AI News · 2026-07-20

Alibaba (ทีม Qwen) ประกาศ Qwen 3.8 (flagship · preview Qwen3.8-Max-Preview): 2.4 ล้านล้านพารามิเตอร์รวม (ไม่เปิดเผย active param · เป็น sparse MoE) · ใช้ได้แบบ preview ผ่าน Token Plan/Qoder/QoderWork ที่ ~10% ของราคาปกติ (ราคา API มาตรฐานยังไม่ประกาศ) · สัญญาปล่อย open-weight "เร็วๆ นี้" ซึ่งจะหักล้าง pattern เดิมที่ Alibaba เก็บรุ่น Max-tier เป็น closed · คำเดียวที่พูดถึงสมรรถนะคือ "second only to Fable 5" โดยไม่มีตัวเลข benchmark เลย (AA/LMArena ยังไม่รัน)

▲ ทำไมต้องรู้ · คำเคลม "อันดับสองรองจาก Fable 5" ของ Qwen 3.8 ตอนนี้ยืนยันอิสระไม่ได้ เป็น vendor claim ล้วนๆ ต่างจาก kimi-k3 ที่มีอันดับ AA-Briefcase Elo จากบุคคลที่สามรองรับ (อันดับ 2 คะแนน 1547) อีกเรื่องที่น่าสนใจคือ Blognone รายงานตัวเลขพารามิเตอร์ผิดเป็น 2.8 ล้านล้าน ทั้งที่ของจริงคือ 2.4 ล้านล้าน สะท้อนว่าแม้สื่อ tech ที่น่าเชื่อถือก็พลาดสเปคได้ ควรไล่กลับไปดู primary source เสมอเวลาเจอตัวเลขสำคัญ → qwen-3-8

Alibaba_Qwen · the-decoder · officechai · mlq

ช่วงเดียวกัน ราคา GLM-5.2 (Zhipu/Z.ai) บน OpenRouter ถูกตัดลงแรง (Blognone: ~70-80%) · listing ลึกสุดราว $0.2576 in / $0.8096 out ต่อ 1M · caveat: เป็น snapshot ~16 มิ.ย. · หน้า live เปลี่ยนตลอด (ล่าสุด ~$0.2478/$0.7785 "79% off") · OpenRouter เป็น marketplace หลาย provider (~29 listing/~20 แบรนด์ · fp8/fp4 คนละราคา) ไม่มี "ราคา GLM-5.2" เดียว

▲ ทำไมต้องรู้ · สัปดาห์ก่อนมีการสรุปว่า Kimi K3 คือจุดจบของยุคโมเดลจีนราคาถูก (kimi-k3) แต่ข่าววันนี้เพิ่มมุมที่ต้องพูดคู่กันคือไม่ใช่จีนทั้งก้อนที่ขึ้นราคาหรือปิดกั้นการเข้าถึง ในสัปดาห์เดียวกันมีสามกลยุทธ์คู่ขนานจากสามค่าย ได้แก่ Moonshot (K3) เล่นพรีเมียม Alibaba (Qwen 3.8) เปิด open-weight มาสู้ด้านราคา และ Zhipu (GLM-5.2) ทำสงครามราคาตรงๆ บทเรียนคือไม่ควรเหมารวมว่าโมเดลจีนเป็นก้อนเดียวกัน ต้องพิจารณาเป็นรายค่าย และราคาบน marketplace แบบนี้เปลี่ยนเร็วมาก ควรดูวันที่กับผู้ให้บริการประกอบเสมอ → qwen-3-8

Blognone · OpenRouter GLM-5.2

Moonshot โพสต์ว่าความต้องการใช้ Kimi K3 สูงจนต้อง pause การรับสมัคร subscription ชั่วคราว · สะท้อน adoption จริงหลังเปิดตัว 16 ก.ค.

▲ ทำไมต้องรู้ · data point เสริม kimi-k3 ว่าโมเดลจีนราคาพรีเมียมยังมี demand ล้น (ไม่ใช่แค่ benchmark สวยแต่ไม่มีคนใช้) · คู่กับ Qwen 3.8/GLM-5.2 วันนี้ = ตลาดโมเดลจีนกำลังคึกทั้งฝั่ง demand และฝั่ง supply · แต่ caveat: การ pause อาจสะท้อน compute/capacity constraint พอๆ กับ demand (คู่ thread compute คอขวด · Anthropic lease Meta $10B) · เป็น vendor post + HN thread ใช้เป็น context ไม่ promote

Moonshot (via HN 196 pts)

เวอร์ชันใหม่: Claude เลิกรัน skill /verify และ /code-review เอง (ต้องพิมพ์เรียกถึงจะทำงาน) · แก้ permission rule matching สำหรับ nested directory · แก้ Bash permission หลายจุด (คำสั่งยาว · variable subscript · unsafe help/man options) · เพิ่ม periodic progress heartbeat สำหรับ tool call ที่รันนาน + OpenTelemetry attribute ระดับ message + fix PowerShell/Python/background session

▲ ทำไมต้องรู้ · การที่ /verify กับ /code-review เลิก auto-run แล้วต้องพิมพ์เรียกเองสะท้อนแนวโน้มที่ Anthropic กำลังถอยจากการให้ระบบตัดสินใจแทนผู้ใช้แบบเงียบๆ กลับมาเน้นให้ผู้ใช้สั่งการเองอย่างชัดเจนมากขึ้น progress heartbeat ช่วยแก้ปัญหา tool ที่รันนานแล้วดูเหมือนค้าง ส่วนการแก้ Bash permission ต่อเนื่องรอบนี้สะท้อนว่าเลเยอร์ permission ของ Claude Code ยังถูกทำให้เข้มงวดขึ้นเรื่อยๆ

