รีวิว Gemini 3.1 Flash Lite: ความเร็วตรรกะแตะ 5 วินาทีต่ำสุดใหม่ ความสามารถในการทำตามคำสั่งแข็งแกร่งเกินคาด

สรุปหลัก: โมเดลน้ำหนักเบาที่สร้างมาเพื่อการตอบสนองที่รวดเร็วและการดำเนินการที่มีประสิทธิภาพ

ภาพรวม

Gemini 3.1 Flash Lite (ต่อไปนี้จะเรียกว่า Lite) ทำลายกำแพงความเร็วในการตอบสนองได้อย่างชัดเจน โมเดลรุ่นก่อนหน้าทำสถิติการตอบสนองเฉลี่ยที่เร็วมากที่ 10 วินาที ส่วน Lite รุ่นใหม่นี้ลดเวลาเฉลี่ยในการตอบสนองในโหมดที่ไม่ใช่การให้เหตุผลลงเหลือเพียง 5 วินาที สำหรับคำถามง่ายๆ การตอบสนองเกือบจะทันที

ในด้านความสามารถในการให้เหตุผล Lite แสดงให้เห็นถึงศักยภาพที่เกินกว่าที่คาดจากตำแหน่ง “น้ำหนักเบา” ของมัน โหมดการให้เหตุผลสามารถรองรับการใช้ Token ได้สูงถึง 45K และด้วยความสามารถในการควบคุม Token ที่มีต้นกำเนิดเดียวกันกับซีรีส์ Flash ทำให้สามารถทำงานได้อย่างเสถียรเมื่อใกล้ถึงขีดจำกัด แม้ว่าความเร็วในการประมวลผลต่อ Token (tps) จะไม่ใช่ระดับสูงสุด แต่เวลาเฉลี่ยรวมในการให้เหตุผลทั้งหมดยังคงถูกควบคุมให้อยู่ภายใน 100 วินาที ซึ่งถือว่าพอใช้ได้ในหมู่โมเดลที่มีระดับสติปัญญาเทียบเท่า หากพิจารณาเฉพาะผลลัพธ์สุดท้ายหลังการให้เหตุผล สามารถเทียบได้กับโมเดลทั่วไปที่มี tps เฉลี่ยประมาณ 25 และส่งออก Token ประมาณ 2K

ตามรายงานอย่างเป็นทางการและการทดสอบจริง ความสามารถโดยรวมของโมเดล Lite รุ่นใหม่ได้แซงหน้า Gemini 2.5 Flash แล้ว กล่าวคือ ประสิทธิภาพในโหมดการให้เหตุผลสูงกว่าประมาณ 3% (อยู่บริเวณขอบของค่าความคลาดเคลื่อน) และในโหมดที่ไม่ใช่การให้เหตุผลนำหน้าประมาณ 7% อย่างไรก็ตาม Lite ไม่ได้ดีกว่ารุ่นก่อนหน้าในทุกหมวดย่อย ซึ่งจะวิเคราะห์โดยละเอียดต่อไป

ผลการทดสอบความสามารถด้านตรรกะ

หมายเหตุ 1: ตารางด้านบนเน้นแสดงความสัมพันธ์ในการเปรียบเทียบ โดยแสดงเฉพาะโมเดลบางส่วนที่สามารถเปรียบเทียบได้ ไม่ใช่รายการทั้งหมด
หมายเหตุ 2: รายละเอียดโจทย์และวิธีการทดสอบดูได้ที่: การประเมินเปรียบเทียบความสามารถด้านตรรกะของโมเดลภาษาขนาดใหญ่
หมายเหตุ 3: รายการทั้งหมดอัปเดตที่: https://llm2014.github.io/llm_benchmark/
หมายเหตุ 4: โมเดลที่ทำเครื่องหมายด้วยสีแดงทำงานในโหมดการให้เหตุผล (คิดช้า) ส่วนที่ทำเครื่องหมายด้วยสีดำคือโหมดที่ไม่ใช่การให้เหตุผล (คิดเร็ว) ที่สอดคล้องกัน

