AI News · 2026-07-21

สามชิ้นมาบรรจบในสุดสัปดาห์เดียว: (1) Xi Jinping ปาฐกถาเปิดงาน World AI Conference (WAIC) ที่เซี่ยงไฮ้ 17 ก.ค. เรียกร้องให้โลก "encourage open source, openness, collaboration and sharing" · วางจีนเป็นผู้นำ open-source AI ทางเลือกจากสหรัฐ · ประกาศ 5,000 ทุนฝึกอบรม AI ให้ประเทศกำลังพัฒนาใน 5 ปี + ตั้ง WAICO (World AI Cooperation Organization) สำนักงานใหญ่เซี่ยงไฮ้ (29 ประเทศร่วม) · (2) Ben Werdmuller เขียน "American AI is locked down and proprietary. It's losing" (HN 922) เถียงว่ากลยุทธ์เปิด weights ของจีน (Moonshot/Alibaba) กำลังชนะเชิง distribution แม้จีนเสียเปรียบเรื่อง compute จาก export control · (3) Willison ยกข้อเสนอ Ben Thompson (Stratechery): สหรัฐควรทำให้การเก็บ training data เป็น fair use + ห้าม ToS ที่ห้าม distillation · Thompson ตั้งข้อสังเกต (เก็ง ไม่ใช่ข้อพิสูจน์) ว่าการที่ Alibaba กลับลำเปิด Qwen 3.8 Max เป็น open-weight (จากเดิม Qwen 3.7 Max ปิด) อาจได้อิทธิพลจากสุนทรพจน์ Xi

▲ ทำไมต้องรู้ · นี่คือจุดที่อธิบายว่าทำไมค่าย AI จีนถึงพากันเปิด weights พร้อมกันช่วงนี้ สุนทรพจน์ของ Xi ยืนยันได้จริงจากถ้อยแถลงทางการและสื่อหลายสำนัก แต่ต้องแยกให้ชัดว่าอะไรคือข้อเท็จจริงกับอะไรคือความเห็น ตัวสุนทรพจน์เป็นข้อเท็จจริง ส่วนข้อสรุปว่า "จีนกำลังชนะ" เป็นมุมมองของ Werdmuller และตัวเลข "80% ของสตาร์ทอัพใช้โมเดลจีน" เป็นคำพูดของ Martin Casado จาก a16z ที่อ้างผ่าน The Economist เมื่อเกือบปีก่อน ไม่ใช่สถิติที่วัดใหม่ ส่วนที่ว่าสุนทรพจน์ Xi เป็นแรงจูงใจให้ Alibaba เปิด Qwen ก็ยังเป็นการคาดเดาของ Thompson ไม่ใช่สิ่งที่พิสูจน์แล้ว

NBC News · Full text (SCIO gov.cn) · Quartz · Werdmuller (HN 922) · Willison/Thompson

Willison ยกอีเมลภายใน OpenAI ปี 2022 ที่หลุดออกมา · ใจความ: OpenAI เคยพิจารณาปล่อย โมเดลรันในเครื่อง (local) ที่เก่งระดับ GPT-3 ออกมาก่อนคู่แข่ง โดยมีเป้าหมายเชิงกลยุทธ์เพื่อ ลดแรงจูงใจให้ lab อื่นปล่อยโมเดลของตัวเอง (ครองพื้นที่ open ไว้เองเพื่อกันตลาด)

▲ ทำไมต้องรู้ · สี่ปีก่อน OpenAI เคยมอง "การเปิดโมเดล" เป็นอาวุธเชิงกลยุทธ์เพื่อกันไม่ให้คู่แข่งได้เปรียบ ไม่ใช่อุดมการณ์ วันนี้บทบาทนั้นกลับตาลปัตร กลายเป็นจีนที่ใช้การเปิด weights เป็นอาวุธ ขณะที่ห้องแล็บสหรัฐฯ เลือกปิด สะท้อนว่าการเปิดหรือปิดโมเดลเป็นการตัดสินใจเชิงกลยุทธ์ที่พลิกกลับได้ตามสภาพการแข่งขัน ไม่ใช่ค่านิยมตายตัวของบริษัทใดบริษัทหนึ่ง ข้อมูลนี้มาจากอีเมลภายในที่หลุดออกมาเพียงแหล่งเดียว จึงควรอ่านเป็นบริบทประวัติศาสตร์มากกว่าข้อสรุปฟันธง

