AI Modelsอ่าน 15 นาที

Qwen4-Max Preview อ่านวิดีโอได้ แต่หาช่วงเวลาที่ถูกต้องเจอไหม?

วิดีโอฝึกอบรมยาวเป็นโจทย์ทดสอบ Qwen4-Max Preview ลองตรวจว่าคำตอบชี้ไปยังฉากถูกต้องหรือไม่ และผลเปลี่ยนอย่างไรเมื่อใช้คลิปสั้น

K
Ken Jo

วิดีโอฝึกอบรมบอกให้เก็บรายการเข้าคลังหลังตรวจสถานะการเก็บรักษาแล้วเท่านั้น สี่สิบนาทีต่อมา เดโมที่สองเปิดหน้าจอเดิมแล้วข้ามขั้นนั้น ผู้เรียนถามว่าฉากไหนแสดงขั้นตอนครบ คำตอบที่เขียนดีอ่านง่าย แต่ตำแหน่งเวลาแม่น ๆ มีประโยชน์กว่ามาก

วันที่ 11 พฤศจิกายน 2026 QwenCloud เปิดพรีวิวแบบจำกัดของ Qwen4-Max-Preview โมเดลรุ่นหลักที่รับข้อความ รูป และวิดีโอ เอกสารระบุบริบทหนึ่งล้านโทเคน พรีวิวเข้าผ่าน Token Plan เท่านั้นและมีกำหนดสิ้นสุดเวลา 24:00 ของวันที่ 25 พฤศจิกายน UTC+8 จากนั้น QwenCloud ระบุว่าจะยุติรหัสโมเดลนี้ เอกสารโมเดล QwenCloud

โมเดลแบบนี้ช่วยให้ถามเรื่องในวิดีโอยาวได้ คำถามที่มีประโยชน์คือมันพาคนไปยังช่วงที่รองรับคำตอบจริงได้ไหม วิดีโอฝึกอบรมเป็นวิธีง่าย ๆ ในการแยกการหาฉาก การเข้าใจฉาก และการรายงานให้ชัด

บริบทยาวทำให้โมเดลมีช่วงให้ค้นมากขึ้น

หนึ่งล้านโทเคนเป็นเพดานบริบท ตัวเลขนี้บอกได้ไม่ดีว่าวิดีโอหนึ่งจะให้รายละเอียดที่ใช้ได้มากเท่าไร วิธีประมวลผล การเลือกเฟรม ข้อจำกัดไฟล์ เส้นทาง API และส่วนอื่นของคำสั่งล้วนมีผลต่อสิ่งที่อยู่ในคำขอ วิดีโอที่ยาวเท่ากันอาจมีสิ่งที่ต้องสังเกตต่างกันมาก ภาพสถานะที่แวบเดียวอาจหายากกว่าส่วนที่ค้างหลายนาที ตรวจเอกสารข้อมูลเข้าวิดีโอของเอนด์พอยต์และวิธีส่งที่ใช้

QwenCloud ระบุผลลัพธ์แบบมีโครงสร้างและตัวควบคุมระดับการให้เหตุผลแยกกัน จึงขอคำตอบในรูปแบบสม่ำเสมอและเปรียบเทียบการตั้งค่าได้ รูปแบบช่วยแยกข้อสรุปและเวลา ส่วนหลักฐานต้องตรวจจากสิ่งที่วิดีโอแสดง ณ เวลานั้น ความสามารถของโมเดล QwenCloud

นึกถึงวิดีโอสอนซอฟต์แวร์ 50 นาทีที่เปิดกล่องเก็บเข้าคลังสองครั้ง ในฉากสำคัญ ผู้สอนอ่านช่องการเก็บรักษาและตรวจวันที่ก่อนทำต่อ ในช่วงสรุป ผู้สอนแค่เปิดกล่องโดยไม่ได้ตรวจช่อง คำตอบที่ตรงต้องชี้ไปยังการสาธิตแบบครบและบอกจุดสังเกตที่เห็น การจับคู่ชื่อกล่องอย่างเดียวอาจพาผู้เรียนไปผิดฉาก

ออกแบบการประเมินรอบความต่างนี้ ให้ผู้ตรวจทำเครื่องหมายช่วงที่รองรับแต่ละคำถาม ระบุหลักฐานในภาพ และจดว่าใช้แค่คำถอดเสียงตอบได้หรือไม่ หากมีสองช่วงที่หลักฐานครบ ให้รับทั้งคู่เพื่อไม่ตัดคะแนนช่วงทางเลือกที่ใช้ได้ หากคำตอบขึ้นกับลำดับสองการกระทำ ให้ทำเครื่องหมายช่วงเต็มที่เห็นทั้งสอง

