🏠ยินดีต้อนรับสู่ OpenThaiGPT 1.5

เทคโนโลยีทางภาษาแบบ ChatGPT (Large Language Model) พัฒนาเพื่อคนไทยทุกคน

🇹🇭 OpenThaiGPT เวอร์ชัน 1.5 เป็นโมเดลแชทภาษาไทยขนาดใหญ่ขนาด 7, 14 และ 72 พันล้านพารามิเตอร์ ซึ่งพัฒนาต่อยอดจาก Qwen 2.5 ให้มีความสามารถในการเข้าใจและเขียนภาษาไทยได้ เปิดโค้ดและโมเดลอย่างเสรี (Opensource) ให้ทุกคนสามารถนำไปพัฒนาต่อยอดหรือแม้กระทั่งการทำการค้าได้ เพื่อเป็น Infrastructure พื้นฐานด้านปัญญาประดิษฐ์สำหรับคนไทยทุกคน

Poster เปิดตัว 7/72b ณ วันที่ 30 กันยายน

Online Demo:

https://demo72b.aieat.or.th/ Hosted by Siam.AI Cloud

Free Online API Service:

Free API Service via OpenAI's client library openai

API Base : https://api.float16.cloud/dedicate/78y8fJLuzE/v1/ API Key : float16-AG0F8yNce5s1DiXm1ujcNrTaZquEdaikLwhZBRhyZQNeS7Dv0X Model : openthaigpt/openthaigpt1.5-7b-instruct

Code Example: https://github.com/OpenThaiGPT/openthaigpt1.5_api_examples

Hosted by https://float16.cloud/

ดาวน์โหลดโมเดล (Latest Update: 13 October 2024)

• 7b - https://huggingface.co/openthaigpt/openthaigpt1.5-7b-instruct

• 14b - https://huggingface.co/openthaigpt/openthaigpt1.5-14b-instruct

• 72b - https://huggingface.co/openthaigpt/openthaigpt1.5-72b-instruct

จุดเด่น

• โมเดล LLM ภาษาไทยที่ทันสมัยที่สุด ซึ่งทำคะแนนเฉลี่ยสูงสุดในการทดสอบภาษาไทยหลากหลายประเภทเมื่อเปรียบเทียบกับโมเดล LLM ภาษาไทยแบบโอเพนซอร์ซอื่นๆ

• รองรับการสนทนาแบบหลายรอบ สำหรับการสนทนาต่อเนื่อง

• รองรับการสร้างการตอบสนองแบบ Retrieval Augmented Generation (RAG) เพื่อเพิ่มประสิทธิภาพในการสร้างคำตอบ

• ความสามารถในการจัดการบริบทที่น่าประทับใจ: ประมวลผลข้อความได้สูงสุด 131,072 โทเคน และสร้างข้อความได้สูงสุด 8,192 โทเคน ทำให้สามารถตอบคำถามที่ซับซ้อนได้อย่างละเอียด

• รองรับการเรียกใช้เครื่องมือ (Tool Calling): ช่วยให้ผู้ใช้สามารถสั่งให้โมเดลเรียกใช้ฟังก์ชันต่างๆ อาทิเช่นเรียก API จากภายนอก, ดึงข้อมูลจาก Internet, ดึงข้อมูลจากฐานข้อมูลต่างๆ ได้อย่างมีประสิทธิภาพผ่านการตอบสนองอัจฉริยะ

ผลการทดสอบที่ OpenThaiGPT Eval

7 พันล้านพารามิเตอร์ (7 billions)

