OpenThai 2.0 Legal ThaiLLM

ฟรี จนถึง 24 ส.ค. 2026

ตอนนี้: 0 IC — ฟรีพร้อมคีย์ API ของ iApp (ลงทะเบียนฟรี)หลังโปรโมชั่น: 0.01 / 0.02 IC ต่อ 1K โทเค็นอินพุต/เอาต์พุต (เท่ากับ Thanoy Legal AI)

v2.0 ใช้งานอยู่ POST /v3/llm/openthai2p0-legal/chat/completions

OpenThai 2.0 Legal (iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b) เป็นโมเดล LLM กฎหมายไทยน้ำหนักเปิด (open-weight) ที่สร้างขึ้นบน NVIDIA Nemotron-3-Nano-30B-A3B โดยทีม OpenThai (AIEAT / บริษัท ไอแอพพ์เทคโนโลยี จำกัด) API ที่โฮสต์อยู่นี้ เชื่อมต่อ RAG มาพร้อมใช้งานทันที: ทุกคำขอจะทำการค้นหาแบบผสมผสาน (hybrid-search) ใน คลังข้อมูลกฎหมายไทย 39 ฉบับ จำนวน 6,300 มาตรา (BM25 + การค้นหาด้วย Qwen3 embedding + reranker) และอ้างอิงคำตอบจากข้อความกฎหมายปัจจุบัน — พร้อมส่งคืนมาตราที่ค้นพบเพื่อให้คุณแสดงผลหรือตรวจสอบได้

• 📄 หน้าโมเดลและเกณฑ์มาตรฐาน: OpenThai 2.0 Legal
• 🤗 น้ำหนักเปิด (Open weights): huggingface.co/iapp
• 🔗 โฮสต์ด้วย RAG ของคุณเอง: คู่มือ Open WebUI & OpenThaiRAG

ทดลองใช้งาน Demo

⚖️

Try OpenThai 2.0 Legal — Live

FREE API · 1 MONTH

Real model, real answers. Free with your iApp API key until 24 Aug 2026.

📚

RAG connected — answers grounded in real statute text

This API retrieves from a 39-law, 6,300-section Thai statute corpus (hybrid BM25 + embedding search + reranker) and grounds every answer in the current law text. The sections it selects are shown below each answer. Switch to Closed-book mode (rag: false in the API) to compare with the bare model.

Full legal analysis in prose, citing มาตรา — grounded in auto-retrieved current statute text.

Question (Thai)จำเลยขีดฆ่าและฉีกเอกสารหลักฐานแห่งหนี้ แม้ยังอ่านได้ ถือเป็นความผิดสำเร็จหรือเพียงพยายามกระทำผิด

Try an example:

API Key

Log in to use your API keys or Create an account

Show reasoning (slower)Stream the answer (SSE)

🧑‍💻 Developer view — the API call behind this demo

This curl command updates live as you change the question, mode and toggles above. Run it in your terminal with your own API key — it is exactly what this page sends.

Request (curl)

curl -s https://api.iapp.co.th/v3/llm/openthai2p0-legal/chat/completions \
  -H "Content-Type: application/json" \
  -H "apikey: YOUR_IAPP_API_KEY" \
  -d '{
  "model": "openthai2.0-legal",
  "rag": true,
  "rag_inject": "system",
  "messages": [
    {
      "role": "system",
      "content": "You are a Thai legal expert. Answer with legal analysis and cite the relevant มาตรา."
    },
    {
      "role": "user",
      "content": "จำเลยขีดฆ่าและฉีกเอกสารหลักฐานแห่งหนี้ แม้ยังอ่านได้ ถือเป็นความผิดสำเร็จหรือเพียงพยายามกระทำผิด"
    }
  ],
  "temperature": 0,
  "top_p": 1,
  "max_tokens": 4096,
  "chat_template_kwargs": {
    "enable_thinking": true
  },
  "stream": true,
  "stream_options": {
    "include_usage": true
  }
}'

Outputs are decision support, not legal advice. Verify every citation against the current law. Free with an iApp API key to 24 Aug 2026; standard pricing afterwards is 0.01/0.02 IC per 1K input/output tokens (same as Thanoy Legal AI).

