TechTalkThai ศูนย์รวมข่าว Enterprise IT ออนไลน์แห่งแรกในประเทศไทย
Snowflake ประกาศเพิ่มความสามารถ dynamic model routing ให้ Cortex AI Gateway เลือกโมเดล AI ที่เหมาะกับแต่ละงานโดยอัตโนมัติ พร้อมขยายการเข้าถึงโมเดล open source เพิ่มเติม เพื่อลดค่าใช้จ่ายด้าน inference ที่ไม่จำเป็น
ความสามารถชุดนี้ต่อยอดจาก Cortex AI Gateway ที่ Snowflake ประกาศไปเมื่อเดือนกรกฎาคม 2026 ในฐานะชั้นควบคุมกลางสำหรับกำกับดูแลการเชื่อมต่อของ AI Agent จัดเส้นทางคำขอ และบริหารการใช้งาน AI โจทย์ที่ตามมาเมื่อองค์กรนำแอปพลิเคชันและ AI Agent ขึ้น production มากขึ้นคือ การใช้โมเดลตัวเดียวกันกับทุกงานทำให้ค่าใช้จ่ายพุ่งสูงโดยไม่จำเป็น ขณะที่การประเมินและบริหารจัดการโมเดลซึ่งมีให้เลือกมากขึ้นเรื่อยๆ ก็กลายเป็นภาระของทีมพัฒนา Snowflake จึงแก้ทั้งสองด้านพร้อมกันด้วยการทำให้การเลือกโมเดลเป็นอัตโนมัติ และเปิดให้เข้าถึงโมเดลทั้งฝั่ง open source และ proprietary ได้กว้างขึ้น ทั้งนี้ Snowflake เรียกตัวชี้วัดที่ใช้มองเรื่องนี้ว่า intelligence efficiency ซึ่งวัดว่าองค์กรแปลง compute, โมเดล, ข้อมูล และ context ไปเป็นผลลัพธ์ทางธุรกิจได้มีประสิทธิภาพเพียงใด
หลักการทำงานของ dynamic model routing คือส่งงานที่ซับซ้อนน้อยหรือเป็นงานซ้ำๆ ไปยังโมเดลที่ประหยัดกว่า ส่วนงานที่ต้องอาศัยการ reasoning เชิงลึกจึงส่งไปยัง frontier model ทำให้องค์กรไม่ต้องเลือกโมเดลเองในแต่ละ request และใช้โมเดลราคาสูงเฉพาะกรณีที่ให้ผลลัพธ์ดีขึ้นจริง ความสามารถนี้ผนวกเข้ากับผลิตภัณฑ์ AI หลักของ Snowflake ทั้ง Snowflake CoCo และ Snowflake CoWork รวมถึงเปิดให้ AI Agent จาก 3rd-party ที่เชื่อมผ่าน Cortex AI Gateway ใช้งานได้ด้วย นอกจากการเลือกโมเดลอัตโนมัติแล้ว ผู้ดูแลระบบยังกำหนดได้ว่าจะเปิดโมเดลและผู้ให้บริการรายใดให้ผู้ใช้งานเข้าถึงบ้าง ซึ่งเป็นประเด็นสำคัญสำหรับองค์กรข้ามชาติที่ต้องรับมือกับข้อจำกัดด้านพื้นที่ให้บริการของแต่ละโมเดล และสำหรับอุตสาหกรรมที่มีข้อกำหนดด้าน compliance เฉพาะ และเมื่อประสิทธิภาพหรือราคาของโมเดลเปลี่ยนไป Cortex AI Gateway จะปรับการตัดสินใจเรื่อง routing ให้กับผลิตภัณฑ์อย่าง Snowflake CoCo และ Snowflake CoWork ได้โดยที่องค์กรไม่ต้องรื้อแอปพลิเคชันหรือ Agent ที่สร้างไว้แล้ว ในด้านการคุมงบประมาณ Cortex AI Gateway ให้ผู้ดูแลระบบมองเห็นปริมาณการใช้ token และต้นทุนที่เกิดขึ้น พร้อมกำหนดเพดานค่าใช้จ่ายครอบคลุมแอปพลิเคชัน AI และ AI Agent ได้ ส่วน Snowflake CoCo ขยายการควบคุมเหล่านี้ผ่านกลไก role-based access และ tagging ที่มีอยู่เดิม ทำให้กำหนดโมเดลเริ่มต้น ปันส่วนการใช้งานไปยังทีมหรือ cost center ตั้งโควตารายผู้ใช้งาน และรับการแจ้งเตือนเมื่อการใช้งานใกล้ถึงเพดานที่กำหนดไว้
