Skip to main content

OpenThai 2.0 Legal ThaiLLM

ใช้ฟรีถึง 24 ส.ค. 2569
ตอนนี้: 0 IC — ฟรีเพียงมี iApp API key (สมัครฟรี)หลังโปรโมชัน: 0.01 / 0.02 IC ต่อ 1พันโทเคน เข้า/ออก (เท่ากับ Thanoy Legal AI)
v2.0 พร้อมใช้งาน POST /v3/llm/openthai2p0-legal/chat/completions

OpenThai 2.0 Legal (iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b) คือโมเดลกฎหมายไทยแบบเปิด (open-weight) สร้างบน NVIDIA Nemotron-3-Nano-30B-A3B โดยทีม OpenThai (AIEAT / iApp Technology) — API ที่โฮสต์ให้นี้ เชื่อม RAG ในตัว: ทุกคำขอจะค้นคืนแบบไฮบริด (BM25 + Qwen3 vector + reranker) จากคลังตัวบทกฎหมายไทย 39 ฉบับ กว่า 6,300 มาตรา แล้วให้โมเดลตอบโดยอ้างอิงตัวบทฉบับปัจจุบัน พร้อมส่งมาตราที่ใช้กลับมาให้ตรวจสอบได้

ทดลองใช้งาน​

⚖️

ทดลองใช้ OpenThai 2.0 Legal — สดจากโมเดลจริง

API ฟรี · 1 เดือน

ใช้ฟรีด้วย iApp API key ของคุณ ถึง 24 ส.ค. 2569

📚
เชื่อมต่อ RAG แล้ว — คำตอบอ้างอิงตัวบทกฎหมายจริง

API นี้ค้นคืนจากคลังตัวบทกฎหมายไทย 39 ฉบับ กว่า 6,300 มาตรา (hybrid: BM25 + vector search + reranker) แล้วให้โมเดลตอบโดยอ้างอิงตัวบทฉบับปัจจุบัน มาตราที่ระบบเลือกมาจะแสดงใต้คำตอบทุกครั้ง สลับไปโหมด "ปิดตำรา" (rag: false ใน API) เพื่อเปรียบเทียบกับโมเดลเปล่า

วิเคราะห์กฎหมายแบบความเรียงเต็มรูปแบบ พร้อมอ้างมาตราจากตัวบทฉบับปัจจุบันที่ระบบค้นให้

ลองตัวอย่าง:

Log in to use your API keys or Create an account

🧑‍💻 มุมมองนักพัฒนา — คำสั่ง API เบื้องหลังเดโมนี้

คำสั่ง curl นี้อัปเดตสดตามคำถาม โหมด และตัวเลือกที่คุณตั้งด้านบน คัดลอกไปรันในเทอร์มินัลด้วย API key ของคุณได้เลย — เป็นคำขอเดียวกับที่หน้านี้ส่งจริง

คำขอ (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
  }
}'

ผลลัพธ์เป็นเครื่องมือช่วยตัดสินใจ มิใช่คำปรึกษาทางกฎหมาย โปรดตรวจสอบการอ้างอิงกับตัวบทฉบับปัจจุบันทุกครั้ง ใช้ฟรีด้วย iApp API key ถึง 24 ส.ค. 2569 หลังจากนั้นคิดราคามาตรฐาน 0.01/0.02 IC ต่อ 1พันโทเคน เข้า/ออก (เท่ากับ Thanoy Legal AI)

เริ่มต้นใช้งาน​

  1. สิ่งที่ต้องมี

    • iApp API key ซึ่งสมัครได้ฟรี — สมัครสมาชิก → API Keys → Create New API Key
    • คำถามกฎหมายภาษาไทย

  2. Endpoint

    Base URLhttps://api.iapp.co.th/v3/llm/openthai2p0-legal
    EndpointPOST /chat/completions (รูปแบบเดียวกับ OpenAI)
    โมเดลopenthai2.0-legal
    การยืนยันตัวตนเฮดเดอร์ apikey: <key> หรือ Authorization: Bearer <key> (OpenAI SDK ใช้ได้ทันที)
    จำกัดอัตรา30 คำขอ/นาที ต่อ IP (รุ่นฟรี)

  3. พารามิเตอร์ RAG (ส่วนเสริมของ API นี้จากรูปแบบ OpenAI มาตรฐาน)

