เปิดเบื้องหลังการรันของ Alibaba ในพฤษภาคม 2026: เสียง โค้ด และสมรภูมิ AI สหรัฐฯ-จีน ที่แทบจะสูสี

ผลลัพธ์เหล่านี้เป็นผลมาจากการผลักดันขนานใหญ่จากห้องปฏิบัติการเสียงของ Qwen ก่อนหน้านี้โมเดล Fun-Realtime-ASR และ Fun-Realtime-AudioChat ก็เคยขึ้นอันดับหนึ่งบนแพลตฟอร์มเดียวกันมาแล้ว และ Qwen2.5-Omni-7B ยังคงเป็นผู้นำบนลีดเดอร์บอร์ด VoiceBench Avg ด้วยคะแนน 0.741

โมเดลเสียงของ Alibaba ยังเอาชนะคู่แข่งตะวันตกรวมถึง OpenAI และ xAI บน Benchmark ด้านสำเนียงท้องถิ่นและภาษาถิ่น โดยมีข้อได้เปรียบเป็นพิเศษในการจัดการกับภาษาจีนถิ่นที่ซับซ้อน

อีกด้านหนึ่ง Qwen3.5-Omni-Plus—ซึ่งเปิดตัวในเดือนมีนาคม 2026—รายงานผลลัพธ์ล้ำสมัย (State-of-the-Art) ถึง 215 รายการ บนงานด้านความเข้าใจเสียงและเสียง-ภาพ บน Audio Benchmark อิสระ มันมีประสิทธิภาพเหนือกว่า Gemini 3.1 Pro ของ Google ในด้านความเข้าใจเสียงทั่วไป การใช้เหตุผล และการแปลภาษา แม้ว่ามันจะทำได้เพียงทัดเทียมกับ Gemini ในด้านความเข้าใจเสียง-ภาพแบบครอบคลุมก็ตาม บทวิเคราะห์ทางเทคนิคที่ผ่านการตรวจสอบระบุว่าชัยชนะด้านเสียงนั้นเป็นของจริง—โดยมีอัตราความผิดพลาดของคำ (Word Error Rate) ที่ 6.55% บน Fleurs ASR Benchmark เทียบกับ 7.32% ของ Gemini—แต่โมเดลดังกล่าวยังตามหลัง Gemini อยู่ประมาณ 12 คะแนนบน OmniGAIA Agentic Benchmark

การเขียนโค้ด: Qwen3.7-Max เจาะ Top 5 บน Code Arena

Alibaba เปิดตัว Qwen3.7-Max เมื่อวันที่ 19 พฤษภาคม 2026 และภายในหนึ่งสัปดาห์มันก็ปรากฏตัวในอันดับ ที่ 4 บนลีดเดอร์บอร์ด WebDev ของ Code Arena ด้วยคะแนน Elo 1,541 ซึ่งตามหลัง Claude Opus 4.6 Thinking เพียงหนึ่งคะแนน และนำหน้าโมเดลทุกตัวจาก OpenAI และ Google บนสนามการเขียนโค้ด React มันขึ้นไปถึงอันดับ 3 ด้วยคะแนน 1,536 Elo โดยตามหลังเพียงสอง Claude Opus variants บางแหล่งข่าวรายงานว่ามันไต่อันดับขึ้นไปถึงอันดับ 2 บนลีดเดอร์บอร์ดย่อยบางตัวของ Code Arena ในช่วงสั้นๆ

Claude Opus 4.7/4.6 จาก Anthropic ครองอันดับหนึ่งถึงสามบน WebDev นั่นหมายความว่า Alibaba เป็นผู้พัฒนาเพียงรายเดียวนอกเหนือจาก Anthropic—และเป็นห้องปฏิบัติการนอกสหรัฐฯ เพียงแห่งเดียว—ที่เจาะเข้ามาอยู่ใน Top 5 ของการเขียนโค้ดได้ โมเดลนี้มีอันดับเหนือกว่า GPT-5.5, Gemini 3.5 Flash และ GLM-5.1 บนงานพัฒนาเว็บแบบ Agentic ซึ่งประเมินความชอบของมนุษย์ในโลกแห่งความเป็นจริงบนขั้นตอนการทำงานเขียนโค้ดที่ซับซ้อนหลายขั้นตอน

นอกจาก Code Arena แล้ว โมเดล Qwen ยังทำผลงานที่แข่งขันได้บน Benchmark การเขียนโค้ดและการใช้เหตุผลอื่นๆ:

• LiveBench: Qwen3 235B A22B ได้คะแนน 80.4% อยู่อันดับสามรองจาก o4 Mini High ของ OpenAI (87.3%) และ R1 0528 ของ DeepSeek (84.4%)
• MMLU-Pro / GPQA-AA: Qwen3.5 397B A17B ได้คะแนน 87.8% บน MMLU-Pro และมี GPQA-AA Elo ที่ 1,495 ซึ่งสูงที่สุดในหมู่โมเดลจีน

