โมเดลและแพลตฟอร์ม AI
Fortytwo เปิดตัว Engine API พร้อมรายงานว่าใช้โทเค็นน้อยลง 24.7% ในงานเขียนโค้ด
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Fortytwo เปิดตัว Fortytwo Engine ซึ่งเป็น API สำหรับการอนุมานที่ใช้โมเดล AI หลายตัวทำงานร่วมกัน เพื่อปรับปรุงการให้เหตุผลและลดปริมาณข้อความที่ต้องสร้างเพื่อทำงานให้สำเร็จ บริษัทระบุว่าโมเดลแรกที่รองรับอย่าง Qwen 3.8 27B ใช้โทเค็นน้อยลง 24.7% จากการทดสอบงานวิศวกรรมซอฟต์แวร์ DeepSWE จำนวน 450 รอบ เมื่อเทียบกับโมเดลเดียวกันที่ทำงานเพียงลำพัง ขณะเดียวกันก็แก้โจทย์ได้ในสัดส่วนที่สูงกว่า
การประกาศนี้มุ่งตอบโจทย์ปัญหาต้นทุนที่เพิ่มขึ้นของเอเจนต์ AI กล่าวคือ ราคาต่อโทเค็นที่ต่ำไม่ได้หมายความว่าค่าใช้จ่ายต่องานที่ทำเสร็จจะต่ำตามไปด้วย การทำงานด้านเขียนโค้ดและค้นคว้าที่ใช้เวลานานอาจทำให้มีบริบทซ้ำซ้อน การเรียกใช้เครื่องมือโดยไม่จำเป็น และการลองใหม่สะสมเพิ่มขึ้น แนวทางของ Fortytwo มุ่งลดงานที่สูญเปล่าเหล่านี้ในกระบวนการอนุมาน โดยคิดราคาต่อโทเค็นในระดับเดียวกับโมเดลพื้นฐาน ตามที่บริษัทระบุ
ควบคุมทิศทางการให้เหตุผลก่อนข้อผิดพลาดจะพอกพูน
Fortytwo เรียกเทคโนโลยีเบื้องหลัง Engine รุ่นใหม่นี้ว่า Swarm Decoder โมเดลหลายตัวร่วมกันกำหนดแนวทางการให้เหตุผล โดยประเมินว่าทิศทางใดมีน้ำหนักมากกว่าขณะกำลังสร้างคำตอบ ก่อนที่คำตอบจะเสร็จสมบูรณ์ เป้าหมายคือการตรวจพบสมมติฐานที่อ่อนแอตั้งแต่เนิ่น ๆ เพื่อหลีกเลี่ยงการสร้างข้อความเพิ่มและการแก้ไขกู้คืนที่ตามมาจากการเลือกทิศทางผิด
แนวทางนี้แตกต่างจากสถาปัตยกรรมก่อนหน้าของ Fortytwo ในงานวิจัยเรื่องการอนุมานแบบฝูงในปี 2025 โหนดแต่ละตัวสร้างคำตอบแยกจากกัน จากนั้นนำมาเปรียบเทียบกันโดยตรงและผสานส่วนที่ดีที่สุดเข้าด้วยกัน บริษัทอธิบายว่ามีกลไกจัดอันดับทางสถิติซึ่งให้น้ำหนักกับโหนดที่พิสูจน์ผลงานแล้วมากกว่า โดยการประเมินจากโหนดอื่นช่วยสร้างชื่อเสียงให้แก่โหนดเหล่านั้น แนวทางเดิมประเมินคำตอบที่เสร็จสมบูรณ์แล้ว ส่วน Engine รุ่นใหม่ย้ายการจัดอันดับโดยโหนดอื่นเข้ามาไว้ในกระบวนการให้เหตุผลโดยตรง