    ฟิลด์ค่าเริ่มต้นความหมาย
    ragtrueให้เซิร์ฟเวอร์ค้นตัวบทกฎหมายแล้วตอบโดยอ้างอิงตัวบท ส่ง false เพื่อเรียกโมเดลเปล่า (ปิดตำรา)
    rag_top_k8 (สูงสุด 20)จำนวนมาตราที่ค้นได้และใส่ในพรอมป์ต (6 เมื่อใช้ rag_inject: "system")
    rag_inject"user""user" = รูปแบบ Provided context ที่โมเดลถูกฝึกมา เหมาะกับคำตอบ JSON อ้างอิงมาตรา · "system" = แนบตัวบทเป็นข้อมูลอ้างอิงในพรอมป์ตระบบ เหมาะกับการเขียนวิเคราะห์/ความเรียง

    ทุกคำตอบที่ใช้ RAG จะมีฟิลด์ retrieved_documents — {law, section, text, score} ของแต่ละมาตราที่คำตอบใช้อ้างอิง กรณีสตรีมมิ่ง ฟิลด์นี้จะมากับ SSE chunk แรก

ขอ API Key อย่างไร?

ดู API key ของคุณหรือขอคีย์ใหม่ได้ที่หน้า จัดการ API Key

ตัวอย่างโค้ด​

cURL — เปิด RAG (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
  }'

ผลตอบกลับ (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 (ใช้ได้ทันที ผ่าน Bearer)​

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}          # เรียกโมเดลเปล่า (ปิดตำรา)
    # extra_body={"rag_inject": "system"} # โจทย์เขียนวิเคราะห์/ความเรียง
)
print(r.choices[0].message.content)
print(r.model_extra.get("retrieved_documents"))  # มาตราที่คำตอบใช้อ้างอิง

สตรีมมิ่ง (SSE) — มาตราที่ค้นได้มากับ 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("อ้างอิงจาก:", [(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)

สัญญา JSON สำหรับการอ้างอิง (โหมด RAG ที่โมเดลถูกฝึกมา)​

หากต้องการคำตอบแบบอ่านด้วยเครื่อง ใช้พรอมป์ตระบบที่โมเดลถูกฝึกด้วย RL มาโดยตรง — โมเดลจะอ้างเฉพาะมาตราที่อยู่ในบริบทที่ค้นได้เท่านั้น:

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"}]}

ความสามารถ​

จุดเด่น​

  • RAG ในตัวฝั่งเซิร์ฟเวอร์ — ค้นคืนไฮบริด BM25 + vector พร้อม reranker จากตัวบทฉบับปัจจุบันของกฎหมายไทย 39 ฉบับ (ประมวลกฎหมายอาญา ป.พ.พ. วิ.แพ่ง วิ.อาญา ประมวลรัษฎากร และอีก 34 ฉบับ) ตรวจสอบอัตราโทษหลังแก้ไขปี 2560 แล้ว
  • อ้างอิงตรวจสอบได้ — ชื่อกฎหมาย + มาตรา ทั้งแบบความเรียงและแบบ JSON คงรูป พร้อม retrieved_documents ให้ตรวจสอบทุกคำตอบ
  • โหมดให้เหตุผล — เพิ่ม "chat_template_kwargs": {"enable_thinking": true} เพื่อดูการให้เหตุผลทีละขั้นใน <think>...</think>
  • น้ำหนักโมเดลเปิด — ดาวน์โหลดไปโฮสต์เองได้บน GPU ตัวเดียว 24 GB (NVFP4)

ตัวอย่างการใช้งาน​

  • แชตบอตและเครื่องมือค้นคว้ากฎหมาย — คำตอบอ้างอิงตัวบทที่ผู้ใช้ตรวจสอบได้
  • ผู้ช่วยร่างและตรวจเอกสาร — สัญญา JSON นำไปต่อยอดเป็นระบบอัตโนมัติได้ทันที
  • ผลิตภัณฑ์ legal-tech — แสดงแผง retrieved_documents ให้ผู้ใช้เห็นว่าโมเดลตอบจากตัวบทใด

ค่าที่แนะนำ​

งานtemperatureโหมดคิดrag_inject
ตอบอ้างอิงมาตรา (JSON)0.0ปิดuser (ค่าเริ่มต้น)
เขียนวิเคราะห์กฎหมาย0.0เปิดsystem
สนทนาทั่วไป0.7ตามต้องการuser (ค่าเริ่มต้น)
เครื่องมือช่วยตัดสินใจ มิใช่คำปรึกษาทางกฎหมาย

ผลลัพธ์ต้องได้รับการตรวจสอบกับตัวบทกฎหมายฉบับปัจจุบันโดยผู้ประกอบวิชาชีพก่อนนำไปใช้ คุณภาพการค้นคืนมีผลต่อคำตอบโดยตรง — ฟิลด์ retrieved_documents มีไว้เพื่อให้ตรวจสอบได้ทุกคำตอบ