ต่อไปจะเน้นเปรียบเทียบ Gemini 3.1 Flash Lite (Lite) กับ Gemini 2.5 Flash 0925 (Flash รุ่นเก่า) โดยค่าเริ่มต้นการเปรียบเทียบจะเป็นโหมดการให้เหตุผลทั้งคู่ หากเป็นโหมดที่ไม่ใช่การให้เหตุผลจะระบุเป็นพิเศษ โปรดทราบว่า Flash รุ่นเก่าหยุดติดตามผลตั้งแต่เดือนธันวาคมปีที่แล้ว ดังนั้นการเปรียบเทียบจึงอิงตามการทดสอบที่ทั้งสองรุ่นมีส่วนร่วมร่วมกัน

การปรับปรุงหลัก

• ความสามารถในการปฏิบัติตามคำสั่ง: Lite สืบทอดความสามารถในการปฏิบัติตามคำสั่งของโมเดล Flash รุ่นเดียวกันมาเป็นส่วนใหญ่ แม้ว่าความสามารถโดยรวมจะอยู่ในระดับล่างของโมเดลให้เหตุผล แต่ในด้านการปฏิบัติตามคำสั่งเพียงอย่างเดียว กลับสามารถเทียบเคียงกับโมเดลในระดับกลางหรือแม้แต่บางส่วนของระดับสูงได้อย่างน่าประหลาดใจ เมื่อเทียบกับ Flash รุ่นเก่า Lite สามารถปฏิบัติตามคำสั่งเดียวกันได้อย่างเสถียรมากขึ้นในหลายรอบ (Pass) กรณีที่ Lite ไม่สามารถปฏิบัติตามมักเกิดจากคำสั่งที่ไม่ตรงไปตรงมาหรือมีบริบทที่ซับซ้อน ตัวอย่างเช่น ในสถานการณ์การเรียกใช้เครื่องมือ Lite สามารถพยายามปฏิบัติตามข้อจำกัดการส่งพารามิเตอร์ของเครื่องมือเดียวได้ แต่ยากที่จะจัดการข้อจำกัดการรวมกันระหว่างเครื่องมือต่างๆ นี่หมายความว่าสำหรับคำสั่งที่ง่ายและชัดเจนเพียงพอ Lite สามารถดำเนินการได้อย่างมั่นคง
• ความสามารถด้านโปรแกรม: Lite ยังคงความสามารถในการเขียนโปรแกรมของโมเดล Flash 3.0 รุ่นใหม่ไว้ค่อนข้างมาก ปัญหาอัลกอริทึมที่มีความซับซ้อนปานกลางบางส่วนสามารถผ่านได้ในครั้งเดียว (one-shot) การทดสอบเดียวกันบน Flash รุ่นเก่าส่วนใหญ่ได้คะแนนเป็นศูนย์หรือไม่สามารถคอมไพล์ได้ อย่างไรก็ตาม Lite คล้ายกับ Flash รุ่นใหม่ คือยังไม่สามารถใช้งานได้ในด้านความสามารถในโครงการวิศวกรรมขนาดใหญ่ ดังนั้นจึงเหมาะสำหรับการพัฒนาสคริปต์ง่ายๆ หรือการรับผิดชอบงานเบื้องต้น เช่น การทำความสะอาดข้อมูล ในสถานการณ์ของเอเจนต์ (Agent)
• ความสามารถในการคำนวณ: การคำนวณไม่ใช่จุดแข็งของ Lite โดยรวมอ่อนกว่าค่าเฉลี่ยของโมเดลให้เหตุผลระดับกลาง แต่เมื่อเทียบกับ Flash รุ่นเก่าก็ยังมีความก้าวหน้าอย่างเห็นได้ชัด สำหรับปัญหาการคำนวณเบื้องต้นในระดับ K12 สามารถรักษาความแม่นยำในระดับสูงได้ แม้ในโหมดที่ไม่ใช่การให้เหตุผลก็ยังคงความสามารถในการคำนวณไว้ค่อนข้างมาก อย่างไรก็ตาม เนื่องจากถูกจำกัดด้วยอัตราการหลอน (hallucination) ที่ค่อนข้างสูง เมื่อขั้นตอนการคำนวณเพิ่มขึ้น อัตราความผิดพลาดจะเพิ่มขึ้นอย่างมาก และอาจเกิดลูปไม่สิ้นสุดได้

