ตั้งแต่ติดตั้ง Qwen2.5-Coder 14B ทดสอบประสิทธิภาพ ไปจนถึงวิธีใช้งานที่ทำได้จริง
ช่วงต้นปี 2025 o3-mini เปิดตัวในฐานะโมเดลขนาดเล็กที่ยังเก่งมากด้านคณิตศาสตร์ วิทยาศาสตร์ และการเขียนโค้ด
ผ่านมาราวหนึ่งปีครึ่ง Codex ในปัจจุบันไม่ได้มีหน้าที่แค่ตอบคำถามเรื่องโค้ดอีกต่อไป มันอ่าน repository แก้ไขหลายไฟล์ รันคำสั่งและการทดสอบ ตรวจหาสาเหตุเมื่อเกิดข้อผิดพลาด และเดินงานยาว ๆ ต่อจนจบได้
เมื่อพัฒนามาถึงระดับนี้ คำถามที่ตามมาก็เป็นธรรมชาติ:
เราเอาความสามารถระดับนี้มาใส่พีซีของตัวเอง แล้วรันฟรีไม่ได้หรือ?
สรุปก่อนเลยว่า เราสามารถสร้างสภาพแวดล้อมการทำงานแบบ Codex ขึ้นมาใหม่ในเครื่องได้ แต่ไม่สามารถเอา “สมอง” ของ GPT-5.5 หรือ GPT-5.6 มาใส่พีซีบ้าน ๆ ได้ตรง ๆ
ถึงอย่างนั้น เครื่องระดับ RAM 16GB ก็ยังสร้าง “ผู้ช่วยทำงานแบบโลคัลสไตล์ Codex” ได้
ชุดที่บทความนี้จะลองคือ:
Codex CLI
- Ollama
- Qwen2.5-Coder 14B Instruct
- RTX 3080
- RAM ระบบ 16GB
บทความนี้จะสรุปทั้งความเร็วในการพัฒนาของ AI ความต่างระหว่างคลาวด์กับโลคัล เงื่อนไขที่ Qwen2.5-Coder 14B จะทำงานได้ วิธีตรวจสอบประสิทธิภาพ และแม้แต่ข้อความคำสั่งที่ใช้ให้ Codex ที่มีอยู่แล้วช่วยจัดการงานติดตั้งให้.
