AI News · 2026-07-26

จุดที่ต้องตั้งให้ถูกก่อนอื่น: อะไรคือ "อิสระ" · Artificial Analysis ประกาศเอง "We supported @AnthropicAI to evaluate Claude Opus 5 ahead of release" = pre-release eval ที่ทำร่วมกับ vendor ไม่ใช่ arm's-length · Scott Wu (Cognition) และ Wade Foster (Zapier) เป็น launch testimonial บนหน้าข่าวของ Anthropic เอง ไม่ใช่หลักฐานอิสระ · ที่อิสระจริงมีสามแหล่ง: Epoch AI · CodeRabbit · Claire Vo

Epoch AI (อิสระ): Opus 5 = 159 · CI 90% = 157-162 · อันดับ 4 จาก 213 โมเดล ตามหลัง GPT-5.6 Sol 162 · Fable 5 161 · GPT-5.5 Pro 161 · ห้ามเขียนว่า "สอง index ขัดแย้งกัน": AA เองเรียกผลตัวเองว่า Opus 5 "effectively tied with Claude Fable 5" และ CI ของ Epoch คร่อม 161 อยู่แล้ว = ต่างกันระดับ noise

AA (ทำร่วมกับ Anthropic): AA-Briefcase ที่ max 1,720 vs 1,574 Elo ต้นทุน $17.79 vs $22.30 (ถูกลง 20%) · Terminal-Bench v2.1 89% ที่ max · HLE 53% เสมอ · ต้นทุนเฉลี่ยต่องาน $2.03 vs $2.75 (ตัวเทียบคือ "Fable 5 with fallback" ไม่ใช่ Fable 5 เปล่า)

ตัวเลขที่สำคัญที่สุด: hallucination rate ขึ้น 14 จุดเป็น 50% · แต่ห้ามพูดลอยๆ ว่า "Opus 5 มั่ว 50%": วัดบน AA-Omniscience ซึ่งเป็น knowledge-recall benchmark ตัวเดียว · baseline คือ Opus 4.8 ไม่ใช่ Fable 5 · accuracy ดีขึ้น 7 จุดพร้อมกัน · กลไกคือ benchmark นี้ไม่ลงโทษการปฏิเสธตอบ โมเดลที่ยอมตอบบ่อยขึ้นจึงได้ทั้งถูกขึ้นและมั่วขึ้น

CodeRabbit (อิสระ · ~100 error pattern จาก PR จริง): precision บน actionable comment ที่ x-high 39.3% vs baseline 35.2% · แต่ recall ตกเป็น 55.2% จาก baseline 61.1% · precision ทั้ง stream ที่ x-high 28.6% ต่ำกว่า baseline 32.8% · nitpick 92 ครั้ง vs 23 · ข้อสรุป: "The practical fit is as a second, precision-oriented reviewer."

Claire Vo (อิสระ): เรียกมันว่า "brilliant but annoying" มี "neurotic streak" และ "flatly refused to touch" merge conflict · แต่ใน blind test เธอจัด Opus 5 เหนือทุกโมเดล รวม Fable 5 และ GPT-5.6

Prompt injection: Boris Cherny โพสต์บน X "Opus 5 is our least prompt injectable model yet" · "หน้า 73 ของ system card" เป็น annotation ของ Willison ไม่ใช่คำของ Cherny · system card เองไม่ได้ใช้คำนั้น แต่รายงานเป็นเลข IPI: โอกาสสำเร็จใน 15 ครั้ง 5.5% → 2.0%

▲ ทำไมต้องรู้ · กรณีนี้สอนบทเรียนสำคัญเรื่องการอ่านคำว่า independent benchmark เพราะแม้แต่ผู้ประเมินที่เรียกตัวเองว่าอิสระก็อาจทำงานร่วมกับบริษัทเจ้าของโมเดลมาก่อนวันเปิดตัวจริง เห็นคำนี้ครั้งหน้าควรถามต่อว่าใครเป็นคนรัน รันเมื่อไหร่ และบริษัทเจ้าของโมเดลมีส่วนร่วมก่อนเปิดตัวหรือไม่ อีกประเด็นที่น่าสนใจคือโมเดลที่กล้าตอบคำถามมากขึ้นมักตอบถูกมากขึ้นและตอบผิดมากขึ้นไปพร้อมกัน ตัวเลขความแม่นยำเพียงตัวเดียวจึงบอกไม่ได้ว่าโมเดลดีขึ้นหรือแย่ลง ต้องดูด้วยว่า benchmark นั้นลงโทษการปฏิเสธตอบหรือไม่ และคะแนนรวมที่สูงกว่าเดิมก็ไม่ได้แปลว่าเครื่องมือนั้นจะแทนของเดิมได้ในทุกงาน