กรุณาดูที่ openthaigpt/openthaigpt1.5-7b-instruct สำหรับผลการประเมินของโมเดลนี้

ชื่อการสอบ	scb10x/llama-3-typhoon-v1.5x-8b-instruct	meta-llama/Llama-3.1-7B-Instruct	Qwen/Qwen2.5-7B-Instruct_stat	openthaigpt/openthaigpt1.5-7b
01_a_level	46.67%	47.50%	58.33%	60.00%
02_tgat	32.00%	36.00%	32.00%	36.00%
03_tpat1	52.50%	55.00%	57.50%	57.50%
04_investment_consult	56.00%	48.00%	68.00%	76.00%
05_facebook_beleble_th_200	78.00%	73.00%	79.00%	81.00%
06_xcopa_th_200	79.50%	69.00%	80.50%	81.00%
07_xnli2.0_th_200	56.50%	55.00%	53.00%	54.50%
08_onet_m3_thai	48.00%	32.00%	72.00%	64.00%
09_onet_m3_social	75.00%	50.00%	90.00%	80.00%
10_onet_m3_math	25.00%	18.75%	31.25%	31.25%
11_onet_m3_science	46.15%	42.31%	46.15%	46.15%
12_onet_m3_english	70.00%	76.67%	86.67%	83.33%
13_onet_m6_thai	47.69%	29.23%	46.15%	53.85%
14_onet_m6_math	29.41%	17.65%	29.41%	29.41%
15_onet_m6_social	50.91%	43.64%	56.36%	58.18%
16_onet_m6_science	42.86%	32.14%	57.14%	57.14%
17_onet_m6_english	65.38%	71.15%	78.85%	80.77%
ค่าเฉลี่ยย่อย	60.65%	55.60%	64.41%	65.78%

14 พันล้านพารามิเตอร์ (14 billions)

** Please take a look at openthaigpt/openthaigpt1.5-14b-instruct for this model's evaluation result.

Exam names	scb10x/llama-3-typhoon-v1.5x-70b-instruct	Qwen/Qwen2.5-14B-Instruct	openthaigpt/openthaigpt1.5-14b	openthaigpt/openthaigpt1.5-72b
01_a_level	59.17%	61.67%	65.00%	76.67%
02_tgat	46.00%	44.00%	50.00%	46.00%
03_tpat1	52.50%	60.00%	52.50%	55.00%
04_investment_consult	60.00%	76.00%	72.00%	72.00%
05_facebook_beleble_th_200	87.50%	84.50%	87.00%	90.00%
06_xcopa_th_200	84.50%	85.00%	86.50%	90.50%
07_xnli2.0_th_200	62.50%	69.50%	64.50%	70.50%
08_onet_m3_thai	76.00%	76.00%	84.00%	84.00%
09_onet_m3_social	95.00%	90.00%	90.00%	95.00%
10_onet_m3_math	43.75%	43.75%	12.50%	37.50%
11_onet_m3_science	53.85%	50.00%	53.85%	73.08%
12_onet_m3_english	93.33%	93.33%	93.33%	96.67%
13_onet_m6_thai	55.38%	52.31%	56.92%	56.92%
14_onet_m6_math	41.18%	23.53%	41.18%	41.18%
15_onet_m6_social	67.27%	60.00%	61.82%	65.45%
16_onet_m6_science	50.00%	50.00%	57.14%	67.86%
17_onet_m6_english	73.08%	82.69%	78.85%	90.38%
Micro Average	69.97%	71.00%	71.51%	76.73%

72 พันล้านพารามิเตอร์ (72 billions)

กรุณาดูที่ openthaigpt/openthaigpt1.5-72b-instruct สำหรับผลการประเมินของโมเดลนี้

Exam names	scb10x/llama-3-typhoon-v1.5x-70b-instruct	meta-llama/Llama-3.1-70B-Instruct	Qwen/Qwen2.5-72B-Instruct	openthaigpt/openthaigpt1.5-72b-instruct
01_a_level	59.17%	61.67%	75.00%	76.67%
02_tgat	46.00%	40.00%	48.00%	46.00%
03_tpat1	52.50%	50.00%	55.00%	55.00%
04_investment_consult	60.00%	52.00%	80.00%	72.00%
05_facebook_beleble_th_200	87.50%	88.00%	90.00%	90.00%
06_xcopa_th_200	84.50%	85.50%	90.00%	90.50%
07_xnli2.0_th_200	62.50%	63.00%	65.50%	70.50%
08_onet_m3_thai	76.00%	56.00%	76.00%	84.00%
09_onet_m3_social	95.00%	95.00%	90.00%	95.00%
10_onet_m3_math	43.75%	25.00%	37.50%	37.50%
11_onet_m3_science	53.85%	61.54%	65.38%	73.08%
12_onet_m3_english	93.33%	93.33%	96.67%	96.67%
13_onet_m6_thai	55.38%	60.00%	60.00%	56.92%
14_onet_m6_math	41.18%	58.82%	23.53%	41.18%
15_onet_m6_social	67.27%	76.36%	63.64%	65.45%
16_onet_m6_science	50.00%	57.14%	64.29%	67.86%
17_onet_m6_english	73.08%	82.69%	86.54%	90.38%
Micro Average	69.97%	71.09%	75.02%	76.73%