Simon Willison

เวอร์ชันใหม่: เพิ่มออปชัน sandbox.filesystem.disabled ปิด filesystem isolation แต่ยังคุม network egress ได้ (สำหรับงานที่ต้องเขียนไฟล์กว้างแต่ยังกันข้อมูลออกเน็ต) · แก้ bug ที่ message normalization โตแบบ quadratic ตามจำนวน turn ทำให้ session ยาว stall หลายวินาที/resume ช้า · ปรับ AskUserQuestion ให้คำตอบแบบพิมพ์เองได้ wording ที่เป็นกลาง (ไม่ดันให้ทำต่อ) · fix auto mode ปฏิเสธคำสั่งหลัง OAuth token หมดอายุกลาง session · fix security: workflow saves/scheduled tasks เคยตาม symlink ที่ .claude เขียนไฟล์ออกนอกโปรเจกต์ได้

▲ ทำไมต้องรู้ · อัปเดตนี้เป็นทั้งเรื่อง developer experience และความปลอดภัย จุดที่น่าสังเกตคือบั๊กที่ทำให้ scheduled task หรือ workflow เขียนไฟล์ออกนอกโปรเจกต์ผ่าน symlink ได้ เป็นอีกตัวอย่างว่าแม้แต่กลไก guardrail ของเครื่องมือ AI เองก็ยังเจอบั๊กเป็นระยะ การเพิ่มออปชัน sandbox.filesystem.disabled ที่แยก filesystem ออกจากการคุม network egress ก็ตอกย้ำว่า sandbox ไม่ใช่สวิตช์เปิดปิดก้อนเดียว แต่ต้องแยกคุมเป็นมิติต่างๆ ส่วนบั๊กที่ message normalization โตแบบ quadratic ตามจำนวน turn ก็ชี้ให้เห็นว่า session ที่ยาวมีต้นทุน overhead แฝงที่มองไม่เห็น

CHANGELOG

Willison เขียนว่า coding agent ลดต้นทุนงาน reverse-engineering อุปกรณ์ในบ้าน (protocol, API ที่ไม่มีเอกสาร) ลงมากจนงานที่เมื่อก่อน "ไม่คุ้มเวลา" กลายเป็นทำได้จริง · เปิดทางให้ automation เฉพาะทางที่ก่อนหน้านี้ไม่มีใครทำเพราะแพงเกินไป

▲ ทำไมต้องรู้ · กรณีนี้ชี้ให้เห็นว่าต้นทุนที่ถูกลงจาก AI ครอบคลุมงานวิเคราะห์และทำความเข้าใจระบบด้วย นอกเหนือจากงานเขียนโค้ด เมื่อต้นทุนของงานที่เคยยากลดลงจนเกือบศูนย์ ปริมาณงานที่คุ้มทำก็มีแนวโน้มเพิ่มขึ้นมาก อย่างไรก็ตาม มีมุมความปลอดภัยที่ต้องคิดคู่กันคือ reverse-engineering ที่ถูกลงสำหรับคนที่ตั้งใจดี ก็ถูกลงสำหรับคนร้ายเท่ากัน

Simon Willison

นักวิจัยวัดสัดส่วน AI writing บน 12,750 เปเปอร์ arXiv (ม.ค. 2023 - ก.ค. 2026) ด้วย detector ที่ calibrate เฉพาะงานวิชาการ · ตั้ง false-positive floor ที่ 0.4% โดยใช้เปเปอร์ยุคก่อน ChatGPT (2021-2022) เป็น ground truth · ผล: นิ่งที่ 0.4% จนถึงปี 2022 แล้ว "lifts off within months of ChatGPT" ไต่เป็นสองระลอกถึง ~32% กลางปี 2026 (พีค ~39% ต้นปี 2026) · แยกตามสาขา (เฉลี่ย 12 เดือน): CS 65.0% · Quant Bio 56.3% · EE 51.3% · Econ 47% · ... · High-energy physics 14% · Astrophysics 10.7% · คณิตศาสตร์ 0.7%