Epoch AI (Opus 5) · Epoch AI benchmarks · Artificial Analysis · AA disclosure · CodeRabbit · Lenny's Newsletter (Claire Vo) · Simon Willison (Cherny)

digest 07-25 ข้อ 7 ของเราเขียนว่า "Nvidia ลงสนามล็อบบี้ open-weight เอง" ซึ่งผิด · ของจริง: "Open Weights and American AI Leadership" (24 ก.ค.) เป็นจดหมายที่ NVIDIA + Microsoft + Meta ตั้งวง · Huang เขียนเองว่า "a letter @NVIDIA signed" ไม่ใช่เขียน · เอกสาร host ทั้งบน images.nvidia.com และบนหน้า corporate-responsibility ของ Microsoft

จำนวนผู้ลงนามขยับใน 24 ชั่วโมง: 25 ราย ณ วันปล่อย (24 ก.ค.) → 35 ราย (25 ก.ค.) · รายชื่อรวม NVIDIA · Microsoft · Meta · OpenAI · Hugging Face · Y Combinator · Palantir · IBM · Dell Technologies · Mozilla · Mistral · Replit · Perplexity · Cisco · Cohere · GitHub · The Linux Foundation · Black Forest Labs · Nous Research · Prime Intellect · Palo Alto Networks · CrowdStrike · a16z

จุดพลิก: OpenAI เซ็นหลัง Huang โพสต์ไม่กี่ชั่วโมง · Altman: "i want the US to win in AI both in open source and proprietary models, and i am glad to see this" · Anthropic ไม่อยู่ในรายชื่อทั้ง 35 ราย · Google และ xAI แสดงการสนับสนุนต่อสาธารณะแต่ไม่อยู่ใน official list (ณ 25 ก.ค.)

quote จาก PDF ตัวจริง: น.2 "keeping the frontier plural by avoiding premature restrictions on open models that stifle competition or drive innovation overseas" · น.2 "openness may be one of the most important paths to AI safety and security. Relying solely on closed models is not inherently safe" · น.3 ซึ่งเป็นหัวใจการเมืองของจดหมาย: "policymakers should be careful not to conflate legitimate model development techniques with misappropriation. Distillation... is a widely used technique" = ตอบโต้ Kratsios ตรงๆ และอธิบายว่าทำไมจดหมายออกวันที่ 24 พอดี (Kratsios/Bessent พูด 22 ก.ค.) · Jensen Huang โพสต์แรกบน X: "The world needs both frontier closed models and frontier open models." · Nadella หนุนวันเดียวกัน

▲ ทำไมต้องรู้ · เรื่องนี้พลิกภาพที่เข้าใจกันมาก่อนหน้านี้ เส้นแบ่งไม่ใช่ฝั่งปิดกับฝั่งเปิดอีกต่อไป แต่กลายเป็น Anthropic อยู่ฝ่ายเดียว ขณะที่ OpenAI เซ็นไปแล้ว ส่วน Google และ xAI ต่างแสดงจุดยืนสนับสนุนต่อสาธารณะ บทเรียนที่ได้คือข่าวเดียวกันเมื่ออ่านห่างกันแค่ 24 ชั่วโมงอาจให้ข้อสรุปตรงข้ามกันเลย เพราะรายชื่อผู้ลงนามในจดหมายเปิดผนึกเป็นข้อมูลที่มีอายุและเปลี่ยนแปลงได้เร็ว เวลาอ่านจดหมายแบบนี้จึงควรดูทั้งใครเซ็นและใครไม่เซ็น เพราะช่องว่างตรงนั้นมักบอกอะไรมากกว่าตัวเนื้อหาเอง

