คำตอบสั้นๆ
เลือก Jev ถ้าอยากเริ่มใช้ได้เลย งานหลากหลายโดยไม่อยากเทรนเอง หรือต้องเลือกจากตัวเลือกจำนวนมาก เลือก Laya ถ้าข้อมูลต้องอยู่ในเซิร์ฟเวอร์ตัวเอง ปริมาณงานสูงจนค่า API เป็นเงินก้อน และมีวิศวกรปรับจูนโมเดลได้ Jev เป็นโมเดลตัดสินใจแบบเสียเงินของ TypeSafe ส่วน Laya เป็นโมเดลเปิดที่ใช้ฟรี
ประเด็นสำคัญ
- Jev คิด 0.042 ดอลลาร์ต่อ input ล้านโทเคน output ฟรี ส่วน Laya ฟรีแต่ต้องจ่ายค่า GPU และค่าดูแลเอง
- Laya ชนะ typed-decisions 0.766 ต่อ 0.727 ก็ต่อเมื่อเทรนด้วยข้อมูลชุดเดียวกัน รุ่นพื้นฐานได้แค่ราว 0.36
- ที่ว่าเร็วกว่า 10 เท่า วัดได้จริงราว 7.8 เท่า และเป็นการเทียบ GPU ในเครื่องกับการเรียกผ่านอินเทอร์เน็ต
- ตัวเลือกเยอะ Jev ชนะขาด บน Banking77 ที่มี 77 หมวด Jev ได้ 0.870 ส่วน Laya ได้ 0.425
- ยังไม่มีฝั่งไหนเผยแพร่ผลภาษาไทย ต้องทดสอบกับเคสไทยจริงสองสามร้อยเคสก่อนใช้
ควรเลือก Jev หรือ Laya
เลือกจากเงื่อนไขสามข้อ คือข้อมูลออกนอกองค์กรได้ไหม ปริมาณงานต่อเดือนมากแค่ไหน และมีวิศวกรดูแลโมเดลเองหรือเปล่า ถ้าข้อมูลออกได้ ปริมาณยังไม่สูง และไม่มีทีมดูแลโมเดล Jev เหมาะกว่า ถ้ากลับกันทั้งสามข้อ Laya คุ้มกว่า และ Jev ยังได้เปรียบเมื่อต้องเลือกจากตัวเลือกจำนวนมาก
ที่บอกกันว่า Laya เร็วกว่าและแม่นกว่า Jev สิบเท่า เป็นจริงแค่ในเงื่อนไขแคบๆ ความแม่นที่ชนะได้มาหลังเทรน Laya ด้วยข้อมูลชุดเดียวกับที่ใช้วัดผล ส่วนตัวเลขความเร็วเทียบ GPU ในเครื่องกับการเรียกผ่านอินเทอร์เน็ต ก่อนเชื่อตัวไหน ลองกับข้อมูลจริงของตัวเองก่อน
โมเดลตัดสินใจคืออะไร ทำไมธุรกิจควรรู้จัก
โมเดลตัดสินใจคือโมเดล AI ที่ตอบตามรูปแบบคำตอบที่กำหนดไว้ พร้อมบอกความน่าจะเป็น โดยไม่ต้องเขียนข้อความ งานที่หลายบริษัทเรียกว่างาน AI จริงๆ แล้วไม่ได้ต้องเขียนอะไรเลย เป็นงานตัดสินใจล้วนๆ เช่น ตั๋วแจ้งปัญหาใบนี้ควรส่งให้ทีมไหน ใบแจ้งหนี้นี้ข้อมูลครบหรือยัง ข้อความนี้เป็นการร้องเรียนหรือเปล่า เอกสารนี้อยู่หมวดไหนในห้าหมวด ถ้าใช้แชตบอตอย่าง ChatGPT หรือ Claude ทำงานพวกนี้ ก็เท่ากับจ่ายค่าเขียนข้อความที่สุดท้ายต้องทิ้ง แล้วยังต้องเขียนโค้ดแกะคำตอบออกจากข้อความอีกรอบ
