OpenThai 2.0 — 一个开源模型，读懂泰语文档、了解泰国、胜任智能体任务
今天，我们与泰国人工智能企业家协会（AIEAT）共同发布 OpenThai 2.0 —— 开源泰语视觉语言模型，27B 参数，Apache 2.0 许可，权重在 Hugging Face 免费下载。
一个月前我们发布了 OpenThai 2.0 Legal，一个把泰国法律条文烂熟于心的专用模型。OpenThai 2.0 是它的通用型姊妹模型，也是两者中更重要的发布：一个模型同时做到以专业级水平读取泰语文档与手写文字、用自然泰语回答泰国知识问题、并以足够可靠的工具调用能力运行智能体 —— 同时完整保留基础模型的通用智能。
模型页：iapp.co.th/zh-CN/openmodels/openthai2p0 · 权重：huggingface.co/iapp/openthai2.0-qwen3.8-27b · 免安装免费试用：chinda3.iapp.co.th
为什么"一个模型"很重要
今天所有投入生产的泰语文档系统都是流水线：会读却不会思考的 OCR 引擎，接上会思考却不会读的语言模型。每一次交接 都会丢失版面、上下文和置信度 —— 而且两半互相无法校验。
OpenThai 2.0 把两半装进同一套权重。给它一页皇家公报，它能转写；就这页内容提问，它用解释性的泰语回答；接上工具，它把结果办完。在我们的测量中，它是唯一一个既能以专业级水平读取文档、又能在同一模型中回答文档相关问题的泰语开源模型。
数据说话
所有结果均由我们测得：每个模型跑同一测试套件、相同服务条件、各用其官方推荐提示词 —— 可用公开检查点复现。完整表格与分类别结果见模型页与 Hugging Face 仓库。
泰语读取（字符错误率 —— 越低越好）：
| 项目 | OpenThai 2.0 | 基础模型 Qwen3.8-27B |
|---|---|---|
| 泰语手写 (n=916) | 0.261 | 0.649 |
| 书籍与皇家公报 (n=608) | 0.126 | 0.370 |
| 政府文档 (n=906) | 0.327 | 0.530 |
| 印刷文档 (n=104) | 0.077 | 0.103 |
手写错误减少 60%，书籍与公报页面减少 66%。一个测试集里的真实样本：基础模型把"เชียงราย"（清莱）读成"3.1.4 การจ่าย"—— 完全读错；OpenThai 2.0 逐字读对。
泰国知识与指令遵循（越高越好）：
| 项目 | OpenThai 2.0 | 基础 | Typhoon 2.5 | Pathumma 3.0 |
|---|---|---|---|---|
| OpenThaiEval — 泰国国家级考试 | 0.842 | 0.820 | 0.742 | 0.660 |
| IFEval-TH — 泰语指令遵循 | 0.795 | 0.772 | 0.749 | 0.498 |
| HumanEval — 编程 | 0.957 | 0.939 | 0.957 | 0.805 |
智能体工具调用，官方 BFCL 框架（3,841 个用例）：
| 项目 | OpenThai 2.0 | 基础 | Typhoon 2.5 |
|---|---|---|---|
| BFCL 总分 | 0.820 | 0.811 | 0.792 |
| 多轮智能体任务 | 0.775 | 0.750 | 0.550 |
针对某一语言的微调通常要牺牲其他能力，这次没有：模型在获得泰语能力的同时，工具调用与编程反超基础模型，世界知识仅让出 0.008（MMLU-Redux 0.916 对 0.924）。
我们也公布输掉的项目：专用转写模型（Typhoon-OCR 1.5）在干净印刷行与孤立手写上仍然获胜，场景文字仍是最弱的读取项，结构化表格抽取与基础模型持平 —— 带全部数字的完整对比在模型页上。
五种格式，一个许可证
Apache 2.0 —— 允许商用、修改与再分发，无需申请访问权限。
| 格式 | 运行环境 |
|---|---|
| bf16 | vLLM / transformers，一张 80 GB GPU |
| GGUF Q4_K_M / Q8_0 | llama.cpp，CPU 或消费级 GPU（17 / 29 GB） |
| MLX 4-bit | Apple silicon，24 GB 以上统一内存 |
| INT8 W8A8 | vLLM，约 40 GB 级 GPU |
| NVFP4 | vLLM，NVIDIA Blackwell |
检查点还内置多 token 预测草稿头：vLLM 自推测解码达 75.2 token/秒，不开启为 50.1（+50%，H100 实测），输出逐 token 一致。数据完全不出你的基础设施 —— 模型全部运行在你自己的硬件上。
只用核验过的数据训练
在约 14.3 万条数据上做三阶段 LoRA 微调，每一条都经机器核验：转写对照人工确认的标准答案，知识推理链对照评测集做泄漏检查，指令数据仅在答案通过程序化约束检查时保留。手写基准为文本不相交划分 —— 训练数据中的任何转写字符串都不出现在测试集中 —— 因此上面的数字衡量的是"阅读"，不是"背诵"。
训练与评测使用 Siam AI Corporation 提供的 8× NVIDIA H100 GPU —— 感谢对开源泰语 AI 的支持。
开始使用
最快的路径是浏览器：chinda3.iapp.co.th —— 免费、免安装，上传泰语文档即可提问。
更想直接调 API？托管端点免费至 2026 年 9 月 30 日，只需免费 iApp API key —— OpenAI 兼容，地址 https://api.iapp.co.th/v3/llm/openthai2p0，支持文本与图片，30 次请求/分钟（模型页详情）。
自行部署：
vllm serve iapp/openthai2.0-qwen3.8-27b \
--max-model-len 32768 --gpu-memory-utilization 0.85 \
--max-num-seqs 128 --reasoning-parser qwen3 --trust-remote-code
模型页提供完整评测表、能帮你省下一下午的部署须知（--max-num-seqs 128 为必填；不要设置 max_tokens）、各量化仓库链接，以及坦率的局限性清单。法律工作请搭配我们的专用模型 OpenThai 2.0 Legal。
由 iApp Technology 开发，与 AIEAT 联合发布 —— 泰国人为泰国打造。