PDF ตัวจริง · Microsoft · Jensen Huang (X) · OfficeChai (OpenAI เซ็น) · CryptoBriefing (Google/xAI)

บทความของ Tobi Knaup ขึ้น Hacker News 297 คะแนน เมื่อ 25 ก.ค. (HN 49048034) · หมายเหตุความซื่อสัตย์: เว็บต้นทางตอบ 403 อ่านตัวบทความไม่ได้ · บันทึกเฉพาะ title/ผู้เขียน/คะแนน/วันที่ ที่ยืนยันจาก HN Algolia API เท่านั้น ไม่สรุปเนื้อหาที่ไม่ได้อ่าน

▲ ทำไมต้องรู้ · ตัวชื่อบทความเองก็เป็นข้อมูลที่น่าสนใจ เพราะท่อนหลัง "Let's not ruin it." เปลี่ยนน้ำเสียงจากการเชียร์เป็นการเตือน สอดคล้องกับข่าวก่อนหน้าที่ชี้ว่าสัปดาห์นี้ประเด็น open-weight ขยับจากเรื่องเทคนิคไปเป็นเรื่องการเมืองอุตสาหกรรมเต็มตัว มีทั้งฝั่งที่ผลักดันและฝั่งที่เตือนไม่ให้ทำพัง อย่างไรก็ตามเว็บต้นทางเข้าไม่ได้ จึงบันทึกไว้เป็นสัญญาณที่น่าติดตามมากกว่าจะสรุปเนื้อหาที่ยังไม่ได้อ่านจริง

ตรวจ huggingface.co/moonshotai วันนี้: ไม่มี repo ของ K3 · ล่าสุดคือ Kimi-K2.7-Code (updated 15 มิ.ย.) · กำหนดที่ Moonshot ประกาศคือ 27 ก.ค. 2026 · license "Modified MIT" เป็นสิ่งที่ประกาศว่าจะใช้ แต่ตัว license text ยังไม่เผยแพร่

▲ ทำไมต้องรู้ · นี่คือเดดไลน์ที่ควรติดตามต่อ เพราะถ้า Moonshot ปล่อย weights จริงตามกำหนด นี่จะเป็นโมเดล open-weight ที่ใหญ่ที่สุดเท่าที่เคยมีมาที่ 2.8 ล้านล้านพารามิเตอร์ แต่ถ้าไม่ปล่อยตามกำหนด คำเคลม "first open 3T-class model" ก็จะกลายเป็นคำสัญญาที่พิสูจน์ไม่ได้ หลักที่ควรยึดไว้คืออย่าเรียกโมเดลนี้ว่า open model จนกว่าจะเห็น weights จริง

Hugging Face (moonshotai) · kimi-k3

Astral ปล่อย Ruff v0.16.0 (23 ก.ค.) เปิด rule เป็น default 413 ตัว จากเดิม 59 = การรื้อ default ruleset ครั้งแรกตั้งแต่ v0.1.0 (rule ทั้งหมดโตจาก 708 เป็น 968) · ประกาศระบุว่าหลายตัวที่เพิ่งเปิด "catch severe issues, including syntax errors and immediate runtime errors" แต่เดิมไม่ได้เปิด default · Willison รัน uvx ruff@latest check . --fix --unsafe-fixes กับ sqlite-utils ได้ "Found 1618 errors (1538 fixed, 80 remaining)" · เขาอัปเดตสามโปรเจกต์: LLM และ sqlite-utils ด้วย Codex (GPT-5.6 Sol high) · Datasette ด้วย Claude Code (Opus 5) · quote: output ของ Ruff "provides everything a coding agent would need to fix the problems"