โมเดลตัดสินใจข้ามขั้นเขียนข้อความไปเลย ส่งข้อมูลเข้าไป เช่น อีเมล ตั๋วแจ้งปัญหา หรือเรคคอร์ด JSON พร้อมคำถามที่กำหนดรูปแบบคำตอบไว้ โมเดลจะตอบทุกข้อพร้อมความน่าจะเป็น ไม่ต้องแกะข้อความ และตอบนอกตัวเลือกที่ให้ไปไม่ได้
Jev กับ Laya ใช้คำถามสามแบบเหมือนกัน คือ choice ให้เลือกหนึ่งข้อจากรายการ score ให้จัดระดับตามเกณฑ์ที่เรียงลำดับไว้ และคำถามใช่หรือไม่ ที่ตอบกลับเป็นความน่าจะเป็นว่าข้อความนั้นจริง
แชตโมเดล
- จ่ายค่าเขียนข้อความที่สุดท้ายต้องทิ้ง
- ต้องเขียนโค้ดแกะคำตอบออกจากข้อความ
- ตอบนอกตัวเลือกที่ให้ไปได้
โมเดลตัดสินใจ
- ตอบตามรูปแบบที่กำหนดไว้ ไม่ต้องแกะข้อความ
- ทุกคำตอบมีความน่าจะเป็นแนบมา
- ตอบนอกตัวเลือกที่ให้ไปไม่ได้
Jev คืออะไร
Jev คือโมเดลตัดสินใจแบบเสียเงินของบริษัท TypeSafe เปิดตัววันที่ 15 กันยายน 2026 ผู้ร่วมก่อตั้งคนหนึ่งคือ Diogo Almeida ผู้เขียนร่วมของงานวิจัย InstructGPT TypeSafe เรียก Jev ว่าโมเดล System One ตัวแรกของบริษัท หมายถึงการตัดสินใจเร็วแบบสัญชาตญาณ ไม่ได้คิดทีละขั้น
ราคาที่ประกาศคือ 0.042 ดอลลาร์ต่อ input หนึ่งล้านโทเคน output ไม่คิดเงิน รับข้อมูลได้ราว 32,000 โทเคน คำถามแบบ choice ใส่ตัวเลือกได้ถึง 255 ข้อ ผู้ผลิตบอกว่าตอบกลับภายใน 70 ถึง 500 มิลลิวินาที ใช้ได้ผ่านคอนโซลของ TypeSafe, OpenRouter และ Vercel AI Gateway แต่เรียกผ่าน endpoint สำหรับการตัดสินใจโดยเฉพาะ SDK แชตทั่วไปจึงใช้ด้วยไม่ได้
สิ่งที่ยังไม่รู้ก็สำคัญพอกัน TypeSafe ไม่เปิดเผยสถาปัตยกรรม จำนวนพารามิเตอร์ และไม่ปล่อยตัวโมเดล การทดสอบจากคนนอกยังมีน้อย ผู้ทดสอบรายหนึ่งซ่อนจุดผิด 7 จุดไว้ในเอกสาร 37 ฉบับ Jev จับได้ 6 จุด แชตโมเดลรุ่นท็อปจับได้ครบ 7 แต่ Jev ใช้เวลาและเงินน้อยกว่ามาก
- ต่อ input ล้านโทเคน output ไม่คิดเงิน
- 0.042 ดอลลาร์
- โทเคนที่รับได้ต่อคำขอ
- ราว 32,000
- ตัวเลือกสูงสุดในคำถามแบบ choice
- 255 ข้อ
- เวลาตอบกลับที่ผู้ผลิตระบุ
- 70 ถึง 500 ms
Laya คืออะไร
