{"id":255653,"date":"2026-09-05T10:52:23","date_gmt":"2026-09-05T03:52:23","guid":{"rendered":"https:\/\/www.spu.ac.th\/fac\/informatics\/?p=255653"},"modified":"2026-09-07T09:41:34","modified_gmt":"2026-09-07T02:41:34","slug":"pair-router-%e0%b9%80%e0%b8%aa%e0%b8%a1%e0%b8%b7%e0%b8%ad%e0%b8%99%e0%b8%97%e0%b8%b5%e0%b9%88%e0%b8%81%e0%b8%a3%e0%b8%b0%e0%b8%88%e0%b8%b2%e0%b8%a2%e0%b8%87%e0%b8%b2%e0%b8%99-llm-%e0%b8%82%e0%b9%89","status":"publish","type":"post","link":"https:\/\/www.spu.ac.th\/fac\/informatics\/pair-router-%e0%b9%80%e0%b8%aa%e0%b8%a1%e0%b8%b7%e0%b8%ad%e0%b8%99%e0%b8%97%e0%b8%b5%e0%b9%88%e0%b8%81%e0%b8%a3%e0%b8%b0%e0%b8%88%e0%b8%b2%e0%b8%a2%e0%b8%87%e0%b8%b2%e0%b8%99-llm-%e0%b8%82%e0%b9%89\/","title":{"rendered":"PAIR: Router \u0e40\u0e2a\u0e21\u0e37\u0e2d\u0e19\u0e17\u0e35\u0e48\u0e01\u0e23\u0e30\u0e08\u0e32\u0e22\u0e07\u0e32\u0e19 LLM \u0e02\u0e49\u0e32\u0e21\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e43\u0e19\u0e1a\u0e49\u0e32\u0e19\u0e44\u0e14\u0e49\u0e17\u0e31\u0e19\u0e17\u0e35\u2014\u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e41\u0e01\u0e49\u0e42\u0e04\u0e49\u0e14 \u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e15\u0e31\u0e49\u0e07\u0e04\u0e25\u0e31\u0e2a\u0e40\u0e15\u0e2d\u0e23\u0e4c"},"content":{"rendered":"

\u0e41\u0e01\u0e49\u0e04\u0e2d\u0e02\u0e27\u0e14\u0e21\u0e31\u0e25\u0e15\u0e34\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e40\u0e14\u0e35\u0e22\u0e27 \u0e43\u0e2b\u0e49\u0e42\u0e19\u0e49\u0e15\u0e1a\u0e38\u0e4a\u0e01 \u0e1e\u0e35\u0e0b\u0e35 \u0e41\u0e25\u0e30 DGX Spark \u0e17\u0e33\u0e07\u0e32\u0e19\u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e01\u0e31\u0e19\u2014NVIDIA Personal AI Router \u0e40\u0e1b\u0e34\u0e14\u0e17\u0e32\u0e07\u0e43\u0e2b\u0e49\u0e19\u0e31\u0e01\u0e28\u0e36\u0e01\u0e29\u0e32\u0e17\u0e14\u0e25\u0e2d\u0e07 AI \u0e17\u0e35\u0e48\u0e1a\u0e49\u0e32\u0e19\u0e44\u0e14\u0e49\u0e40\u0e23\u0e47\u0e27\u0e02\u0e36\u0e49\u0e19
\n\u0e40\u0e21\u0e37\u0e48\u0e2d\u0e40\u0e27\u0e34\u0e23\u0e4c\u0e01\u0e42\u0e1f\u0e25\u0e27\u0e4c\u0e41\u0e1a\u0e1a\u0e21\u0e31\u0e25\u0e15\u0e34\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e01\u0e25\u0e32\u0e22\u0e40\u0e1b\u0e47\u0e19\u0e21\u0e32\u0e15\u0e23\u0e10\u0e32\u0e19 \u0e07\u0e32\u0e19\u0e2b\u0e19\u0e36\u0e48\u0e07\u0e04\u0e33\u0e02\u0e2d\u0e01\u0e25\u0e32\u0e22\u0e40\u0e1b\u0e47\u0e19\u0e2b\u0e25\u0e32\u0e22\u0e2a\u0e34\u0e1a\u0e04\u0e33\u0e2a\u0e31\u0e48\u0e07\u0e22\u0e48\u0e2d\u0e22\u0e17\u0e35\u0e48\u0e22\u0e34\u0e07\u0e40\u0e02\u0e49\u0e32\u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19\u0e40\u0e14\u0e35\u0e22\u0e27\u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e01\u0e31\u0e19 \u0e04\u0e34\u0e27\u0e2b\u0e19\u0e32\u0e41\u0e19\u0e48\u0e19 \u0e02\u0e13\u0e30\u0e40\u0e14\u0e35\u0e22\u0e27\u0e01\u0e31\u0e19\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e41\u0e23\u0e07\u0e46 \u0e43\u0e19\u0e1a\u0e49\u0e32\u0e19\u0e2b\u0e23\u0e37\u0e2d\u0e43\u0e19\u0e40\u0e04\u0e23\u0e37\u0e2d\u0e02\u0e48\u0e32\u0e22\u0e40\u0e14\u0e35\u0e22\u0e27\u0e01\u0e31\u0e19\u0e01\u0e25\u0e31\u0e1a\u0e27\u0e48\u0e32\u0e07\u0e07\u0e32\u0e19 \u0e19\u0e35\u0e48\u0e04\u0e37\u0e2d\u0e04\u0e2d\u0e02\u0e27\u0e14\u0e17\u0e35\u0e48 NVIDIA Personal AI Router (PAIR) \u0e15\u0e31\u0e49\u0e07\u0e43\u0e08\u0e1b\u0e25\u0e14\u0e25\u0e47\u0e2d\u0e01
\n\u0e1b\u0e23\u0e30\u0e01\u0e32\u0e28\u0e2a\u0e31\u0e1b\u0e14\u0e32\u0e2b\u0e4c\u0e19\u0e35\u0e49 PAIR \u0e04\u0e37\u0e2d \u201cvirtual inference router\u201d \u0e17\u0e35\u0e48\u0e04\u0e49\u0e19\u0e2b\u0e32\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e17\u0e35\u0e48\u0e23\u0e2d\u0e07\u0e23\u0e31\u0e1a\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e2d\u0e02\u0e48\u0e32\u0e22\u0e20\u0e32\u0e22\u0e43\u0e19\u0e1a\u0e49\u0e32\u0e19 \u0e41\u0e25\u0e49\u0e27\u0e01\u0e23\u0e30\u0e08\u0e32\u0e22\u0e04\u0e33\u0e02\u0e2d inference \u0e2d\u0e34\u0e2a\u0e23\u0e30\u0e44\u0e1b\u0e22\u0e31\u0e07\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e40\u0e2b\u0e25\u0e48\u0e32\u0e19\u0e31\u0e49\u0e19\u0e42\u0e14\u0e22\u0e2d\u0e31\u0e15\u0e42\u0e19\u0e21\u0e31\u0e15\u0e34 \u0e44\u0e21\u0e48\u0e43\u0e0a\u0e48\u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19\u0e43\u0e2b\u0e21\u0e48\u2014Ollama \u0e2b\u0e23\u0e37\u0e2d LM Studio \u0e22\u0e31\u0e07\u0e40\u0e1b\u0e47\u0e19\u0e15\u0e31\u0e27\u0e23\u0e31\u0e19\u0e42\u0e21\u0e40\u0e14\u0e25\u0e1a\u0e19\u0e42\u0e2b\u0e19\u0e14\u0e17\u0e35\u0e48 PAIR \u0e40\u0e25\u0e37\u0e2d\u0e01\u0e43\u0e2b\u0e49 \u0e08\u0e38\u0e14\u0e40\u0e14\u0e48\u0e19\u0e04\u0e37\u0e2d\u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e40\u0e1b\u0e25\u0e35\u0e48\u0e22\u0e19\u0e2e\u0e32\u0e23\u0e4c\u0e40\u0e19\u0e2a\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e40\u0e14\u0e34\u0e21 \u0e40\u0e1e\u0e23\u0e32\u0e30 PAIR \u0e17\u0e33\u0e15\u0e31\u0e27\u0e40\u0e1b\u0e47\u0e19\u0e1e\u0e23\u0e47\u0e2d\u0e01\u0e0b\u0e35\u0e40\u0e02\u0e49\u0e32\u0e01\u0e31\u0e1a\u0e2d\u0e34\u0e19\u0e40\u0e17\u0e2d\u0e23\u0e4c\u0e40\u0e1f\u0e0b\u0e17\u0e35\u0e48 Ollama\/LM Studio \u0e43\u0e0a\u0e49\u0e2d\u0e22\u0e39\u0e48\u0e41\u0e25\u0e49\u0e27 \u0e41\u0e25\u0e30\u0e22\u0e31\u0e07\u0e21\u0e35\u0e1e\u0e23\u0e47\u0e2d\u0e01\u0e0b\u0e35\u0e41\u0e1a\u0e1a OpenAI-compatible \u0e43\u0e2b\u0e49\u0e14\u0e49\u0e27\u0e22