▲ ทำไมต้องรู้ · นี่คือตัวอย่างที่ดีของการแบ่งงานระหว่างเครื่องมือกับ AI เครื่องมือแบบ linter ที่มีกฎตายตัวทำหน้าที่หาปัญหาได้เร็วและแม่นยำ ส่วน AI agent ที่ยืดหยุ่นกว่าทำหน้าที่แก้ไขต่อจากจุดที่เครื่องมือนั้นหยุดไว้ หลักคิดคือไม่ควรใช้ AI ทำงานที่เครื่องมือ deterministic ทำได้ดีอยู่แล้ว แต่ควรให้มันทำงานต่อจากจุดนั้น อีกด้านที่ควรระวังคือการเปลี่ยน default ของเครื่องมือที่หลายโปรเจกต์พึ่งพาโดยไม่ได้ pin เวอร์ชันไว้ อาจทำให้ CI ของหลายโปรเจกต์พร้อมกันแดงขึ้นมาโดยไม่มีใครแก้โค้ดเลยสักบรรทัด

Simon Willison

หลัง 2.1.219 ที่ตั้ง Opus 5 เป็น default Opus + เพิ่ม sandbox.network.strictAllowlist + hook DirectoryAdded (เก็บ 07-25 ข้อ 5) · 2.1.220 มีบรรทัดเดียวใน changelog: "Bug fixes and reliability improvements"

▲ ทำไมต้องรู้ · บันทึกไว้เพื่อความครบถ้วนของไทม์ไลน์เท่านั้น ข้อสังเกตที่พอมีประโยชน์คือ release ถัดจาก release ใหญ่มักเป็นการแก้บั๊กให้เสถียรขึ้นเท่านั้น ควรเช็คเวอร์ชันจริงหน้างานเสมอเพราะเครื่องมือเหล่านี้อัปเดตทุกหนึ่งถึงสองวัน

Claude Code CHANGELOG

Jihoon Tack, Philippe Laban, Jennifer Neville เสนอ framework ที่ แปลงงาน single-turn แบบนิ่งให้เป็นบทสนทนาหลายรอบที่เจตนาผู้ใช้ค่อยๆ เผยออกมา ถูกแก้ และบางครั้งเปลี่ยนทิศ ("incrementally revealed, revised, and at times redirected") โดย ใช้ benchmark ที่มีอยู่แล้วซ้ำได้ ไม่ต้อง annotate ใหม่ · ผลหลัก: "strong static-setting performance does not transfer to the evolving-intent setting, with substantial drops across model families" = โมเดลปัจจุบัน ยังไม่ติดตามและทำตามเจตนาที่เปลี่ยนไปของผู้ใช้ได้จริง

▲ ทำไมต้องรู้ · งานจริงในชีวิตทำงานแทบไม่มีโจทย์ไหนที่นิ่งตั้งแต่ต้นจนจบ แต่ benchmark ส่วนใหญ่ที่ใช้วัดโมเดลกลับวัดกับโจทย์ที่นิ่ง งานวิจัยนี้อธิบายด้วยตัวเลขว่าช่องว่างระหว่างคะแนน benchmark กับความรู้สึกตอนใช้งานจริงมาจากตรงนี้ ถ้าเปลี่ยนใจกลางทางแล้วผลลัพธ์เริ่มเพี้ยน นั่นไม่ใช่เพราะสั่งงานไม่เก่ง แต่เป็นข้อจำกัดของโมเดลที่วัดได้จริง คำแนะนำเชิงปฏิบัติคือเมื่อความต้องการเปลี่ยนไปมาก ควรเริ่มบทสนทนาใหม่พร้อมสรุปโจทย์ใหม่ให้ชัด แทนที่จะแก้ไปเรื่อยๆ ในบทสนทนาเดิม

arXiv 2607.20734

ทีมวิจัยสกัด knowledge graph จากตำราเรียนทางการของจีน (คณิต ฟิสิกส์ เคมี ชีวะ · ประถมถึงมัธยมปลาย) มี 9 ชนิด node และ 14 ชนิดความสัมพันธ์ ครอบ prerequisite chain · concept taxonomy · ลำดับการสอน · สร้าง K12-Bench 23,640 ข้อ multi-select แบ่งห้ากลุ่ม (Ground · Prereq · Neighbor · Evidence · Locate) + K12-Train 7,335 ตัวอย่าง (ข้อความ 2,267 · multimodal 5,068) · ผล: Gemini-3-Flash ทำ exact match ได้ 57% · Gemma-4-31B-IT 46% · งานที่ยากที่สุดคือความสัมพันธ์แบบ prerequisite และ neighbor · การเทรนเฉพาะทางบน K12-Train ชนะชุด instruction ทั่วไปที่ขนาดเท่ากัน และการใส่ทั้งข้อความและภาพให้ผลดีที่สุด