ความแตกต่างนี้สำคัญต่อเอเจนต์ที่ทำงานหลายขั้นตอน การเลือกคำตอบที่เสร็จสมบูรณ์แล้วและดีที่สุดอาจช่วยปรับปรุงคำตอบได้ แต่ไม่อาจเรียกคืนโทเค็นที่ใช้ไปแล้วเพื่อสร้างตัวเลือกที่ด้อยกว่า การควบคุมทิศทางอย่างต่อเนื่องมีจุดประสงค์เพื่อป้องกันไม่ให้แนวทางที่ไม่ก่อผลขยายตัวขึ้นตั้งแต่แรก Fortytwo ระบุว่าการคำนวณจำนวนโทเค็นครอบคลุมโมเดลทุกตัวที่เข้าร่วม ไม่ได้นับเฉพาะคำตอบสุดท้าย
Ivan Nikitin ซีอีโอและผู้ร่วมก่อตั้ง อธิบายว่าประโยชน์มีอยู่สองด้าน ได้แก่ “การให้เหตุผลร่วมกันให้ผลดีสองต่อ ทั้งคำตอบที่ดีขึ้นและจำนวนโทเค็นที่ใช้ทำงานลดลง”
ผลการทดสอบของ Fortytwo
ในการประเมิน DeepSWE ของบริษัท Engine ได้คะแนน 47.8 เทียบกับ 42.2 ของโมเดลพื้นฐาน เพิ่มขึ้น 5.6 จุดเปอร์เซ็นต์ ปริมาณการใช้โทเค็นเฉลี่ยต่อรอบลดลงจาก 16.3 ล้านเหลือ 12.3 ล้าน เมื่อรวมการทดสอบทั้ง 450 รอบ Fortytwo รายงานว่าโมเดลพื้นฐานใช้โทเค็นทั้งหมด 7.4 พันล้าน ขณะที่ Engine ใช้ 5.6 พันล้าน
เอกสารเปิดตัวยังรายงานคะแนนที่สูงขึ้นในเกณฑ์มาตรฐานอีกห้ารายการ ซึ่งครอบคลุมวิทยาศาสตร์ การเขียนโค้ด และการให้เหตุผลทั่วไป ดังนี้
| เกณฑ์มาตรฐาน | โมเดลพื้นฐาน | Fortytwo Engine |
|---|---|---|
| DeepSWE | 42.2 | 47.8 |
| Humanity’s Last Exam | 34.7 | 35.8 |
| GDP.pdf | 18.5 | 20.6 |
| GPQA-Diamond | 90.9 | 95.1 |
| SciCode | 46.8 | 49.0 |
| LiveCodeBench v6 | 80.2 | 84.1 |
ที่มา: ประกาศเปิดตัวของ Fortytwo คะแนนเปรียบเทียบ Qwen 3.8 27B ทั้งในกรณีที่ใช้และไม่ใช้ Engine ภายใต้ระเบียบวิธีประเมินของบริษัท
ผลลัพธ์เหล่านี้เป็นข้อมูลที่บริษัทรายงาน การลดจำนวนโทเค็น 24.7% มาจากการทดสอบ DeepSWE โดยเฉพาะ จึงไม่ควรตีความว่าเป็นการประหยัดที่วัดได้ในทุกเกณฑ์มาตรฐานหรือทุกภาระงานจริง สำหรับนักพัฒนา สิ่งสำคัญในทางปฏิบัติคือโมเดลสามารถทำงานของตนได้อย่างแม่นยำ โดยใช้โทเค็นรวม การลองใหม่ และการเรียกใช้เครื่องมือน้อยลงหรือไม่
API ที่คุ้นเคย พร้อมขอบเขตความเข้ากันได้ที่ชัดเจน
บริการนี้ใช้งานได้ผ่านแพลตฟอร์มนักพัฒนาของ Fortytwo โดยเอกสาร APIระบุว่ารองรับความเข้ากันได้กับ OpenAI Chat Completions API ทำให้ SDK หรือลูกข่ายเดิมสามารถใช้งานได้ด้วยคีย์ API และ URL พื้นฐานของ Fortytwo พร้อมกับรหัสโมเดลที่รองรับ
ความสามารถที่ระบุไว้ในเอกสารประกอบด้วยการส่งข้อมูลแบบสตรีม เครื่องมือฟังก์ชัน การเรียกใช้เครื่องมือแบบขนาน และเอาต์พุตแบบมีโครงสร้าง นักพัฒนายังเลือกระดับความพยายามในการให้เหตุผลได้ด้วย คุณสมบัติเหล่านี้ทำให้บริการเหมาะกับเอเจนต์ที่ต้องเรียกใช้เครื่องมือซอฟต์แวร์และส่งผลลัพธ์ในรูปแบบที่เครื่องอ่านได้ ไม่ใช่เพียงสร้างข้อความสนทนา
ความเข้ากันได้มีขอบเขตจำกัด เอกสารระบุว่ารองรับปลายทาง Chat Completions และการแสดงรายการโมเดล ขณะที่ API อย่าง Responses, Embeddings, Audio, Files และ Assistants ไม่รองรับ ฟิลด์บางรายการในคำขอรองรับเพียงบางส่วนหรือขึ้นอยู่กับโมเดลที่เลือก และระบบจะแสดงข้อผิดพลาดเมื่อใช้ฟิลด์ที่ไม่รองรับ แทนที่จะละเว้นฟิลด์นั้นโดยไม่แจ้งให้ทราบ ดังนั้น ทีมที่ย้ายแอปพลิเคชันเดิมควรตรวจสอบคำขอที่ใช้งานจริงเทียบกับคู่มือความเข้ากันได้
การเดิมพันครั้งใหญ่ขึ้นกับ AI แบบร่วมมือกัน
Engine เป็นอีกหนึ่งผลิตภัณฑ์ของบริษัทควบคู่กับ Fortytwo Harbor ซึ่งออกแบบมาสำหรับองค์กรที่ต้องการติดตั้งระบบอนุมานแบบกลุ่มบนโครงสร้างพื้นฐานของตนเอง Fortytwo วางตำแหน่ง Harbor ให้เป็นโซลูชันที่ช่วยเก็บข้อมูลไว้ภายในขอบเขตขององค์กร และคิดค่าใช้จ่ายตามต้นทุนฮาร์ดแวร์แบบคงที่ แทนการเรียกเก็บค่าบริการ API ตามจำนวนโทเค็น
โครงการวิจัยในวงกว้างของบริษัทยังครอบคลุมการสร้างข้อมูลฝึกผ่านเครือข่ายโมเดลของบริษัทด้วย เว็บไซต์ของบริษัทนำเสนอ Strand-Rust-Coder-14B ซึ่งเป็นโมเดลแบบเปิดที่ฝึกด้วยชุดข้อมูลซึ่ง Fortytwo สร้างขึ้น งานดังกล่าวมุ่งเน้นการฝึกโมเดล ส่วน Engine รุ่นใหม่นี้มุ่งปรับปรุงความสามารถในการให้เหตุผลของโมเดลแบบเปิดที่มีการเผยแพร่น้ำหนักอยู่แล้วในขั้นตอนการอนุมาน
Fortytwo ก่อตั้งขึ้นในปี 2024 และระบุว่ามีทีมวิศวกร 15 คน รวมถึงวิศวกรใน Mountain View และ Abu Dhabi บริษัทระดมทุนรอบก่อนเริ่มระดมทุนได้ 2.3 ล้านดอลลาร์ในปี 2025 และเข้าร่วมระบบนิเวศ Hub71 ของ Abu Dhabi ในปี 2026 บริษัทมีแผนเพิ่มโมเดลแบบเปิดให้กับ Engine หลังจาก Qwen 3.8 27B
การเปิดตัวครั้งนี้เน้นต้นทุนต่อภารกิจที่ทำสำเร็จ หากการประเมินระหว่างโมเดลอย่างต่อเนื่องสามารถป้องกันการใช้เหตุผลที่สูญเปล่าได้มากพออย่างสม่ำเสมอ จนชดเชยต้นทุนส่วนเกินของการประเมินเอง นักพัฒนาก็อาจมีอีกแนวทางในการปรับปรุงเศรษฐศาสตร์ของเอเจนต์ ควบคู่ไปกับการใช้โมเดลที่ดีขึ้นและฮาร์ดแวร์ที่เร็วขึ้น