ผลการทดสอบภายในของ Snowflake ระบุว่าการผสมโมเดล open source และ proprietary เข้าด้วยกันตามลักษณะงานให้คุณภาพใกล้เคียงกับการใช้ frontier model เพียงอย่างเดียว แต่ประหยัด token ได้ชัดเจน โดยในการทดสอบหนึ่ง AI Agent ที่ใช้ dynamic model routing ผ่าน Cortex AI Gateway สร้าง dbt pipeline ได้ด้วยประสิทธิภาพด้าน token สูงกว่าเส้นทางที่ใช้ frontier model อย่างเดียวถึง 3 เท่า ภายใต้คุณภาพงานระดับเดียวกัน ส่วนอีกการทดสอบหนึ่ง ทีมวิศวกรรมปิด pull request ได้จำนวนเท่าเดิมโดยมีประสิทธิภาพด้าน token ดีขึ้น 25% ทั้งนี้ Snowflake ระบุว่าตัวเลขทั้งหมดมาจากการทดสอบภายในของบริษัทเอง และผลลัพธ์อาจแตกต่างกันไปตามลักษณะงานและการตั้งค่า โดย dynamic model routing จะเข้าสู่ private preview ในเร็วๆ นี้
ในฝั่งของโมเดล Snowflake เตรียมเพิ่ม DeepSeek-V4-Flash 0731 และ GLM-5.3 เข้าสู่ Snowflake Cortex AI, Snowflake CoCo และ Snowflake CoWork เสริมกับโมเดลจากผู้ให้บริการรายอื่นที่มีอยู่เดิมทั้ง Anthropic, OpenAI, Google, SpaceXAI, Meta และ Mistral โดย DeepSeek-V4-Flash 0731 อยู่ในสถานะ private preview แล้ว ส่วน GLM-5.3 จะเข้าสู่ private preview ในเร็วๆ นี้ ขึ้นอยู่กับการเปิดให้ใช้งานของตัวโมเดลเอง แทนที่จะมองโมเดล open source แต่ละตัวเป็นงาน integration แยกชิ้น Snowflake วางแนวทางเป็นสภาพแวดล้อมที่ประเมินและปรับการให้บริการโมเดลอย่างต่อเนื่อง เพื่อให้องค์กรรับประโยชน์จากโมเดลรุ่นใหม่ได้โดยไม่ต้องแก้แอปพลิเคชันหรือ infrastructure ซ้ำทุกครั้ง และยังใช้ access control กับ governance ชุดเดียวกันได้ทั้งกับโมเดล open source และ proprietary ด้านการประเมินโดยทีม AI Research ของ Snowflake พบว่า DeepSeek-V4-Flash ทำคะแนนงานด้าน data engineering ได้ 74.4% สูงกว่าโมเดล proprietary ชั้นนำที่นำมาเปรียบเทียบในการทดสอบ ขณะที่ GLM-5.2 ทำได้ 62.8% โดยใช้ token น้อยกว่าโมเดลอื่นทั้งหมดที่ทดสอบ โดยคะแนนดังกล่าวมาจากการทดสอบภายในบนกรอบการประเมิน ADE-bench ซึ่งพัฒนาโดย dbt สำหรับวัดความสามารถของ AI Agent กับงานวิเคราะห์ข้อมูลและงาน data engineering ในสถานการณ์จริง ทั้งหมดนี้ยังทำงานภายใต้ governance ของ Snowflake โดยองค์กรยังคงถือครองข้อมูลและ context ของตนเอง