\n\u0e01\u0e32\u0e23\u0e43\u0e0a\u0e49\u0e07\u0e32\u0e19\u0e17\u0e33\u0e44\u0e14\u0e49\u0e17\u0e31\u0e19\u0e17\u0e35\u2014PAIR \u0e40\u0e1b\u0e34\u0e14\u0e43\u0e2b\u0e49\u0e17\u0e14\u0e2a\u0e2d\u0e1a\u0e2a\u0e32\u0e18\u0e32\u0e23\u0e13\u0e30 (v0.1.1) \u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e15\u0e31\u0e27\u0e15\u0e34\u0e14\u0e15\u0e31\u0e49\u0e07\u0e17\u0e35\u0e48\u0e25\u0e07\u0e19\u0e32\u0e21\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e40\u0e1b\u0e47\u0e19\u0e17\u0e32\u0e07\u0e01\u0e32\u0e23\u0e1a\u0e19 Windows, macOS, \u0e41\u0e25\u0e30 Linux \u0e42\u0e04\u0e49\u0e14\u0e17\u0e31\u0e49\u0e07\u0e2b\u0e21\u0e14\u0e40\u0e1b\u0e34\u0e14\u0e17\u0e35\u0e48 GitHub \u0e20\u0e32\u0e22\u0e43\u0e15\u0e49 Apache 2.0 \u0e17\u0e33\u0e07\u0e32\u0e19\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e2d\u0e02\u0e48\u0e32\u0e22\u0e17\u0e49\u0e2d\u0e07\u0e16\u0e34\u0e48\u0e19 \u0e42\u0e14\u0e22\u0e15\u0e49\u0e2d\u0e07\u0e43\u0e0a\u0e49\u0e2d\u0e34\u0e19\u0e40\u0e17\u0e2d\u0e23\u0e4c\u0e40\u0e19\u0e47\u0e15\u0e40\u0e09\u0e1e\u0e32\u0e30\u0e15\u0e2d\u0e19\u0e14\u0e32\u0e27\u0e19\u0e4c\u0e42\u0e2b\u0e25\u0e14\u0e42\u0e21\u0e40\u0e14\u0e25
\n\u0e01\u0e32\u0e23\u0e04\u0e49\u0e19\u0e2b\u0e32\u0e41\u0e25\u0e30\u0e08\u0e31\u0e1a\u0e04\u0e39\u0e48\u0e42\u0e2b\u0e19\u0e14\u0e17\u0e33\u0e1c\u0e48\u0e32\u0e19 mDNS \u0e2b\u0e32\u0e01\u0e04\u0e49\u0e19\u0e2b\u0e32\u0e44\u0e21\u0e48\u0e40\u0e08\u0e2d\u0e2a\u0e32\u0e21\u0e32\u0e23\u0e16\u0e40\u0e1e\u0e34\u0e48\u0e21\u0e14\u0e49\u0e27\u0e22 IP \u0e44\u0e14\u0e49 \u0e04\u0e27\u0e32\u0e21\u0e40\u0e0a\u0e37\u0e48\u0e2d\u0e43\u0e08\u0e40\u0e23\u0e34\u0e48\u0e21\u0e08\u0e32\u0e01 PIN 6 \u0e2b\u0e25\u0e31\u0e01\u0e17\u0e35\u0e48\u0e41\u0e2a\u0e14\u0e07\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e40\u0e0a\u0e34\u0e0d\u0e41\u0e25\u0e30\u0e15\u0e49\u0e2d\u0e07\u0e01\u0e23\u0e2d\u0e01\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e17\u0e35\u0e48\u0e16\u0e39\u0e01\u0e40\u0e0a\u0e34\u0e0d \u0e01\u0e32\u0e23\u0e2a\u0e37\u0e48\u0e2d\u0e2a\u0e32\u0e23\u0e23\u0e30\u0e2b\u0e27\u0e48\u0e32\u0e07\u0e42\u0e2b\u0e19\u0e14\u0e08\u0e30\u0e16\u0e39\u0e01\u0e1a\u0e25\u0e47\u0e2d\u0e01\u0e08\u0e19\u0e01\u0e27\u0e48\u0e32\u0e08\u0e30\u0e08\u0e31\u0e1a\u0e04\u0e39\u0e48\u0e2a\u0e33\u0e40\u0e23\u0e47\u0e08 \u0e08\u0e32\u0e01\u0e19\u0e31\u0e49\u0e19\u0e17\u0e23\u0e32\u0e1f\u0e1f\u0e34\u0e01\u0e08\u0e30\u0e16\u0e39\u0e01\u0e40\u0e02\u0e49\u0e32\u0e23\u0e2b\u0e31\u0e2a\u0e14\u0e49\u0e27\u0e22 mTLS \u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e43\u0e1a\u0e23\u0e31\u0e1a\u0e23\u0e2d\u0e07\u0e17\u0e35\u0e48\u0e2a\u0e23\u0e49\u0e32\u0e07\u0e2d\u0e31\u0e15\u0e42\u0e19\u0e21\u0e31\u0e15\u0e34 \u0e41\u0e15\u0e48\u0e25\u0e30\u0e42\u0e2b\u0e19\u0e14\u0e15\u0e49\u0e2d\u0e07\u0e21\u0e35 Ollama \u0e2b\u0e23\u0e37\u0e2d LM Studio\u2014PAIR \u0e0a\u0e48\u0e27\u0e22\u0e15\u0e34\u0e14\u0e15\u0e31\u0e49\u0e07\u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19\u0e41\u0e25\u0e30\u0e2a\u0e31\u0e48\u0e07\u0e14\u0e32\u0e27\u0e19\u0e4c\u0e42\u0e2b\u0e25\u0e14\u0e42\u0e21\u0e40\u0e14\u0e25\u0e02\u0e49\u0e32\u0e21\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e43\u0e2b\u0e49\u0e44\u0e14\u0e49 \u0e25\u0e14\u0e07\u0e32\u0e19\u0e40\u0e0b\u0e47\u0e15\u0e2d\u0e31\u0e1b\u0e41\u0e1a\u0e1a\u0e2b\u0e25\u0e32\u0e22\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e44\u0e1b\u0e44\u0e14\u0e49\u0e21\u0e32\u0e01
\n\u0e15\u0e31\u0e27\u0e08\u0e31\u0e14\u0e15\u0e32\u0e23\u0e32\u0e07\u0e02\u0e2d\u0e07 PAIR \u0e08\u0e30\u0e1e\u0e34\u0e08\u0e32\u0e23\u0e13\u0e32\u0e42\u0e2b\u0e19\u0e14\u0e17\u0e35\u0e48 \u201c\u0e1e\u0e23\u0e49\u0e2d\u0e21\u0e08\u0e23\u0e34\u0e07\u201d \u0e40\u0e17\u0e48\u0e32\u0e19\u0e31\u0e49\u0e19: \u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19\u0e17\u0e35\u0e48\u0e23\u0e2d\u0e07\u0e23\u0e31\u0e1a\u0e16\u0e39\u0e01\u0e40\u0e1b\u0e34\u0e14\u0e43\u0e0a\u0e49\u0e07\u0e32\u0e19\u0e2d\u0e22\u0e39\u0e48, \u0e21\u0e35\u0e42\u0e21\u0e40\u0e14\u0e25 \u201c\u0e15\u0e23\u0e07\u0e0a\u0e37\u0e48\u0e2d\u0e41\u0e25\u0e30\u0e41\u0e17\u0e47\u0e01\u201d \u0e15\u0e32\u0e21\u0e17\u0e35\u0e48\u0e23\u0e49\u0e2d\u0e07\u0e02\u0e2d, \u0e20\u0e32\u0e23\u0e30\u0e07\u0e32\u0e19\u0e1b\u0e31\u0e08\u0e08\u0e38\u0e1a\u0e31\u0e19\u0e02\u0e2d\u0e07\u0e42\u0e2b\u0e19\u0e14\/\u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19 \u0e41\u0e25\u0e30\u0e01\u0e32\u0e23\u0e43\u0e0a\u0e49\u0e07\u0e32\u0e19 GPU \u0e13 \u0e02\u0e13\u0e30\u0e19\u0e31\u0e49\u0e19 \u0e42\u0e21\u0e40\u0e14\u0e25\u0e44\u0e21\u0e48\u0e08\u0e33\u0e40\u0e1b\u0e47\u0e19\u0e15\u0e49\u0e2d\u0e07\u0e40\u0e2b\u0e21\u0e37\u0e2d\u0e19\u0e01\u0e31\u0e19\u0e17\u0e38\u0e01\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u2014\u0e43\u0e04\u0e23\u0e21\u0e35\u0e2d\u0e30\u0e44\u0e23 PAIR \u0e08\u0e30\u0e2a\u0e48\u0e07\u0e07\u0e32\u0e19\u0e44\u0e1b\u0e15\u0e32\u0e21\u0e19\u0e31\u0e49\u0e19 \u0e16\u0e49\u0e32\u0e42\u0e2b\u0e25\u0e14\u0e41\u0e17\u0e47\u0e01\u0e40\u0e14\u0e35\u0e22\u0e27\u0e01\u0e31\u0e19\u0e44\u0e27\u0e49\u0e2b\u0e25\u0e32\u0e22\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07 \u0e01\u0e47\u0e40\u0e1e\u0e35\u0e22\u0e07\u0e40\u0e1e\u0e34\u0e48\u0e21\u0e01\u0e25\u0e38\u0e48\u0e21\u0e42\u0e2b\u0e19\u0e14\u0e17\u0e35\u0e48\u0e40\u0e02\u0e49\u0e32\u0e02\u0e48\u0e32\u0e22\u0e40\u0e25\u0e37\u0e2d\u0e01\u0e44\u0e14\u0e49 \u0e19\u0e35\u0e48\u0e04\u0e37\u0e2d concurrency \u0e23\u0e30\u0e14\u0e31\u0e1a\u0e40\u0e27\u0e34\u0e23\u0e4c\u0e01\u0e42\u0e2b\u0e25\u0e14\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e0a\u0e31\u0e14\u0e40\u0e08\u0e19: \u0e04\u0e33\u0e02\u0e2d\u0e2b\u0e19\u0e36\u0e48\u0e07\u0e04\u0e33\u0e02\u0e2d\u0e08\u0e30\u0e16\u0e39\u0e01\u0e1c\u0e39\u0e01\u0e01\u0e31\u0e1a\u0e42\u0e2b\u0e19\u0e14\u0e40\u0e14\u0e35\u0e22\u0e27\u0e15\u0e25\u0e2d\u0e14\u0e2d\u0e32\u0e22\u0e38\u0e07\u0e32\u0e19 \u0e44\u0e21\u0e48\u0e23\u0e27\u0e21 VRAM \u0e44\u0e21\u0e48\u0e23\u0e27\u0e21 GPU \u0e04\u0e19\u0e25\u0e30\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e43\u0e2b\u0e49\u0e40\u0e1b\u0e47\u0e19\u0e15\u0e31\u0e27\u0e40\u0e23\u0e48\u0e07\u0e43\u0e2b\u0e0d\u0e48\u0e15\u0e31\u0e27\u0e40\u0e14\u0e35\u0e22\u0e27 \u0e41\u0e25\u0e30\u0e44\u0e21\u0e48\u0e41\u0e15\u0e01\u0e07\u0e32\u0e19\u0e2b\u0e19\u0e36\u0e48\u0e07\u0e04\u0e33\u0e02\u0e2d\u0e44\u0e1b\u0e02\u0e49\u0e32\u0e21\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07
\n\u0e40\u0e14\u0e42\u0e21\u0e02\u0e2d\u0e07 NVIDIA \u0e08\u0e31\u0e1a\u0e04\u0e39\u0e48 PAIR \u0e40\u0e02\u0e49\u0e32\u0e01\u0e31\u0e1a Hermes Desktop \u0e2a\u0e23\u0e49\u0e32\u0e07\u0e40\u0e27\u0e34\u0e23\u0e4c\u0e01\u0e42\u0e2b\u0e25\u0e14 5 \u0e0b\u0e31\u0e1a\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e1a\u0e19\u0e01\u0e25\u0e48\u0e2d\u0e07\u0e2d\u0e35\u0e40\u0e21\u0e25\u0e08\u0e33\u0e25\u0e2d\u0e07 \u0e42\u0e14\u0e22 Ollama \u0e23\u0e31\u0e19 Qwen 3.6 35B A3B \u0e1a\u0e19\u0e42\u0e2b\u0e19\u0e14\u0e17\u0e35\u0e48\u0e16\u0e39\u0e01\u0e40\u0e25\u0e37\u0e2d\u0e01 \u0e1c\u0e25\u0e04\u0e37\u0e2d\u0e1a\u0e19\u0e41\u0e25\u0e47\u0e1b\u0e17\u0e47\u0e2d\u0e1b RTX Spark \u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e40\u0e14\u0e35\u0e22\u0e27 \u0e43\u0e0a\u0e49\u0e40\u0e27\u0e25\u0e32\u0e40\u0e09\u0e25\u0e35\u0e48\u0e22 18 \u0e19\u0e32\u0e17\u0e35 \u0e41\u0e15\u0e48\u0e40\u0e21\u0e37\u0e48\u0e2d\u0e23\u0e31\u0e19\u0e1a\u0e19\u0e04\u0e25\u0e31\u0e2a\u0e40\u0e15\u0e2d\u0e23\u0e4c 3 \u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07 (RTX Spark laptop, DGX Spark \u0e41\u0e25\u0e30 RTX 5090) \u0e40\u0e27\u0e25\u0e32\u0e25\u0e14\u0e25\u0e07\u0e40\u0e2b\u0e25\u0e37\u0e2d\u0e40\u0e09\u0e25\u0e35\u0e48\u0e22 8 \u0e19\u0e32\u0e17\u0e35 48 \u0e27\u0e34\u0e19\u0e32\u0e17\u0e35