Laya คือโมเดลเปิดของ Convai Innovations เผยแพร่บทความเทคนิควันที่ 18 กันยายน 2026 หลัง Jev สามวัน ใช้สัญญาอนุญาต Apache 2.0 จึงใช้เชิงพาณิชย์ได้ และรันบนเครื่องของตัวเองได้ทั้งหมด
Laya มีสามรุ่นย่อย รุ่นภาษาอังกฤษสร้างบน ModernBERT-large ขนาด 421 ล้านพารามิเตอร์ รับข้อมูลได้ 512 โทเคน รุ่นหลายภาษาสร้างบน mmBERT-base ขนาด 322 ล้านพารามิเตอร์ รองรับกว่า 100 ภาษา รับข้อมูลได้ 1,024 โทเคน และอีกรุ่นปรับมาเพื่องานตัดสินใจโดยเฉพาะ มีตัว router คอยดูว่าข้อความเป็นอักษรอะไร แล้วส่งไปรุ่นที่เหมาะ
Laya เป็นหนึ่งในตัวเลือกทดแทน Jev อย่างน้อยหกตัวที่โผล่มาภายใน 48 ชั่วโมงหลัง Jev เปิดตัว คนพูดถึงมากที่สุดเพราะประกาศตัวเลขที่ชนะ Jev และก็โดนตรวจสอบหนักที่สุดด้วย
ตัวเลขเปรียบเทียบ Jev กับ Laya บอกอะไรจริงๆ
ตัวเลขบอกว่า Laya ชนะเมื่อเทรนมาเฉพาะงาน แต่ไม่ได้บอกว่าถ้าไม่เทรนจะทำงานของคุณได้ดีแค่ไหน README ของ Laya รายงานคะแนนบนชุดทดสอบ typed-decisions ที่ 0.766 ต่อ 0.727 ของ Jev แต่รุ่นที่ชนะเทรนด้วยข้อมูลฝั่ง training ของชุดทดสอบเดียวกัน รุ่นพื้นฐานที่ไม่ได้เทรนเพิ่มได้แค่ราว 0.36 ต่ำกว่า 0.461 ที่ได้จากการเดาคำตอบที่พบบ่อยที่สุดทุกข้อเสียอีก
ตัวเลขความเร็ว 32.8 มิลลิวินาที เทียบกับ 236 ถึง 276 มิลลิวินาทีของ Jev ต่อหนึ่งคำถาม เป็นการเทียบ Laya บน GPU Tesla T4 ในเครื่อง กับ Jev ที่เรียกเป็นบริการออนไลน์ ต่างกันราว 7.8 เท่า ไม่ใช่ 10 เท่าอย่างที่พาดหัว และส่วนหนึ่งก็คือเวลาเดินทางของข้อมูลในเครือข่าย ความเร็วจริงขึ้นกับว่าเซิร์ฟเวอร์ตั้งอยู่ที่ไหน และส่งคำขอเป็นชุดหรือทีละข้อ
Laya ทำได้ดีบนชุดข้อมูลสาธารณะบางชุด เช่น AG News ได้ 0.950 ต่อ 0.910 และ DAIR Emotion ได้ 0.595 ต่อ 0.480 แต่แพ้ขาดเมื่อมีตัวเลือกเยอะ บน Banking77 ที่มี 77 หมวด Laya ได้ 0.425 ขณะที่ Jev ได้ 0.870 ส่วนค่าความสอดคล้องของความมั่นใจ (calibration) 0.081 ของ Laya วัดหลังปรับ temperature แล้ว ตัวโมเดลดิบมั่นใจเกินจริง เอกสารของ Laya เองยังให้ตัวเลข calibration ของ Jev ไม่ตรงกัน ตัวเลขทั้งหมดในหัวข้อนี้จึงควรถือเป็นตัวเลขเบื้องต้น
