้ แต่ยังเลือกผิดได้ ใช้ค่า confidence ส่งเคสที่ไม่มั่นใจไปโมเดลใหญ่หรือคน

ตัวอย่างโค้ด

คำขอเดียวกันในทุกภาษา: ticket ฝ่ายสนับสนุนภาษาไทย สามคำถาม หนึ่งการเรียก

cURL
Python
JavaScript

curl -s 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": null}},
    "frustration": {"type": "score",  "instructions": "ลูกค้าหงุดหงิดแค่ไหน",
                    "criteria": ["ใจเย็น", "หงุดหงิดแต่สุภาพ", "โกรธมาก"]},
    "refund":      {"type": "noul",   "instructions": "ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่"}
  }
}'

import requests

resp = requests.post(
    "https://api.iapp.co.th/v3/store/openthai/systemone",
    headers={"apikey": "YOUR_API_KEY"},
    json={
        "state": {"ticket": "โดนหักเงินซ้ำสองครั้งเมื่อวานนี้ ขอเงินคืนด่วนนะครับ โทรไปสามรอบแล้วไม่มีใครรับ"},
        "questions": {
            "department": {"type": "choice", "instructions": "ทีมใดควรรับผิดชอบ",
                           "criteria": {"billing": "การเงิน/คืนเงิน", "technical": "ระบบใช้งานไม่ได้", "sales": None}},
            "frustration": {"type": "score", "instructions": "ลูกค้าหงุดหงิดแค่ไหน",
                            "criteria": ["ใจเย็น", "หงุดหงิดแต่สุภาพ", "โกรธมาก"]},
            "refund": {"type": "noul", "instructions": "ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่"},
        },
    },
    timeout=30,
)
answers = resp.json()["answers"]
print(answers["department"]["choice"], answers["frustration"]["score"], answers["refund"]["noul"])
# ส่งเคสที่ความมั่นใจต่ำไปโมเดลใหญ่หรือคน
if answers["department"]["confidence"] < 0.6:
    print("escalate")

const res = await fetch("https://api.iapp.co.th/v3/store/openthai/systemone", {
  method: "POST",
  headers: { apikey: "YOUR_API_KEY", "Content-Type": "application/json" },
  body: JSON.stringify({
    state: { ticket: "โดนหักเงินซ้ำสองครั้งเมื่อวานนี้ ขอเงินคืนด่วนนะครับ โทรไปสามรอบแล้วไม่มีใครรับ" },
    questions: {
      department: { type: "choice", instructions: "ทีมใดควรรับผิดชอบ",
                    criteria: { billing: "การเงิน/คืนเงิน", technical: "ระบบใช้งานไม่ได้", sales: null } },
      frustration: { type: "score", instructions: "ลูกค้าหงุดหงิดแค่ไหน",
                     criteria: ["ใจเย็น", "หงุดหงิดแต่สุภาพ", "โกรธมาก"] },
      refund: { type: "noul", instructions: "ลูกค้าขอเงินคืนอย่างชัดเจนหรือไม่" },
    },
  }),
});
const { answers, usage } = await res.json();
console.log(answers.department.choice, answers.frustration.score, answers.refund.noul, usage);

ผลลัพธ์

ผลลัพธ์ที่วัดจริงของคำขอด้านบน (166 โทเคนขาเข้า 0 โทเคนขาออก การคำนวณรอบเดียว):

{
  "model": "openthai-systemone",
  "answers": {
    "department":  {"type": "choice", "choice": "billing",
                    "probabilities": {"billing": 0.963, "technical": 0.011, "sales": 0.026},
                    "confidence": 0.83, "abstain": 0.085},
    "frustration": {"type": "score", "score": 1.95,
                    "legend": {"0": "ใจเย็น", "1": "หงุดหงิดแต่สุภาพ", "2": "โกรธมาก"},
                    "probabilities": {"0": 0.012, "1": 0.031, "2": 0.957}, "confidence": 0.82},
    "refund":      {"type": "noul", "noul": 0.946}
  },
  "usage": {"input_tokens": 166, "output_tokens": 0}
}