\n\u0e2e\u0e32\u0e23\u0e4c\u0e14\u0e41\u0e27\u0e23\u0e4c\u0e17\u0e35\u0e48\u0e23\u0e2d\u0e07\u0e23\u0e31\u0e1a\u0e04\u0e23\u0e2d\u0e1a\u0e04\u0e25\u0e38\u0e21 GeForce RTX 20 Series \u0e02\u0e36\u0e49\u0e19\u0e44\u0e1b, RTX PRO \u0e15\u0e31\u0e49\u0e07\u0e41\u0e15\u0e48 Turing, DGX Spark \u0e41\u0e25\u0e30 Apple Silicon \u0e23\u0e38\u0e48\u0e19 M4 \u0e02\u0e36\u0e49\u0e19\u0e44\u0e1b \u0e08\u0e31\u0e1a\u0e04\u0e39\u0e48\u0e02\u0e49\u0e32\u0e21 Windows, Linux, macOS \u0e44\u0e14\u0e49\u0e17\u0e31\u0e49\u0e07 x64 \u0e41\u0e25\u0e30 arm64 (Windows on ARM \u0e22\u0e31\u0e07\u0e40\u0e1b\u0e47\u0e19 experimental) \u0e01\u0e32\u0e23\u0e04\u0e2d\u0e19\u0e1f\u0e34\u0e01\u0e17\u0e35\u0e48\u0e22\u0e37\u0e19\u0e22\u0e31\u0e19\u0e41\u0e25\u0e49\u0e27\u0e41\u0e19\u0e30\u0e19\u0e33 RAM 8 GB \u0e02\u0e36\u0e49\u0e19\u0e44\u0e1b \u0e41\u0e25\u0e30\u0e1e\u0e37\u0e49\u0e19\u0e17\u0e35\u0e48\u0e14\u0e34\u0e2a\u0e01\u0e4c\u0e2d\u0e22\u0e48\u0e32\u0e07\u0e19\u0e49\u0e2d\u0e22 20 GB \u0e14\u0e34\u0e2a\u0e42\u0e17\u0e23 Linux \u0e2d\u0e37\u0e48\u0e19\u0e46 \u0e2a\u0e32\u0e21\u0e32\u0e23\u0e16\u0e1a\u0e34\u0e25\u0e14\u0e4c\u0e08\u0e32\u0e01\u0e0b\u0e2d\u0e23\u0e4c\u0e2a
\n\u0e2a\u0e32\u0e23\u0e30\u0e2a\u0e33\u0e04\u0e31\u0e0d\u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e2a\u0e32\u0e22\u0e40\u0e17\u0e04:
\n– PAIR \u0e01\u0e23\u0e30\u0e08\u0e32\u0e22 \u201c\u0e04\u0e33\u0e02\u0e2d\u0e2d\u0e34\u0e2a\u0e23\u0e30\u201d \u0e44\u0e1b\u0e22\u0e31\u0e07\u0e42\u0e2b\u0e19\u0e14\u0e40\u0e14\u0e35\u0e22\u0e27\u0e15\u0e48\u0e2d\u0e04\u0e33\u0e02\u0e2d\u2014\u0e44\u0e21\u0e48\u0e23\u0e27\u0e21 VRAM\/\u0e44\u0e21\u0e48\u0e0a\u0e32\u0e23\u0e4c\u0e14\u0e07\u0e32\u0e19\u0e40\u0e14\u0e35\u0e22\u0e27\u0e02\u0e49\u0e32\u0e21\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07
\n– \u0e1e\u0e23\u0e47\u0e2d\u0e01\u0e0b\u0e35\u0e2d\u0e34\u0e19\u0e40\u0e17\u0e2d\u0e23\u0e4c\u0e40\u0e1f\u0e0b\u0e02\u0e2d\u0e07 Ollama\/LM Studio \u0e40\u0e14\u0e34\u0e21\u2014\u0e2e\u0e32\u0e23\u0e4c\u0e40\u0e19\u0e2a\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e41\u0e01\u0e49\u0e42\u0e04\u0e49\u0e14
\n– \u0e40\u0e01\u0e13\u0e11\u0e4c\u0e04\u0e31\u0e14\u0e40\u0e25\u0e37\u0e2d\u0e01\u0e42\u0e2b\u0e19\u0e14: \u0e04\u0e27\u0e32\u0e21\u0e1e\u0e23\u0e49\u0e2d\u0e21, \u0e40\u0e2d\u0e19\u0e08\u0e34\u0e19\u0e17\u0e35\u0e48\u0e23\u0e2d\u0e07\u0e23\u0e31\u0e1a, \u0e42\u0e21\u0e40\u0e14\u0e25\u0e15\u0e23\u0e07\u0e41\u0e17\u0e47\u0e01, \u0e20\u0e32\u0e23\u0e30\u0e07\u0e32\u0e19, \u0e01\u0e32\u0e23\u0e43\u0e0a\u0e49 GPU
\n– \u0e40\u0e14\u0e42\u0e21 5 \u0e0b\u0e31\u0e1a\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c \u0e25\u0e14\u0e40\u0e27\u0e25\u0e32\u0e40\u0e09\u0e25\u0e35\u0e48\u0e22\u0e08\u0e32\u0e01 18 \u0e19\u0e32\u0e17\u0e35 \u0e40\u0e2b\u0e25\u0e37\u0e2d 8:48 \u0e1a\u0e19 3 \u0e2d\u0e38\u0e1b\u0e01\u0e23\u0e13\u0e4c (\u0e15\u0e31\u0e27\u0e40\u0e25\u0e02\u0e44\u0e21\u0e48\u0e40\u0e1b\u0e47\u0e19\u0e17\u0e32\u0e07\u0e01\u0e32\u0e23)