ข้อบกพร่องที่ยังคงมีอยู่

• การหลอนบริบท: ปัญหาการหลอนของ Lite ดีขึ้นจากพื้นฐานของ Flash 3.0 แต่ความเสถียรยังไม่เพียงพอ ประสิทธิภาพขึ้นๆ ลงๆ ในช่วงที่ดีที่สุดอาจใกล้เคียงกับระดับของ Flash รุ่นใหม่ ในช่วงที่แย่ที่สุดอาจกลับไปสู่ระดับของ Lite รุ่นเก่า เมื่อความยาวของต้นฉบับเกิน 10K Token งานประเภทการดึงข้อมูลจะทำได้สมบูรณ์แบบได้ยาก ระดับการหลอนในโหมดที่ไม่ใช่การให้เหตุผลของ Lite โดยพื้นฐานแล้วอยู่ในระดับเดียวกับโหมดที่ไม่ใช่การให้เหตุผลของ Flash รุ่นเก่า ซึ่งเมื่อวัดด้วยมาตรฐานปัจจุบัน ถือว่าไม่ต่ำ
• ความสามารถในการเข้าใจระดับตัวอักษร: การประมวลผลตัวอักษรเคยเป็นจุดแข็งของซีรีส์ Gemini 3 (Pro และ Flash) ซึ่งสามารถแยกวิเคราะห์ปัญหาต่างๆ ที่ต้องการความเข้าใจทีละตัวอักษรได้อย่างมั่นคง Lite แม้จะสืบทอดความสามารถที่เกี่ยวข้องบางส่วนมาจาก “พี่ใหญ่” แต่ผลลัพธ์ไม่น่าพอใจ ผลลัพธ์มักจะดูคล้ายแต่ไม่เหมือนจริง เนื้อหาจริงๆ ใช้งานได้ยาก และโมเดลเองก็ไม่ได้ตระหนักว่ามันยังไม่ได้แก้ปัญหาประเภทนี้อย่างแท้จริง

สรุป

ในยุคของเอเจนต์ (Agent) มีสถานการณ์จำนวนมากที่ต้องการเพียงการปฏิบัติตามคำสั่งอย่างเคร่งครัดเพื่อเคลื่อนย้ายข้อมูล หรือการดำเนินงานต่อเนื่องของงานง่ายๆ เดี่ยวๆ หลายๆ งาน สถานการณ์เหล่านี้ไม่ต้องการให้โมเดลมีสติปัญญาระดับสูงสุด แต่ต้องการการตอบสนองที่รวดเร็วและต้นทุนต่ำอย่างยิ่ง Gemini 3.1 Flash Lite ถูกสร้างขึ้นเพื่อตอบสนองความต้องการดังกล่าว งานที่ซับซ้อนที่สุดสามารถจัดการโดยโมเดล “พี่ใหญ่” Pro ส่วนงานให้เหตุผลทั่วไปจะรับผิดชอบโดยโมเดล Flash

ในฐานะผู้บุกเบิก กูเกิลกำลังชี้นำให้ความสามารถของโมเดลวิวัฒนาการไปในทิศทางเฉพาะ เช่นเดียวกับที่สังคมมนุษย์ไม่จำเป็นต้องมีแต่คนอัจฉริยะ ในสังคมซิลิกอนที่สร้างขึ้นโดยเอเจนต์ ก็ย่อมต้องการโมเดลที่มีจุดเน้นความสามารถที่แตกต่างกัน Lite ด้วยความ “เร็ว” สุดขีดของมัน จะต้องมีตำแหน่งที่แน่นอนในสังคมนั้น

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง