Institute of Foundation Models เปิดตัว K2 Horizon 6 โมเดล AI แบบ Fully Open

Institute of Foundation Models (IFM) สร้างความสนใจครั้งใหญ่ในวงการ AI ด้วยการเปิดตัว K2 Horizon กลุ่มโมเดลปัญญาประดิษฐ์จำนวน 6 รุ่น ตั้งแต่โมเดลขนาดเล็ก 0.9B พารามิเตอร์ ไปจนถึงโมเดลขนาดใหญ่ 375B พารามิเตอร์ พร้อมแนวทางการเปิดเผยกระบวนการพัฒนาในระดับที่ครอบคลุมกว่าโมเดลแบบ Open Weight ทั่วไป

IFM ระบุว่า K2 Horizon ถูกพัฒนาโดยมุ่งเน้นความเปิดกว้างตลอดวงจรการสร้างโมเดล ตั้งแต่ Pretraining ไปจนถึง Reasoning และ Agentic Post-Training โดยมีทั้ง Model Weights, Training Code, ข้อมูลเทรนนิ่งหรือรายละเอียดการสร้างข้อมูล, Intermediate Checkpoints, Configurations, Training Logs และผลการประเมินโมเดล

K2 Horizon กับแนวคิด "Fully Open" ที่มากกว่าแค่ปล่อย Weights

ที่ผ่านมา โมเดล AI จำนวนมากถูกเรียกว่า Open Source หรือ Open Weight แม้จะเปิดให้ดาวน์โหลด Weights เพื่อนำไปใช้งานหรือพัฒนาต่อยอด แต่รายละเอียดสำคัญอย่างข้อมูลเทรนนิ่ง โค้ดที่ใช้ฝึกโมเดล หรือกระบวนการพัฒนาในแต่ละช่วงมักไม่ได้เปิดเผยทั้งหมด

K2 Horizon พยายามเข้ามาเปลี่ยนแนวทางดังกล่าว โดย IFM ระบุว่าต้องการเปิดเผยกระบวนการพัฒนาโมเดลให้มากที่สุด เพื่อให้นักวิจัยและนักพัฒนาสามารถศึกษาที่มาของโมเดล รวมถึงทำความเข้าใจว่าระบบถูกฝึกและพัฒนาขึ้นมาอย่างไร องค์ประกอบสำคัญที่ IFM เปิดเผยหรือระบุไว้ในแผนการเปิดตัว ได้แก่

• Model Weights — ค่าพารามิเตอร์ของโมเดลที่ผ่านการฝึกแล้ว สำหรับนำไปใช้งานและพัฒนาต่อยอด
• Training Code — โค้ดที่เกี่ยวข้องกับกระบวนการเทรนนิ่ง ช่วยให้นักวิจัยศึกษาวิธีการฝึกโมเดลได้ละเอียดขึ้น
• Training Data — ข้อมูลที่ใช้ในการฝึกโมเดล หรือรายละเอียดและสูตรการสร้างข้อมูลในกรณีที่ข้อมูลบางส่วนไม่สามารถเผยแพร่โดยตรงได้
• Intermediate Checkpoints — จุดบันทึกสถานะของโมเดลระหว่างการฝึก ทำให้นักวิจัยสามารถศึกษาพัฒนาการของโมเดลในแต่ละช่วง
• Training Configurations — รายละเอียดการตั้งค่าที่ใช้ในกระบวนการฝึก
• Fine-Grained Logs — บันทึกข้อมูลจากกระบวนการเทรนนิ่ง ช่วยเพิ่มความสามารถในการตรวจสอบและวิเคราะห์การพัฒนาโมเดล
• Evaluation Results — ผลการประเมินประสิทธิภาพของโมเดลในด้านต่าง ๆ

อย่างไรก็ตาม ทรัพยากรบางประเภทอาจไม่ได้เปิดเผยพร้อมกันทั้งหมดในทุกโมเดล โดยเฉพาะข้อมูลหรือโค้ดบางส่วนของโมเดลขนาดใหญ่ที่มีการระบุว่าจะทยอยเปิดเผยเพิ่มเติม

ดังนั้น K2 Horizon จึงควรถูกมองว่าเป็นความพยายามของ IFM ในการสร้างระบบ Fully Open ที่เปิดเผยกระบวนการพัฒนาในวงกว้าง มากกว่าการกล่าวว่าองค์ประกอบทุกอย่างของโมเดลทั้ง 6 รุ่นถูกปล่อยออกมาครบถ้วนพร้อมกันทั้งหมด

6 โมเดล ครอบคลุมตั้งแต่ 0.9B ถึง 375B

หนึ่งในจุดเด่นของ K2 Horizon คือ IFM เปิดตัวโมเดลถึง 6 ขนาด เพื่อรองรับการใช้งานตั้งแต่ระบบที่มีทรัพยากรจำกัดไปจนถึงงาน AI ระดับขนาดใหญ่