ภาพรวมบน Arena: กระจุกตัวกันที่หัวตาราง

ภาพรวมคะแนน Arena Elo จาก Stanford 2026 AI Index ณ เดือนมีนาคม 2026 แสดงให้เห็นว่าห้องปฏิบัติการชั้นนำมีคะแนนเบียดเสียดกันแน่น :

Alibaba อยู่อันดับ 5 โดยรวม ตามหลังผู้นำประมาณ 50–55 คะแนน นั่นเป็นระยะห่างที่ใกล้พอที่ผู้เขียนรายงานจะอธิบายว่าแรงกดดันในการแข่งขันได้เปลี่ยนทิศทางไปสู่ต้นทุน ความน่าเชื่อถือ และสมรรถนะเฉพาะด้าน มากกว่าความสามารถดิบๆ

สิ่งนี้หมายถึงอะไรสำหรับการแข่งขัน AI ระหว่างสหรัฐฯ และจีน

ผลลัพธ์ Benchmark เหล่านี้เกิดขึ้นในปีที่ช่องว่างสมรรถนะระหว่างโมเดล AI ที่ดีที่สุดของสหรัฐฯ และจีนแทบจะหายไปจนหมด Stanford 2026 AI Index พบว่าช่องว่างได้ยุบตัวลงจาก 17.5–31.6 จุดเปอร์เซ็นต์ในเดือนพฤษภาคม 2023 เหลือเพียง 2.7% ในเดือนมีนาคม 2026 ขณะนี้ทั้งสองประเทศกำลัง "ผลัดกันขึ้นเป็นที่หนึ่งบน Benchmark อย่างต่อเนื่อง"—ซึ่งแตกต่างอย่างมากจากยุคที่สหรัฐฯ ครองความยิ่งใหญ่ตลอดปี 2024

สิ่งนี้เกิดขึ้นแม้ว่าสหรัฐฯ จะใช้จ่ายเงินลงทุนด้าน AI ภาคเอกชนมากกว่าจีนประมาณ 23 ต่อ 1—285.9 พันล้านดอลลาร์สหรัฐ เทียบกับ 12.4 พันล้านดอลลาร์สหรัฐในช่วงล่าสุดที่มีการติดตาม

นักวิเคราะห์ชี้ไปที่แรงขับเคลื่อนหลายประการที่อยู่เบื้องหลังการไล่ตามทันนี้:

• ระบบนิเวศโอเพนซอร์สของจีน: โมเดลอย่าง Qwen และ R-series ของ DeepSeek ดึงดูดชุมชนนักพัฒนาขนาดใหญ่ที่สร้างเครื่องมือการผลิตบนโมเดลเหล่านั้น นักยุทธศาสตร์บางคนโต้แย้งว่าจีนอาจกลายเป็น "ผู้ชนะรายใหญ่" ในการนำ AI ไปใช้งาน เนื่องจากพลังงานที่ถูกกว่า การใช้จ่ายเงินทุนที่ก้าวร้าว และนวัตกรรมโอเพนซอร์สจำนวนมาก
• ความเป็นอิสระด้านฮาร์ดแวร์: ความสามารถของ DeepSeek ในการรันบนชิป Huawei ภายในประเทศเป็นสัญญาณของการแยกตัวออกจากการประมวลผลที่สหรัฐฯ ควบคุม ซึ่งอาจลดทอนผลกระทบของการควบคุมการส่งออกชิปของวอชิงตัน
• ความเชี่ยวชาญเฉพาะด้าน: ข้อได้เปรียบของ Alibaba ในด้านการจัดการเสียง/ภาษาถิ่น และการครองความเป็นเจ้าตลาดการเขียนโค้ดอย่างต่อเนื่องของ Anthropic แสดงให้เห็นว่าขีดความสามารถระดับแนวหน้านั้นเกี่ยวกับความเป็นเลิศเฉพาะด้านมากขึ้นเรื่อยๆ ไม่ใช่ผู้ชนะแบบครอบจักรวาลเพียงรายเดียว

เป็นที่น่าสังเกตว่าการประเมินอื่นๆ มองเห็นช่องว่างที่กว้างกว่า การวิเคราะห์ของ Brookings ในปี 2026 โต้แย้งว่าโมเดลแนวหน้าของสหรัฐฯ ยังคงนำหน้าจีน "หลายเดือนหรือมากกว่า" และห้องปฏิบัติการสหรัฐฯ ยังคงรักษาความได้เปรียบด้านขนาดการประมวลผลและงาน Agentic ในระยะยาว คำให้การต่อรัฐสภาในช่วงเวลาเดียวกันก็ให้ความเห็นไปในทิศทางเดียวกัน

ถึงกระนั้นก็ตาม ผลกระทบในทางปฏิบัติสำหรับองค์กรและนักพัฒนานั้นชัดเจน: การแข่งขันที่มากขึ้น การพัฒนาที่รวดเร็วขึ้น ราคาที่ต่ำลง และตัวเลือกที่เหมาะสมมากขึ้นจากผู้ให้บริการทั้งสัญชาติอเมริกันและจีน