▲ ทำไมต้องรู้ · ตัวเลขนี้มีประโยชน์แต่ต้องอ่านให้ถูกวิธี ข้อแรก คำว่า "flag" ในที่นี้หมายถึงข้อความที่มีลักษณะเหมือนเครื่องเขียน ซึ่งรวมถึงกรณีที่คนใช้ AI ช่วยแก้ไขหนักๆ ด้วย ไม่ได้แปลว่าเปเปอร์นั้นถูก AI เขียนทั้งหมดหรือเป็นหลักฐานว่าใครโกง ข้อสอง ตัวเลขที่วัดได้ถือเป็นค่าต่ำสุด เพราะ detector จับ generator บางตัวไม่ได้ ข้อสาม ตัวเลขของสาขาคณิตศาสตร์ที่ต่ำเพียง 0.7% อาจเป็นจุดบอดของ detector เพราะเปเปอร์คณิตศาสตร์มีร้อยแก้วน้อย ไม่ได้แปลว่านักคณิตศาสตร์ไม่ใช้ AI หลักการที่ใช้ได้เสมอคือตัวเลขจากเครื่องมือตรวจจับ AI ทุกตัวมีทั้งค่าคลาดเคลื่อนขั้นต่ำและจุดบอด ต้องอ่านคู่กับวิธีการวัดเสมอ ตัวเลขนี้เป็นผลจาก blog ที่รายงานเอง ยังไม่ผ่าน peer review

unslop.run (HN 188)

สองเปเปอร์เด่นวันนี้: RAGU (2607.11683 · 111 ▲) เป็น GraphRAG engine แบบ multi-step ที่ใช้ โมเดล 7B ที่ปรับให้เข้า domain แล้วทำได้เทียบเท่าระบบที่ใหญ่กว่า · Recursive Harness Self-Improvement (2607.15524) ให้ agent ปรับ prompt ของ loop ตัวเองซ้ำๆ จาก feedback history เพื่อยกคุณภาพ trace และ ลดต้นทุน inference ลง 60% (เปเปอร์เคลม) · (หมายเหตุ: RESOURCE2SKILL upvote นำที่ 113 แต่ arXiv ID 2606 = ของเดือน มิ.ย. ดันขึ้นใหม่)

▲ ทำไมต้องรู้ · ทั้งสองเปเปอร์สะท้อนแนวคิดเดียวกันคือคุณค่ามักอยู่ที่ระบบที่ห่อหุ้มโมเดล ไม่ใช่ตัวโมเดลอย่างเดียว งาน RAGU ที่ใช้โมเดลขนาด 7B ปรับให้เข้ากับ domain แล้วทำได้เทียบเท่าระบบใหญ่ ตอบคำถามที่หลายองค์กรสงสัยว่าต้องใช้โมเดลใหญ่ที่สุดเสมอไปหรือไม่ คำตอบคือโมเดลเล็กที่จูนมาดีบวกกับระบบ retrieval ที่ดีมักเพียงพอ ส่วน Recursive Harness Self-Improvement เป็นตัวอย่างของ agent ที่ปรับ prompt ของตัวเองได้จาก feedback history อย่างไรก็ตาม ตัวเลขลดต้นทุน 60% และคำว่า "เทียบเท่า" เป็นตัวเลขที่เปเปอร์รายงานเอง ยังไม่มีการตรวจสอบอิสระ ควรอ่านเป็นทิศทางมากกว่าข้อสรุปที่แน่นอน

RAGU 2607.11683 · Recursive Harness 2607.15524

The Information (ตามด้วย CNBC) รายงานว่า Google พัฒนาชิป server ภายในชื่อ "Frozen v2" ที่ ออกแบบเฉพาะสถาปัตยกรรม Gemini · เคลมว่าประมวลผล token ได้ 6-10 เท่าต่อระดับพลังงานเท่ากัน เทียบ TPU ปัจจุบัน (ลดการคำนวณ/ย้ายข้อมูลซ้ำซ้อน) · ใช้กับงานเฉพาะทาง ไม่แทน TPU ทั้งหมด · เล็ง deploy ภายในปี 2028 · Google ไม่ยืนยันไม่ปฏิเสธ

