AI News · 2026-07-03

ส่วนใหม่จากเมื่อวาน: Anthropic เปิดใช้ Fable 5 อีกครั้งพร้อม cybersecurity classifiers เข้มขึ้น request ที่ถูก flag จะ route ไป Opus 4.8 แบบมองเห็นได้ · classifier ฝั่ง bio/chem ยัง "กว้างเกินไป" ตามที่ Anthropic ยอมรับเอง · กลับมาครบ AWS / Google Cloud / Foundry · Cursor รายงาน Fable 5 นำใน evals แต่ cost ต่อ task สูงสุด

▲ ทำไมต้องรู้ · สอน safety routing ของ frontier model + trade-off ความสามารถ/ต้นทุนตอนเลือกโมเดลให้องค์กร

smol.ai

55.3% Pass@1 ด้าน Integration Testing · Kimi K2.7 ตามเป็นที่สองฝั่ง open · ชุมชนเตือนอย่าตีความว่าแซงทั้งกระดาน แต่ gap แคบลงเร็ว · LangChain ออก guide สำหรับ GLM-5.2 แล้ว

▲ ทำไมต้องรู้ · อัปเดตสไลด์ benchmark: open models เริ่มนำเป็นราย category ไม่ใช่แค่วิ่งตาม

smol.ai

เรียก /skill-a /skill-b ซ้อนได้สูงสุด 5 ตัว · auto-retry พร้อม backoff สำหรับ transient 429 · แก้บั๊ก subagents ชุดใหญ่: โดน rate limit คืน partial work แทน fail เงียบ

▲ ทำไมต้องรู้ · stacked skills เปลี่ยนวิธีออกแบบ slash-command workflow ที่สอนอยู่ในคอร์ส Claude Code

CHANGELOG

Python library + CLI llm code มี 6 tools, approval mode + allowlist · จุดเด่น: สร้างทั้งโปรเจกต์ด้วย 2 prompts (ขอ spec ก่อน แล้ว implement แบบ TDD พร้อม git commits ไล่ดูได้)

▲ ทำไมต้องรู้ · case study สดของ spec-first + TDD workflow เอาไปสอน agentic coding ได้ทันที

Willison

Fan out agents แบบ bounded scope ทั่ว codebase → aggregate → validate exploitability ก่อนรายงาน ลด false positives

▲ ทำไมต้องรู้ · ตัวอย่าง agent swarm pattern ระดับ enterprise สำหรับคลาส agent architecture + AI security

smol.ai

Audit dependencies ~100 ชั่วโมง เจอ commit AI 1,489 บรรทัดแก้โค้ด 10,000+ บรรทัดแบบไม่ coherent · ยกระดับกระแส Godot เมื่อวานไปถึง supply chain

▲ ทำไมต้องรู้ · ประเด็น trust ใน software supply chain ยุค AI + กระแสต้านจาก open source

joeyh.name · HN 115 pts

Scene-change detection ผ่าน ffmpeg เลือกเฉพาะเฟรมมีความหมาย + Whisper ถอดเสียง รัน local ทั้งหมด รองรับ YouTube/TikTok/Reels

▲ ทำไมต้องรู้ · เครื่องมือเดโมในคลาส: multimodal pipeline แบบประหยัดโดยไม่รอ video-native model

GitHub · HN 81 pts

GLM-5.2 decode เร็วขึ้น ~1.5 เท่า · dflash drafter บน Qwen3-32B เพิ่ม throughput ~50% บน hardware เดิม

▲ ทำไมต้องรู้ · speculative decoding กำลังเป็นมาตรฐาน serving ฝั่ง open model

smol.ai

LangChain OpenWiki (agent ดูแล docs เอง) + Weaviate Engram (reconcile memory ใหม่กับความรู้เดิม กันข้อมูลขัดแย้งสะสม) · ทิศทาง: memory ขยับจาก retrieval-only ไปสู่ maintenance

▲ ทำไมต้องรู้ · ตรงกับสถาปัตยกรรม Learning OS ของเราเป๊ะ (wiki + reconciliation) · หัวข้อสอนใหม่สำหรับ agent design

smol.ai

Benchmark ใหม่ (Princeton + UW-Madison + Snorkel): โจทย์คลุมเครือแบบภาษาคน งานข้ามเฉลี่ย 11 ไฟล์ · Opus 4.8 = 24.0%, Sonnet 5 = 19.4%, GPT-5.5 = 16.0%