การอ่านคำตอบ

choice: choice คือตัวเลือกที่ดีที่สุด probabilities รวมกันได้ 1 ในตัวเลือกที่คุณให้ confidence คือ 1 ลบด้วยเอนโทรปีที่ทำให้เป็นมาตรฐาน และ abstain คือความน่าจะเป็นที่ไม่มีตัวเลือกใดเหมาะ (ส่วนขยายของ iApp)
score: score คือดัชนีระดับถ่วงน้ำหนักด้วยความน่าจะเป็น (เป็นทศนิยมได้) probabilities คือต่อระดับ legend แปลงดัชนีเป็นป้ายชื่อ
noul: noul คือ P(ใช่)
ส่งคำตอบที่ confidence ต่ำไปโมเดลใหญ่หรือคน โมเดลตอบได้เฉพาะตัวเลือกที่ให้ แต่ยังผิดได้

กรณีใช้งาน

จัดเส้นทาง ticket คัดกรองคอมเมนต์ ตรวจว่าคำตอบของ LLM อ้างอิงข้อมูลจริงหรือไม่ เลือกองค์ประกอบหน้าจอที่ agent ควรกด จัดหมวดเอกสารและฟิลด์ ให้คะแนนรีวิว ทั้งหมดคือหนึ่งคำขอที่ตอบทุกคำถามพร้อมกันในหลักสิบมิลลิวินาทีบน GPU เซิร์ฟเวอร์

ประสิทธิภาพ

การตั้งค่า	ค่าที่วัดได้
ไป-กลับผ่านเกตเวย์ ticket ภาษาไทย 3 คำถาม (ตัวอย่างในหน้านี้ 20 ก.ย. 2569)	0.23 วินาที
GPU เซิร์ฟเวอร์ (H100) batch 1, 3 คำถาม	40 ถึง 70 มิลลิวินาที
GPU โน้ตบุ๊ก (MacBook M3 Max, MPS)	154 มิลลิวินาที
โทเคนขาออก	0 ทุกคำขอ

ผลการวัด

วัดแบบ zero-shot บน public benchmark 13 ชุดของ Bespoke Labs สำหรับโมเดล System One ใช้ชุดข้อมูล การแบ่ง คำสั่ง และตัวสุ่มเดียวกัน ตัวเลขของ Nimble-9B และ Jev เป็นตัวเลขที่ Bespoke Labs เผยแพร่เมื่อ 18 ก.ย. 2569 ส่วนของเราวัดด้วยสคริปต์ประเมินผลที่เปิดเผยพร้อมโมเดล choice และ noul รายงานความแม่นยำ score รายงานการตรงระดับพอดี ตัวหนาคือชุดที่โมเดล 0.8B นำโมเดล 9B

Subset	Type	n	OpenThai-SystemOne 0.8B	Nimble-9B	Jev 1.13.0
aegis2	noul	250	58.0	81.2	80.4
boolq	noul	300	63.7	86.0	89.7
civil_comments	noul	300	78.0	70.3	81.0
helpsteer2	score	250	42.8	39.0	34.1
massive-de-DE	choice	350	64.6	83.4	86.9
massive-en-US	choice	350	75.7	86.9	87.4
multinli	choice	299	85.6	85.3	82.9
paws	noul	250	67.2	82.8	89.2
pubmedqa	choice	250	53.6	75.6	77.2
squad2	noul	299	50.2	80.6	82.9
summeval-consistency	score	144	84.0	75.7	81.2
summeval-relevance	score	240	13.8	49.2	35.0
vitaminc-dev	choice	599	67.1	76.6	80.1
Macro average			61.9	74.8	76.0

Qwen3.5-0.8B ดิบที่ prompt ด้วย letter log-probs ได้ 45.4 บนชุดเดียวกัน อ่านตามจริง: โมเดล 0.8B นำโมเดล 9B ใน 4 จาก 13 ชุด (NLI, ความสอดคล้องของบทสรุป, การให้คะแนนความช่วยเหลือ, ข้อความเป็นพิษ) และตามหลังชัดเจนในงานใช่/ไม่ใช่แบบอ่านจับใจความ (squad2 เท่าการสุ่ม, boolq, pubmedqa) และการให้คะแนนความเกี่ยวข้องของบทสรุป ซึ่งหัวคะแนนของโมเดลยังปรับเทียบไม่ดี (ECE 0.79)

