AI for Thai language processing
查看所有标签
2026 年 9 月 22 日，NVIDIA 发布了 NVIDIA AI Day Singapore（9 月 22–23 日，莱佛士城会议中心）的综述文章。在 "Southeast Asia Technology Leaders Build With NVIDIA Nemotron Open Models for Region-Specialized AI" 一节中，泰国的案例是 iApp Technology、泰国大数据研究院（Big Data Institute）以及我们的开源泰国法律模型 OpenThai 2.0 Legal。
Tonight we are releasing OpenThai-SystemOne, an open-source Thai and English System One decision model: 0.8B parameters, Apache 2.0, weights and training recipe on Hugging Face and GitHub, and a free hosted API on api.iapp.co.th.
It does not write. It decides. Send it a state and typed questions; it returns a calibrated probability for every option of every question in one forward pass, with zero output tokens.
Model page: iapp.co.th/openmodels/openthai-systemone · Weights: huggingface.co/iapp/OpenThai-SystemOne · Code: github.com/iapp-technology/openthai-systemone · Try it: API playground
今天，我们与泰国人工智能企业家协会（AIEAT）共同发布 OpenThai 2.0 —— 开源泰语视觉语言模型，27B 参数，Apache 2.0 许可，权重在 Hugging Face 免费下载。
一个月前我们发布了 OpenThai 2.0 Legal，一个把泰国法律条文烂熟于心的专用模型。OpenThai 2.0 是它的通用型姊妹模型，也是两者中更重要的发布：一个模型同时做到以专业级水平读取泰语文档与手写文字、用自然泰语回答泰国知识问题、并以足够可靠的工具调用能力运行智能体 —— 同时完整保留基础模型的通用智能。
模型页：iapp.co.th/zh-CN/openmodels/openthai2p0 · 权重：huggingface.co/iapp/openthai2.0-qwen3.8-27b · 免安装免费试用：chinda3.iapp.co.th
以下为 2026 年 8 月 26 日发布的官方新闻稿。
曼谷，2026 年 8 月 26 日 — iApp Technology 今日发布 OpenThai 2.0 Legal，一款专为泰国法律打造的开放权重（open-weight）大语言模型，并将完整模型权重在 Hugging Face 免费开放下载。该模型由泰国人为泰国打造，面向律师、企业法务、合规团队、legal-tech 开发者以及政府机构 — 凡是需要可靠、可溯源的泰国成文法与判例解答的用户。
艾艾普Any Documents OCR 现在可以识别六种新的泰语文档类型，并且已于今日上线生产环境。每种文档都将返回结构化 JSON，并附带每个字段的置信度得分，每页收费 1 IC。
文档：泰语文档 OCR · 定价：iapp.co.th/pricing
今天，我们正式发布 OpenThai 2.0 Legal——一款专为泰国法律打造的开放权重大语言模型，并把完整权重免费公开在 Hugging Face 上。它由泰国人打造、服务泰国：面向律师、企业法务、合规团队、法律科技开发者，以及需要可靠、可溯源的泰国成文法与判例答案的政府机构。
模型页面：iapp.co.th/openmodels/openthai2p0-legal · 权重下载：huggingface.co/iapp/openthai2.0-legal-thaillm-nemotron-3-nano-30b-a3b
作者：Kobkrit Viriyayudhakorn 博士，艾艾普科技 CEO 及创始人
我们从泰语 AI 工程师和技术团队那里听到的最常见问题之一是：“我的泰语应用程序应该使用 RAG 还是微调？” 这是一个直接影响开发成本、性能、维护复杂性和长期可扩展性的关键问题。
答案，就像大多数工程决策一样，是：这取决于。但了解何时使用每种方法——以及越来越多地了解如何结合使用它们——可能是成功部署 AI 和昂贵失败之间的区别。
本文详细比较了检索增强生成 (RAG) 和微调在泰语应用程序中的应用，借鉴了我们在艾艾普科技公司在数百家泰语企业中部署这两种方法的经验。