เริ่มต้นใช้งาน

1. สิ่งที่ต้องมี

   • คีย์ API ฟรีของ iApp — ลงทะเบียน → API Keys → Create New API Key
   • คำถามเกี่ยวกับกฎหมายไทย

2. Endpoint

   Base URL	https://api.iapp.co.th/v3/llm/openthai2p0-legal
   Endpoint	POST /chat/completions (เข้ากันได้กับ OpenAI)
   Model	openthai2.0-legal
   Auth	apikey: <key> header หรือ Authorization: Bearer <key> (OpenAI SDK ใช้งานได้ทันที)
   Rate limit	30 คำขอ/นาที ต่อ IP (ฟรี)

3. พารามิเตอร์ RAG (ส่วนเสริมของ API นี้ นอกเหนือจาก schema ของ OpenAI)

   Field	Default	ความหมาย
   rag	true	ค้นหาส่วนของกฎหมายไทยบนเซิร์ฟเวอร์และอ้างอิงคำตอบ false = โมเดลเปล่า (closed-book)
   rag_top_k	8 (สูงสุด 20)	จำนวนส่วนที่ค้นพบที่จะแทรกใน prompt (6 เมื่อ rag_inject: "system")
   rag_inject	"user"	"user" = โครงสร้าง Provided context ที่โมเดลถูกฝึกมา เหมาะสำหรับคำตอบที่มีการอ้างอิง JSON "system" = การอ้างอิงเป็นคำแนะนำใน system prompt เหมาะสำหรับบทความ/การวิเคราะห์แบบยาว

   ทุกการตอบสนองจาก RAG จะมีอาร์เรย์ retrieved_documents ระดับบนสุด — {law, section, text, score} สำหรับแต่ละมาตราที่ใช้ในการตอบสนอง เมื่อใช้งานแบบสตรีมมิ่ง (streaming) จะปรากฏใน SSE chunk แรก

วิธีรับ API Key?

กรุณาไปที่หน้า API Key Management เพื่อดูคีย์ API ที่มีอยู่ของคุณ หรือขอคีย์ใหม่

ตัวอย่างโค้ด

cURL — RAG ทำงาน (ค่าเริ่มต้น)

curl -X POST 'https://api.iapp.co.th/v3/llm/openthai2p0-legal/chat/completions' \
  -H 'apikey: YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "openthai2.0-legal",
    "messages": [
      {"role": "user", "content": "ลักทรัพย์ในเวลากลางคืน ผิดมาตราใด"}
    ],
    "max_tokens": 1024
  }'

ผลลัพธ์ (ตัดทอน)

{
  "id": "chatcmpl-...",
  "model": "openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b",
  "choices": [
    {"message": {"role": "assistant", "content": "ลักทรัพย์ในเวลากลางคืน เป็นการกระทำความผิดตามมาตรา ๓๓๕ (๑) แห่งประมวลกฎหมายอาญา ..."}}
  ],
  "usage": {"prompt_tokens": 2874, "completion_tokens": 17},
  "rag": true,
  "retrieved_documents": [
    {"law": "ประมวลกฎหมายอาญา", "section": "335", "text": "ผู้ใดลักทรัพย์ (๑) ในเวลากลางคืน ...", "score": 0.9989},
    {"law": "ประมวลกฎหมายอาญา", "section": "334", "text": "ผู้ใดเอาทรัพย์ของผู้อื่น ...", "score": 0.9936}
  ]
}

Python — OpenAI SDK (ใช้งานได้ทันที, Bearer auth)

from openai import OpenAI

client = OpenAI(
    base_url="https://api.iapp.co.th/v3/llm/openthai2p0-legal",
    api_key="YOUR_API_KEY",
)

r = client.chat.completions.create(
    model="openthai2.0-legal",
    messages=[{"role": "user", "content": "ลักทรัพย์ในเวลากลางคืน ผิดมาตราใด"}],
    max_tokens=1024,
    # extra_body={"rag": False}          # โมเดลเปล่า (closed-book)
    # extra_body={"rag_inject": "system"} # บทความ / การวิเคราะห์แบบยาว
)
print(r.choices[0].message.content)
print(r.model_extra.get("retrieved_documents"))  # มาตรากฎหมายที่คำตอบใช้อ้างอิง

Streaming (SSE) — มาตราที่ค้นพบจะมาใน chunk แรก

stream = client.chat.completions.create(
    model="openthai2.0-legal",
    messages=[{"role": "user", "content": "อธิบายความผิดฐานลักทรัพย์โดยละเอียด"}],
    max_tokens=2048,
    stream=True,
)
for chunk in stream:
    docs = chunk.model_extra.get("retrieved_documents")
    if docs:
        print("Grounded in:", [(d["law"], d["section"]) for d in docs])
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