การทดสอบในข้อสอบปรนัยภาษาไทย ชุดทดสอบใหม่ที่ไม่เคยเห็นมาก่อน การเรียนรู้แบบศูนย์ช็อต รหัสต้นฉบับและข้อมูลการสอบ: https://github.com/OpenThaiGPT/openthaigpt_eval

(อัปเดตเมื่อ: 30 กันยายน 2024)

ผลการทดสอบที่ scb10x/thai_exam

โมเดล	การทดสอบภาษาไทย (Acc)
api/claude-3-5-sonnet-20240620	69.2
openthaigpt/openthaigpt1.5-72b-instruct*	64.07
api/gpt-4o-2024-05-13	63.89
hugging-quants/Meta-Llama-3.1-405B-Instruct-AWQ-INT4	63.54
openthaigpt/openthaigpt1.5-14b-instruct*	59.65
scb10x/llama-3-typhoon-v1.5x-70b-instruct	58.76
Qwen/Qwen2-72B-Instruct	58.23
meta-llama/Meta-Llama-3.1-70B-Instruct	58.23
Qwen/Qwen2.5-14B-Instruct	57.35
api/gpt-4o-mini-2024-07-18	54.51
openthaigpt/openthaigpt1.5-7b-instruct*	52.04
SeaLLMs/SeaLLMs-v3-7B-Chat	51.33
openthaigpt/openthaigpt-1.0.0-70b-chat	50.09

* การประเมินโดยทีม OpenThaiGPT โดยใช้ scb10x/thai_exam

ใบอนุญาต

• สร้างขึ้นด้วย Qwen

• ใบอนุญาต Qwen: อนุญาตให้ใช้ใน งานวิจัย และ เชิงพาณิชย์ แต่หากผู้ใช้ของคุณมีจำนวนผู้ใช้งานต่อเดือนเกิน 100 ล้านคน คุณจำเป็นต้องเจรจาใบอนุญาตเชิงพาณิชย์แยกต่างหาก กรุณาดูไฟล์ LICENSE สำหรับข้อมูลเพิ่มเติม

ผู้สนับสนุน

Prompt Format

Prompt format is based on Llama2 with a small modification (Adding "###" to specify the context part)

<|im_start|>system\n{sytem_prompt}<|im_end|>\n<|im_start|>user\n{prompt}<|im_end|>\n<|im_start|>assistant\n

System prompt:

คุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์

Examples

Single Turn Conversation Example

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nสวัสดีครับ<|im_end|>\n<|im_start|>assistant\n

Single Turn Conversation with Context (RAG) Example

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nกรุงเทพมหานคร เป็นเมืองหลวง นครและมหานครที่มีประชากรมากที่สุดของประเทศไทย กรุงเทพมหานครมีพื้นที่ทั้งหมด 1,568.737 ตร.กม. มีประชากรตามทะเบียนราษฎรกว่า 8 ล้านคน\nกรุงเทพมหานครมีพื้นที่เท่าไร่<|im_end|>\n<|im_start|>assistant\n

Multi Turn Conversation Example

First turn

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nสวัสดีครับ<|im_end|>\n<|im_start|>assistant\n

Second turn

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nสวัสดีครับ<|im_end|>\n<|im_start|>assistant\nสวัสดีครับ ยินดีต้อนรับครับ คุณต้องการให้ฉันช่วยอะไรครับ?<|im_end|>\n<|im_start|>user\nกรุงเทพมหานคร ชื่อเต็มยาวๆคืออะไร<|im_end|>\n<|im_start|>assistant\n