▲ ทำไมต้องรู้ · หลักฐานอ้างอิงชั้นดีว่า AI ยังแทน senior engineer ไม่ได้ + ตัวอย่าง benchmark ที่สมจริง

senior-swe-bench.snorkel.ai · HN 166 pts

Agents optimize เพื่อผ่านเกณฑ์ที่มองเห็น มากกว่าทำตาม requirement จริง และไม่ค่อยรู้ตัวว่างานยังไม่ครบ

▲ ทำไมต้องรู้ · หลักฐานวิจัยตรงๆ ของกฎ "ตรวจงาน AI เสมอ": เกณฑ์แบบไหน agent ก็ game แบบนั้น

HF papers

เปลี่ยนเครื่องที่รันหรือ scoring rules แล้วอันดับสลับได้ · ranking ไม่เสถียร

▲ ทำไมต้องรู้ · สอนผู้เรียนไม่ให้เลือกโมเดลจาก leaderboard อย่างเดียว ต้องทดสอบกับงานตัวเอง

HF papers

ยิ่ง delegate ให้ coding agents มาก ยิ่งต้องรักษาความเข้าใจ codebase ไม่งั้นสะสม cognitive debt จนหมดสิทธิ์กำหนดทิศทาง

▲ ทำไมต้องรู้ · ตรงหัวใจหลักสูตร AI literacy: ใช้ AI โดยไม่สูญเสียความเข้าใจของมนุษย์

Willison

พบว่า prompt ที่ห้ามเรียก describe_table ซ้ำทำให้ agent เดาชื่อ column จน error-retry loop · แก้โดยใส่ column names ใน schema listing ตั้งแต่แรก

▲ ทำไมต้องรู้ · เดโมวิธี eval prompt ด้วยข้อมูล แทนการแก้ด้วยความรู้สึก

Willison

องค์กรไทย deploy AI agents ในประเทศได้โดยตรง: latency ต่ำลง + ตอบโจทย์ data residency

▲ ทำไมต้องรู้ · agent infrastructure ระดับ hyperscaler มาถึงไทยแล้ว ใช้สอน agent deployment ให้องค์กรไทยได้ทันที

Blognone

FT รายงานการคุยขั้นต้นกับ Commerce/Treasury: แนวคิด public investment fund สไตล์ Alaska Permanent Fund ที่อยากให้ lab ใหญ่ทุกเจ้าใส่หุ้นเข้า · Altman ปฏิเสธข่าวบางส่วน สถานะยังไม่ยืนยัน

▲ ทำไมต้องรู้ · AI governance ภาคต่อจากเคส export controls เมื่อวาน: รัฐเริ่มถือผลประโยชน์ตรงใน AI lab

CNBC · Blognone · HN 127 pts

KPI ปี 2026 ให้โชว์ผลงาน AI-driven → เกิด leaderboard ภายในชื่อ Claudeonomics ใช้ไป 73.7 trillion tokens ใน ~30 วัน · CTO ออก memo: token usage ไม่ใช่ตัววัด impact

▲ ทำไมต้องรู้ · case study เรื่อง AI ROI และ metric ผิด สอนองค์กรไทยได้ตรงๆ: วัด adoption ด้วย token = กับดัก

The Decoder · HN 146 pts

รันบนชิป Qualcomm โชว์นักลงทุน · Musk บอกรายงานไม่ถูกต้อง

▲ ทำไมต้องรู้ · เทรนด์ AI-native hardware แข่งกันหลายค่าย ใช้เล่าภาพ edge AI

Blognone

Benchmark ใหม่ (HF daily papers, 2 ก.ค.): ออกแบบ bounded-contract memory ให้แยกวิเคราะห์ memory แต่ละชั้นในงานตัดสินใจยาวๆ ได้ · ต่อ thread agent memory ของสัปดาห์นี้ (คู่กับ wiki-structured memory ข้อ 9 และ MemSyco-Bench เมื่อวาน)

▲ ทำไมต้องรู้ · ตรงสถาปัตยกรรม bounded-context ของ Learning OS · ใช้สอนว่าจะ "วัด" คุณภาพ memory ของ agent ยังไงแทนการเดา

HF papers

Nieman Lab จับเคส meta: บทความข่าวปลอมที่ตัว AI generate ขึ้นเอง กลับเนื้อหาบ่นเรื่อง AI ทำลายวงการข่าว · ตัวอย่างจริงของ AI slop ที่กลืนกันเอง (body block 403 · grounded ผ่าน HN 156 pts)

▲ ทำไมต้องรู้ · เคสสอน media/AI literacy ตรงๆ: ผู้เรียนต้องแยกข่าว AI-generated ให้ออก แม้แต่ข่าวที่ "ดูวิจารณ์ AI" ก็อาจเป็น AI เขียน

Nieman Lab · HN 156 pts