Laya ที่เทรนด้วยข้อมูลชุดเดียวกันได้ 0.766 Jev ได้ 0.727 การเดาคำตอบที่พบบ่อยที่สุดได้ 0.461 และ Laya รุ่นพื้นฐานได้ราว 0.36
ตัวเลขจาก README ของ Laya ยังไม่มีคนนอกยืนยัน
เทียบ Jev กับ Laya ข้อต่อข้อ
ตารางนี้เทียบเรื่องที่ตัดสินว่าโมเดลเข้าระบบจริงได้หรือไม่ ไม่ได้ดูแค่คะแนนทดสอบ ตัวเลขทั้งหมดมาจากเอกสารที่แต่ละฝั่งเผยแพร่เอง ยังไม่มีคนนอกยืนยัน
| Jev | Laya | |
|---|---|---|
| ผู้พัฒนา | TypeSafe | Convai Innovations |
| เปิดตัว | 15 ก.ย. 2026 | 18 ก.ย. 2026 |
| ตัวโมเดล | ปิด ไม่ปล่อยให้ดาวน์โหลด | เปิด ใช้สัญญา Apache 2.0 |
| ขนาดโมเดล | ไม่เปิดเผย | 322 ถึง 421 ล้านพารามิเตอร์ |
| ค่าใช้จ่าย | 0.042 ดอลลาร์ต่อ input ล้านโทเคน output ฟรี | ฟรี แต่จ่ายค่า GPU และค่าดูแลเอง |
| ข้อมูลไปอยู่ที่ไหน | เซิร์ฟเวอร์ของ TypeSafe | อยู่ในระบบของคุณเอง |
| รับข้อมูลได้ | ราว 32,000 โทเคน | 512 ถึง 1,024 โทเคน |
| ตัวเลือกจำนวนมาก | ได้ถึง 255 ข้อ ยังแม่นดี | เกินราว 50 ข้อเริ่มแย่ ถ้าไม่ปรับจูน |
| ใช้ได้โดยไม่ต้องเทรน | ได้ ใช้งานทั่วไปได้ | รุ่นพื้นฐานแทบเท่าการเดา ต้องเทรนก่อน |
| ภาษาไทย | ผู้ผลิตไม่ได้ระบุ | ใช้ได้เฉพาะรุ่นหลายภาษา ต้องทดสอบก่อน |
Jev กับ Laya ใช้กับงานภาษาไทยได้ไหม
ยังไม่มีใครยืนยันได้ เพราะยังไม่มีฝั่งไหนเผยแพร่ผลทดสอบภาษาไทยโดยตรง ใครบอกว่าตัวไหนใช้ภาษาไทยได้ดี ตอนนี้ยังเป็นการเดา จนกว่าจะลองเอง
เรื่องที่ต้องระวังที่สุดของ Laya คือรุ่นภาษาอังกฤษพังเมื่อเจออักษรที่ไม่ใช่ละติน ตอนทดสอบภาษาเขมรได้ความแม่นเป็นศูนย์ แต่รายงานความมั่นใจสูงถึง 95.2% แย่กว่าพังให้เห็น เพราะไม่มีอะไรเตือนเลย ข้อความภาษาไทยจึงต้องส่งเข้ารุ่นหลายภาษาเท่านั้น รุ่นนี้ได้เฉลี่ย 0.451 ในภาษาที่ไม่ใช่อังกฤษบนชุดทดสอบ MASSIVE และ 45 จาก 51 ภาษาทำได้เกินสามเท่าของการสุ่ม พอใช้กับงานบางแบบ แต่ยังห่างไกลจากคำว่าไว้ใจได้
Jev ไม่ได้เผยแพร่ผลแยกรายภาษา ทางที่ใช้ได้จริงจึงเหมือนกันทั้งสองตัว คือดึงเคสภาษาไทยจริงจากงานของคุณสักสองสามร้อยเคส ใส่คำตอบที่ถูกต้องไว้ แล้ววัดความแม่นก่อนเปิดใช้