โมเดลที่มีขนาดเล็กสามารถตอบโจทย์การนำไปใช้งานในระบบที่มีข้อจำกัดด้านทรัพยากร ขณะที่โมเดลขนาดใหญ่เหมาะกับงานที่ต้องการความสามารถในการประมวลผลและการให้เหตุผลในระดับสูง

การมีหลายขนาดยังช่วยให้นักพัฒนาสามารถเลือกโมเดลให้เหมาะกับรูปแบบการใช้งาน ไม่ว่าจะเป็นการรันบนเครื่องภายในองค์กร ระบบเซิร์ฟเวอร์ หรือโครงสร้างพื้นฐานบนคลาวด์

Apache 2.0 เปิดทางให้นักพัฒนานำไปต่อยอด

อีกประเด็นที่น่าสนใจคือ IFM ระบุว่า โมเดลและโค้ดของ K2 Horizon ใช้ใบอนุญาต Apache 2.0 ซึ่งเป็นใบอนุญาตโอเพนซอร์สที่เปิดกว้างสำหรับการนำซอฟต์แวร์ไปใช้งาน ปรับแต่ง และพัฒนาต่อยอดภายใต้เงื่อนไขของใบอนุญาต

แนวทางดังกล่าวทำให้ K2 Horizon มีโอกาสถูกนำไปใช้เป็นพื้นฐานสำหรับโครงการ AI ของนักพัฒนา บริษัท และทีมวิจัยที่ต้องการควบคุมโมเดลและโครงสร้างพื้นฐานของตัวเองมากขึ้น

อย่างไรก็ตาม การนำไปใช้จริงยังต้องพิจารณาเงื่อนไขของใบอนุญาตสำหรับแต่ละองค์ประกอบ รวมถึงข้อกำหนดที่เกี่ยวข้องกับชุดข้อมูลซึ่งอาจใช้ใบอนุญาตแตกต่างกันตามลักษณะของข้อมูล

ทำไมการเปิดเผย Training Data และ Logs จึงสำคัญ?

จุดที่ทำให้ K2 Horizon ได้รับความสนใจไม่ได้อยู่ที่จำนวนโมเดลเพียงอย่างเดียว แต่เป็นระดับของข้อมูลที่เกี่ยวข้องกับกระบวนการพัฒนา

การมีเพียง Weights ทำให้นักพัฒนาสามารถนำโมเดลไปใช้งานได้ แต่ไม่สามารถมองเห็นรายละเอียดทั้งหมดว่าโมเดลถูกสร้างขึ้นมาอย่างไร ขณะที่การเปิดเผยข้อมูลและกระบวนการฝึกเพิ่มเติมช่วยให้นักวิจัยสามารถศึกษาปัจจัยที่ส่งผลต่อความสามารถของโมเดลได้มากขึ้น

โดยเฉพาะ Checkpoints และ Logs ซึ่งสามารถช่วยให้เห็นพัฒนาการของโมเดลระหว่างกระบวนการฝึก ไม่ใช่เพียงผลลัพธ์สุดท้ายหลังการเทรนนิ่งเสร็จแล้ว

แนวทางนี้อาจช่วยให้เกิดการวิจัยในประเด็นต่าง ๆ เช่น การวิเคราะห์พฤติกรรมของโมเดล การปรับปรุงกระบวนการเทรนนิ่ง และการศึกษาว่าการเปลี่ยนแปลงของข้อมูลหรือพารามิเตอร์ส่งผลต่อความสามารถของโมเดลอย่างไร

ผลกระทบต่อทิศทางของวงการ AI

การเปิดตัว K2 Horizon อาจมีผลต่อแนวทางการพัฒนาโมเดล AI ในอนาคต โดยเฉพาะในเรื่องของความโปร่งใส

ยกระดับมาตรฐานของโมเดลแบบเปิด

การเปิดเผยมากกว่าแค่ Weights อาจทำให้เกิดการถกเถียงมากขึ้นว่าโมเดลใดควรถูกเรียกว่า Open Source และระดับความเปิดกว้างควรครอบคลุมถึงองค์ประกอบใดบ้าง

เพิ่มโอกาสในการวิจัย

เมื่อนักวิจัยสามารถเข้าถึงข้อมูลเกี่ยวกับกระบวนการพัฒนาได้มากขึ้น การศึกษาวิธีสร้างและปรับปรุงโมเดลก็สามารถทำได้ละเอียดกว่าเดิม

เพิ่มความโปร่งใส

ข้อมูลอย่าง Training Configurations, Checkpoints และ Logs ช่วยให้นักวิจัยสามารถวิเคราะห์กระบวนการพัฒนาได้มากกว่าการดูเพียงโมเดลสำเร็จรูป

