เมื่อวันอาทิตย์ที่ผ่านมา ทีมงานนักวิจัยจำนวน 9 คนจาก Sina Weibo ซึ่งเป็นยักษ์ใหญ่ด้านโซเชียลมีเดียของจีน ได้เผยแพร่รายงานทางเทคนิคความยาว 14 หน้าบน arXiv ซึ่งสร้างความตกตะลึงในชุมชนการวิจัย AI รายงานนี้อ้างว่าโมเดลภาษา VibeThinker-3B ที่มีพารามิเตอร์เพียง 3 พันล้านตัว สามารถทำคะแนนด้านการให้เหตุผลได้เทียบเท่าหรือดีกว่าโมเดลชั้นนำจาก Google DeepMind, OpenAI, Anthropic และ DeepSeek ที่มีขนาดใหญ่กว่าหลายร้อยเท่า โดยโมเดล VibeThinker-3B ทำคะแนนได้ 94.3 ในการสอบ AIME 2026 ซึ่งเป็นหนึ่งในการแข่งขันคณิตศาสตร์มาตรฐานที่ยากที่สุดในโลก ผลคะแนนนี้ทำให้โมเดลนี้อยู่ในระดับเดียวกับ DeepSeek V3.2 ที่มีพารามิเตอร์ 671 พันล้านตัว และเหนือกว่า Gemini 3 Pro ระบบการให้เหตุผลชั้นนำจาก Google ที่ทำคะแนนได้ 91.7
ทีมวิจัยยังใช้เทคนิคการปรับขนาดเวลาในการทดสอบที่เรียกว่า Claim-Level Reliability Assessment ซึ่งทำให้คะแนนของ VibeThinker-3B เพิ่มขึ้นเป็น 97.1 ทำให้มันมีคะแนนสูงกว่าเกือบทุกระบบที่มีอยู่ในบันทึกสาธารณะ ในเวลาไม่กี่ชั่วโมงหลังจากการเผยแพร่ รายงานนี้ได้รับการโหวต 62 ครั้งในฟีดเอกสารประจำวันของ Hugging Face และโมเดลในที่เก็บข้อมูลได้รับความนิยมถึง 130 ไลค์ ขณะที่ที่เก็บข้อมูลบน GitHub ก็ได้รับดาวถึง 685 ดวง อย่างไรก็ตาม การตอบสนองในโซเชียลมีเดียกลับไม่เป็นที่น่าพอใจอย่างที่คาดไว้ หลายคนแสดงความสงสัยอย่างลึกซึ้งเกี่ยวกับความสำเร็จนี้ โดยผู้ใช้งาน @orcus108 บน X ได้โพสต์ว่า “WHAT THE HELL is happening in AI?” พร้อมกับการมองว่าโมเดลที่มีพารามิเตอร์เพียง 3 พันล้านตัวสามารถทำคะแนนได้ในระดับเดียวกับ Claude Opus 4.5 นั้นเป็นเรื่องที่น่าตกใจ
ความตึงเครียดระหว่างความก้าวหน้าทางวิทยาศาสตร์ที่แท้จริงและความสงสัยที่เพิ่มขึ้นว่าเกณฑ์มาตรฐาน AI อาจถูกทำให้เล่นได้จนถึงจุดที่ไม่มีความหมาย ถือเป็นประเด็นสำคัญในวงการ AI ในปัจจุบัน บางคนเชื่อว่าความสำเร็จของ VibeThinker-3B อาจเป็นการเปลี่ยนแปลงที่สำคัญในวิธีการที่เราเข้าใจและประเมินโมเดล AI ขณะที่อีกหลายคนตั้งคำถามถึงความถูกต้องและความน่าเชื่อถือของการทดสอบมาตรฐานที่ใช้ในการประเมินโมเดลเหล่านี้
ความสำเร็จของ VibeThinker-3B อาจนำไปสู่การอภิปรายเกี่ยวกับการพัฒนาในอนาคตของโมเดล AI ขนาดเล็กและการใช้พารามิเตอร์ที่มีประสิทธิภาพสูงขึ้น โดยเฉพาะอย่างยิ่งในแง่ของการใช้ทรัพยากรและพลังงานที่จำเป็นในการสร้างโมเดลขนาดใหญ่ที่มีพารามิเตอร์มากมาย นอกจากนี้ยังเป็นการกระตุ้นให้วงการ AI ต้องกลับมาทบทวนวิธีการประเมินและเกณฑ์มาตรฐานที่ใช้ในการเปรียบเทียบโมเดลต่างๆ เพื่อให้เกิดความยุติธรรมและความถูกต้องในผลการทดสอบ
แหล่งข้อมูลอ้างอิง
บทความนี้สรุปและเขียนใหม่โดยทีมบรรณาธิการ อ้างอิงจาก michael.nunez@venturebeat.com (Michael Nuñez) ตามลิงก์ต้นฉบับด้านล่าง
อ่านต้นฉบับ: Why Weibo’s tiny VibeThinker-3B has the AI world arguing over benchmarks again
#Weibo #AI #VibeThinker-3B #Benchmark #Machine Learning