ชื่อเต็มของกรุงเทพมหานครคือ "กรุงเทพมหานคร อมรรัตนโกสินทร์ มหินทรายุธยา มหาดิลกภพ นพรัตนราชธานีบูรีรมย์ อุดมราชนิเวศน์มหาสถาน อมรพิมานอวตารสถิต สักกะทัตติยวิษณุกรรมประสิทธิ์"

Result

<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nสวัสดีครับ<|im_end|>\n<|im_start|>assistant\nสวัสดีครับ ยินดีต้อนรับครับ คุณต้องการให้ฉันช่วยอะไรครับ?<|im_end|>\n<|im_start|>user\nกรุงเทพมหานคร ชื่อเต็มยาวๆคืออะไร<|im_end|>\n<|im_start|>assistant\nชื่อเต็มของกรุงเทพมหานครคือ \"กรุงเทพมหานคร อมรรัตนโกสินทร์ มหินทรายุธยา มหาดิลกภพ นพรัตนราชธานีบูรีรมย์ อุดมราชนิเวศน์มหาสถาน อมรพิมานอวตารสถิต สักกะทัตติยวิษณุกรรมประสิทธิ์\"

How to use

Free API via Curl (Hosted by Siam.AI and Float16.Cloud)

Siam.AI

curl https://api.aieat.or.th/v1/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer dummy" \
  -d '{
    "model": ".",
    "prompt": "<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nกรุงเทพมหานครคืออะไร<|im_end|>\n<|im_start|>assistant\n",
    "max_tokens": 512,
    "temperature": 0.7,
    "top_p": 0.8,
    "top_k": 40,
    "stop": ["<|im_end|>"]
  }'

Float16.cloud

curl -X POST https://api.float16.cloud/dedicate/78y8fJLuzE/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer float16-AG0F8yNce5s1DiXm1ujcNrTaZquEdaikLwhZBRhyZQNeS7Dv0X" \
  -d '{
    "model": "openthaigpt/openthaigpt1.5-7b-instruct",
    "messages": [
      {
        "role": "system",
        "content": "คุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์"
      },
      {
        "role": "user",
        "content": "สวัสดี"
      }
    ]
   }'

OpenAI client (hosted by vLLM, please see below.)

import openai

# Configure OpenAI client to use vLLM server
openai.api_base = "http://127.0.0.1:8000/v1"
openai.api_key = "dummy"  # vLLM doesn't require a real API key

prompt = "<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nกรุงเทพมหานครคืออะไร<|im_end|>\n<|im_start|>assistant\n"

try:
    response = openai.Completion.create(
        model=".",  # Specify the model you're using with vLLM
        prompt=prompt,
        max_tokens=512,
        temperature=0.7,
        top_p=0.8,
        top_k=40,
        stop=["<|im_end|>"]
    )
    print("Generated Text:", response.choices[0].text)
except Exception as e:
    print("Error:", str(e))

Huggingface

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "openthaigpt/openthaigpt1.5-72b-instruct"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "ประเทศไทยคืออะไร"
messages = [
    {"role": "system", "content": "คุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์"},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=512
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

vLLM

1. Install VLLM (https://github.com/vllm-project/vllm)

2. Run server

vllm serve openthaigpt/openthaigpt1.5-72b-instruct --tensor-parallel-size 4

1. Run inference (CURL example)

curl -X POST 'http://127.0.0.1:8000/v1/completions' \
-H 'Content-Type: application/json' \
-d '{
  "model": ".",
  "prompt": "<|im_start|>system\nคุณคือผู้ช่วยตอบคำถามที่ฉลาดและซื่อสัตย์<|im_end|>\n<|im_start|>user\nสวัสดีครับ<|im_end|>\n<|im_start|>assistant\n",
  "max_tokens": 512,
  "temperature": 0.7,
  "top_p": 0.8,
  "top_k": 40,
  "stop": ["<|im_end|>"]
}'

Processing Long Texts

The current config.json is set for context length up to 32,768 tokens. To handle extensive inputs exceeding 32,768 tokens, we utilize YaRN, a technique for enhancing model length extrapolation, ensuring optimal performance on lengthy texts.