- ความแม่นของรุ่นอังกฤษกับข้อความภาษาเขมร
- 0
- ความมั่นใจที่รุ่นเดียวกันรายงานในการทดสอบนั้น
- 95.2%
- คะแนนเฉลี่ยรุ่นหลายภาษา นอกภาษาอังกฤษ บน MASSIVE
- 0.451
งานแบบไหนเหมาะกับตัวไหน
Jev เหมาะกับงานที่อยากเห็นผลภายในสัปดาห์นี้ งานมีหลายแบบ และปริมาณยังไม่สูงมาก ไม่ต้องซื้อ GPU ไม่ต้องดูแลโมเดล ค่าเรียกต่อครั้งถือว่าน้อยมากเมื่อเทียบกับเงินเดือนวิศวกร
Laya คุ้มกว่าเมื่อข้อมูลออกนอกองค์กรไม่ได้ เช่น ข้อมูลผู้ป่วยหรือเอกสารการเงินที่อยู่ใต้ PDPA หรือเมื่อปริมาณงานถึงหลายล้านครั้งต่อเดือนจนค่าเรียก API ไม่ใช่เงินน้อยๆ และงานต้องแคบพอจะเทรนให้แม่นได้ด้วย โน้ตบุ๊กสำหรับเทรนของ Laya ใช้ GPU T4 สองตัว เทรนคำถามที่มีคำตอบแล้ว 30,000 ข้อเสร็จในราวสี่ถึงห้าชั่วโมง
โมเดลฟรีไม่ได้แปลว่ารันฟรี ค่าเซิร์ฟเวอร์ GPU ค่ามอนิเตอร์ ค่าอัปเดต ค่าดูแลความปลอดภัย และคนที่คอยตรวจคำตอบที่ผิด ล้วนเป็นเงินทั้งนั้น ให้เทียบต้นทุนต่อเคสที่ตอบถูกหนึ่งเคส ไม่ใช่ราคาต่อการเรียกหนึ่งครั้ง
ที่สำคัญที่สุดคือออกแบบระบบให้เปลี่ยนโมเดลได้ วงการนี้มีตัวเลียนแบบโผล่มาหกตัวในสองวัน อีกหกเดือนตัวที่ดีที่สุดอาจไม่ใช่ทั้งสองตัวนี้ ของที่ยังมีค่าอยู่ดีคือตัวอย่างที่ติดคำตอบไว้แล้ว ชุดทดสอบของตัวเอง และขั้นตอนที่ส่งเคสที่โมเดลไม่มั่นใจไปให้คนตรวจ
ก่อนเลือกตัวไหน ตอบข้อเหล่านี้ให้ได้
- งานนี้เป็นการตัดสินใจที่มีคำตอบตายตัวจริงไหม หรือต้องเขียนข้อความ
- มีตัวอย่างจริงที่ใส่คำตอบที่ถูกต้องไว้แล้ว สักสองสามร้อยเคสสำหรับทดสอบหรือยัง
- ตัวอย่างเหล่านั้นเป็นภาษาเดียวกับที่ลูกค้าหรือพนักงานเขียนจริงไหม
- ข้อมูลออกนอกองค์กรได้ไหม ตาม PDPA และสัญญาที่มีกับลูกค้า
- เดือนหนึ่งต้องตัดสินใจกี่ครั้ง และที่ปริมาณนั้นค่า API เป็นเงินเท่าไหร่
- ถ้ารันโมเดลเอง ใครดูแลและอัปเดต ค่า GPU เดือนละเท่าไหร่
- ถ้าโมเดลไม่มั่นใจ เคสนั้นไปถึงมือคนตรวจหรือเปล่า
- ปีหน้าถ้าจะเปลี่ยนโมเดล ต้องรื้อระบบใหม่หรือเปล่า
คำถามที่พบบ่อย
Jev คืออะไร