CHANGELOG

Nik Suresh เขียน (Willison ยกมาเน้น) ว่า ความคลั่ง AI กำลังบั่นทอนการตัดสินใจในองค์กรใหญ่ · ตัวอย่างที่ Willison ไฮไลต์: ผู้บริหารวางกลยุทธ์ AI ให้บริษัทมูลค่า $2B+ โดยไม่เคยใช้ ChatGPT หรือ AI tool เลย · engineer ทำ rewrite ด้วย AI ที่ไม่จำเป็นเพื่อให้ดู productive/ปกป้องงานตัวเอง · ลูกค้าเรียกร้อง productivity 100x จน vendor ไม่กล้าแสดงความสงสัย (เสี่ยงโดนยกเลิกสัญญา) · แกนกลาง: แรงกดดันไม่ได้มาจากการหลอกขายเป็นหลัก แต่จากวงจรที่ทุกคนกลัวทำลายเครดิตเพื่อนร่วมงานถ้าตั้งคำถามกับคำเคลม AI ที่ไม่สมเหตุผล

▲ ทำไมต้องรู้ · มุมที่น่าคิดคือต้นทุนของกระแส AI hype ไม่ได้มีแค่เงินที่เสียไป แต่คือคุณภาพการตัดสินใจขององค์กรที่พังตามไปด้วย องค์กรที่ไม่มีใครกล้าพูดว่า "อันนี้เกินจริงไปแล้ว" คือองค์กรที่ระบบเตือนภัยเสียไปแล้วเช่นกัน การเข้าใจจริงๆ ว่า AI ทำอะไรได้และทำอะไรไม่ได้ จึงเป็นเกราะป้องกันการตัดสินใจที่ขับเคลื่อนด้วยความกลัวตกขบวนมากกว่าเหตุผล ทั้งนี้บทความนี้เป็นความเห็นของนักปฏิบัติ ใช้เป็นกรอบคิดประกอบการสนทนา ไม่ใช่ข้อสรุปเชิงข้อมูล

Simon Willison

มีรายงานว่านโยบายในนิวยอร์กจะกำหนดให้ landlord/realtor ต้อง disclose เมื่อใช้ภาพที่สร้าง/แต่งด้วย AI ในการโฆษณาอสังหาฯ (กันการใช้ภาพ AI แต่งให้ห้อง/บ้านดูดีเกินจริง) · กระทู้พุ่ง HN 560 คะแนน

▲ ทำไมต้องรู้ · เรื่องนี้สะท้อนว่าการเปิดเผยว่า "นี่คือภาพที่สร้างด้วย AI" กำลังขยับจากแค่บรรทัดฐานทางสังคมไปเป็นข้อบังคับทางกฎหมายในบางพื้นที่แล้ว ธุรกิจที่ใช้ AI แต่งภาพสินค้าหรือบริการควรเริ่มคิดเรื่องข้อกำหนดการเปิดเผยข้อมูลนี้ไว้ล่วงหน้า ไม่ใช่มองแค่คุณภาพของภาพอย่างเดียว อย่างไรก็ตามข้อควรระวังคือนี่ยังเป็นนโยบายระดับท้องถิ่น (นิวยอร์ก) ที่รายงานผ่านสื่อ ไม่ใช่กฎหมายระดับชาติ จึงควรมองเป็นสัญญาณทิศทางมากกว่าข้อกำหนดที่บังคับใช้ทั่วไป

petapixel (HN 560 pts)

The Next Web รายงานงานวิจัย (Capraro/Marcoccia/Quattrociocchi · PsyArXiv preprint 5y6m4) ที่ให้ตัวเลขชัดของ thread ที่ 07-17 มีแค่กรอบกว้าง: ความเต็มใจตอบ "ไม่รู้" ร่วงจาก 44% → 3% · accuracy 27% → 9% · confidence 30% → 76% · แม้ใส่แรงจูงใจเป็นเงิน การยอมรับว่าไม่รู้ก็ขึ้นแค่ 8% (accuracy 16%)

▲ ทำไมต้องรู้ · ตัวเลขจากงานวิจัยนี้ชัดเจนว่า AI advice ทำให้คนมั่นใจในคำตอบของตัวเองเพิ่มขึ้นเกือบ 3 เท่า ในขณะที่ความแม่นยำกลับลดลงเกือบ 3 เท่าในเวลาเดียวกัน อันตรายจึงไม่ได้อยู่แค่ที่ AI ตอบผิด แต่อยู่ที่มันทำให้คนเลิกพูดว่าไม่แน่ใจ แล้วหันไปมั่นใจในคำตอบที่แย่ลงแทน ข้อควรระวังคือยังไม่ยืนยันว่าเป็นงานวิจัยชิ้นเดียวกับที่เคยอ้างถึงก่อนหน้านี้หรือเป็นผลการศึกษาที่ได้ข้อสรุปสอดคล้องกันโดยบังเอิญ และตัวเลขนี้มาจาก preprint ที่ยังไม่ผ่าน peer review จึงควรใช้เป็นกรอบคิดประกอบการพิจารณาเท่านั้น

The Next Web