ชุดทดสอบภาษาไทยที่กันไว้ ไม่เคยใช้เทรน ECE คือค่าความคลาดเคลื่อนของการปรับเทียบ ยิ่งต่ำยิ่งดี:

Set	Type	n	Accuracy	ECE
MASSIVE-th intent (60-way)	choice	5,007	86.4	0.048
Prachathai67k topics	choice	3,501	97.7	0.005
XNLI-th	choice	2,490	76.5	0.028
SIB-200 Thai topic (7-way), whole dataset held out	choice	204	77.5	0.074
Wongnai review stars (1 to 5)	score	6,203	63.3	0.010
xLAM tool selection (English)	choice	884	99.4	0.007
Wisesight sentiment (4-class), whole dataset held out	choice	2,671	38.7	0.341
banking77 intent (77-way, English), whole dataset held out	choice	3,076	32.7	0.165

ค่า confidence เชื่อถือได้บนชุดภาษาไทยและงาน NLI/หัวข้อ (ECE ไม่เกิน 0.05 หลังปรับเทียบ) บน public benchmark ภาษาอังกฤษ ECE มัธยฐานอยู่ที่ 0.15 จึงควรส่งการตัดสินใจใช่/ไม่ใช่ภาษาอังกฤษที่ความมั่นใจต่ำไปโมเดลใหญ่ ตารางเต็ม Brier score และการเปรียบเทียบก่อน/หลังปรับเทียบอยู่ในmodel card

ข้อจำกัด

เวอร์ชัน 0.1 โมเดลขนาด 0.8B ไม่ใช่โมเดลคิดวิเคราะห์
ตอบได้เฉพาะตัวเลือกที่ให้ และยังผิดได้ ใช้ค่า confidence ส่งเคสที่ไม่มั่นใจต่อ
จุดอ่อนที่รู้แล้วใน v0.1 (ตัวเลขด้านบน): ความรู้สึกในโซเชียลไทย (Wisesight 38.7), เจตนาภาษาอังกฤษละเอียด 77 หมวด (banking77 32.7), ใช่/ไม่ใช่แบบถาม-ตอบจากข้อความ (squad2 เท่าการสุ่ม) และการให้คะแนนความเกี่ยวข้องของบทสรุป v0.2 มุ่งแก้ข้อแรก
รับข้อความอย่างเดียว ไม่รับรูป
สูงสุด 255 ตัวเลือกต่อ choice, 2 ถึง 10 ระดับต่อ score, 64K โทเคนต่อคำขอ

รันบนเครื่องของคุณ

น้ำหนักโมเดลเปิด สามบรรทัดได้คำตอบเดียวกันบนเครื่องของคุณเอง:

pip install "git+https://github.com/iapp-technology/openthai-systemone"
OPENTHAI_SYSTEMONE_MODEL=iapp/OpenThai-SystemOne uvicorn openthai_systemone.server:app --port 8000
curl -s http://localhost:8000/v1/systemone -H "Content-Type: application/json" -d '{"state": "...", "questions": {...}}'

ข้อมูลอ้างอิงทางเทคนิค

คำขอ

POST https://api.iapp.co.th/v3/store/openthai/systemone, header apikey, body application/json:

ฟิลด์	ประเภท	คำอธิบาย
`state`	string หรือ JSON	สิ่งที่ต้องตัดสินใจ รับ JSON ใดก็ได้และแปลงเป็นข้อความให้โมเดล
`questions`	object	แผนที่ของชื่อคำถามไปยังคำถาม ทุกคำถามถูกตอบในการคำนวณรอบเดียวกัน
`questions.<name>.type`	`choice`, `score` หรือ `noul`	ประเภทคำถาม
`questions.<name>.instructions`	string	สิ่งที่ต้องตัดสินใจ ภาษาไทยหรืออังกฤษ
`questions.<name>.criteria`	object หรือ array	`choice`: object ของชื่อตัวเลือกไปยังคำอธิบาย (`null` ถ้าไม่มี) สูงสุด 255. `score`: array ของป้ายชื่อระดับ 2 ถึง 10 ระดับตามลำดับ. `noul` ไม่ใช้