Jev คือโมเดล AI ตัดสินใจแบบเสียเงินของ TypeSafe เปิดตัว 15 กันยายน 2026 ไม่ได้เขียนข้อความ แต่รับข้อมูลพร้อมคำถามที่กำหนดรูปแบบคำตอบ แล้วตอบเป็นตัวเลือก คะแนน หรือความน่าจะเป็นแบบใช่หรือไม่ พร้อมระดับความมั่นใจ ราคา 0.042 ดอลลาร์ต่อ input ล้านโทเคน output ไม่คิดเงิน
Laya คืออะไร
Laya คือโมเดลตัดสินใจแบบเปิดที่ใช้ฟรี พัฒนาโดย Convai Innovations ใช้สัญญา Apache 2.0 เผยแพร่หลัง Jev สามวัน ตอบคำถามรูปแบบเดียวกับ Jev และรันบนเครื่องของตัวเองได้ รุ่นภาษาอังกฤษมี 421 ล้านพารามิเตอร์ รุ่นหลายภาษามี 322 ล้าน เล็กพอจะรันบน GPU ราคาไม่แพงตัวเดียว
Laya เร็วกว่า Jev สิบเท่าจริงไหม
จริงเฉพาะในเงื่อนไขที่วัด Laya ตอบหนึ่งคำถามใน 32.8 มิลลิวินาทีบน GPU Tesla T4 ในเครื่อง ส่วน Jev ใช้ 236 ถึง 276 มิลลิวินาทีเมื่อเรียกผ่านบริการออนไลน์ ต่างกันราว 7.8 เท่า และส่วนหนึ่งเป็นเวลาเดินทางในเครือข่าย ไม่ใช่ความเร็วของโมเดล ควรวัดบนระบบของตัวเองก่อนเชื่อตัวเลขนี้
Laya แม่นกว่า Jev หรือเปล่า
แม่นกว่าในบางการทดสอบ ไม่ใช่ทุกการทดสอบ รุ่นที่เทรนมาเฉพาะชุด typed-decisions ได้ 0.766 ต่อ 0.727 ของ Jev แต่รุ่นพื้นฐานที่ไม่ได้เทรนเพิ่มได้แค่ราว 0.36 บนชุดเดียวกัน และเมื่อมีตัวเลือกเยอะ Jev ชนะขาด บนชุด Banking77 ที่มี 77 หมวด Jev ได้ 0.870 ส่วน Laya ได้ 0.425
Jev กับ Laya ใช้กับภาษาไทยได้ไหม
ยังไม่มีฝั่งไหนเผยแพร่ผลภาษาไทย รุ่นภาษาอังกฤษของ Laya พังเมื่อเจออักษรที่ไม่ใช่ละตินแต่ยังรายงานว่ามั่นใจสูง ข้อความไทยจึงต้องใช้รุ่นหลายภาษา รุ่นนี้พอใช้กับงานบางแบบแต่ยังไม่มีใครพิสูจน์กับภาษาไทย ไม่ว่าเลือกตัวไหน ควรทดสอบกับเคสภาษาไทยจริงของคุณสักสองสามร้อยเคสก่อนเปิดใช้
ควรใช้โมเดลตัดสินใจ หรือใช้แชตบอตอย่าง ChatGPT
ถ้าคำตอบเป็นหนึ่งข้อจากรายการตายตัว เป็นคะแนน หรือเป็นใช่หรือไม่ และปริมาณงานสูง ใช้โมเดลตัดสินใจ เพราะเร็วกว่า ถูกกว่ามาก และตอบนอกตัวเลือกไม่ได้ ถ้าผลลัพธ์ต้องเป็นข้อความ หรืองานต้องคิดหลายขั้น ใช้แชตโมเดล หลายระบบใช้คู่กัน ให้โมเดลตัดสินใจคัดแยกงานก่อน แล้วค่อยให้แชตโมเดลร่างคำตอบ