\n– \u0e2a\u0e16\u0e32\u0e19\u0e30\u0e40\u0e1a\u0e15\u0e32 Apache 2.0\u2014\u0e19\u0e42\u0e22\u0e1a\u0e32\u0e22\u0e08\u0e31\u0e14\u0e15\u0e32\u0e23\u0e32\u0e07\u0e1b\u0e31\u0e08\u0e08\u0e38\u0e1a\u0e31\u0e19\u0e22\u0e31\u0e07\u0e44\u0e21\u0e48\u0e04\u0e33\u0e19\u0e36\u0e07\u0e16\u0e36\u0e07\u0e02\u0e19\u0e32\u0e14 VRAM \u0e04\u0e25\u0e32\u0e2a GPU \u0e2b\u0e23\u0e37\u0e2d\u0e04\u0e27\u0e32\u0e21\u0e2d\u0e38\u0e48\u0e19\u0e02\u0e2d\u0e07\u0e42\u0e21\u0e40\u0e14\u0e25
\n\u0e2a\u0e33\u0e2b\u0e23\u0e31\u0e1a\u0e19\u0e31\u0e01\u0e28\u0e36\u0e01\u0e29\u0e32 \u0e19\u0e31\u0e01\u0e1e\u0e31\u0e12\u0e19\u0e32 \u0e41\u0e25\u0e30\u0e04\u0e13\u0e32\u0e08\u0e32\u0e23\u0e22\u0e4c\u0e17\u0e35\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e17\u0e14\u0e2a\u0e2d\u0e1a\u0e40\u0e27\u0e34\u0e23\u0e4c\u0e01\u0e42\u0e1f\u0e25\u0e27\u0e4c\u0e21\u0e31\u0e25\u0e15\u0e34\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e2b\u0e23\u0e37\u0e2d LLM \u0e1a\u0e19\u0e41\u0e25\u0e47\u0e1a\u0e2a\u0e48\u0e27\u0e19\u0e15\u0e31\u0e27 PAIR \u0e40\u0e1b\u0e34\u0e14\u0e17\u0e32\u0e07\u0e43\u0e2b\u0e49\u0e23\u0e35\u0e14\u0e28\u0e31\u0e01\u0e22\u0e20\u0e32\u0e1e\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e27\u0e48\u0e32\u0e07\u0e43\u0e19\u0e1a\u0e49\u0e32\u0e19\u0e2b\u0e23\u0e37\u0e2d\u0e2d\u0e2d\u0e1f\u0e1f\u0e34\u0e28\u0e22\u0e48\u0e2d\u0e22\u0e44\u0e14\u0e49\u0e17\u0e31\u0e19\u0e17\u0e35 \u0e42\u0e14\u0e22\u0e44\u0e21\u0e48\u0e15\u0e49\u0e2d\u0e07\u0e1c\u0e39\u0e01\u0e21\u0e31\u0e14\u0e01\u0e31\u0e1a\u0e42\u0e04\u0e49\u0e14\u0e43\u0e2b\u0e21\u0e48\u0e2b\u0e23\u0e37\u0e2d\u0e2a\u0e16\u0e32\u0e1b\u0e31\u0e15\u0e22\u0e01\u0e23\u0e23\u0e21\u0e04\u0e25\u0e31\u0e2a\u0e40\u0e15\u0e2d\u0e23\u0e4c\u0e0b\u0e31\u0e1a\u0e0b\u0e49\u0e2d\u0e19 \u0e0a\u0e48\u0e27\u0e22\u0e25\u0e14\u0e02\u0e49\u0e2d\u0e08\u0e33\u0e01\u0e31\u0e14\u0e43\u0e19\u0e01\u0e32\u0e23\u0e40\u0e02\u0e49\u0e32\u0e16\u0e36\u0e07\u0e01\u0e32\u0e23\u0e40\u0e23\u0e35\u0e22\u0e19\u0e23\u0e39\u0e49\u0e40\u0e0a\u0e34\u0e07\u0e1b\u0e0f\u0e34\u0e1a\u0e31\u0e15\u0e34\u0e14\u0e49\u0e32\u0e19 AI \u0e2d\u0e22\u0e48\u0e32\u0e07\u0e40\u0e1b\u0e47\u0e19\u0e23\u0e39\u0e1b\u0e18\u0e23\u0e23\u0e21<\/p>\n

Goodbye single-node bottlenecks\u2014NVIDIA Personal AI Router spreads multi\u2011agent workloads across laptops, PCs, and DGX Spark so students can learn and experiment faster
\nMulti-agent workflows turned one prompt into dozens of parallel model calls\u2014hammering a single local engine while other capable machines sit idle on the same network. NVIDIA\u2019s Personal AI Router (PAIR), announced this week, targets that exact choke point.