▲ ทำไมต้องรู้ · ข่าวนี้ตอกย้ำว่า compute เป็นคอขวดจริงของอุตสาหกรรม AI และต้นทุนระยะยาวไม่ได้ลดลงจากตัวโมเดลอย่างเดียว แต่มาจากการออกแบบฮาร์ดแวร์ร่วมกับโมเดลด้วย การที่ Google พัฒนาชิปเฉพาะสำหรับสถาปัตยกรรม Gemini ของตัวเองเป็นสัญญาณว่าบริษัทใหญ่เริ่มผูกฮาร์ดแวร์เข้ากับตระกูลโมเดลของตัวเองมากขึ้น ซึ่งส่งผลต่อการผูกติดกับผู้ให้บริการรายเดียวและราคาที่ผู้ใช้ต้องจ่ายในระยะยาว อย่างไรก็ตาม ข้อมูลนี้มาจากรายงานของ The Information ที่ Google ยังไม่ยืนยัน และเป็นชิปที่ยังไม่ได้ใช้งานจริง โดยเล็งเปิดตัวราวปี 2028 จึงควรอ่านเป็นสัญญาณทิศทางมากกว่าข้อเท็จจริงที่เกิดขึ้นแล้ว

Blognone (สรุป · อ้าง The Information/CNBC)

Apple กำลังทดสอบฟีเจอร์ Live Notes ที่ Apple Store บางสาขา เพื่อ ถอดเสียงและสรุปบทสนทนาระหว่างพนักงานกับลูกค้า ในงานบริการ (Genius Bar) · มีการระบุว่ามี มาตรการปกป้องความเป็นส่วนตัวของพนักงาน ประกอบ

▲ ทำไมต้องรู้ · กรณีนี้สะท้อนว่าการถอดเสียงและสรุปบทสนทนาด้วย AI กำลังขยายไปถึงหน้าร้านค้าปลีก ไม่จำกัดอยู่แค่การประชุมออนไลน์อีกต่อไป และกำลังกลายเป็นโครงสร้างพื้นฐานของงานบริการลูกค้า อย่างไรก็ตาม ประเด็นนี้ต้องมองคู่กับเรื่องการสอดส่องพนักงานด้วย เพราะเส้นแบ่งระหว่างการช่วยงานกับการจับตาพนักงานอยู่ที่ว่าใครเข้าถึงข้อมูลนั้นและเอาไปใช้ทำอะไร การที่ Apple ระบุมาตรการปกป้องความเป็นส่วนตัวของพนักงานมาด้วยก็สะท้อนว่าบริษัทเองก็ตระหนักว่าประเด็นนี้อ่อนไหว ทั้งนี้ยังเป็นการทดสอบในบางสาขาเท่านั้น ยังไม่ขยายเป็นวงกว้าง

Blognone

Release note ของ Claude Platform: Workbench เดิม ที่ platform.claude.com/workbench จะถูก sunset ปิดการเข้าถึง 17 ส.ค. 2026 · ย้ายไป Workbench ใหม่ (/playground) ที่ ยังไม่รองรับ saved prompts/variables/evals ต้อง export เอง · พร้อมกันนั้น retire experimental prompt tools API (generate_prompt/improve_prompt/templatize_prompt) ในวันเดียวกัน · หลังถอด endpoint จะ return error

▲ ทำไมต้องรู้ · ใครที่ใช้ Workbench เดิมเก็บงานอยู่ควรรีบ export saved prompts, variables และ evals ออกมาก่อนวันที่ 17 สิงหาคม 2026 เพราะระบบใหม่ยังไม่รองรับการย้ายข้อมูลเหล่านี้อัตโนมัติ กรณีนี้ยังเป็นบทเรียนที่กว้างกว่านั้นด้วยว่า เครื่องมือหรือ API ทดลองของผู้ให้บริการสามารถถูกเลิกใช้ได้เสมอ จึงไม่ควรผูก workflow การทำงานไว้กับ endpoint ที่ยังอยู่ในสถานะทดลอง

Anthropic API release notes