▲ ทำไมต้องรู้ · งานวิจัยนี้ชี้ประเด็นที่มีประโยชน์กับใครก็ตามที่ใช้ AI ช่วยออกแบบสื่อการเรียนรู้ นั่นคือโมเดลรู้เนื้อหาแต่ละเรื่องดี แต่ไม่ค่อยรู้ว่าเนื้อหาเหล่านั้นควรเรียงลำดับก่อนหลังอย่างไร ซึ่งเป็นหัวใจของการออกแบบหลักสูตร ผลทดสอบพบว่าโมเดลชั้นนำอย่าง Gemini-3-Flash ตอบคำถามเรื่องลำดับก่อนหลังถูกเพียงประมาณครึ่งเดียว สะท้อนว่า AI ช่วยผลิตเนื้อหาแต่ละชิ้นได้ดี แต่การจัดลำดับการเรียนรู้ยังต้องอาศัยคนที่เข้าใจเนื้อหาจริงอยู่ดี ข้อควรระวังคือข้อมูลอ้างอิงจากตำราเรียนของจีน จึงไม่สามารถย้ายมาใช้กับหลักสูตรไทยได้ตรงๆ แต่แนวคิดหลักยังใช้อ้างอิงได้

arXiv 2605.09635

OpenAI เปิด Health in ChatGPT ให้ผู้ใช้ในสหรัฐ: เชื่อม ข้อมูล Apple Health และเวชระเบียน จากผู้ให้บริการอย่าง One Medical · Function Health · Kaiser Permanente · UC Health เพื่อให้ ChatGPT ให้ข้อมูลเชิงสุขภาพแบบเฉพาะบุคคล · เปิดให้ Free/Go/Plus/Pro ในสหรัฐ อายุ 18+ ผ่านเว็บและ iOS · นโยบายที่ระบุชัด: เวชระเบียน ข้อมูล Apple Health และบทสนทนาที่ใช้ข้อมูลนี้ จะไม่ถูกใช้เทรนโมเดลหรือยิงโฆษณา · พร้อมกัน ChatGPT Voice ขึ้น desktop app สำหรับ Plus/Pro/Business/Education/Enterprise · ใช้ได้ใน Work และ Codex โดยพูดขัดจังหวะได้ และ สั่งให้ Voice เริ่มหรือประสานงานผ่าน tool และ permission ที่มีอยู่

▲ ทำไมต้องรู้ · ข่าวนี้มีสองประเด็นที่น่าสนใจแยกจากกัน ประเด็นแรกคือเรื่อง data governance ข้อมูลสุขภาพเป็นข้อมูลที่อ่อนไหวที่สุดชุดหนึ่งที่ผู้ช่วย AI เคยเข้าถึง คำสัญญาที่เขียนไว้ชัดเจนว่าจะไม่นำไปเทรนโมเดลหรือใช้ยิงโฆษณาเป็นมาตรฐานที่ควรเรียกร้องจากผู้ให้บริการทุกราย ไม่ใช่แค่เรื่องสุขภาพเท่านั้น หลักที่ใช้ได้ทั่วไปคือเวลาประเมินเครื่องมือ AI ให้หาประโยคที่ระบุชัดเจนว่าข้อมูลของผู้ใช้ถูกนำไปใช้ทำอะไรบ้าง ถ้าหาไม่เจอก็ถือเป็นคำตอบอยู่แล้ว ประเด็นที่สองคือ Voice ที่เริ่มสั่งงานหรือประสานงานผ่านเครื่องมือต่างๆ ได้ ไม่ใช่แค่ถามตอบเหมือนเดิม สะท้อนว่าเสียงกำลังกลายเป็นอีกช่องทางหนึ่งในการสั่งงาน AI agent ทั้งนี้ฟีเจอร์นี้ยังเปิดเฉพาะในสหรัฐและอายุ 18 ปีขึ้นไปเท่านั้น ยังไม่มาถึงไทย

9to5Mac · OpenAI · MacRumors