\nPAIR is a virtual inference router that discovers compatible systems on your local network and schedules independent requests across them. It is not a new inference engine\u2014Ollama or LM Studio still executes the model on whichever node PAIR selects. Critically, PAIR introduces no new cluster API. It proxies the Ollama-compatible and LM Studio-compatible endpoints (and exposes OpenAI-compatible proxies), taking over the engines\u2019 default ports or a configurable proxy port. Your agent harness stays unchanged: the agent decides the work; PAIR decides where it runs.
\nDeployability is straightforward: PAIR ships as a public beta (v0.1.1) with signed installers for Windows, macOS, and Linux, and full source on GitHub under Apache 2.0. It runs entirely on the local network; the internet is needed only to download models.
\nDiscovery and pairing use mDNS, with manual IP add when needed. Trust is established via a six-digit PIN shown on the inviter and entered on the invitee; all traffic is blocked until pairing completes. Communication between paired nodes is secured with mTLS using generated certificates. Each node runs Ollama or LM Studio, and PAIR can help install engines and trigger model downloads across machines to reduce multi-device setup friction.
\nScheduling respects explicit workload boundaries. A node is eligible only when a supported engine is enabled and the exact requested model tag is present. Models can differ across machines; routing follows model location, and loading the same tag on more nodes widens the eligible pool. For each request PAIR weighs five signals: node readiness, engine availability, exact model presence, current node\/engine job load, and current GPU utilization. PAIR never pools VRAM, merges GPUs, or shards a single request across machines.
\nDemo numbers (with caveats): paired with Hermes Desktop creating a five\u2011subagent workload over a synthetic inbox, Ollama runs Qwen 3.6 35B A3B on each selected node. One RTX Spark laptop averaged 18 minutes. A three\u2011device cluster (RTX Spark laptop, DGX Spark, RTX 5090) averaged 8:48.
\nSupported platforms include GeForce RTX 20 Series and newer, RTX PRO (Turing onward), DGX Spark, and Apple M4 or newer silicon, across Windows, Linux, and macOS on x64 and arm64 (Windows on ARM is experimental). Validated configs list 8 GB RAM+ and ~20 GB recommended disk; other Linux distributions build from source.
\nKey takeaways for builders:
\n– One independent request per node; no VRAM pooling and no model sharding
\n– Proxies existing Ollama\/LM Studio endpoints, so harnesses need no changes
\n– Eligibility: readiness, engine, exact model, job load, and GPU utilization
\n– Unofficial demo: 18 min on one laptop vs 8:48 on three devices (five subagents)
\n– Apache 2.0 beta with a single scheduling policy\u2014currently blind to VRAM, GPU class, and model warmness
\nFor students, developers, and faculty running multi\u2011agent workloads in home labs, PAIR offers a practical path to reclaim idle GPUs and accelerate hands\u2011on LLM experimentation\u2014reducing barriers to learning without adding cluster complexity.<\/p>\n

\u0e17\u0e35\u0e48\u0e21\u0e32:<\/b> https:\/\/www.marktechpost.com\/2026\/09\/04\/nvidia-releases-personal-ai-router-pair-an-open-source-virtual-inference-router-that-distributes-local-ai-requests-across-rtx-dgx-spark-and-mac-nodes\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

\u0e41\u0e01\u0e49\u0e04\u0e2d\u0e02\u0e27\u0e14\u0e21\u0e31\u0e25\u0e15\u0e34\u0e40\u0e2d\u0e40\u0e08\u0e19\u0e15\u0e4c\u0e1a\u0e19\u0e40\u0e04\u0e23\u0e37\u0e48\u0e2d\u0e07\u0e40\u0e14\u0e35\u0e22\u0e27 \u0e43\u0e2b\u0e49\u0e42\u0e19\u0e49\u0e15\u0e1a\u0e38\u0e4a\u0e01 \u0e1e\u0e35\u0e0b\u0e35 \u0e41\u0e25\u0e30 […]<\/p>\n","protected":false},"author":47,"featured_media":255642,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[325],"tags":[],"class_list":["post-255653","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-it-hub"],"_links":{"self":[{"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/posts\/255653","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/comments?post=255653"}],"version-history":[{"count":0,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/posts\/255653\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/media\/255642"}],"wp:attachment":[{"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/media?parent=255653"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/categories?post=255653"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.spu.ac.th\/fac\/informatics\/wp-json\/wp\/v2\/tags?post=255653"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}