วิดีโอยาวให้ตำแหน่งเวลาที่เป็นไปได้ แล้วผู้ตรวจเปิดดูเพื่อเทียบหลักฐานกับฉาก

ตำแหน่งเวลามีประโยชน์เมื่อเปิดแล้วเห็นหลักฐานจริง ภาพประกอบโดย Telli.sh

ขอคำตอบที่คนตรวจได้

โครงสร้างคำตอบทำให้เล็กได้ ใส่คำตอบ เวลาเริ่มและจบตามวิดีโอต้นฉบับ คำอธิบายหลักฐานสั้น ๆ และสถานะเมื่อหลักฐานไม่พอ หน้าจอจะเปิดวิดีโอที่ต้นช่วงได้ ให้ผู้ตรวจดูหลักฐานก่อนอ่านคำอธิบายที่สร้างขึ้น เพื่อลดอิทธิพลจากถ้อยคำที่ดูสมเหตุสมผล

คำขออาจตรง ๆ ว่า “หาลำดับการเก็บเข้าคลังแบบครบ ให้เวลาเริ่มและจบ ระบุช่องสถานะการเก็บรักษา และบอกว่าวันที่แสดงก่อนยืนยันหรือไม่ ถ้าวิดีโอไม่มีขั้นตอนครบ ให้ตอบว่าหลักฐานไม่พอ” ขอสิ่งที่คนมองเห็นได้ ใช้ตัวเลขความมั่นใจเฉพาะเมื่อมีวิธีตรวจว่าค่าสะท้อนผลจริงหรือไม่

ถามเรื่องข้อความ ลำดับ และสิ่งที่ไม่ปรากฏ สำหรับข้อความ เลือกป้ายที่ความหมายเปลี่ยนระหว่างสองฉาก สำหรับลำดับ ถามว่าอะไรเกิดก่อนหรือหลังจุดสังเกตชัด ๆ สำหรับสิ่งที่ไม่ปรากฏ ให้ถามถึงขั้นที่ดูเป็นไปได้แต่วิดีโอไม่มี โมเดลอาจตอบคำถามทั่วไปได้ด้วยรูปแบบที่คุ้นเคย ตัวอย่างเชิงลบแสดงว่ามันทำอย่างไรเมื่อรูปแบบนั้นขัดกับวิดีโอจริง

ต้องนิยามเวลาด้วย ถ้าเครื่องเล่นเริ่มที่ศูนย์แต่คำถอดเสียงใช้รหัสเวลาจากไฟล์เดิม ให้ปรับให้ตรงก่อนให้คะแนน ถ้าตัดคลิปห้านาทีออกจากวิดีโอยาว ให้เก็บค่าเหลื่อมระหว่างคลิปกับต้นฉบับ การส่งออกเวลา 04:15 ของคลิปแล้วเปิด 04:15 ในไฟล์เต็มทำให้ผลผิดแบบดูน่าเชื่อ แม้โมเดลเจอเฟรมถูก

ใช้ทั้งการค้นกว้างและการตรวจช่วงสั้นกับคำถามเดียวกัน

ทางหนึ่งคือให้วิดีโอเต็มแก่โมเดลแล้วขอช่วงที่เป็นไปได้ อีกทางคือแบ่งเป็นบท ใช้ชื่อบทหรือคำถอดเสียงเลือกบางส่วน แล้วให้โมเดลดูคลิปสั้น เริ่มจากคำถามและช่วงอ้างอิงที่คนกำหนดชุดเดียวกัน เปรียบเทียบทั้งสองก่อนตัดสินว่าคำขอใหญ่คุ้มเวลาและค่าใช้จ่ายหรือไม่

วิธีเหมาะกับสิ่งที่ตรวจ
วิดีโอเต็มในคำขอเดียวการกระทำที่เกิดซ้ำในฉากห่างกันพบเหตุการณ์ถูกต้อง เวลารวม และผลที่ไม่สมบูรณ์
ค้นบทแล้วตรวจคลิปสั้นหัวข้อที่รู้แล้วแต่มีรายละเอียดภาพเล็กเลือกบทผิดและค่าเหลื่อมของเวลา
เริ่มจากคำถอดเสียงแล้วตรวจภาพขั้นตอนมีคำบรรยายและการยืนยันบนจอคำพูดกับการกระทำที่เห็นตรงกันหรือไม่

ทั้งการค้นวิดีโอเต็มและการค้นคลิปสั้นใช้การตรวจหลักฐานโดยคนชุดเดียวกัน

ใช้ฉากอ้างอิงชุดเดียวกันเทียบวิธีค้นต่างกัน ภาพประกอบโดย Telli.sh

ทางที่ใช้คลิปสั้นอาจถูกกว่า แต่เพิ่มโอกาสเลือกคลิปผิดก่อนโมเดลเห็นหลักฐาน วิดีโอเต็มอาจเจอฉากในบทที่ไม่คาดไว้ หรืออาจเจอส่วนกว้าง ๆ แต่พลาดจุดสำคัญ จดประเภทความผิดพลาดแต่ละครั้ง ถ้าค้นไม่เจอ ให้ปรับการเลือกบท ถ้าอ่านหลักฐานผิด ให้ปรับข้อมูลภาพหรือขั้นตรวจ ถ้าเวลาต้นฉบับผิด ให้แก้เครื่องเล่นหรือการแปลงเวลา

แยกการเจอฉากออกจากการตอบครบ ทำเครื่องหมายว่าช่วงที่เสนอทับซ้อนกับฉากอ้างอิงที่ใช้ได้หรือไม่ จากนั้นตรวจว่าระบุช่องที่มองเห็นและลำดับได้ถูก ตั้งค่าคลาดเคลื่อนล่วงหน้า เช่น สิบวินาทีสำหรับเดโมช้า ฉากเปลี่ยนเร็วอาจต้องใช้ช่วงแคบกว่ามาก เก็บค่านี้กับผลประเมินเพื่อวัดโมเดลอื่นด้วยเกณฑ์เดียวกัน

จับเวลาตั้งแต่ถามจนเปิดหลักฐานได้ คำอธิบายที่ออกเร็วแต่ไม่มีช่วงให้เปิดทำให้ผู้ใช้ต้องค้นใหม่ แยกเวลาจนได้ผลแรกที่ใช้ได้จากเวลาจบทั้งหมด สำหรับคำตอบสำคัญ การเปิดสองช่วงอันดับแรกอาจคุ้ม คำถามทั่วไปอาจต้องการคำตอบที่ถูกพร้อมหลักฐานลิงก์เดียว

วิดีโอคล้ายกันสามชุดเผยข้อผิดพลาดต่างกันได้

จัดชุดทดสอบเล็กที่แต่ละคลิปมีความยากหลักหนึ่งอย่าง คลิปแรกให้คำบรรยายตรงกับภาพ คลิปที่สองแสดงลำดับปุ่มต่างจากคำพูด คลิปที่สามวางฉากคล้ายกันไว้ต้นคลิปและฉากที่ถูกต้องไว้ท้ายคลิป โมเดลอาจทำได้ดีกับบทเรียนทั่วไปแต่ยังพลาดกรณีที่ผู้เรียนต้องการคำตอบ

เลือกงานที่ขึ้นกับจุดสังเกตในภาพ ในวิดีโอที่สอง ผู้บรรยายบอกให้กด Submit แต่ปุ่มที่เห็นคือ Save as draft และเอกสารไม่เข้าคิวตรวจ ผู้ใช้ที่ต้องการส่งเอกสารต้องเข้าใจความต่าง แยกสิ่งที่ผู้พูดแนะนำจากสิ่งที่เกิดขึ้น ทำเครื่องหมายช่องที่แสดงสถานะสุดท้ายเป็นหลักฐาน ตำแหน่งเวลาควรเปิดก่อนเปลี่ยนสถานะพอให้เห็นสาเหตุ

ให้ผู้ตรวจมีตารางตัดสินใจสั้น ๆ ช่วงถูกแต่ตีความผิดนับเป็นอ่านผิด ตีความถูกแต่ชี้ไปอีกฉากนับเป็นค้นผิด การบอกว่าหลักฐานไม่พอถูกต้องสำหรับคลิปที่จงใจตัดขั้นออก แต่ผิดหากคลิปแสดงขั้นตอนชัด นับกรณีเหล่านี้ตรง ๆ เพื่อไม่ให้โมเดลเพิ่มคะแนนด้วยการปฏิเสธทุกโจทย์ยาก และใช้เกณฑ์เดียวกันกับทุกแบบ

ตรวจความชัดก่อนสรุปจากข้อความบนจอที่โมเดลพลาด เปิดไฟล์ที่ส่งจริงในขนาดที่ตั้งใจและเทียบเฟรมที่คนดูเห็น การบีบอัดอาจทำให้ช่องสถานะอ่านไม่ได้ก่อนถึงโมเดล ลองคลิปที่ครอปเมื่อคำขอกว้างหาบทเจอแต่พลาดรายละเอียดเล็กซ้ำ ๆ การทดสอบจะบอกว่าการเพิ่มรายละเอียดเฉพาะจุดช่วยกว่าส่งวิดีโอทั้งชุดใหม่หรือไม่

ทีมฝึกอบรมควรกำหนดด้วยว่าช่วงหลักฐานสั้นได้แค่ไหน คลิปห้าวินาทีอาจเห็นสถานะสุดท้ายแต่ไม่เห็นการตัดสินใจก่อนหน้า จดว่าผู้เรียนต้องเห็นเมนูก่อนหน้า ข้อความเตือน หรือหน้าจอยืนยันหรือไม่ เพื่อให้หน้าจอพาไปยังช่วงที่ทั้งอธิบายงานและพิสูจน์คำตอบ

ใช้ช่วงพรีวิวเป็นช่วงเวลาทดสอบ

QwenCloud ใช้รหัสโมเดล qwen4-max-preview หน้ารุ่นระบุว่าต้องใช้ Token Plan และพรีวิวไม่เปิดแบบจ่ายตามการใช้จริง เอกสารระบุความเข้ากันได้กับ Chat Completions และ Responses แบบ OpenAI และ Messages แบบ Anthropic ตรวจข้อกำหนดข้อมูลภาพของโพรโทคอลก่อนนำไคลเอนต์ที่ออกแบบให้รับแต่ข้อความมาใช้ การเข้าถึงพรีวิว QwenCloud

QwenCloud ระบุเพดานผลลัพธ์ 393,216 โทเคน ใช้ร่วมกันระหว่างการคิดและคำตอบสุดท้าย ช่องทางที่เข้ากับ Chat Completions นับทั้งสองในงบผลลัพธ์ สำหรับการทดสอบนี้ ขอคำตอบสั้นและติดตามผลที่ไม่ครบ เพดานสูงแทบไม่ช่วยคนที่หาฉาก 20 วินาที คงวิดีโอ คำถาม และเกณฑ์ตรวจไว้เมื่อเปรียบเทียบระดับการคิด เพื่อไม่เข้าใจว่าขนาดข้อมูลเข้าที่เปลี่ยนคือคุณภาพการคิดที่เปลี่ยน

เลือกวิดีโอที่คุณมีสิทธิ์ส่งไปยังบริการ บทเรียนสังเคราะห์หรือคลิปสาธารณะพอสำหรับทดสอบการค้นหลักฐาน ใส่สองเดโมหน้าตาคล้ายกันแต่ตั้งใจให้ต่างหนึ่งจุดได้โดยไม่ต้องมีข้อมูลลูกค้าหรือขั้นตอนภายใน หากจะใช้คลิปที่ทำงาน ให้ตรวจเงื่อนไขข้อมูลปัจจุบันของผู้ให้บริการและสิทธิ์ของทีมก่อนอัปโหลด

บันทึกการประเมินให้ใช้ต่อหลังหมดพรีวิว เก็บการอ้างอิงไฟล์ ขอบเขตบท ช่วงอ้างอิง คำถาม และเกณฑ์ให้คะแนนพร้อมรหัสโมเดลและวันที่ เก็บสื่อในพื้นที่ที่คุณมีสิทธิ์ใช้ หากต้องเปรียบเทียบรุ่นทดแทน คุณจะมีส่วนที่สร้างใหม่ยากที่สุดอยู่แล้ว คือตัวอย่างที่ตรวจสอบแล้ว

ลิงก์หลักฐานคือสิ่งที่ผู้ใช้ต้องเปิดได้

บริบทยาวทำให้การค้นฉากด้วยวิธีใหม่มีเหตุให้ลอง ช่วงเวลาที่แม่นและเล่นได้ทำให้ผลมีประโยชน์กับคนถัดไป สำหรับทีมฝึกอบรม การทดลองที่ดีกว่าคือดูว่าผู้เรียนไปถึงฉากที่ถูกและเข้าใจการกระทำได้โดยไม่ต้องดูบทเรียนใหม่ทั้งหมด การทดสอบนี้ยังใช้ได้เมื่อพรีวิวสิ้นสุด

แหล่งข้อมูล


หากต้องการเก็บโน้ตฝึกอบรมและการตัดสินใจที่อาศัยโน้ตเหล่านั้นไว้ในที่ค้นหาได้ สร้างบัญชี Telli.sh.


← กลับไปที่บล็อก