For supported frameworks, you could add the following to config.json to enable YaRN:

{
  ...
  "rope_scaling": {
    "factor": 4.0,
    "original_max_position_embeddings": 32768,
    "type": "yarn"
  }
}

Tool Calling

The Tool Calling feature in OpenThaiGPT 1.5 enables users to efficiently call various functions through intelligent responses. This includes making external API calls to retrieve real-time data, such as current temperature information, or predicting future data simply by submitting a query.

For example, a user can ask OpenThaiGPT, “What is the current temperature in San Francisco?” and the AI will execute a pre-defined function to provide an immediate response without the need for additional coding.

This feature also allows for broader applications with external data sources, including the ability to call APIs for services such as weather updates, stock market information, or data from within the user’s own system. Example:

import openai

def get_temperature(location, date=None, unit="celsius"):
    """Get temperature for a location (current or specific date)."""
    if date:
        return {"temperature": 25.9, "location": location, "date": date, "unit": unit}
    return {"temperature": 26.1, "location": location, "unit": unit}

tools = [
    {
        "name": "get_temperature",
        "description": "Get temperature for a location (current or by date).",
        "parameters": {
            "location": "string", "date": "string (optional)", "unit": "enum [celsius, fahrenheit]"
        },
    }
]

messages = [{"role": "user", "content": "อุณหภูมิที่ San Francisco วันนี้ีและพรุ้่งนี้คือเท่าไร่?"}]

# Simulated response flow using OpenThaiGPT Tool Calling
response = openai.ChatCompletion.create(
    model=".", messages=messages, tools=tools, temperature=0.7, max_tokens=512
)

print(response)

Full example: https://github.com/OpenThaiGPT/openthaigpt1.5_api_examples/blob/main/api_tool_calling_powered_by_siamai.py

GPU Memory Requirements

Number of Parameters	FP 16 bits	8 bits (Quantized)	4 bits (Quantized)	Example Graphic Card for 4 bits
7b	24 GB	12 GB	6 GB	Nvidia RTX 4060 8GB
13b	48 GB	24 GB	12 GB	Nvidia RTX 4070 16GB
72b	192 GB	96 GB	48 GB	Nvidia RTX 4090 24GB x 2 cards

Authors

• Sumeth Yuenyong ([e-mail])

• Kobkrit Viriyayudhakorn ([e-mail])

• Apivadee Piyatumrong ([e-mail])

• Jillaphat Jaroenkantasima ([e-mail])

• Thaweewat Rugsujarit ([e-mail])

• Norapat Buppodom ([e-mail])

• Koravich Sangkaew ([e-mail])

• Peerawat Rojratchadakorn ([e-mail])

• Surapon Nonesung ([e-mail])

• Chanon Utupon ([e-mail])

• Sadhis Wongprayoon ([e-mail])

• Nucharee Thongthungwong ([e-mail])

• Chawakorn Phiantham ([e-mail])

• Patteera Triamamornwooth ([e-mail])

• Nattarika Juntarapaoraya ([e-mail])

• Kriangkrai Saetan ([e-mail])

• Pitikorn Khlaisamniang ([e-mail])

Citation

If OpenThaiGPT has been beneficial for your work, kindly consider citing it as follows:

Bibtex

@misc{yuenyong2024openthaigpt15thaicentricopen,
      title={OpenThaiGPT 1.5: A Thai-Centric Open Source Large Language Model}, 
      author={Sumeth Yuenyong and Kobkrit Viriyayudhakorn and Apivadee Piyatumrong and Jillaphat Jaroenkantasima},
      year={2024},
      eprint={2411.07238},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2411.07238}, 
}

APA Style (for TXT, MS Word)

Yuenyong, S., Viriyayudhakorn, K., Piyatumrong, A., & Jaroenkantasima, J. (2024). OpenThaiGPT 1.5: A Thai-Centric Open Source Large Language Model. arXiv [Cs.CL]. Retrieved from http://arxiv.org/abs/2411.07238

Disclaimer: Provided responses are not guaranteed.