ผลลัพธ์

ฟิลด์	คำอธิบาย
`model`	ตัวระบุโมเดล
`answers.<name>`	หนึ่ง object ต่อคำถาม `type` ตรงกับคำขอ ดูการอ่านคำตอบ
`usage.input_tokens`	โทเคนขาเข้าที่ใช้
`usage.output_tokens`	0 เสมอ

ข้อผิดพลาด

สถานะ	ความหมาย
401	ไม่มีหรือ `apikey` ไม่ถูกต้อง
422	คำขอผิดรูปแบบ เช่น `score` ที่มีน้อยกว่า 2 ระดับ หรือ `choice` ที่มีมากกว่า 255 ตัวเลือก
429	เกินอัตราที่กำหนด: 100 คำขอต่อนาที หรือ 1,000 การตัดสินใจต่อวันต่อ key ในช่วงพรีวิวฟรี

สถาปัตยกรรม

โมเดลคือส่วนประมวลผลข้อความของ Qwen3.5-0.8B ที่เทรนต่อด้วยข้อความไทยราว 5 พันล้านโทเคน แล้วเปลี่ยนหัวโมเดลภาษาเป็นหัวตัดสินใจ 256 ช่อง ตัวเลือกถูกแนะนำด้วยโทเคนควบคุม ทุกตำแหน่งคำตอบถูกฉายเป็น 256 logit ช่องที่เกินจำนวนตัวเลือกถูกปิด และ softmax ให้การแจกแจง ช่อง 255 คือ "ไม่มีตัวเลือกใดเหมาะ" ลำดับตัวเลือกถูกสลับระหว่างเทรน จึงไม่มีอคติตามตำแหน่ง

บันทึกการเปลี่ยนแปลง

วันที่	เวอร์ชัน	การเปลี่ยนแปลง
20 ก.ย. 2569	v0.1-20260920	เปิดตัวสู่สาธารณะ API แบบโฮสต์บน `api.iapp.co.th` พรีวิวฟรีจำกัด 1,000 การตัดสินใจต่อวันต่อ key เปิดน้ำหนักโมเดลและสูตรการเทรนภายใต้ Apache 2.0

OpenThai-SystemOne ใหม่

เริ่มต้นใช้งาน

ทดลองใช้

ตัวอย่างโค้ด

ผลลัพธ์

การอ่านคำตอบ

กรณีใช้งาน

ประสิทธิภาพ

ผลการวัด

ข้อจำกัด

รันบนเครื่องของคุณ

ข้อมูลอ้างอิงทางเทคนิค

คำขอ

ผลลัพธ์

ข้อผิดพลาด

สถาปัตยกรรม

บันทึกการเปลี่ยนแปลง

ChindaX

SpeechFlow

ChindaGO

เริ่มต้นใช้งาน​

ทดลองใช้​

ตัวอย่างโค้ด​

ผลลัพธ์​

การอ่านคำตอบ​

กรณีใช้งาน​

ประสิทธิภาพ​

ผลการวัด​

ข้อจำกัด​

รันบนเครื่องของคุณ​

ข้อมูลอ้างอิงทางเทคนิค​

คำขอ​

ผลลัพธ์​

ข้อผิดพลาด​

สถาปัตยกรรม​

บันทึกการเปลี่ยนแปลง​

เริ่มต้นใช้งาน

ทดลองใช้

ตัวอย่างโค้ด

ผลลัพธ์

การอ่านคำตอบ

กรณีใช้งาน

ประสิทธิภาพ

ผลการวัด

ข้อจำกัด

รันบนเครื่องของคุณ

ข้อมูลอ้างอิงทางเทคนิค

คำขอ

ผลลัพธ์

ข้อผิดพลาด

สถาปัตยกรรม

บันทึกการเปลี่ยนแปลง