JSON citation contract (โหมด RAG ที่โมเดลถูกฝึกมา)

สำหรับคำตอบที่เครื่องสามารถอ่านได้ ให้ใช้ system prompt ที่โมเดลถูก RL-trained มา — โดยจะอ้างอิงเฉพาะมาตราที่อยู่ในบริบทที่ค้นพบเท่านั้น:

SYSTEM = (
    "You are OpenThaiGPT-Legal, an expert assistant on Thai law. You are given a legal "
    "question and the exact statutory sections needed to answer it. Reason step by step in "
    "English, then give the final answer in Thai. Cite ONLY sections present in the provided "
    "context, using each section's exact law_name and bare section number (e.g. 132, 77/1). "
    'Output the final answer as JSON: {"answer": "<Thai answer>", '
    '"citations": [{"law": "<law_name>", "section": "<bare id>"}]}.'
)

r = client.chat.completions.create(
    model="openthai2.0-legal",
    messages=[
        {"role": "system", "content": SYSTEM},
        {"role": "user", "content": "หมิ่นประมาทโดยการโฆษณา มีความผิดตามมาตราใด"},
    ],
    temperature=0.0, max_tokens=1024,
    extra_body={"chat_template_kwargs": {"enable_thinking": False}},
)
# -> {"answer": "...มาตรา 328", "citations": [{"law": "ประมวลกฎหมายอาญา", "section": "328"}]}

คุณสมบัติและความสามารถ

คุณสมบัติหลัก

• RAG ฝั่งเซิร์ฟเวอร์ในตัว — การค้นหาแบบผสมผสาน (hybrid BM25 + embedding) พร้อม reranking บนข้อความปัจจุบันของกฎหมายไทย 39 ฉบับ (ประมวลกฎหมายอาญา, ป.พ.พ., วิ.แพ่ง, วิ.อาญา, ประมวลรัษฎากร และอีก 34 ฉบับ); อัตราโทษหลังปี 2560 ได้รับการตรวจสอบแล้ว
• การอ้างอิงมาตราที่ตรวจสอบได้ — ชื่อกฎหมายที่ถูกต้อง + มาตรา, ทั้งแบบข้อความทั่วไปหรือเป็นสัญญา JSON ที่แน่นอน; retrieved_documents ช่วยให้คุณตรวจสอบทุกคำตอบได้
• โหมดการใช้เหตุผล — เพิ่ม "chat_template_kwargs": {"enable_thinking": true} เพื่อให้แสดงเหตุผลทางกฎหมายแบบทีละขั้นตอนที่ถูกห่อหุ้มด้วย <think>...</think>
• น้ำหนักเปิด (Open weights) — สามารถดาวน์โหลดและโฮสต์โมเดลเดียวกันได้เองบน GPU เพียง 24 GB (NVFP4)

กรณีการใช้งาน

• แชทบอทและเครื่องมือค้นคว้าทางกฎหมาย — คำตอบที่อ้างอิงพร้อมมาตราที่ผู้ใช้สามารถตรวจสอบได้
• ผู้ช่วยร่างและทบทวนเอกสาร — สัญญา JSON citation สามารถนำไปใช้กับระบบอัตโนมัติได้โดยตรง
• ผลิตภัณฑ์ Legal-tech — แสดงแผง retrieved_documents เพื่อแสดง เหตุผล ที่โมเดลตอบเช่นนั้น

การตั้งค่าการสร้างที่แนะนำ

Task	temperature	thinking	rag_inject
การตอบคำถามอ้างอิง (JSON)	0.0	ปิด	user (ค่าเริ่มต้น)
บทความ / การวิเคราะห์ทางกฎหมาย	0.0	เปิด	system
การสนทนา	0.7	เลือกได้	user (ค่าเริ่มต้น)

การสนับสนุนการตัดสินใจ, ไม่ใช่คำแนะนำทางกฎหมาย

ผลลัพธ์จะต้องได้รับการตรวจสอบกับกฎหมายปัจจุบันโดยผู้เชี่ยวชาญที่ผ่านการรับรองก่อนนำไปใช้ คุณภาพของการค้นหาเป็นตัวขับเคลื่อนผลลัพธ์ — อาร์เรย์ retrieved_documents มีไว้เพื่อให้สามารถตรวจสอบทุกคำตอบได้