ลดอุปสรรคสำหรับนักพัฒนา

การมีโมเดลหลายขนาดและการเปิดเผยองค์ประกอบของระบบมากขึ้น อาจช่วยให้ทีมขนาดเล็กและนักพัฒนาสามารถทดลองสร้างระบบ AI ของตัวเองได้ง่ายขึ้น โดยไม่จำเป็นต้องพึ่งพาโมเดลแบบปิดเพียงอย่างเดียว

ความท้าทายเรื่องข้อมูลเทรนนิ่งยังคงอยู่

แม้การเปิดเผยข้อมูลเทรนนิ่งจะช่วยเพิ่มความโปร่งใส แต่ก็เป็นหนึ่งในส่วนที่มีความซับซ้อนมากที่สุด เนื่องจากข้อมูลจำนวนมากอาจเกี่ยวข้องกับลิขสิทธิ์ เงื่อนไขการใช้งาน หรือข้อจำกัดในการนำมาเผยแพร่ต่อ

ด้วยเหตุนี้ IFM จึงระบุว่า หากข้อมูลบางส่วนไม่สามารถแจกจ่ายโดยตรง จะมีการเปิดเผยรายละเอียดเกี่ยวกับวิธีการสร้างและจัดองค์ประกอบของข้อมูลแทน

ประเด็นนี้สะท้อนให้เห็นว่าการสร้างโมเดล AI แบบ Fully Open ไม่ได้หมายความว่าทุกไฟล์จะสามารถเผยแพร่สู่สาธารณะได้โดยไม่มีข้อจำกัด แต่ต้องหาสมดุลระหว่างความโปร่งใส สิทธิ์ในการใช้งานข้อมูล และข้อกำหนดทางกฎหมาย

นอกจากนี้ การเปิดเผยรายละเอียดการพัฒนาโมเดลมากขึ้นยังทำให้เกิดคำถามเกี่ยวกับความปลอดภัยและการนำโมเดลไปใช้ในทางที่ไม่เหมาะสม ซึ่งเป็นประเด็นที่วงการ AI ยังคงต้องติดตามต่อไป

K2 Horizon อาจเป็นจุดเปลี่ยนของแนวทาง Open AI

K2 Horizon ไม่ได้มีความน่าสนใจเพียงเพราะเปิดตัวโมเดลถึง 6 รุ่น แต่ยังสะท้อนแนวทางใหม่ที่พยายามเปิดเผยกระบวนการพัฒนา AI ในระดับที่ละเอียดกว่าโมเดลแบบ Open Weight ทั่วไป

การเปิดเผย Weights ควบคู่กับ Training Code, ข้อมูลหรือรายละเอียดการสร้างข้อมูล, Checkpoints, Configurations, Logs และผลการประเมิน อาจทำให้นักวิจัยสามารถศึกษากระบวนการสร้างโมเดลได้ลึกขึ้น และช่วยให้ชุมชน AI มีข้อมูลสำหรับพัฒนาต่อยอดมากขึ้น

อย่างไรก็ตาม ควรติดตามการทยอยเปิดเผยทรัพยากรของแต่ละโมเดลต่อไป เพราะองค์ประกอบบางส่วน โดยเฉพาะในโมเดลขนาดใหญ่ อาจยังอยู่ระหว่างการเปิดตัว

สรุป

การเปิดตัว K2 Horizon จำนวน 6 รุ่นของ Institute of Foundation Models ถือเป็นหนึ่งในการเคลื่อนไหวที่น่าสนใจของวงการ AI ในปี 2026 เพราะ IFM เลือกเปิดเผยองค์ประกอบของกระบวนการพัฒนาในวงกว้าง ตั้งแต่ Weights และโค้ด ไปจนถึงข้อมูลหรือสูตรการสร้างข้อมูล, Checkpoints, Configurations และ Logs

แม้จะยังไม่สามารถกล่าวได้ว่าทุกองค์ประกอบของทั้ง 6 รุ่นถูกเผยแพร่ครบพร้อมกันทั้งหมด แต่แนวทางของ IFM แสดงให้เห็นถึงความพยายามผลักดันแนวคิด Fully Open AI ให้ก้าวไปไกลกว่าการเปิด Weights เพียงอย่างเดียว

หากแนวทางนี้ได้รับการยอมรับมากขึ้น ก็อาจกลายเป็นแรงผลักดันให้ผู้พัฒนาโมเดล AI รายอื่นเปิดเผยข้อมูลเกี่ยวกับกระบวนการพัฒนามากขึ้น และทำให้อนาคตของ AI แบบเปิดมีความโปร่งใสและตรวจสอบได้มากกว่าเดิม

---

ที่มา:IFM/Reuters